Design Künstlicher Neuronaler Netze: Ein Leitfaden zur effizienten Handhabung mehrschichtiger Perzeptrone by Janette F. WaldeDesign Künstlicher Neuronaler Netze: Ein Leitfaden zur effizienten Handhabung mehrschichtiger Perzeptrone by Janette F. Walde

Design Künstlicher Neuronaler Netze: Ein Leitfaden zur effizienten Handhabung mehrschichtiger…

byJanette F. Walde

Paperback | March 30, 2005 | German

Pricing and Purchase Info

$104.20 online 
$116.95 list price save 10%
Earn 521 plum® points

Prices and offers may vary in store

Quantity:

In stock online

Ships free on orders over $25

Not available in stores

about

Mit dem Ziel, die zahlreichen Freiheitsgrade bei der Ausgestaltung von Künstlichen Neuronalen Netzen wissenschaftlich fundiert zu fixieren, untersucht Janette F. Walde die Stärken und Schwächen von mehrschichtigen Perzeptronen, die zu dieser Modellierungsklasse zählen. Sie vergleicht deren Performance mit der von klassischen Verfahren, identifiziert mit Hilfe von Sensitivitätsanalysen die wichtigen Inputvariablen und überprüft die aufgezeigten nichtlinearen Zusammenhänge auf ihre substanzwissenschaftliche Fundierung. Es wird deutlich, dass dem Vorteil der Künstlichen Neuronalen Netze, nämlich die kaum erforderliche Vorabspezifizierung des funktionalen Zusammenhangs, ein enormer Datenhunger gegenübersteht.
Dr. Janette F. Walde ist Universitätsassistentin am Institut für Statistik der Fakultät für Sozial- und Wirtschaftswissenschaft der Universität Innsbruck.
Loading
Title:Design Künstlicher Neuronaler Netze: Ein Leitfaden zur effizienten Handhabung mehrschichtiger…Format:PaperbackPublished:March 30, 2005Publisher:Deutscher UniversitätsverlagLanguage:German

The following ISBNs are associated with this title:

ISBN - 10:3824408422

ISBN - 13:9783824408429

Look for similar items by category:

Reviews

Table of Contents

Standardprobleme beim Einsatz von mehrschichtigen PerzeptronenAnalyse von möglichen SoftwareproduktenKlassifikation mit Hilfe des RegressionsansatzesKlassifikation mit Hilfe des wahrscheinlichkeitsbasierten AnsatzesOptimale Anzahl der verborgenen Neuronen