Finanzmarktprognose mit neuronalen Netzen
|
|
- Harald Lenz
- vor 6 Jahren
- Abrufe
Transkript
1 Reihe: Quantitative Ökonomie Band 131 Herausgegeben von Prof. Dr. Eckart Bomsdorf, Köln, Prof. Dr. Wim Kösters, Bochum, und Prof. Dr. Winfried Matthes, Wuppertal Dr. Christoph A. Hövel Finanzmarktprognose mit neuronalen Netzen Training mit Backpropagation und genetisch-evolutionären Verfahren Mit einem Geleitwort von Prof. Dr. Winfried Matthes, Bergische Universität Wuppertal A EUL>
2 Inhalt 1 Aufgabenstellung Historische Entwicklung Künstlicher Neuronaler Netze Ziel der Arbeit Vorgehensweise Weitere Anforderungen Übersicht 4 2 Das Neuronale Netz Ursprung Das Neuron 8 s 2.3 Aktivierungsfunktionen...: Logistische Funktion Tangens hyperbolicus Funktion Modifikation der Ableitungen Das Netz Forward-Propagation 11 3 Aufbereitung der Daten Terminologie Problematik Fundamentalanalyse Technische Analyse Risiken von Rohdaten Eingabedaten Trendfolger Oszillatoren Volatilitätsindikatoren Aufbereitung Behandlung von Lücken Verwendung von zeitverzögerten Eingabedaten Indikatoren Zieldaten Basis der Zieldaten Interpretation des Prognoseziels 31
3 XII Inhalt Kumulierte Rendite 35 4 Training mit Backpropagation Training durch Gradientenverfahren Definition des Fehlers Verändern der Gewichte Batch-Lernen Inkrementelles Lernen Modifikationen Momentum Weight-Decay Zielfunktion Minimale quadratische Abweichung Profit-Maximierung Cross-Entropy " Generalisierung versus Overfitting Netzdesign Gestopptes Training Training mit künstlichem Rauschen Zusammenfassung Initialisierung Iteration Propagieren des Musters Trainingsalgorithmus in Pseudo-Code 59 5 Training mit Genetisch-Evolutionären Verfahren Definitionen Der Mutationsraum Selektionssteuerung durch die Fitnessfunktion Reproduktion Selektion Fitness-proportionale Selektion Roulette-Rad Methode Sigma-Skalierung Sonderfälle Elitismus Reproduktion Mutation Rekombination 73
4 Inhalt XIN_ 5.4 Regulator-Gene Reproduktionsart Mutationswahrscheinlichkeit Mutationsweite Segmente der Rekombination Entwicklung der Parameter Mutationswahrscheinlichkeit Mutationsweite Segmente der Rekombination Entwicklung der Fitness Erzwungene Mutation Reproduktionsart Mutationswahrscheinlichkeit Mutationsweite Segmente der Rekombination Vermischung von Populationen Problembeschreibung Vorgang des Austausches Erzielte Qualität Struktur des Algorithmus Evolutionsverfahren zur Optimierung einer Population Vermischung von Populationen 99 6 Implementierung Anforderungen Software Die Sprache C Die Sprache C Die Sprache Objective-C Hardware Datenbank Diskussion der gewählten Aktie Historie Gehandeltes Volumen Durchschnittliche Rendite Verteilung der Rendite 111
5 XIV Inhalt 8 Backpropagation versus Genetisch-Evolutionäre Verfahren Backpropagation mit Cross-Entropy Verteilung der Gewichte Verteilung der Netzausgabe (Training) Qualität der Prognose Genetisch-Evolutionäres Verfahren mit Fitness als negative, quadratische Differenz Verteilung der Gewichte Verteilung der Netzausgabe (Training) Qualität der Prognose Genetisch-Evolutionäres Verfahren mit Fitness durch Profit-Maximierung Verteilung der Gewichte Verteilung der Netzausgabe (Training) Qualität der Prognose Fazit N Auswirkung der Trainingsmethode auf die Gewichte Definition des Trainingsziels Wahl der Methode Ergebnisse Das Zeitfenster Designprozess Versuch A: Netz Versuch B: Netz Versuch C: Netz Versuch D: Kombination der Ergebnisse Art der Kombination Erzielte kumulierte Rendite Verteilung der Renditen Schlussbetrachtung: Analyse der Ergebnisse Qualität der Prognose Zeitraum (1. Hälfte) Zeitraum (2. Hälfte) Handlungsdichte Zufälligkeit der Ergebnisse Trefferquote Verteilung der Treffer 145
