<< zurück

Was ist ein Künstliches Neuronales Netz? (2)

Künstliche Neuronale Netze stellen mathematische Funktionen/Zusammenhänge zwischen mehreren Eingangsvariablen und Ausgangsvariable(n)/Zielgröße(n) dar. Im Fall von Börsenprognosenanalysen ist das der Zusammenhang zwischen Kursdaten und einem zukünftigen Kurs bzw. der Prognose.

Ein Zusammenhang ist durch die Anzahl der Eingangsvariablen und seine Linearität/Gleichlauf gekennzeichnet (Dimensionen der Komplexität).
  Mit klassischen mathematischen Verfahren lassen sich entweder lineare Probleme mit vielen Eingangsvariablen/Einflußfaktoren oder nichtlineare Probleme mit wenigen Einflußfaktoren behandeln.
  Nichtlineare Probleme mit vielen Einflußfaktoren (beide Dimensionen maximal) stellen sich als sehr problematisch dar. Künstliche Neuronale Netze lösen dieses Problem.

Die Ermittlung des zu ermittelnden Zusammenhanges durch das Neuronale Netz wird als Lernvorgang bezeichnet. Dabei wird keine mathematische Gleichung im herkömmlichen Sinne gelöst. Vielmehr werden dem Netz ständig die Lernbeispiele/Muster repräsentiert, für die es dann jeweils neue "unscharfe" Repräsentanten bildet sowie dessen Güte ermittelt. Dieser sukzessive Prozess erfolgt solange, bis die Güte der Repräsentanten ausreichend ist. Diese Vorgehensweise entspricht dem biologischen Lernen.

Im Gegensatz zum Menschen kann das Künstliche Neuronale Netz jedoch Modelle mit sehr vielen Einflußgrößen erstellen, die zudem stark nichtlinear sein können (s.o.). Daneben kann eine große Anzahl von Daten untersucht werden, außerdem können subjektive Einflüsse ausgeschlossen werden.

Der Gefahr der Überanpassung an die verwendeten Beispieldaten wird durch eine neuartige Technik, dem Overfitting-Control-Management (OCM) entgegengewirkt.

>> Teil 3 : Was ist ein Künstliches Neuronales Netz

 

   

 www.profit-station.de
 Copyright © 1999-2019 Josef Gebhardt Innovative Finanzmarktanalysen - Alle Rechte vorbehalten.