이 책의 목적은 다양한 공정 인공지능 분야에 대한 이론적 개념과 일반적인 계산수행 방법을 제공하는 것이다.
Fuzzy 시스템에서는 Fuzzy 논리, Fuzzy 관계와 Fuzzy 수, 그리고 Fuzzy 추론과 Fuzzy 알고리듬을 소개하고 있으며 인공신경망에서는 역전파 신경망(Back Propagation), 연상/경쟁/RBF 신경망, 그리고 신경망을 이용한 Identification을 다루고 있다.

제 1 장 인공지능(artificial intelligence) 입문 1

1.1 인공지능의 의미 1
1.2 인공지능의 역사 2
1.3 공정 인공지능의 주제 13

제 2 장 Fuzzy 논리 17

2.1 기본 정의 17
2.2 집중화와 팽창 28
2.3 확장원리 33
2.4 α-수준집합 39

제 3 장 Fuzzy 관계와 Fuzzy 수 43

3.1 Fuzzy 관계 43
3.2 Fuzzy 관계의 합성 46
3.3 Fuzzy 수 52
3.4 일반적인 membership 함수 70

제 4 장 Fuzzy 추론과 Fuzzy 알고리듬 83

4.1 논리 83
4.2 근사추론 86
4.3 언어변수의 표현 92
4.4 Fuzzy 제어 시스템의 구성 96
4.5 Fuzzy 규칙의 표준형태 98
4.6 Fuzzy 관계식 101
4.7 표준 Additive 모델 104
4.8 Fuzzy 규칙의 실행 108
4.9 Fuzzy논리 제어 117

제 5 장 신경망: Introduction 137

5.1 인공뉴런 137
5.2 단층 신경망 141
5.3 다층 신경망 157

제 6 장 역전파(Back Propagation) 신경망 163

6.1 전달함수의 미분 163
6.2 역전파 알고리듬 164
6.3 BP network 훈련 및 훈련결과를 이용한 출력의 비교 192
6.4 역전파 문자인식 197

제 7 장 연상/경쟁/RBF 신경망 205

7.1 Instar 학습 205
7.2 Outstar 학습 213
7.3 경쟁학습 219
7.4 확률적 신경망(Probabilistic Neural Network, PNN) 232
7.5 Radial Basis Function(RBF) Network 237
7.6 Generalized Regression Neural Network(GRNN) 249

제 8 장 신경망을 이용한 Identification 257

8.1 Dynamic Network 257
8.2 적응 신호처리 262
8.3 Adaline(적응 선형요소)를 이용한 Identification 269
8.4 Neuro-Fuzzy identifier 282

제 9 장 선형 결정표면 함수와 퍼셉트론 학습 291

9.1 결정함수 291
9.2 간단한 학습 알고리듬 295
9.3 퍼셉트론 학습 300
9.4 Duality 309

제 10 장 최대마진 분류자 313

10.1 최적화 문제 313
10.2 최대 마진 314
10.3 마진의 최적화 316
10.4 Quadratic Programming 320
10.5 Lagrangian Dual 322
10.6 Dual 최대 마진 최적화 325

제 11 장 지지벡터를 이용한 Regression (SVR) 343

11.1 비선형 SVM 343
11.2 sensitive 손실함수(loss 함수) 361
11.3 Least-Squares SVM(LSSVM) 375

제 12 장 Genetic 알고리듬 387

12.1 디자인 변수의 표현 388
12.2 목적함수와 제약조건의 표현 390
12.3 세대의 생성 391
12.4 최적화 문제의 풀이 393

제 13 장 SA, PSO, ACO 알고리듬 409

13.1 Simulated Annealing (SA) 알고리듬 409
13.2 Particle Swarm 알고리듬 415
13.3 Ant Colony 알고리듬 426

색인 443