6 Inhalt XV 10.4 Neuronale Netze versus Random Walk Kostensituation Fazit Ausblick Rechenleistung Unterschiedliche Hardware-Plattformen Anpassung des Verfahrens an die Leistung Möglichkeiten des Einsatzes Aufbereitung der Indikatoren Generelle Problematik Technische Interpretation der Indikatoren Neuronaler Gleitender Durchschnitt Netztypen Elman-Netz RBF-Netz Zieldefinition Dynamisierung der Parameter Lernrate Netzgröße Trainingszeitraum Verwendete Inputvariablen KNN als Teil eines Handelssystems Sonstige Anwendungsmöglichkeiten Prognose der Finanzmärkte Kreditwürdigkeits-Prognose Generelle Prognose und Optimierung Verwendung des GEV Fazit Genereller Ausblick Anhang A: Hurst-Exponent Anhang B: StockDate-CalendarDate-Conversion Typen- und Konstanten-Definitionen Berechnung der extra Tage am Extra Tage in Block A Extra Tage in Block B 171
7 XVI Inhalt Finale Berechnung Berechnung der extra Tage am Extra Tage in Block A Extra Tage in Block B Finale Berechnung Berechnung Datum zu StockDate Berechnung StockDate zu Date Literaturverzeichnis 177
Klassische Qualitätsregelkartentechnik für attributive Prüfungen
Reihe: Quantitative Ökonomie Band 135 Herausgegeben von Prof. Dr. Eckart Bomsdorf, Köln, Prof. Dr. Wim Kösters, Bochum, und Prof. Dr. Winfried Matthes, Wuppertal Dr. Fritz Neidhart Klassische Qualitätsregelkartentechnik
MehrKostenminimierung in Speichernetzwerken
Reihe: Quantitative Ökonomie Band 159 Herausgegeben von Prof. Dr. Eckart Bomsdorf, Köln, Prof. Dr. Wim Kösters, Bochum, und Prof. Dr. Winfried Matthes, Wuppertal Dr. Martin Noppenberger Kostenminimierung
MehrGenetische Programmierung
Bernd Ebersberger Genetische Programmierung Ein Instrument zur empirischen Fundierung ökonomischer Modelle A 234920 Deutscher Universitäts-Verlag Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis
MehrAndreas Scherer. Neuronale Netze. Grundlagen und Anwendungen. vieweg
Andreas Scherer Neuronale Netze Grundlagen und Anwendungen vieweg Inhaltsverzeichnis Vorwort 1 1 Einführung 3 1.1 Was ist ein neuronales Netz? 3 1.2 Eigenschaften neuronaler Netze 5 1.2.1 Allgemeine Merkmale
MehrKlassifikationsverfahren und Neuronale Netze
Klassifikationsverfahren und Neuronale Netze Hauptseminar - Methoden der experimentellen Teilchenphysik Thomas Keck 9.12.2011 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum
MehrNeuronale Netze zur Prognose und Disposition im Handel
Sven F. Crone Neuronale Netze zur Prognose und Disposition im Handel Mit einem Geleitwort von Prof. Dr. Dr. h. c. Dieter B. Preßmar GABLER RESEARCH Inhalt XI Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis
MehrWärmebedarfsprognose für Einfamilienhaushalte auf Basis von Künstlichen Neuronalen Netzen
Wärmebedarfsprognose für Einfamilienhaushalte auf Basis von Künstlichen Neuronalen Netzen Internationale Energiewirtschaftstagung Wien - 12.02.2015 Maike Hasselmann, Simon Döing Einführung Wärmeversorgungsanlagen
Mehr10. Vorlesung Stochastische Optimierung
Soft Control (AT 3, RMA) 10. Vorlesung Stochastische Optimierung Genetische Algorithmen 10. Vorlesung im Aufbau der Vorlesung 1. Einführung Soft Control: Definition und Abgrenzung, Grundlagen "intelligenter"
MehrEvolutionäre Algorithmen
Karsten Weicker Evolutionäre Algorithmen 2., überarbeitete und erweiterte Auflage m Teubner Inhaltsverzeichnis 1 Natürliche Evolution 1 1.1 Entwicklung der evolutionären Mechanismen 2 1.2 Evolutionsfaktoren
MehrDie Prognose regionaler Beschäftigung mit Neuronalen Netzen und Genetischen Algorithmen
Die Prognose regionaler Beschäftigung mit Neuronalen Netzen und Genetischen Algorithmen Nijkamp P., Reggiani A., Patuelli R., Longhi S. Ziele: Darstellung eines Neuronalen Netzes (NN) zur Prognose regionaler
MehrKünstliche neuronale Netze
Künstliche neuronale Netze Eigenschaften neuronaler Netze: hohe Arbeitsgeschwindigkeit durch Parallelität, Funktionsfähigkeit auch nach Ausfall von Teilen des Netzes, Lernfähigkeit, Möglichkeit zur Generalisierung
MehrModellierung und Prognose der Zinsstruktur auf der Basis dynamischer Modelle der Nelson/Siegel-Klasse
Reihe: Quantitative Ökonomie Band 174 Herausgegeben von Prof. Dr. Eckart Bomsdorf, Köln, Prof. Dr. Wim Kösters, Bochum, Prof. Dr. Mark Trede, Münster, Prof. Dr. Ansgar Belke, Essen, und Prof. Dr. Markus
