Part 4. 컴퓨터 비전과 순차 데이터 처리의 발전
- Chapter 78. 시각 피질의 수용장(Receptive Field) 연구와 CNN의 생물학적 영감
- Chapter 79. 이미지 데이터의 텐서 구조와 합성곱(Convolution) 연산의 수학적 정의
- Chapter 80. 공간적 특징 추출: 필터(Filter)와 커널(Kernel) 연산 기하학
- Chapter 81. 피처 맵(Feature Map) 제어: 스트라이드(Stride)와 패딩(Padding)
- Chapter 82. 다운샘플링과 불변성: 최대 풀링(Max Pooling)과 평균 풀링(Average Pooling)
- Chapter 83. 초기 CNN 아키텍처: LeNet-5와 AlexNet의 계층적 특징 추출
- Chapter 84. 깊은 신경망의 설계: VGGNet의 작은 필터(3x3) 연속 적층 전략
- Chapter 85. 신경망의 깊이 한계 극복: ResNet의 잔차 연결(Residual Connection)
- Chapter 86. 잔차 연결의 그래디언트 흐름 증명과 암묵적 앙상블 효과
- Chapter 87. 주의 메커니즘의 비전 확장: 비전 트랜스포머(ViT)의 등장 배경
- Chapter 88. 이미지를 토큰으로: 패치 분할(Patch Splitting)과 선형 투영(Linear Projection)
- Chapter 89. 귀납적 편향(Inductive Bias): CNN의 지역성(Locality)과 ViT의 전역성(Global) 비교
- Chapter 90. 확률론적 시계열 모델링: 은닉 마르코프 모델(HMM)의 구조
- Chapter 91. 최적 상태 시퀀스 탐색: 비터비(Viterbi) 알고리즘
- Chapter 92. 순환 신경망(RNN) 아키텍처와 은닉 상태(Hidden State) 전이 매커니즘
- Chapter 93. 시간 기반 역전파(BPTT: Backpropagation Through Time) 연산 전개
- Chapter 94. RNN의 한계: 장기 의존성(Long-term Dependency) 문제의 미적분학적 원인
- Chapter 95. 장단기 메모리(LSTM) 네트워크의 탄생과 셀 상태(Cell State) 역학
- Chapter 96. LSTM의 게이트 메커니즘: 망각, 입력, 출력 게이트의 수학적 제어
- Chapter 97. 게이트 순환 유닛(GRU): LSTM의 구조 간소화와 파라미터 최적화