Zusammenfassung
Gegenstand dieses Kapitels ist die Untersuchung der Anwendungsmöglichkeiten von neuronalen Netzen zur Lösung von Managementproblemen. Den Ausgangspunkt hierfür bilden die in Kapitel 2 dargestellten Aufgabenstellungen von Management-Informationssystemen.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Literatur
Vgl. Zell, A.: Simulation, 1994; S. 349. Eine Marktübersicht über verschiedene Softwaresysteme zur Simulation neuronaler Netze findet sich zum Beispiel bei: Schöneburg, E.; Hansen, N.; Gawelczyk, A.: Neuronale Netzwerke, 1990; S. 203 ff. und bei Zell, A.: Simulation, 1994; S. 349 ff.
Vgl. Kratzer, K. P.: Neuronale Netze, 1990; S. 88 ff. und 199 ff.
Vgl. Krause, C.: Kreditwürdigkeitsprüfung, 1993.
Vgl. Lohrbach, T.: Einsatz, 1994.
Vgl. Schumann, M.; Lohrbach, T.; Bährs, P.: Kreditwürdigkeitsprognose, 1992.
Weitere Veröffentlichungen dieser Untersuchung finden sich in Hruschka, H.; Natter, M.: Using Neural Networks for Clustering-Based Market Segmentation; Institut für Höhere Studien, Wien; Forschungsbericht No, 307; September 1992 [Using Neural Networks, 1992] und Hruschka, H.: Einsatz künstlicher Neuronaler Netzwerke zur Datenanalyse im Marketing; in: Marketing ZFP, Heft 4 IV Quartal 1991; S. 217–225 [Einsatz künstlicher Neuronaler Netzwerke zur Datenanalyse, 1991].
Vgl. Fahrmeier, L.; Harnerle, A.: Multivariate statistische Verfahren; Berlin u.a. 1984 [Multivariate statistische Verfahren, 1984].
Vgl. z.B. Hofmann, H. J.: Die Anwendung des CART-Verfahrens zur statistischen Bonitäts-analyse von Konsumentenkrediten; in: ZfB; 60. Jahrg. (1990) Nr. 6; S. 941–962 [Bonitätsanalyse, 1990] sowie Fahrrneier, L.; Harnerle, A.: Multivariate statistische Verfahren, 1984; S. 334 ff. und die dort angegebenen Arbeiten.
Vgl. Lohrbach, T.: Einsatz, 1994; S. 104 und Fahrmeier, L.; Hamerle, A.: Multivariate statistische Verfahren, 1984; S. 334 ff. insbesondere S. 338 f.
Vgl. Krause, C.: Kreditwürdigkeitspriifung, 1993; S. 113.
Vgl. Lohrbach, T.: Einsatz, 1994; S. 130 ff.
Vgl. o.V.: Supplement for Professional II/PRO v 5.2; Pittsburgh 1995 S. SU-40 f. [Supplement, 1995].
Vgl. Fahrmeier, L.; Hamerle, A.: Multivariate statistische Verfahren, 1984; Anhang C S. 752–766.
Vgl. Fahrmeier, L.; Hamerle, A.: Multivariate statistische Verfahren, 1984; S. 334.
Vgl. Lohrbach, T.: Einsatz, 1994; S. 105.
Vgl. Fahrmeier, L.; Hamerle, A.: Multivariate statistische Verfahren, 1984; S. 334 ff.
Vgl. Lohrbach, T.: Einsatz, 1994; S. 111.
O.V.: Advanced Reference Guide: Software Reference for Professional II/Plus and NeuralWorks Explorer; Pittsburgh 1993; S. RF-95 [ON.: Software Reference, 1993].
Vgl. Zimmermann, H. G.: Entscheidungskalkül, 1994; S. 23 f.
Vgl. Lohrbach, T.: Einsatz, 1994; S. 115.
Vgl. Lohrbach, T.: Einsatz, 1994; S. 118 ff.
Vgl. Lohrbach, T.: Einsatz, 1994; S. 113.
Vgl. Lohrbach, T.: Einsatz, 1994; S. 119 ff.
Vgl. Lohrbach, T.: Einsatz, 1994; S. 119 ff.
Vgl. o.V.: Software Reference, 1993; S. RF-57.
Vgl. o.V.: Neural Computing, 1993; S. NC-266 f.
Vgl. Lohrbach, T.: Einsatz, 1994; S. 119 ff.
Vgl. Lohrbach, T.: Einsatz, 1994; S. 137ff.
Vgl. Lohrbach, T.: Einsatz, 1994; S. 112.
