Design Künstlicher Neuronaler Netze / Wirtschaftswissenschaften (PDF)
Ein Leitfaden zur effizienten Handhabung mehrschichtiger Perzeptrone
Künstliche Neuronale Netze (KNN) zählen methodisch zu den zentralen technischen Innovationen seit Mitte der 1980er Jahre. Sie tangieren viele Wissenschaftsbereiche und sind mit großen Erwartungen hinsichtlich Prognosefähigkeiten und Erkenntnisgewinn...
sofort als Download lieferbar
eBook (pdf)
55.45 €
- Lastschrift, Kreditkarte, Paypal, Rechnung
- Kostenloser tolino webreader
Produktdetails
Produktinformationen zu „Design Künstlicher Neuronaler Netze / Wirtschaftswissenschaften (PDF)“
Künstliche Neuronale Netze (KNN) zählen methodisch zu den zentralen technischen Innovationen seit Mitte der 1980er Jahre. Sie tangieren viele Wissenschaftsbereiche und sind mit großen Erwartungen hinsichtlich Prognosefähigkeiten und Erkenntnisgewinn verbunden.
Mit dem Ziel, die zahlreichen Freiheitsgrade bei der Ausgestaltung der Modelle wissenschaftlich fundiert zu fixieren, untersucht Janette F. Walde die Stärken und Schwächen von mehrschichtigen Perzeptronen, die zur Modellierungsklasse der KNN zählen. Dafür steht neben künstlich generierten Datensätzen auch ein realer Datensatz mit vollständigen Informationen zu mehr als 185.000 Beobachtungseinheiten zur Verfügung. Die Autorin vergleicht die Performance der mehrschichtigen Perzeptrone mit der von klassischen Verfahren, identifiziert mit Hilfe von Sensitivitätsanalysen die wichtigen Inputvariablen und überprüft die aufgezeigten nichtlinearen Zusammenhänge auf ihre substanzwissenschaftliche Fundierung. Es wird deutlich, dass dem Vorteil der KNN, nämlich die kaum erforderliche Vorabspezifizierung des funktionalen Zusammenhangs, ein enormer Datenhunger gegenübersteht.
Mit dem Ziel, die zahlreichen Freiheitsgrade bei der Ausgestaltung der Modelle wissenschaftlich fundiert zu fixieren, untersucht Janette F. Walde die Stärken und Schwächen von mehrschichtigen Perzeptronen, die zur Modellierungsklasse der KNN zählen. Dafür steht neben künstlich generierten Datensätzen auch ein realer Datensatz mit vollständigen Informationen zu mehr als 185.000 Beobachtungseinheiten zur Verfügung. Die Autorin vergleicht die Performance der mehrschichtigen Perzeptrone mit der von klassischen Verfahren, identifiziert mit Hilfe von Sensitivitätsanalysen die wichtigen Inputvariablen und überprüft die aufgezeigten nichtlinearen Zusammenhänge auf ihre substanzwissenschaftliche Fundierung. Es wird deutlich, dass dem Vorteil der KNN, nämlich die kaum erforderliche Vorabspezifizierung des funktionalen Zusammenhangs, ein enormer Datenhunger gegenübersteht.
Autoren-Porträt von Janette F. Walde
Dr. Janette F. Walde ist Universitätsassistentin am Institut für Statistik der Fakultät für Sozial- und Wirtschaftswissenschaft der Universität Innsbruck.Bibliographische Angaben
- Autor: Janette F. Walde
- 2005, 159 Seiten, Deutsch
- Verlag: Deutscher Universitätsvlg
- ISBN-10: 3322812111
- ISBN-13: 9783322812117
- Erscheinungsdatum: 27.02.2015
Abhängig von Bildschirmgröße und eingestellter Schriftgröße kann die Seitenzahl auf Ihrem Lesegerät variieren.
eBook Informationen
- Dateiformat: PDF
- Größe: 19 MB
- Ohne Kopierschutz
- Vorlesefunktion
Kommentar zu "Design Künstlicher Neuronaler Netze / Wirtschaftswissenschaften"
Schreiben Sie einen Kommentar zu "Design Künstlicher Neuronaler Netze / Wirtschaftswissenschaften".
Kommentar verfassen