Description
(Text)
Künstliche neuronale Netze werden seit einigen Jahren auch in den Wirtschaftswissenschaften eingesetzt. Sie werden vorwiegend als Instrumente zur Klassifikation und Prognose verwendet. In dieser Arbeit werden die vorwärtsgekoppelten sigmoiden Netze und radialen Basisfunktionsnetze aus der Sicht der Statistik betrachtet. Diese Netze sind dazu geeignet, nichtlineare Funktionen beliebig genau zu approximieren. Bei näherer Betrachtung weisen sie zudem eine enge Verwandtschaft zu bekannten statistischen Modellen auf. Damit können auch statistische Hypothesentests herangezogen werden, um die Suche nach "guten" Netzen systematisch zu gestalten. Außerdem werden Möglichkeiten einer Interpretation der Parameter in solchen Netzen behandelt.
(Table of content)
Aus dem Inhalt : Grundlagen künstlicher neuronaler Netze - Lernverfahren zum Training - Beziehungen zu statistischen Modellen - Auwahl und Bewertung von neuronalen Netzen.
(Author portrait)
Die Autorin: Gabriele Widmann wurde 1969 in Schramberg geboren. Nach dem Studium der Volkswirtschaftslehre mit Schwerpunkt quantitative Methoden an der Universität Tübingen arbeitete sie als wissenschaftliche Angestellte am Lehrstuhl für Statistik, Ökonometrie und Unternehmensforschung von Professor Dr. Eberhard Schaich und wurde 2000 promoviert.