MehrOperatives Controlling in klassischen Immobilienmaklerunternehmungen
Reihe: Quantitative Ökonomie Band 145 Herausgegeben von Prof. Dr. Eckart Bomsdorf, Köln, Prof. Dr. Wim Kösters, Bochum, und Prof. Dr. Winfried Matthes, Wuppertal Dr. Heinz Göhring Operatives Controlling
MehrReihe: Finanzierung, Kapitalmarkt und Banken Band 39
Reihe: Finanzierung, Kapitalmarkt und Banken Band 39 Herausgegeben von Prof. Dr. Hermann Locarek-Junge, Dresden, Prof. Dr. Klaus Röder, Regensburg, und Prof. Dr. Mark Wahrenburg, Frankfurt Dr. Jan Lehmann
MehrCD-AUSGABE (Stand: 1999) HANDBUCH KURSPROGNOSE Quantitative Methoden im Asset Management von Thorsten Poddig 676 Seiten, Uhlenbruch Verlag, 1999 erstmals als Buch publiziert EUR 79,- inkl. MwSt. und Versand
MehrGenetische und Evolutionäre Algorithmen (Vol. 1)
Vortrag über Genetische und Evolutionäre Algorithmen (Vol. ) von Adam El Sayed Auf und Kai Lienemann Gliederung: ) Einführung 2) Grundkonzept 3) Genaue Beschreibung des Genetischen Algorithmus Lösungsrepräsentation
MehrHannah Wester Juan Jose Gonzalez
Neuronale Netze Supervised Learning Proseminar Kognitive Robotik (SS12) Hannah Wester Juan Jose Gonzalez Kurze Einführung Warum braucht man Neuronale Netze und insbesondere Supervised Learning? Das Perzeptron
MehrInformatiCup 2009 EvolutionConsole
InformatiCup 2009 EvolutionConsole Wilhelm Büchner Hochschule 19. März 2010 1 1. Das Team Teammitglieder Ralf Defrancesco KION Information Services GmbH Systemadministrator Daniel Herken Scooter Attack
MehrEvolutionäre Robotik
Evolutionäre Robotik Evolutionäre Robotik Evolutionäre Robotik Lernen / Adaption erfolgt auf (mindestens 3 Ebenen) Evolutionäre Robotik Lernen / Adaption erfolgt auf (mindestens 3 Ebenen) 1. Adaption Evolutionäre
MehrEvolution und Algorithmen
Kapitel 6 Spezialvorlesung Modul 10-202-2206 (Fortgeschrittene Methoden in der Bioinformatik) Jana Hertel Professur für Bioinformatik Institut für Informatik Universität Leipzig Machine learning in bioinformatics
MehrAdaptive Systeme. Prof. Dr.-Ing. Heinz-Georg Fehn Prof. Dr. rer. nat. Nikolaus Wulff
Adaptive Systeme Evolutionäre Algorithmen: Überlebenskampf und Evolutionäre Strategien Prof. Dr.-Ing. Heinz-Georg Fehn Prof. Dr. rer. nat. Nikolaus Wulff Überblick Einleitung Adaptive Filter Künstliche
MehrKundenbewertung im Lebensmitteleinzelhandel
Reihe: Kundenorientierte Unternehmensführung Band 5 Herausgegeben von Prof. Dr. Hendrik Schröder, Essen Dr. Andreas Rödl Kundenbewertung im Lebensmitteleinzelhandel Die Analyse von Kundenpotenzialen mit
MehrWissensbasierte Systeme
Analytisch lösbare Optimierungsaufgaben Das Chaos-Spiel gründet auf der folgenden Vorschrift: Man startet von einem beliebigen Punkt aus geht auf einer Verbindung mit einem von drei zufällig gewählten
MehrThema 3: Radiale Basisfunktionen und RBF- Netze
Proseminar: Machine Learning 10 Juli 2006 Thema 3: Radiale Basisfunktionen und RBF- Netze Barbara Rakitsch Zusammenfassung: Aufgabe dieses Vortrags war es, die Grundlagen der RBF-Netze darzustellen 1 Einführung
MehrArtificial Life und Multiagentensysteme
Vortrag im Rahmen des Seminars: Artificial Life und Multiagentensysteme Prof. Dr. Winfried Kurth Sommersemester 2003 Prognose von Zeitreihen mit GA/GP Mathias Radicke, Informatikstudent, 10. Semester Gliederung
MehrGenetische Algorithmen. Uwe Reichel IPS, LMU München 8. Juli 2008
Genetische Algorithmen Uwe Reichel IPS, LMU München reichelu@phonetik.uni-muenchen.de 8. Juli 2008 Inhalt Einführung Algorithmus Erweiterungen alternative Evolutions- und Lernmodelle Inhalt 1 Einführung
MehrNeuronale Netze. Anna Wallner. 15. Mai 2007
5. Mai 2007 Inhalt : Motivation Grundlagen Beispiel: XOR Netze mit einer verdeckten Schicht Anpassung des Netzes mit Backpropagation Probleme Beispiel: Klassifikation handgeschriebener Ziffern Rekurrente
MehrNeuronale Netze in der Phonetik: Feed-Forward Netze. Pfitzinger, Reichel IPSK, LMU München {hpt 14.
