본문 바로가기

오탈자 정보

[패턴 인식과 머신 러닝]_오탈자

현재까지 발견된 이 책의 오탈자 정보와 오류, 그리고 보다 매끄러운 문장을 위해 수정한 내용을 안내해드립니다. 번역과 편집 시에 미처 확인하지 못하고 불편을 끼쳐드려 죄송하다는 말씀을 드립니다. 아래의 오탈자 사항은 추후 재쇄 시에 반영하도록 하겠습니다. 

 

이외의 오탈자 정보를 발견하시면 옮긴이(evion12@gmail.com)나 출판사(help@jpub.kr)로 연락주시면 고맙겠습니다.

 

최종수정일자: 2022년 2월 10

5쇄본 오탈자

 

(업데이트 순)

579쪽 네 번째 문단 3행에서(정O택 님 제보)

==>

 

554쪽 식 10.130에서(정O택 님 제보)

==>


555쪽 첫 줄에서(정O택 님 제보)
그림 10.129로부터  ==> 10.129로부터


식 10.134와 식 10.135 사이 문단 두 번째 행에서(정O택 님 제보)
볼록 함수를 얻게 된다. 로그를 취한 형태가 볼록 함수라는 것은
==>
오목 함수를 얻게 된다. 로그를 취한 형태가 오목 함수라는 것은

584쪽 10.31번 문제 두 번째 행에서(정O택 님 제보)
x^2에 대해서는 오목 함수임을 ==> x^2에 대해서는 볼록 함수임을

 

442쪽 첫 번째 문단 2~3행에서(정O택 님 제보)

동일한 네개의 변수에 대해서 같은 조건부 독립성들을 표현하는 비방향성 그래프는 존재하지 않는다.
==>
동일한 네 개의 변수에 대해서 같은 조건부 독립성들을 표현하는 방향성 그래프는 존재하지 않는다.

 

444쪽 아래에서 두 번째 문단 3행에서(정O택 님 제보)

K_N개 존재하게 된다. ==> K^N개 존재하게 된다.

 

468쪽 두 번째 문단 4행에서(정O택 님 제보)

우리는 변수 x_1,..., x_M 중 어떤 것이 최댓값을 주었는지 기록한다.
==>

우리는 변수 x_1,..., x_M 중 어떤 값들이 최댓값을 주었는지 기록한다.

 

최종수정일자: 2021년 2월 18

4쇄본 오탈자

 

(업데이트 순)

390쪽 밑에서 일곱, 여섯 번째 줄

자동적인 연관성 결정 ==> 자동 연관 결정

 

395쪽 위에서 여섯 번째줄

aparse ==> sparse


399쪽 식 7.122 바로 밑 줄의 표적값

tnk ==> t_{nk} (* 2개 다)


400쪽 위에서 두 번째줄

K3 ==> K^3

 

xx쪽 아홉 번째 줄 (박*성 님 제보)

이와 비슷하게 (a,b) ==> 이와 비슷하게 [a,b)

 

126쪽 5행에서 (박*영 님 제보)

기댓값 최적화(expectation maximization)라는

==>

기댓값 최대화(expectation maximization)라는

 

278쪽 5.3.4절 4행에서 (박*영 님 제보)

네크워크상의 ==> 네트워크상의

 

278쪽 5.3.4절 3행에서 (박*영 님 제보)

야코비한 행렬의 ==> 야코비안 행렬의

 

279쪽 (식 5.73) 윗문단 2행에서 (박*영 님 제보)

야코비한 행렬을 ==> 야코비안 행렬을

 

280쪽 (식 5.76) 아래 문단 1행에서(박*영 님제보)

야코비한 행렬을 ==> 야코비안 행렬을

 

280쪽 (식 5.76) 아래 문단 3-4행에서(박*영 님제보)

야코비한 행렬의 ==> 야코비안 행렬의

 

352쪽 두 번째 문단 1행에서(박*영 님 제보)

ARM 체계는 ==> ARD 체계는

 

 

399쪽 그림 7.2 제목 3행에서 (박*영 님 제보)

