Zusammenfassung
Ein neuronales Netz ist ein nichtlineares System, das eine Reihe von reellen Eingangsvariablen x 1,…, x p über mehrere Zwischenschritte in eine oder mehrere Ausgangsvariable y 1,… y q überführt. Es repräsentiert eine Funktion v: ℝp → ℝq: \(\left( {y_1 ,...,y_q } \right)^T = v\left( {x_1 ,...,x_p } \right),\) die eine spezielle, durch die Netzstruktur gegebene Form hat. Graphisch wird dies wie in Abbildung 16.1 in Form eines gerichteten Graphen dargestellt, dessen Knoten zu verschiedenen Schichten gruppiert sind. In der Eingangs schickt (Input layer) steht jeder Knoten für eine der Eingangs variablen; in der Ausgangsschicht (Output layer) repräsentiert jeder Knoten eine der Ausgangsvariablen. Dazwischen liegen eine oder mehrere verborgene Schichten (Hidden layers), deren Knoten weder Quellen noch Senken des Graphen sind. Das Netz in Abbildung 16.1 besitzt nur eine verborgene Schicht. Darüberhinaus handelt es sich um ein Feedforward-Netz, da es keine Kanten enthält, die in einem Knoten beginnen und in demselben oder einem anderen Knoten aus derselben oder einer vorausgehenden Schicht enden.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2001 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Franke, J., Härdle, W., Hafner, C. (2001). Neuronale Netze. In: Einführung in die Statistik der Finanzmärkte. Statistik und ihre Anwendungen. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-97127-3_16
Download citation
DOI: https://doi.org/10.1007/978-3-642-97127-3_16
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-41722-4
Online ISBN: 978-3-642-97127-3
eBook Packages: Springer Book Archive