Neuronale Netze in der Phonetik: Feed-Forward Netze Pfitzinger, Reichel IPSK, LMU München {hpt reichelu}@phonetik.uni-muenchen.de 14. Juli 2006 Inhalt Typisierung nach Aktivierungsfunktion Lernen in einschichtigen
MehrKölner Studien. Wirtschafts- und sozialwissenschaftliche Untersuchungen der Universität zu Köln. Band 3
Kölner Studien Wirtschafts- und sozialwissenschaftliche Untersuchungen der Universität zu Köln Band 3 Herausgegeben von Prof. Dr. Ralph Anderegg, Universität zu Köln Inhaltsverzeichnis Abkürzungsverzeichnis
MehrPopulationsbasierte Suche. Evolutionäre Algorithmen (1)
Populationsbasierte Suche Bisherige Meta-Heuristiken: Simulated Annealing Tabu Search Ausgehend von einer Lösung wird gesucht Populationsbasierte Heuristiken Suche erfolgt ausgehend von mehreren Lösungen
MehrKai Michels Frank Klawonn Rudolf Kruse Andreas Nürnberger. Fuzzy-Regelung. Grundlagen, Entwurf, Analyse. Mit 174 Abbildungen und 9 Tabellen.
Kai Michels Frank Klawonn Rudolf Kruse Andreas Nürnberger Fuzzy-Regelung Grundlagen, Entwurf, Analyse Mit 174 Abbildungen und 9 Tabellen Springer Inhaltsverzeichnis 1. Grundlagen der Fuzzy-Systeme 1 1.1
MehrKonzepte der AI Neuronale Netze
Konzepte der AI Neuronale Netze Franz Wotawa Institut für Informationssysteme, Database and Artificial Intelligence Group, Technische Universität Wien Email: wotawa@dbai.tuwien.ac.at Was sind Neuronale
MehrDer Backpropagation-Algorithmus als Beispiel für Lernalgorithmen künstlicher neuronaler Netze Reinhard Eck 1
Der Backpropagation-Algorithmus als Beispiel für Lernalgorithmen künstlicher neuronaler Netze 2.04.2006 Reinhard Eck Was reizt Informatiker an neuronalen Netzen? Wie funktionieren Gehirne höherer Lebewesen?
MehrEntwicklung einer Entscheidungssystematik für Data- Mining-Verfahren zur Erhöhung der Planungsgüte in der Produktion
Entwicklung einer Entscheidungssystematik für Data- Mining-Verfahren zur Erhöhung der Planungsgüte in der Produktion Vortrag Seminararbeit David Pogorzelski Aachen, 22.01.2015 Agenda 1 2 3 4 5 Ziel der
MehrAsset Allocation Entscheidungen im Portfolio-Management
Asset Allocation Entscheidungen im Portfolio-Management von Dr. Christian Gast Verlag Paul Haupt Bern Stuttgart Wien - Inhaltsverzeichnis - XI Inhaltsverzeichnis Abbildungsverzeichnis ' XV Tabellenverzeichnis
MehrDie Selektion auszulistender Artikel im Einzelhandel
Reihe: Marketing, Handel und Management Band 8 Herausgegeben von Univ.-Prof. Dr. Rainer Olbrich, FernUniversität in Hagen Dr. Marc Knuff Die Selektion auszulistender Artikel im Einzelhandel Ein Beitrag
MehrGP-Music: An Interactive Genetic Programming System for Music Generation with Automated Fitness
GP-Music: An Interactive Genetic Programming System for Music Generation with Automated Fitness Raters Brad Johanson, Riccardo Poli Seminarvortrag von Thomas Arnold G ˇ ˇ ˇ ˇ WS 2012/13 TU Darmstadt Seminar
MehrGlobale und Individuelle Schmerz-Klassifikatoren auf Basis relationaler Mimikdaten
Globale und Individuelle Schmerz-Klassifikatoren auf Basis relationaler Mimikdaten M. Siebers 1 U. Schmid 2 1 Otto-Friedrich-Universität Bamberg 2 Fakultät für Wirtschaftsinformatik und Angewandte Informatik
MehrStructurally Evolved Neural Networks for Forecasting
Structurally Evolved Neural Networks for Forecasting - Strukturierte neuronale Netze für Vorhersagen Institut für Informatik - Ausgewählte Kapitel aus dem Bereich Softcomputing Agenda Grundlagen Neuronale
MehrOptimierung und Simulation
2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Optimierung und Simulation Von Dr. Jörg Biethahn O. Professor für
Mehrkurze Wiederholung der letzten Stunde: Neuronale Netze Dipl.-Inform. Martin Lösch (0721) Dipl.-Inform.
kurze Wiederholung der letzten Stunde: Neuronale Netze martin.loesch@kit.edu (0721) 608 45944 Labor Wissensrepräsentation Aufgaben der letzten Stunde Übersicht Neuronale Netze Motivation Perzeptron Multilayer
Mehr(hoffentlich kurze) Einführung: Neuronale Netze. Dipl.-Inform. Martin Lösch. (0721) Dipl.-Inform.