훨신 ==> 훨씬

 

432쪽 첫 번째 문단 4행에서 (박*영 님 제보)

훨신 ==> 훨씬

 

498쪽 (식 9.36) 아래 첫 번째 문단 3행에서 (박*영 님 제보)

훨신 ==> 훨씬

 

662쪽 1행에서 (박*영 님 제보)

훨신 ==> 훨씬

 

739쪽 12행에서 (박*영 님 제보)

훨신 ==> 훨씬

 

350쪽 세 번째 문단 4행에서 (박*영 님 제보)

완벽 주변화는 ==> 완벽 주변화는

 

478쪽 두 번째 문단 1행에서 (박*영 님 제보)

가우시안 혼 분포는 ==> 가우시안 혼 분포는

 

482쪽 세 번째 문단 1행에서 (박*영 님 제보)

K-메도이드(`) 알고리즘이다.

==>

K-메도이드(K-medoids) 알고리즘이다.

 

162쪽 마지막 문단 1행에서 (박*영 님 제보)

전체 데이트 포인트를

==>

전체 데이터 포인트를

 

305쪽 식 5.144와 그 아래 줄에서 (박*영 님 제보)

==>

 

164쪽 식 3.28 아래 1행에서(박*영 님 제보)

이는 식 3.15의 최조 제곱 해를 간단히 확장한 형태다.

==>

이는 식 3.15의 최소 제곱 해를 간단히 확장한 형태다.

 

267쪽 3행에서(박*영 님 제보)

지역적 최소점(local mimima)이라고

==>

지역적 최소점(local minima)이라고

 

37쪽 식 1.73 아래 문단 두 번째 줄(박*영 님 제보)

베이지안 정보 기준(Bayseian information criterion, BIC)

==>

베이지안 정보 기준(Bayesian information criterion, BIC)

 

386쪽 마지막 문단 첫 번째 줄(박*영 님 제보)

PAC 베이지안(PAC-Bayseian)

==>

PAC 베이지안(PAC-Bayesian)

 

395쪽 두 번째 문단 네 번째 줄(박*영 님 제보)

순차적 희박 베이지안 학습 알고리즘(sequential aparse bayseian learning algorithm)

==>

순차적 희박 베이지안 학습 알고리즘(sequential aparse bayesian learning algorithm)

 

404쪽 첫 번째 문단 네 번째 줄(박*영 님 제보)

베이지안 네트워크(Bayseian network)

==>

베이지안 네트워크(Bayesian network)

 

819쪽 찾아보기 B에서(박*영 님 제보)

Bayseian information criterion

==>

Bayesian information criterion

 

819쪽 찾아보기 B에서(박*영 님 제보)

PAC-Bayseian

==>

PAC-Bayesian

 

825쪽 찾아보기 S에서(박*영 님 제보)

sequential aparse bayseian learning algorithm

==>

sequential aparse bayesian learning algorithm

 

827쪽 찾아보기 P에서(박*영 님 제보)

Bayseian network

==>

Bayesian network

 

144쪽 연습문제 2.7번 2행에서(박*영 님 제보)

x = 1을 m개 관찰하였고 x = 0을 l개 관찰했다고 해보자.

==>

x = 1을 m개 관찰하였고 x = 0을 l개 관찰했다고 해보자.

 

67쪽 연습문제 1.13번 질문에서(박*영 님 제보)

이때 실제 평균값 𝜇 대신에 최대 가능도 추정값 𝜇_ML 사용했다고 하자.

==>

이때 최대 가능도 추정값 𝜇_ML이 실제 평균값 𝜇로 대체되었다고 가정하자.

 

 

최종수정일자: 2020년 1월 08일

3쇄본 오탈자

 

(업데이트 순)

 

313쪽 식 5.161과 5.162 사이 문장 (정*영 님 제보)

이와 비슷하게 가중치 w에 대한 사후 분포를 => 이와 비슷하게 가중치 w에 대한 사전 분포를

 

241쪽 마지막 줄 (박*규 님 제보)

그에 따라 f(z)의 z0에서의 미분값이 음수여야 한다 

 

=>그에 따라 f(z)의 z0에서의 2차 미분값이 음수여야 한다.

