Design Knstlicher Neuronaler Netze
Design Knstlicher Neuronaler Netze
Knstliche Neuronale Netze (KNN) zhlen methodisch zu den zentralen technischen Innovationen seit Mitte der 1980er Jahre. Sie tangieren viele Wissenschaftsbereiche und sind mit groen Erwartungen hinsichtlich Prognosefhigkeiten und Erkenntnisgewinn verbunden. Mit dem Ziel, die zahlreichen Freiheitsgrade bei der Ausgestaltung der Modelle wissenschaftlich fundiert zu fixieren, untersucht Janette F. Walde die Strken und Schwchen von mehrschichtigen Perzeptronen, die zur Modellierungsklasse der KNN zhlen. Dafr steht neben knstlich generierten Datenstzen auch ein realer Datensatz mit vollstndigen Informationen zu mehr als 185.000 Beobachtungseinheiten zur Verfgung. Die Autorin vergleicht die Performance der mehrschichtigen Perzeptrone mit der von klassischen Verfahren, identifiziert mit Hilfe von Sensitivittsanalysen die wichtigen Inputvariablen und berprft die aufgezeigten nichtlinearen Zusammenhnge auf ihre substanzwissenschaftliche Fundierung. Es wird deutlich, dass dem Vorteil der KNN, nmlich die kaum erforderliche Vorabspezifizierung des funktionalen Zusammenhangs, ein enormer Datenhunger gegenbersteht.
Price Comparison
Seller | Contact Seller | List Price | On Sale | Shipping | Best Promo | Final Price | Volume Discount | Financing | Availability | Seller's Page |
---|---|---|---|---|---|---|---|---|---|---|
BEST PRICE 1 Product Purchase
|
$64.99 | $64.99 |
|
$64.99 | See Site | In stock | Visit Store |