neuronale Netze
(weitergeleitet von neuronale Netzwerke)
GEPRÜFTES WISSEN
Über 200 Experten aus Wissenschaft und Praxis.
Mehr als 25.000 Stichwörter kostenlos Online.
Das Original: Gabler Wirtschaftslexikon
Übersicht
zuletzt besuchte Definitionen...
Ausführliche Definition im Online-Lexikon
neuronale Netzwerke. 1. Begriff: Vertreter der subsymbolischen Methoden der Künstlichen Intelligenz (KI). Die ursprüngliche Intention lag in der Simulation kognitiver Phänomene.
2. Aufbau: Neuronale Netze bestehen aus einer Menge untereinander über Kommunikationskanäle verknüpfter Verarbeitungseinheiten, den Neuronen.
3. Arbeitsweise: Eingabeinformationen werden innerhalb des Netzes von den Neuronen i.d.R. über nicht lineare Funktionen verarbeitet und das Ergebnis über die Kommunikationskanäle an andere Neuronen weiterpropagiert. Die Ausgabeinformationen stellen das Ergebnis der Verarbeitungsprozesse dar. Stärke der neuronalen Netze ist die hochparallele Verarbeitung der Eingabeinformationen, die durch die Verknüpfung der Neuronen und ihrer Verarbeitungsfunktionen ermöglicht wird. Dadurch können sehr komplexe, nicht lineare Abhängigkeiten in den Eingabeinformationen abgebildet werden. Neuronale Netze müssen diese Abhängigkeiten erlernen (Learning), was i.d.R. auf der Basis von Erfahrungsdaten geschieht.
4. Aufgabenbereiche: Klassifikations-, Prognose- und Optimierungsaufgaben. Zunehmender Einsatz in betriebswirtschaftlichen Bereichen. Beliebtes Einsatzfeld ist die Finanzwirtschaft, z.B. im Rahmen von Aktienkursprognosen, aber auch z.B. für Absatz-, Umsatzprognosen oder Kreditwürdigkeitsprüfungen. In jüngster Zeit verstärkter Einsatz in der Produktionsplanung, aber auch in der Personalplanung.
2. Aufbau: Neuronale Netze bestehen aus einer Menge untereinander über Kommunikationskanäle verknüpfter Verarbeitungseinheiten, den Neuronen.
3. Arbeitsweise: Eingabeinformationen werden innerhalb des Netzes von den Neuronen i.d.R. über nicht lineare Funktionen verarbeitet und das Ergebnis über die Kommunikationskanäle an andere Neuronen weiterpropagiert. Die Ausgabeinformationen stellen das Ergebnis der Verarbeitungsprozesse dar. Stärke der neuronalen Netze ist die hochparallele Verarbeitung der Eingabeinformationen, die durch die Verknüpfung der Neuronen und ihrer Verarbeitungsfunktionen ermöglicht wird. Dadurch können sehr komplexe, nicht lineare Abhängigkeiten in den Eingabeinformationen abgebildet werden. Neuronale Netze müssen diese Abhängigkeiten erlernen (Learning), was i.d.R. auf der Basis von Erfahrungsdaten geschieht.
4. Aufgabenbereiche: Klassifikations-, Prognose- und Optimierungsaufgaben. Zunehmender Einsatz in betriebswirtschaftlichen Bereichen. Beliebtes Einsatzfeld ist die Finanzwirtschaft, z.B. im Rahmen von Aktienkursprognosen, aber auch z.B. für Absatz-, Umsatzprognosen oder Kreditwürdigkeitsprüfungen. In jüngster Zeit verstärkter Einsatz in der Produktionsplanung, aber auch in der Personalplanung.
Zur Zeit keine Literaturhinweise/ Weblinks der Autoren verfügbar.