(hoffentlich kurze) Einführung: martin.loesch@kit.edu (0721) 608 45944 Überblick Einführung Perzeptron Multi-layer Feedforward Neural Network MLNN in der Anwendung 2 EINFÜHRUNG 3 Gehirn des Menschen Vorbild
MehrAnalyse und Prognose von Finanzmärkten
Reihe: Portfoliomanagement Band: 3 Hrsg.: Prof. Dr. Manfred Steiner Thorsten Poddig Analyse und Prognose von Finanzmärkten Mit einem Geleitwort von: Prof. Dr. Heinz Rehkugler A 210066 UHLENBRUCH Verlag
MehrOptimale Produktliniengestaltung mit Genetischen Algorithmen
Optimale Produktliniengestaltung mit Genetischen Algorithmen 1 Einleitung 2 Produktlinienoptimierung 3 Genetische Algorithmen 4 Anwendung 5 Fazit Seite 1 Optimale Produktliniengestaltung mit Genetischen
MehrEinführung in die Methoden der Künstlichen Intelligenz. Evolutionäre Algorithmen
Einführung in die Methoden der Künstlichen Intelligenz Evolutionäre Algorithmen Dr. David Sabel WS 2012/13 Stand der Folien: 12. November 2012 Evolutionäre / Genetische Algorithmen Anwendungsbereich: Optimierung
Mehr2.3 Definitionen des Kundenwertes und verwandter Begriffe Grundbegriffe des betrieblichen Rechnungswesens 23
XI Inhaltsverzeichnis Geleitwort des Herausgebers Vorwort Inhaltsverzeichnis Abkurzungsverzeichnis VII IX XI XVII 1 Einleitung 1 1.1 Problemstellung 1 1.2 Ziele und Fragestellungen der Untersuchung 4 1.3
MehrKünstliche Neuronale Netze
Inhalt (Biologische) Neuronale Netze Schwellenwertelemente Allgemein Neuronale Netze Mehrschichtiges Perzeptron Weitere Arten Neuronaler Netze 2 Neuronale Netze Bestehend aus vielen Neuronen(menschliches
Mehrb) Nennen Sie vier hinreichende Bedingungen für Evolution. b) Anzahl fortlaufender Einsen von rechts. c) Sind in a) oder b) Plateaus enthalten?
Übungsblatt LV Künstliche Intelligenz, Evolutionäre Algorithmen (1), 2015 Aufgabe 1. Evolution a) Finden Sie zwei Evolutionsbeispiele auÿerhalb der Biologie. Identizieren Sie jeweils Genotyp, Phänotyp,
MehrWissensentdeckung in Datenbanken
Wissensentdeckung in Datenbanken Deep Learning (II) Nico Piatkowski und Uwe Ligges Informatik Künstliche Intelligenz 25.07.2017 1 von 14 Überblick Faltungsnetze Dropout Autoencoder Generative Adversarial
MehrEVOLUTION STRATEGIES DANIELA SCHACHERER SEMINAR: IST KÜNSTLICHE INTELLIGENZ GEFÄHRLICH? SOMMERSEMESTER 2017
EVOLUTION STRATEGIES DANIELA SCHACHERER SEMINAR: IST KÜNSTLICHE INTELLIGENZ GEFÄHRLICH? SOMMERSEMESTER 2017 Inhalt Einleitung und Überblick Evolutionsstrategien Grundkonzept Evolutionsstrategien als Alternative
MehrKonvergenz von internem und externem Rechnungswesen
Winfried Melcher Konvergenz von internem und externem Rechnungswesen Umstellung des traditionellen Rechnungswesens und Einführung eines abgestimmten vertikalen und horizontalen Erfolgsspaltungskonzepts
MehrSurvival of the Fittest Optimierung mittels Genetischer Algorithmen
Übung zu Organic Computing Survival of the Fittest Optimierung mittels Genetischer Algorithmen Sabine Helwig Lehrstuhl für Informatik 12 (Hardware-Software-Co-Design) Universität Erlangen-Nürnberg sabine.helwig@informatik.uni-erlangen.de
MehrEchtzeit-Bewertung von Optionen mit Marktpreisen durch Web-Mining und Neurosimulation
Reihe: Wirtschaftsinformatik Band 57 Herausgegeben von Prof. Dr. Dietrich Seibt, Köln, Prof. Dr. Hans-Georg Kemper, Stuttgart, Prof. Dr. Georg Herzwurm, Stuttgart, Prof. Dr. Dirk Stelzer, Ilmenau, und
MehrKleines Handbuch Neuronale Netze
Norbert Hoffmann Kleines Handbuch Neuronale Netze Anwendungsorientiertes Wissen zum Lernen und Nachschlagen - vieweg INHALTSVERZEICHNIS 1 Einleitung, 1.1 Begriff des neuronalen Netzes 1 11.1 Neurophysiologie
MehrSimulation komplexer Prozesse am Beispiel Verbundguss Cu-Al
04.11.2016 Optimierungsaufgabe Beispiel: Sheldons Platz Im Winter ist der Platz nah genug an der Heizung, damit mir warm ist und dennoch nicht zu dicht, um ins schwitzen zu kommen. Im Sommer liegt er in
MehrWissensentdeckung in Datenbanken
Wissensentdeckung in Datenbanken Deep Learning Nico Piatkowski und Uwe Ligges Informatik Künstliche Intelligenz 20.07.2017 1 von 11 Überblick Künstliche Neuronale Netze Motivation Formales Modell Aktivierungsfunktionen
MehrSeminar Verkehrsinformatik Offline-Optimierung der Lichtsignal-Koordinierung mittels genetischer Algorithmen
Fachhochschule Wedel - SS 2006 Seminar Verkehrsinformatik Offline-Optimierung der Lichtsignal-Koordinierung mittels genetischer Algorithmen Marco Lehmann (wi5909) m@rco-l.de 3. Juli 2006 Gliederung 1.
