엑셀로 배우는 순환 신경망·강화학습 초(超)입문

머리말역자 서문이 책의 사용 방법엑셀 샘플 파일 다운로드 방법1장 RNN, DQN을 위한 준비§ 01 RNN, DQN의 첫걸음▶ 시계열 데이터를 다루게 된 ‘RNN’.▶ 학습하는 로봇의 지능을 현실로 만든 ‘DQN’..▶ 왜, 지금 AI가 꽃을 피웠는가?▶ RNN, DQN을 엑셀로 체험 § 02 사용할 엑셀 함수는 10개 남짓▶ 사용할 주요 엑셀 함수 ▶ TANH 함수 ▶ OFFSET 함수 ▶ MATCH 함수 ▶ 배열 수식 ▶ MMULT 함수 § 03 최적화 계산이 불필요한 엑셀의 해 찾기▶ 해 찾기를 사용해 보자 ▶ 해 찾기로 구한 ‘최솟값’은 국소해§ 04 데이터 분석에는 최적화가 필수▶ 최적화는 데이터 분석에 필수 ▶ 회귀분석이란? ▶ 구체적인 예로 회귀분석의 논리를 이해 ▶ 회귀분석을 이해하면 데이터 분석도 이해돼 2장 엑셀로 배우는 신경망§ 01 출발점이 되는 뉴런 모델▶ 생물의 뉴런 구조 ▶ 뉴런의 입력 처리 방법 ▶ 발화 ▶ 뉴런의 ‘입출력’을 수식으로 표현 ▶ 뉴런의 ‘발화’를 수식으로 표현 § 02 신경세포를 모델링한 인공 뉴런▶ 뉴런의 움직임을 정리하면 ▶ 발화 조건을 함수로 표현 ▶ 인공 뉴런 ▶ 뉴런의 간단한 그림 ▶ 시그모이드 함수 ▶ 시그모이드 뉴런 ▶ 시그모이드 뉴런의 일반화 ▶ 인공 뉴런과 활성화 함수의 정리 ▶ 엑셀로 뉴런의 동작 재현 ▶ ‘입력의 선형합’의 내적 표현 .§ 03 신경망의 사고방식▶ 입력층의 역할 ▶ 은닉층의 역할 ▶ 출력층의 역할 ▶ 뉴런 1개는 지능이 없다! ▶ 특징 추출의 구조 ▶ 출력층의 ‘판정원’은 정리하는 역할 ▶ 구조를 정리하면 ▶ 임곗값의 역할은 불필요한 정보를 차단하는 것 ▶ 가중치와 임곗값의 결정 방법 ▶ 신경망의 아이디어 정리 § 04 신경망을 식으로 표현▶ 변수명을 정하는 규칙 ▶ 신경망을 식으로 표현 ▶ 신경망 출력의 의미 ▶ 정답을 변수화 ▶ 제곱오차의 식 표현 ▶ 모델의 최적화 ▶ 신경망의 목적 함수 § 05 엑셀로 배우는 신경망 ▶ 훈련 데이터의 준비 ▶ 신경망의 사고방식에 따라 함수 설정 ▶ 목적 함수의 산출 ▶ 신경망의 최적화 ▶ 최적화된 파라미터 해석 ▶ 신경망을 테스트하자 § 06 보편성 정리 ▶ 가중치와 임곗값을 구하는 방법 3장 엑셀로 배우는 RNN § 01 RNN의 사고방식▶ 구체적인 예로 생각한다 ▶ 종래의 신경망에 적용해보면? ▶ 신경망이 기억을 갖게 해주는 RNN ▶ 순환 신경망을 나타내는 그림 ▶ 컨텍스트 노드의 계산 ▶ 다른 예로 확인 ▶ 파라미터의 결정 방법은 신경망과 동일 § 02 순환 신경망을 식으로 표현▶ 구체적인 과제로 생각한다 .▶ 수식화 준비 ▶ 뉴런의 입출력을 수식으로 표현 ▶ 훈련 데이터 준비 ▶ 구체적인 식으로 나타내본다 ▶ 최적화를 위한 목적 함수를 구한다 ▶ 최적화는 목적 함수의 최소화 § 03 엑셀로 배우는 순환 신경망▶ 구체적인 예로 생각한다 ▶ 문자 코드화와 단어의 분해 ▶ 파라미터의 초깃값 설정 ▶ 첫 번째 문자의 계산 확인 ▶ 두 번째 문자의 계산 확인 ▶ 가중치에 음의 값 허용 ▶ 단어 수를 늘려 확인4장 엑셀로 배우는 Q학습 § 01 Q학습의 사고방식▶ 강화학습 ▶ Q학습을 개미를 이용해 이해 ▶ 좀 더 상세히 알아보자 ▶ ‘냄새가 강한 방향으로’가 개미의 기본 행동 ▶ ε-greedy 법으로 개미의 모험심을 표현 ▶ 출구 정보의 갱신 ▶ 학습률 ▶ 개미의 행동 요약 § 02 Q학습을 식으로 표현▶ 개미를 이용해 배우는 Q학습 용어 ▶ Q 값은 표의 이미지 ▶ Q 값의 의미 ▶ Q 값의 표와 개미와의 대응 ▶ Q 학습의 수식에서 이용되는 기호의 의미 ▶ 개미의 동작을 기호로 정리하면 ▶ 할인율 γ, 학습률 a의 의미 ▶ 수정 ε-greedy법 ▶ 학습의 종료 조건 § 03 엑셀로 배우는 Q학습▶ 과제 확인 ▶ 워크시트 작성상의 유의점 .▶ 워크시트로 Q학습 5장 엑셀로 배우는 DQN§ 01 DQN의 사고방식▶ DQN의 구조 ▶ 개미를 이용해 배우는 DQN ▶ DQN의 입출력 .▶ DQN의 목적 함수 ▶ 최적화 도구로 해 찾기 이용 § 02 엑셀로 배우는 DQN▶ 과제 확인 ▶ 신경망과 활성화 함수의 가정 ▶ Q학습의 결과 정리 ▶ 입력층 데이터의 코드화 ▶ 가중치와 임곗값의 초깃값 설정 ▶ 은닉층에 대해 ‘입력의 선형합’을 구한다 ▶ 은닉층의 출력을 구한다 ▶ 출력층에 대한 ‘입력의 선형합’을 구한다 ▶ 신경망의 목적 함수 계산 ▶ DQN의 최적화 ▶ DQN의 결과 확인 ▶ 적합도를 올리기 위해서는 .부록§ A 훈련데이터§ B 해 찾기의 설치 방법§ C 순환 신경망을 다섯 문자에 응용찾아보기 Index

더보기