 

245쪽 식 4.141 바로 아래 줄 (박*규 님 제보)

사후 분포 => 사전 분포

 

204쪽 일곱 번째 줄 (박*규 님 제보)

y(x)의 절댓값은 점 x와 결정 표면 사이의 수직 거리 r에 해당함을 알 수 있다.

=>

 

y(x)의 값은 점 x와 결정 표면 사이의 수직 거리 r에 비례함을 알 수 있다.

 

 

최종수정일자: 2019년 6월 4일

2쇄본 오탈자

 

(업데이트 순)

 

110쪽 1-2행 (박*규 님 제보)

식 2.141로 주어진 사후 분산의 평균이 

=> 

식 2.141로 주어진 사후 분포의 평균이 

 

173쪽 식 3.51 다음 문단 첫 번째 줄

사전 분포가 가우시안 분포이기 때문에 => 사후 분포가 가우시안 분포이기 때문에

 

62쪽 아홉 번째 줄 (박*규 님 제보)

1.114로부터 오목함수 f(x)가 => 114로부터 볼록함수 f(x)가

 

82쪽 19번째 줄 (박*규 님 제보)

최대 공분산의 결괏값과 같아진다. 베이지안의 결괏값과 최대 공분산의 결괏값이

=>

최대 가능도의 결괏값과 같아진다. 베이지안의 결괏값과 최대 가능도의 결괏값이

 

81쪽 식 2.18 아래줄 (이*호 님 제보)

x = 0인 값 하나가 있는 데이터 집합 => x = 0인 값 l개가 있는 데이터 집합

 

52쪽 식 1.90  (이*환 님 제보)

 

 

 

51쪽 식 1.85  (이*환 님 제보)

 

 

 

 

 

 

 

37쪽 밑에서 열 번째 줄  (이*환 님 제보)

 

로그 가능도가며 => 로그 가능도이며

 
 

최종수정일자: 2019년 2월 11일

1쇄본 오탈자

 

(업데이트 순)

 

95쪽 위에서 세 번째 줄

분포에 대한 구조를 구조를 모델에 => 분포에 대한 구조를 모델에

 

106쪽 그림 2.10  (조○우 님 제보)

(* 그림이 아래쪽 것으로 변경되어야 합니다.)

 

 

 

128쪽 쪽 마지막 줄의 수식  (조○우 님 제보)

ηM-1, 0)T => ηM-1)T

 

141쪽 그림 2.27  (조○우 님 제보)

(* 그림이 아래쪽 것으로 변경되어야 합니다.)

 

 

 

365쪽 그림 7.1  (조○우 님 제보)

(* 그림이 아래쪽 것으로 변경되어야 합니다.)

 

 

 

371쪽 그림 7.3  (조○우 님 제보)

(* 그림이 아래쪽 것으로 변경되어야 합니다.)

 

 

 

381쪽 그림 7.7  (조○우 님 제보)

(* 그림이 아래쪽 것으로 변경되어야 합니다.)

 

 

 

519쪽 위에서 여섯 번째 줄  (조○우 님 제보)

유한 원소법 => 유한 요소법

(* 그리고 814쪽 찾아보기의 해당 용어도 함께 수정합니다.)

 

576쪽 그림 10.17의 그림상의 문자  (조○우 님 제보)

기댓값 최대화 => EP

 

490쪽 마지막 줄  (조○우 님 제보)

비정칙 =>

 

32쪽 그림 1.16  (조○우 님 제보)

(* 그림이 아래쪽 것으로 변경되어야 합니다.)

 

 

 

31쪽 그림 1.15  (조○우 님 제보)

(* 그림이 아래쪽 것으로 변경되어야 합니다.)

 

 

 

 

서문 xx쪽의  (조○우 님 제보)

함수 => 함수

(* 해당 페이지의 모든 '멱함수'를 말합니다)