MehrKünstliche Neuronale Netze. 2. Optimierung des Trainings 3. Optimierung der Topologie 4. Anwendungen in der Medizin 5.
Künstliche Neuronale Netze Wolfram Schiffmann FernUniversität Hagen Rechnerarchitektur 1. Einführung 2. Optimierung des Trainings 3. Optimierung der Topologie 4. Anwendungen in der Medizin 5. Zusammenfassung
MehrInhaltsverzeichnis. Geleitwort. Zum Autor 4 X Abkürzungsverzeichnis der verwendeten Fachtermini
Geleitwort V Vorwort VII Zum Autor 4 X Abkürzungsverzeichnis der verwendeten Fachtermini XI Kapitel 1: Kapitalmärkte im Spannungsfeld zwischen Fundamentalanalyse, Technischer Analyse und Marktpsychologie.
MehrZur Konstruktion künstlicher Gehirne
Ulrich Ramacher Christoph von der Malsburg (Hrsg.) Zur Konstruktion künstlicher Gehirne 4y Springer Inhaltsverzeichnis Vorwort 1 0.1 Hauptergebnisse 2 0.2 Vorgeschichte 6 0.3 Danksagung 8 Problematik der
MehrNeuronale Netze. Einführung i.d. Wissensverarbeitung 2 VO UE SS Institut für Signalverarbeitung und Sprachkommunikation
Neuronale Netze Einführung in die Wissensverarbeitung 2 VO 708.560+ 1 UE 442.072 SS 2013 Institut für Signalverarbeitung und Sprachkommunikation TU Graz Inffeldgasse 12/1 www.spsc.tugraz.at Institut für
MehrKünstliche neuronale Netze
Künstliche neuronale Netze Sebastian Morr 4. Juni 2008 Worum geht es? Die Natur hat uns 3,7 Milliarden Jahre Forschungszeit voraus. Toby Simpson Vorbild: Strukturen des Gehirns Ziel: Lernfähige Künstliche
MehrMit einem Geleitwort von Prof. Dr. Annette Köhler
Thilo Helpenstein Die Entscheidungsrelevanz von Managementprognosen Eine verhaltensökonomische und empirische Analyse des deutschen Kapitalmarktes Mit einem Geleitwort von Prof. Dr. Annette Köhler Springer
MehrAnwendung genetischer Algorithmen zur Lösung des n Dame Problems und zur Optimierung von Autoprofilen
Anwendung genetischer Algorithmen zur Lösung des n Dame Problems und zur Optimierung von Autoprofilen Jana Müller Seminar Das Virtuelle Labor Otto von Guericke Universität Magdeburg Gliederung 1. Motivation
MehrKünstliche Neuronale Netze
Fakultät Informatik, Institut für Technische Informatik, Professur für VLSI-Entwurfssysteme, Diagnostik und Architektur Künstliche Neuronale Netze Hauptseminar Martin Knöfel Dresden, 16.11.2017 Gliederung
MehrNeuronale Netze. Christian Böhm.
Ludwig Maximilians Universität München Institut für Informatik Forschungsgruppe Data Mining in der Medizin Neuronale Netze Christian Böhm http://dmm.dbs.ifi.lmu.de/dbs 1 Lehrbuch zur Vorlesung Lehrbuch
Mehr6.4 Neuronale Netze zur Verarbeitung von Zeitreihen
6.4 Neuronale Netze zur Verarbeitung von Zeitreihen Aufgabe: Erlernen einer Zeitreihe x(t + 1) = f(x(t), x(t 1), x(t 2),...) Idee: Verzögerungskette am Eingang eines neuronalen Netzwerks, z.b. eines m-h-1
MehrNeural Networks: Architectures and Applications for NLP
Neural Networks: Architectures and Applications for NLP Session 02 Julia Kreutzer 8. November 2016 Institut für Computerlinguistik, Heidelberg 1 Overview 1. Recap 2. Backpropagation 3. Ausblick 2 Recap
MehrEUlJ. Implizite Ausfallwahrscheinlichkeiten der Staatsanleihen von Schwellenländern. " Dr. Konrad Mair. Ermittlung und Determinanten
Reihe: Finanzierung, Kapitalmarkt und Banken Band 70 Herausgegeben von Prof. Dr. Hermann Locarek-Junge, Dresden, Prof. Dr. Klaus Röder, Regensburg, und Prof. Dr. Mark Wahrenburg, Frankfurt " Dr. Konrad
MehrKapitel 6. Neuronale Netze. 6.1 Verwendeter Netztyp
Kapitel 6 Neuronale Netze Ein wesentlicher Teil der in dieser Arbeit entwickelten Methoden zur lokalen Kompositions- und Dickenbestimmung verwendet neuronale Netze zur Unterdrückung von Störeinflüssen.
MehrGrundlagen neuronaler Netzwerke
AUFBAU DES NEURONALEN NETZWERKS Enrico Biermann enrico@cs.tu-berlin.de) WS 00/03 Timo Glaser timog@cs.tu-berlin.de) 0.. 003 Marco Kunze makunze@cs.tu-berlin.de) Sebastian Nowozin nowozin@cs.tu-berlin.de)
MehrSimulation Neuronaler Netze. Eine praxisorientierte Einführung. Matthias Haun. Mit 44 Bildern, 23 Tabellen und 136 Literatursteilen.