Ein Vergleich mit statistischen Verfahren soll an dieser Stelle nicht durchgeführt werden. Hierzu sei zum Beispiel auf Lohrbach, T.: Einsatz,1994; S. 142 ff verwiesen.
Weitere Untersuchungen über die Einsatzmöglichkeiten neuronaler Netze zur Prognose, die jedoch größtenteils nur ungenaue Angaben über die verwendeten Netzmodelle und Vergleichsverfahren enthalten, finden sich zum Beispiel in: Baba, M.; Kozaki, M.: forecasting system, 1992; Bd. I, S. 371–377; Bacha, H.; Meyer, W: Load Forecasting, 1992, Band II; S. 442–447; Caire, P.; Hatabian,G.; Muller, C.: Forecasting 1992; Band II; S. 540–545; Chan, D. Y. C.; Prager D.: Time Series, 1991; S. 355–360; Connor, J.; Atlas, L.: Time Series Prediction, 1991; Volume I; S. 301–306; Coughlin, P. J.: Time Series Prediction, 1991; S. 379–384; Cubero, R. G.: time series forecasting, 1991; S. 453–460; Desai, V.; Bharati, R.: A Comparison, 1992]; S. 753–755; Elsner, J. B.: Predicting Time Series, 1991; Volume I; S. 145–150; Hantschel, G.; Zimmermann, H.-G.: Neuronale Netze zur Prognose, 1992; Hoptroff R.G.; Bramson, M.J.; Hall, TT: Forecasting, 1991; S. 347–352;Liu, X.Q.; Ang, B. W; Goh, T. N.: Forecasting of electricity Consumption, 1991; S. 1254–1259; Lapedes, A.S.; Farber, R.M.: Nonlinear Signal Processing, 1987;Lopez, V.; Dorronsoro, J. R.: Neural Network, 1991; S. 201–206; Matsuba, 1.: Stock Price Prediction, 1991; S. 1196–1201; Matsuba, 1.; Masui, H.; Hebishima, S.: Optimizing Multilayer Neural Networks, 1992; S. 583–589; Refenes, A.N.: CLS: Time Series Forecasting,1991; S. 702–710; Srirengan, S.; Looi, C.-K.: Prediction, 1991; S. 1284–1289; Tanigawa, T.; Kamijo, K.: Stock Price, 1992; S. 465–471; Trigueiros, D.; Huberman, B. A.; Rumelhart, D. E.: Predicting the Future, 1990; S. 193–209; Weigend, A. S.; Rumelhart, D. E.; Huberman, B. A.: Prediction, 1991.; S. 395–432; White, H.: Economic Prediction, 1988, S. 451–458; Würtz, D.; de Groot, C.: Informationssystem, 1992 und Zimmermann, H. G.: Application of the Boltzman Machine, 1990.
Vgl. Podding, T.: Mittelfristige Zinsprognosen mittels KNN und ökonometrischer Verfahren: Eine Fallstudie über den Umgang mit kleinen Datenmengen; in: Rehkugler, H.; Zimmermann, H. G. (Hrsg.): Neuronale Netze in der Ökonomie: Grundlagen und finanzwirtschaftliche Anwendungen; München 1994; S. 209–289 [Mittelfristige Zinsprognosen, 1994] S. 266 ff. insbesondere S. 276 und S. 285.
Podding, T.: Mittelfristige Zinsprognosen, 1994; S. 276. „MLIP“ bedeutet „Multilayer Perceptron” und stellt eine synonyme Bezeichnung für Backpropagation-Netze dar.
Vgl. Podding,T.: Mittelfristige Zinsprognosen, 1994; S. 227.
Weitere Untersuchungen über die Einsatzmöglichkeiten neuronaler Netze zur Optimierung, die jedoch größtenteils nur ungenaue Angaben über die verwendeten Netzmodelle und Verleichsverfahren enthalten, finden sich zum Beispiel in: Angeniol, B.; de La Croix Vaubois, G.; Le exier, . Y.: Self Organizing Feature Maps, 1989; Burke, L. I.; Ignizio, J. P.: The Guilty Net, 1992; Dahl, É NP-Complete Network Algorithm for an NP-Comlete Problem, 1987; De Carvalho, L. A.; Barbosa, V. C.: A TSP Objective Function,1990; Goldstein, p M.: Self Organizing Feature Maps, 1990; Joppe, A.; Cardon, H. R. A.; Bioch, J. C.: A Neural Network for Solving the Travelling Salesman Problem, 1990; Mehta, S.; Fulop, L.: An Analog Neural Network, 1993; Stone, J. V.: The Optimal Elastic Net, 1992; Sun, K. T.; Fu, H. C.; Chen, C.: Hamiltonian Cycle Problems, 1991 und Milker, M.: Künstliche Neuronale Netze zur Optimierung, 1992..
