Erweiterte Suche

Neuronale Netze für betriebliche Anwendungen

Anwendungspotentiale und existierende Systeme

Der vorliegende Arbeitsbericht zeigt eine Auswahl neuronaler Netze für betriebliche Anwendungen. Aufbauend auf der Vorstellung einiger Systeme wird sowohl vom konkreten Anwendungsgebiet als auch von der konkreten Architektur des neuronalen Netzes abstrahiert, um so ein Übertragen der Erkenntnisse auf andere, ähnlich gelagerte Anwendungsprobleme zu ermöglichen. Anhand der abstrahierten Beschreibung ist es möglich, neue betriebliche Anwendungspotentiale neuronaler Netze aufzudecken. Dazu wird überprüft, inwieweit eine neue, potentielle Anwendung denselben Kriterien genügt. Aufgrund der Analogien erhält man neben einer „Machbarkeitsstudie“ ggf. bereits Hinweise auf die geeignete Wahl eines Netzwerktyps und der zugehörigen Netzwerkparameter für das neue Anwendungsproblem.

Titel: Neuronale Netze für betriebliche Anwendungen
Untertitel: Anwendungspotentiale und existierende Systeme
Verfasser: Schneider, Bernd
Organisation: FB 04: Wirtschaftswissenschaftliche Fakultät
Dokumenttyp: Arbeitspapier
Medientyp: Text
Erscheinungsdatum: November 1993
Publikation in MIAMI: 16.09.2008
Datum der letzten Änderung: 27.01.2015
Reihe Arbeitsberichte des Instituts für Wirtschaftsinformatik ; 22
Fachgebiete: Datenverarbeitung; Informatik; Wirtschaft
Sprache: Deutsch
Format: PDF-Dokument
URN: urn:nbn:de:hbz:6-93599551902
Permalink: https://nbn-resolving.org/urn:nbn:de:hbz:6-93599551902
Onlinezugriff:
Inhalt:
1 Einleitung ..... 4
2 Prognosen mit neuronalen Netzen ..... 5
2.1 Die Anwendung neuronaler Netze ..... 7
2.2 Kurzeinführung in die Prognose ..... 10
2.3 Prognose von Aktienkursen auf Jahresfrist ..... 12
2.4 Prognose des DM-Dollar-Wechselkurses ..... 12
2.5 Prognose von Aktienkursen ..... 13
2.6 Abschließende Bemerkungen zu Prognosen ..... 13
3 Datenanalysen mit neuronalen Netzen ..... 14
3.1 Kreditwürdigkeitsanalyse ..... 14
3.2 Analyse betriebswirtschaftlicher Kennzahlen und Kennzahlenverdichtung ..... 16
3.3 Marktsegmentierung ..... 17
3.4 Konstruktionsunterstützung ..... 17
4 Optimierung mit neuronalen Netzen ..... 19
4.1 Grundlagen ..... 19
4.2 Tourenplanung für die Vertriebsaußendienststeuerung ..... 20
4.3 Maschinenbelegungsplanung ..... 20
4.4 Abschließende Bemerkung zur Optimierung ..... 22
5 Mustererkennung i.e.S. ..... 22
5.1 OCR (Optical Character Recognition) ..... 23
5.2 Bildverarbeitung ..... 23
5.3 Verarbeitung akustischer oder anderer sensorischer Signale ..... 26
5.3.1 Grundlagen ..... 26
5.3.2 Verarbeitung sensorischer Signale - Diagnose von Verbrennungsmotoren ..... 27
5.3.3 Verarbeitung sensorischer Signale - Getriebe-Diagnose ..... 28
5.3.4 Verarbeitung akustischer Signale - Testen von Elektromotoren ..... 28
5.4 Abschließende Bemerkungen ..... 29
6 Überblick und Klassifikation ..... 30
7 Zusammenfassung ..... 32
Literatur ..... 33