Simulation Neuronaler Netze Eine praxisorientierte Einführung Matthias Haun Mit 44 Bildern, 23 Tabellen und 136 Literatursteilen expert Inhaltsverzeichnis 1 Einleitung 1.1 Über das Projekt 1 1.2 Über das
MehrOptimale Unternehmensnachfolge bei Familienunternehmen als steuerliches Gestaltungsproblem
Dr. Andreas Guldan Optimale Unternehmensnachfolge bei Familienunternehmen als steuerliches Gestaltungsproblem Mit einem Geleitwort von Prof. Dr. Werner Schaffer, European Business School Oestrich-Winkel
MehrEvotool Eine Matlab-Toolbox für Evolutionsstrategien. Christian Voigt
Evotool Eine Matlab-Toolbox für Evolutionsstrategien Christian Voigt September 2007 Agenda 1 Einführung 2 Erstellung des Initialisierungsskripts 3 Erstellung einer passenden Fitnessfunktion 4 Graphische
MehrDezentrale Organisation in der Kommunalverwaltung
Reihe: Planung, Organisation und Unternehmungsführung Band 77 Herausgegeben von Prof. Dr. Dr. h. c. Norbert Szyperski, Köln, Prof. Dr. Winfried Matthes, Wuppertal, Prof. Dr. Udo Winand, Kassel, Prof. Dr.
Mehrorganisation für eine bedarfsorientierte und wandlungsfähige Produktion -Steuerung und Restrukturierung der Aufbau
STUTTGARTER BEITRÄGE ZUR PRODUKTIONSFORSCHUNG BAND 9 Herausgeber: Univ.-Prof. Dr.-Ing. Thomas Bauernhansl Prof. Dr.-Ing. Prof. Dr. h. c. mult. Alexander Verl Prof. Dr.-Ing. Prof. e. h. Dr.-Ing. e. h. Dr.
MehrTraining von RBF-Netzen. Rudolf Kruse Neuronale Netze 134
Training von RBF-Netzen Rudolf Kruse Neuronale Netze 34 Radiale-Basisfunktionen-Netze: Initialisierung SeiL fixed ={l,...,l m } eine feste Lernaufgabe, bestehend ausmtrainingsbeispielenl=ı l,o l. Einfaches
MehrGoodwill-Bilanzierung nach IFRS und Implikationen für das Controlling
Cornelia A. J. Haas Goodwill-Bilanzierung nach IFRS und Implikationen für das Controlling Mit einem Geleitwort von Prof. Dr. Barbara E. Weißenberger, Justus-Liebig-Universität Gießen CD 5 Inhaltsverzeichnis
MehrGenetische Algorithmen von der Evolution lernen
Genetische Algorithmen von der Evolution lernen (c) Till Hänisch 2003, BA Heidenheim Literatur zusätzlich zum Lit. Verz. Nils J. Nilsson Artificial Intelligence Morgan Kaufmann, 1998 Ansatz Bisher: Problemlösung
MehrInhaltsverzeichnis. Geleitwort... V Vorwort... VII Abbildungsverzeichnis... XV Abkürzungsverzeichnis... XXI
Inhaltsverzeichnis Geleitwort... V Vorwort... VII Abbildungsverzeichnis... XV Abkürzungsverzeichnis... XXI 1 Einleitung: Problemstellung und Vorgehensweise... 1 2 Urbanisierungsprozesse und Megastädte
Mehrvon Unternehmensanleihen
Simon Schiffet Implizite Ausfallwahrscheinlichkeiten von Unternehmensanleihen Eine empirische Analyse in unterschiedlichen Währungen auf Basis von Zinsstrukturkurven Mit einem Geleitwort von Prof. Dr.
MehrNeuronale Netze (Konnektionismus)
Einführung in die KI Prof. Dr. sc. Hans-Dieter Burkhard Daniel Göhring Vorlesung (Konnektionismus) sind biologisch motiviert können diskrete, reell-wertige und Vektor-wertige Funktionen berechnen Informationsspeicherung
MehrDie Wirkungsweise des Talentförderprogramms des DFB und die Auswirkungen auf den deutschen Profifußball
Die Wirkungsweise des Talentförderprogramms des DFB und die Auswirkungen auf den deutschen Profifußball - Eine Untersuchung der Zeiträume vor und nach Einführung der DFB- Talentförderung zur Überprüfung
MehrF A C H H O C H S C H U L E W E D E L
F A C H H O C H S C H U L E W E D E L Seminar Verkehrsinformatik Offline-Optimierung der Lichtsignal-Koordinierung mittels genetischer Algorithmen Eingereicht von: Erarbeitet im: Marco Lehmann Hoheluftchaussee
MehrEin selbstmodellierendes System für die Wasserwirtschaft
Ein selbstmodellierendes System für die Wasserwirtschaft Dipl.-Ing. Dr. ANDRADE-LEAL Wien, im Juli 2001 1 Einleitung, Motivation und Voraussetzungen Künstliche Intelligenz Neuronale Netze Experte Systeme
MehrSynthese Eingebetteter Systeme. Übung 6
12 Synthese Eingebetteter Systeme Sommersemester 2011 Übung 6 Michael Engel Informatik 12 TU Dortmund 2011/07/15 Übung 6 Evolutionäre Algorithmen Simulated Annealing - 2 - Erklären Sie folgende Begriffe
MehrNeuronale Netze Aufgaben 3
Neuronale Netze Aufgaben 3 martin.loesch@kit.edu (0721) 608 45944 MLNN IN FLOOD3 2 Multi Layer Neural Network (MLNN) Netzaufbau: mehrere versteckte (innere) Schichten Lernverfahren: Backpropagation-Algorithmus
MehrDer Einsatz künstlicher neuronaler Netze in der industriellen Feuerversicherung
Tobias Nagel Der Einsatz künstlicher neuronaler Netze in der industriellen Feuerversicherung PETER LANG Frankfurt am Main Berlin Bern Bruxelles New York- Oxford Wien Inhaltsverzeichnis Inhaltsverzeichnis
MehrDatenorientierte SA. Aufbau und Grundlagen. Aufbau und Grundlagen. Aufbau und Grundlagen. Was sind neuronale Netze?
