Titelaufnahme

Titel
Genetische Algorithmen und Neuronale Netze / von Radu Ion
VerfasserIon, Radu
Begutachter / BegutachterinGrill, Karl
Erschienen2008
Umfang82 Bl. : Ill., graph. Darst.
HochschulschriftWien, Techn. Univ., Dipl.-Arb., 2008
SpracheDeutsch
DokumenttypDiplomarbeit
Schlagwörter (DE)Genetische Algorithmen /Neuronale Netze
URNurn:nbn:at:at-ubtuw:1-21860 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Genetische Algorithmen und Neuronale Netze [1.27 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Genetische Algorithmen versuchen, Prinzipien der Evolution (Mutation, Rekombination und Selektion) in Computerprogrammen nachzubilden. Dazu gibt es verschiedene Ansätze, deren Vor- und Nachteile kurz besprochen werden.

Eines der Wunderwerke ist das menschliche Gehirn. Obwohl die Neuronen, aus denen es besteht, relativ einfach aufgebaut sind, ist das Gehirn zu Leistungen fähig, die einem Computer nur schwer einprogrammiert werden können, wie etwa Sprach- oder Gesichtserkennung. Neuronale Netze sollen den Lernvorgang, der im Gehirn stattfindet, nachbilden, um ähnliche Fähigkeiten zu erlangen. Auch hierfür werden einige Modelle vorgestellt.

In der Natur arbeiten diese beiden Konzepte hervorragend zusammen. Daher liegt es nahe, die Bestandteile und Parameter von neuronalen Netzen durch genetische Algorithmen optimieren zu lassen. Leider treten dabei Schwierigkeiten auf, wie lange Laufzeiten oder mangelnde genetische Vielfalt. Es werden einige Lösungsvorschläge für diese Probleme erläutert.

Eine mögliche Anwendung für genetische Algorithmen und neuronale Netze ist die Zeitreihenanalyse. Dafür gibt es zwar auch statistische Verfahren wie die lineare und nichtlineare Regression. Diesen ist aber jeweils ein bestimmtes Modell zugrunde gelegt, von dem man nicht weiß, ob es die Zeitreihe adäquat beschreibt. Mithilfe eines Programms von der Hochschule für Technik und Wirtschaft Dresden kann man Zeitreihen auch durch genetische Algorithmen und neuronale Netze analysieren lassen. Als Beispiel wurden die Tagesschlusskurse der Aktie der Deutschen Bank verwendet. Im Rahmen mehrerer Tests mit diesem Programm zeigt sich, dass nicht nur zu kleine, sondern auch zu große neuronale Netze sich negativ auswirken können. Schließlich wird jedoch ein neuronales Netz gefunden, das die Änderung der Aktienkurse hervorragend prognostiziert und damit die Leistungsfähigkeit von genetischen Algorithmen und neuronalen Netzen eindrucksvoll unter Beweis stellt.