Und dann auf "Zum Home-Bildschirm [+]".
Stöbern
genialokal zum Startbildschirm hinzufügen
Installieren Sie die genialokal App auf Ihrem Startbildschirm für einen schnellen Zugriff und eine komfortable Nutzung.
Installieren Sie die genialokal App auf Ihrem Startbildschirm für einen schnellen Zugriff und eine komfortable Nutzung.
Ihr gewünschter Artikel ist in 0 Buchhandlungen vorrätig - wählen Sie hier eine Buchhandlung in Ihrer Nähe aus:
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.
1 Einleitung.- 2 Das Mehrschichtige Perzeptron (MLP).- 3 Standardprobleme beim Einsatz vom MLP.- 4 KNN-Software.- 5 Klassifikation mit Hilfe des Regressionsansatzes.- 6 Klassifikation mit Hilfe des wahrscheinlichkeitsbasierten Ansatzes.- 7 Optimale Anzahl der verborgenen Neuronen.- 8 Schlussfolgerungen.- Anhang A: Charakterisierung der Pflanzengesellschaften im Untersuchungsgebiet.
E-Mail: ProductSafety@springernature.com