Datenorientierte SA Was sind neuronale Netze? Neuronale Netze: Grundlagen und Anwendungen Neuronale Netze bilden die Struktur eines Gehirns oder eines Nervensystems ab Andreas Rauscher 0651993 Damir Dudakovic
MehrWir haben in den vorherigen Kapiteln verschiedene Verfahren zur Regression und Klassifikation kennengelernt (z.b. lineare Regression, SVMs)
6. Neuronale Netze Motivation Wir haben in den vorherigen Kapiteln verschiedene Verfahren zur Regression und Klassifikation kennengelernt (z.b. lineare Regression, SVMs) Abstrakt betrachtet sind alle diese
MehrAllgemeine Betriebswirtschaftslehre Planungs- und Entscheidungstechniken
FernUniversität in Hagen Lehrstuhl für Betriebswirtschaftslehre, insb. Operations Research Prof. Dr. Wilhelm Rödder Allgemeine Betriebswirtschaftslehre Planungs- und Entscheidungstechniken Sandra Rudolph,
MehrGeorg-August-Universität Göttingen - Fachbereich Wirtschaftswissenschaften - Dissertation
Georg-August-Universität Göttingen - Fachbereich Wirtschaftswissenschaften - Planung und Steuerung der Produktion von Dienstleistungen Quantitative Ansätze unter besonderer Berücksichtigung von individuellen
Mehrkurze Wiederholung der letzten Stunde: Neuronale Netze Dipl.-Inform. Martin Lösch (0721) Dipl.-Inform.
kurze Wiederholung der letzten Stunde: Neuronale Netze martin.loesch@kit.edu (0721) 608 45944 Labor Wissensrepräsentation Neuronale Netze Motivation Perzeptron Übersicht Multilayer Neural Networks Grundlagen
MehrEtablierte Netzbetreiber in der Telekommunikationsbranche
Thomas Knoll Etablierte Netzbetreiber in der Telekommunikationsbranche Strategieentwicklung und -implementierung Mit einem Geleitwort von Prof. Dr. Michael Kleinaltenkamp Deutscher Universitäts-Verlag
MehrUnternehmenskultur und radikale Innovation
Corporate Life Cycle Management Band 1 Herausgegeben von Prof. Dr. Klaus Nathusius Dr. Norbert Fischl Unternehmenskultur und radikale Innovation Eine Analyse von jungen und mittelständischen Unternehmen
MehrAufbau und Auswertung von Nah- Infrarot (NIR)-Datenbanken zur Identifizierung von Arzneistoffen
A Aufbau und Auswertung von Nah- Infrarot (NIR)-Datenbanken zur Identifizierung von Arzneistoffen Dissertation der Fakultät für Chemie und Pharmazie der Eberhard-Karls-Universität Tübingen zur Erlangung
MehrSport und Technik - Anwendungen moderner Technologien in der Sportwissenschaft. Habilitationsschrift
Sport und Technik - Anwendungen moderner Technologien in der Sportwissenschaft Habilitationsschrift zur Erlangung des akademischen Grades Doctor philosophiae habilitatus (Dr. phil. habil.) genehmigt durch
MehrStochastische Modellierung von Private Equity-Fonds
Reihe: Finanzierung, Kapitalmarkt und Banken Band 59 Herausgegeben von Prof. Dr. Hermann Locarek-Junge, Dresden, Prof. Dr. Klaus Röder, Regensburg, und Prof. Dr. Mark Wahrenburg, Frankfurt Dr. Axel Buchner
MehrSchriftenreihe Finanz- und Risikomanagement. Band 16. Stefan Peter Giebel. Optimierung der passiven Risikobewältigung
Schriftenreihe Finanz- und Risikomanagement Band 16 Stefan Peter Giebel Optimierung der passiven Risikobewältigung Integration von Selbsttragen und Risikotransfer im Rahmen des industriellen Risikomanagements
MehrPublic Affairs-Management von Großunternehmen
Jan Siedentopp Public Affairs-Management von Großunternehmen Markt- versus Nichtmarktstrategien LIT Inhaltsverzeichnis XIII INHALTSVERZEICHNIS GELEITWORT ZUM BAND 11 DER REIHE PUBLIC AFFAIRS UND POLITIKMANAGEMENT
Mehr