Ein Neuronales Netz (Hopfield) soll den Trend einer Ziffernfolge erkennen und am Ausgang anzeigen.
Dieses Verfahren wird häufig bei Preisentwicklungen, Aktienkursen, Umsatzzahlen usw. benötigt.
Für die Untersuchung beschränke ich mich auf eine Eindimensionale Größe.
Ich benutze zur Simulation der Eingangsgröße mehrere unterschiedliche Matrikelnummern, welche 6 Ziffern beinhalten.
Es werden allerdings nur 5 Ziffern Trainiert, denn die letzte Ziffer soll vorhergesagt werden.
Die Untersuchung untergliedert sich in mehrere Teiluntersuchungen (a bis g).
Inhaltsverzeichnis
- Umsetzung der Teiluntersuchungen
- Teil a.) Regressionsverfahren
- Teil b.) Neuronales Netz
- I.) Verschaltung der Neuronen
- II.) Trainingsalgorithmus
- Teil c.) Vorhersage
- Teil d.) Konvergenz / quadratische Fehler
- Teil e.) Rauschsignal
- Teil f.) Weniger Ziffern trainieren
- Programmbeschreibung
Zielsetzung und Themenschwerpunkte
Die vorliegende Arbeit befasst sich mit der Implementierung eines Hopfield-Netzes in Java. Das Ziel ist es, einen Trend in einer Ziffernfolge zu erkennen und am Ausgang anzuzeigen, ein Verfahren, das häufig bei Preisentwicklungen, Aktienkursen und Umsatzzahlen Anwendung findet. Die Untersuchung konzentriert sich auf eine eindimensionale Größe und verwendet Matrikelnummern mit 6 Ziffern als Eingangsdaten. Die letzte Ziffer soll vorhergesagt werden, wobei 5 Ziffern trainiert werden.
- Implementierung eines Hopfield-Netzes
- Trendanalyse in Ziffernfolgen
- Anwendung in verschiedenen Bereichen wie Preisentwicklungen
- Eindimensionale Datenauswertung
- Vorhersage von Werten basierend auf Trainingsdaten
Zusammenfassung der Kapitel
Das Dokument beginnt mit einer detaillierten Beschreibung der Umsetzung der Teiluntersuchungen. Im ersten Teil wird das Regressionsverfahren mit Hilfe eines Polynoms 5. Ordnung erläutert, das auf Basis der 6 Ziffern der Matrikelnummer berechnet wird. Der zweite Teil beschäftigt sich mit dem Aufbau des neuronalen Netzes, wobei die Verschaltung der Neuronen und der verwendete Trainingsalgorithmus vorgestellt werden. Die weiteren Kapitel behandeln die Vorhersage der letzten Ziffer, die Konvergenz des Netzes, den Einfluss von Rauschsignalen und die Auswirkungen des Trainings mit weniger Ziffern. Schließlich wird eine Programmbeschreibung des entwickelten Hopfield-Netzes in Java gegeben.
Schlüsselwörter
Hopfield-Netz, Neuronales Netz, Java, Trendanalyse, Ziffernfolgen, Matrikelnummer, Regressionsverfahren, Trainingsalgorithmus, Vorhersage, Konvergenz, Rauschsignal, Programmbeschreibung
Häufig gestellte Fragen
Was ist das Ziel der Implementierung des Hopfield-Netzes in dieser Arbeit?
Das Ziel ist es, einen Trend in einer Ziffernfolge zu erkennen und am Ausgang anzuzeigen, was besonders für Preisentwicklungen oder Aktienkurse nützlich ist.
Welche Programmiersprache wird für die Simulation verwendet?
Die Implementierung und Simulation des neuronalen Netzes erfolgt in Java.
Wie viele Ziffern werden für das Training des Netzes genutzt?
Es werden 5 Ziffern einer 6-stelligen Matrikelnummer trainiert, um die Vorhersage der letzten Ziffer zu ermöglichen.
Welches mathematische Verfahren wird zum Vergleich herangezogen?
In Teil a.) der Untersuchung wird ein Regressionsverfahren mit Hilfe eines Polynoms 5. Ordnung erläutert.
Welche Rolle spielen Rauschsignale in der Untersuchung?
Die Arbeit untersucht in Teil e.), wie sich Rauschsignale auf die Leistungsfähigkeit und Vorhersagegenauigkeit des neuronalen Netzes auswirken.
Was wird unter dem Punkt Konvergenz analysiert?
Es wird die Konvergenz des Netzes sowie die Entwicklung der quadratischen Fehler während des Lernprozesses betrachtet.
- Quote paper
- Stefan Tantow (Author), 2001, Neuronale Netze - Implementierung eines Hopfield Netzes in Java, Munich, GRIN Verlag, https://www.grin.com/document/11364
