• Produktbild: Kombination Künstlicher Neuronaler Netze
  • Produktbild: Kombination Künstlicher Neuronaler Netze

Kombination Künstlicher Neuronaler Netze Zur Prognose von Wechselkursen

79,99 €

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

23.09.2003

Abbildungen

XVIII, 259 S. 15 Abb.

Verlag

Deutscher Universitätsverlag

Seitenzahl

259

Maße (L/B/H)

21/14,8/1,6 cm

Gewicht

366 g

Auflage

2003

Sprache

Deutsch

ISBN

978-3-8244-7900-9

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

23.09.2003

Abbildungen

XVIII, 259 S. 15 Abb.

Verlag

Deutscher Universitätsverlag

Seitenzahl

259

Maße (L/B/H)

21/14,8/1,6 cm

Gewicht

366 g

Auflage

2003

Sprache

Deutsch

ISBN

978-3-8244-7900-9

Herstelleradresse

Deutscher Universitätsvlg
Abraham-Lincoln-Str. 46
65189 Wiesbaden
DE

Email: ProductSafety@springernature.com

Ein neues Kapitel für Ihre Bücher

Ein neues Kapitel für Ihre Bücher

Schenken Sie Ihren alten Schätzen ein zweites Leben und erhalten dafür eine Thalia Geschenkkarte.

Jetzt verkaufen
Jetzt verkaufen

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)

Weitere Artikel finden Sie in

  • Produktbild: Kombination Künstlicher Neuronaler Netze
  • Produktbild: Kombination Künstlicher Neuronaler Netze
  • 1 Einleitung.- 1.1 Problemstellung.- 1.2 Kapitelübersicht.- 2 Prognose einer ökonomischen Zeitreihe.- 2.1 Prognosen und Modelle.- 2.2 Wechselkursprognosen.- 3 Optimale Modelle.- 3.1 Der bedingte Erwartungswert.- 3.2 Separierung des Inputraumes.- 3.3 Bias-Varianz-Dilemma.- 4 Fehlermaße.- 4.1 Der quadratische Fehler.- 4.2 Die mittlere absolute Abweichung.- 4.3 Sharpe-Ratio.- 5 Kombinationsmodelle.- 5.1 Kombination einzelner Modelle.- 5.2 Kombination von Modulen.- 5.3 Gruppen-Ansatz versus modularer Ansatz.- 6 Künstliche Neuronale Netze.- 6.1 Struktur und Funktionsweise von KNN.- 6.2 Abbildungskapazität.- 6.3 KNN zur Funktionsapproximation.- 6.4 Lernen mit KNN.- 6.5 Datenvorverarbeitung.- 6.6 Lernverfahren für KNN.- 6.7 Komplexitätskontrolle.- 7 Prognose einer Finanzzeitreihe mit KNN.- 7.1 Finanzzeitreihe USD/DEM.- 7.2 Monte-Carlo-Simulation.- 7.3 Inputs.- 7.4 Beispieldaten.- 7.5 Topologie.- 7.6 Lernverfahren.- 7.6.2 Abbruchkriterium.- 7.7 Performance-Maße für die Prognosemodelle.- 7.8 Ergebnisse des Trainings.- 7.9 Modellauswahl.- 7.10 Unterschiedliche Fehlermaße.- 7.11 Modellkombination mit einzelnen KNN.- 8 Mixture Density Networks.- 8.1 Inverse Probleme.- 8.2 Aufbau eines MDN-Modells.- 8.3 Beispielmodelle für ein inverses Problem.- 8.4 Modellierung USD/DEM mit MDN.- 9 Evolution von KNN und MDN.- 9.1 Genetische Algorithmen.- 9.2 Evolution von MDN-Modellen.- 9.3 Anwendung.- 10 Schlussbetrachtungen.