Vgl. Corsten, H.; May, C.: „Möglichkeiten zur Unterstützung der Produktionsplanung und -steuerung durch Künstliche Neuronale Netze“; in: Diskussionsbeiträge der Wirtschaftswissenschaftlichen Fakultät Ingolstadt Nr. 57; Ingolstadt, November 1994; [Möglichkeiten, 1994] S. 6.
Vgl. Lohrbach, T.: Einsatz,1994; S. 258.
Vgl. Corsten, H.; May, C.: Möglichkeiten,1994; S. B.
Vgl. Arizono, I.; Yamamoto, A.; Oh ta, H.: Scheduling for minimizing total actual flow time by neural networks; in: International Journal of Production Research; Vol. 30 (1992); S. 503–511 [Scheduling, 1992], Foo, Y.-P. S.; Takefuji, Y.: Integer Linear Programming Neural Networks for Job Scheduling; in: Proceedings of the 1988 IEEE International Conference on Neural Networks; IEEE (Hrsg.); San Diego 1988; S. 341–348 [Integer Linear Programming, 1988], Foo, Y.-P. S.; Takefuji, Y.: Stochastic Neural Networks for Solving Job-Shop Scheduling: Part 1: Problem Representation; in: Proceedings of the 1988 IEEE International Conference on Neural Networks; IEEE (Hrsg.); San Diego 1988; S. 275–280 [Stochastic Neural Network: Part 1, 1988] und Foo, Y.-P. S.; Takefuji, Y.: Stochastic Neural Networks for Solving Job-Shop Scheduling: Part 2: Architecture and Simulations; in: Proceedings of the 1988 IEEE International Conference on Neural Networks; IEEE (Hrsg.); San Diego 1988; S. 283–290 [Stochastic Neural Network: Part 2, 1988].
Vgl. Lohrbach, T.: Einsatz, 1994; S. 260 ff und Corsten, H.; May, C.: Möglichkeiten, 1994.
Vgl. hierzu Corsten, H.; May, C.: Möglichkeiten, 1994; S. 9–11.
Vgl. Lohrbach, T.: Einsatz, 1994; S. 260 ff. und Retzko, R.; Schumann, M.: Einsatzmöglichkeiten von Künstlichen Neuronalen Netzen für Rundreiseprobleme und Vergleich mit alternativen Verfahren; in: Schumann, M. (Hrsg,.): Arbeitspapier Georg-August-Universität Göttingen; Göttingen 1994; S. 29 ff. [Rundreiseprobleme, 1994].
Vgl. Schafer, G.: Beitrag zur Optimierung von Kommissionierfahrten in Hochregallagertrassen mittels neuronaler Netze; Diss. Universität Dortmund; Dortmund 1991 [Optimierung von Kommissionierfahrten, 1991].
Vgl. Schafer, G.: Optimierung von Kommissionierfahrten, 1991 und El Ghaziri, H.: Solving Routing Problems by a Self-Organizing Map; in: Kohonen, T.; Mäkisara, K.; Simula, O. Kangas, J. (Hrsg.): Artificial Neural Networks: Proceedings of the 1991 ICANN International Conference on Artificial Neural Networks, Espoo, Finnland, 24.-28. Juni 1991; Amsterdam u.a. 1991; Volume I; S. 829–834 [Solving Routing Problems, 1991].
Eine Beschreibung des 2Opt-Verfahrens findet sich z.B. in: Domschke, W.: Logistik: Rundreisen und Touren; 2. erg. Aufl.; München, Wien 1985 [Rundreisen; 1985]; S. 100.
Vgl. Kruse, H.; Mangold, R.; Mechler, B.; Penger, O.: Programmierung Neuronaler Netze, 1991; S. 158.
Vgl. Domschke, W.: Rundreisen, 1985; S. 100.
Rights and permissions
Copyright information
© 1998 Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden
About this chapter
Cite this chapter
Alex, B. (1998). Anwendungsbereiche für neuronale Netze in Management-Informationssystemen. In: Künstliche neuronale Netze in Management-Informationssystemen. Betriebswirtschaftliche Forschung zur Unternehmensführung, vol 32. Gabler Verlag. https://doi.org/10.1007/978-3-322-91336-4_4
Download citation
DOI: https://doi.org/10.1007/978-3-322-91336-4_4
Publisher Name: Gabler Verlag
Print ISBN: 978-3-409-13578-8
Online ISBN: 978-3-322-91336-4
eBook Packages: Springer Book Archive