CEF 2001, New Haven Zinsprognosen mit GENEFER ein Fuzzyregel-basiertes Modell zur Prognose des EZB- Refinanzierungszinssatzes Eric Ringhut Muenster Institute.

Slides:

Advertisements

Ähnliche Präsentationen

Adaptive Systeme Prof. Rüdiger Brause WS 2011.

Advertisements

6. Regelbasierte Systeme

Zugehörigkeitsfunktion (Wahrheitsfunktion) m

Übersicht zu Verfahren des Soft Computing

Die vorgeschlagene adaptive Methode filtriert die TCP/IP Verkehr auf der Basis von dem adaptiven Lernen einer KNN mit Paketen-Headers, die verschiedenen.

Inhaltlich orientierter Zugriff auf unstrukturierte Daten

8 Behandlung von Begriffen 8.1 Grundlagen aus Logik und Psychologie

Bastian Cramer, Universität Paderborn Entwurfsmuster für Webanwendungen Projektgruppe: Generierung von Webanwendungen aus visuellen Spezifikationen.

Konzeption und prototypische Implementierung eines zentralen Informationssystems für Systemmanagement Motivation Oft wird es schwierig, die benötigten.

Universität Stuttgart Institut für Kernenergetik und Energiesysteme LE 3.1 ProzessqualitätLM 5 V-Modell-AnwendungenFolie 1 V-Modell für große Projekte.

Modularisierung der Bachelor-Studiengänge im Studiendekanat E 9. Jan Studiengangskoordinatoren und wissenschaftliche Mitarbeiter des Studiendekanates.

IIW Erläuterungen zum Masterprogramm. IIW-MS Allgemeine Fachmodule (60) – Studienarbeit + Seminar (18) – Betrieb und Management (6) Nichttechnische Ergänzungsfächer.

ATHOS Benutzertreffen 12. November Archivierung Glashütten, 12. November 2008 HighQSoft GmbH, Karst Schaap

SciAgents - Eine agentenbasierte Umgebung für verteilte wissenschaftliche Berechnungen Alexander StarkeSeminar Software Agenten

Praktikum Entwicklung und Einsatz von Geosoftware I - Sitzung 6 Model-View-Controler als Grundlage für Nutzerschnittstellen Sommersemester 2003 Lars Bernard.

XDoclet ETIS SS05.

PG 487 Methoden der Computational Intelligence in der Bioinformatik

2 5 SS 2006V_4_Fuzzy_Control_Teil2 1 Was ist CI (Computational Intelligence) Jörg Krone, Ulrich Lehmann, Hans Brenig, Oliver Drölle, Udo Reitz, Michael.

11. Neuro-Fuzzy-Regler und -Klassifikation

Vorlesung: Einführung in der Bioinformatik

Vorlesung KDD, Ludwig-Maximilians-Universität München, WS 2000/ Andere Paradigmen Inhalt dieses Kapitels 8.1 Induktive Logik-Programmierung.

Fast Algorithm for Mining Association Rules

Spatial Decision Support Systems (SDSS)

Institut für Theoretische Informatik TU Carolo-Wilhelmina zu Braunschweig Teamprojekt in Software Systems Engineering und Theoretischer Informatik Einsatz.

Universität Münster, Institut für industriewirtschaftliche Forschung Stefan Kooths Eric Ringhut KI-gestützte Konjunkturprognosen mit GENEFER Adaptive Fuzzy.

Das Unternehmensumfeld der Nordwind ist ein solches System:

Universität Münster, Muenster Institute for Computational Economics Eric Ringhut Fliednerstr. 21 D Münster

DataMining Von Daten zu Informationen und Wissen

Universität zu Köln Historisch-Kulturwissenschaftliche Informationsverarbeitung Softwaretechnologie II (Teil I): Simulation und 3D Programmierung Prof.

Adaptive Systeme Prof. Rüdiger Brause WS 2013.

Adaptive Systeme-2 Grundlagen

Fundamente der Computational Intelligence

Ausgewählte Kapitel der Computational Intelligence (Vorlesung) Prof. Dr. Günter Rudolph Fachbereich Informatik Lehrstuhl für Algorithm Engineering Sommersemester.

Fundamente der Computational Intelligence (Vorlesung) Prof. Dr. Günter Rudolph Fachbereich Informatik Lehrstuhl für Algorithm Engineering Wintersemester.

Positionierung mit Fuzzy-Regelung

Erfindervon Fuzzy Logic

Kompetenz -, Lern - und Prüfungsbereiche Anforderungsbereiche

Betriebliche/Organisationelle Ausgangssituation

CEF 2001, New Haven Genetic Neural Fuzzy Explorer GENEFER Konzeption, Technologien und Einsatzmöglichkeiten Eric Ringhut Muenster Institute for Computational.

LOGPAT ein webbasiertes Tool zur Analyse von Navigationsverläufen in Hypertexten Stephan Noller, humanIT Johannes Naumann, Universität zu Köln Tobias Richter,

AnTherm Programmpaket zur Analyse des Thermischen Verhaltens von Baukonstruktionen mit Wärmebrücken

Vienna University of Technology Pirker Simon 1. Überblick Definition Motivation Vorteile Entwurf von VP Pirker Simon 2.

HEINZ NIXDORF INSTITUT Universität Paderborn Fachbereich Mathematik/Informatik Algorithmische Probleme in Funknetzwerken III Christian Schindelhauer

Klassifikation und Regression mittels neuronaler Netze

FuzzyControl++ und NeuroSystems

Talking about where you are from

Eike Schallehn, Martin Endig

1 Strukturierung von Situationen (Strukturierung als Lernkomponente) Thomas Höpfel Seminar für Rechtstheorie und Rechtsinformatik WS 2004/05.

Lernmodelle und Experimentelle Untersuchungen

Was wäre wenn….. SNMP (Simple Network Managment Protocol)

Inhalt Einordnung und Funktion der lexikalische Analyse Grundlagen

2 Grundlagen In diesem Abschnitt werden die Grundbegriffe und Methoden der Theorie der formalen Sprachen und der Automaten wiederholt, soweit diese ben.

Analyse und Umsetzung einer Filter-basierten Paketverarbeitungsmaschine für IP-Netzwerke Lehrstuhl für Systemarchitektur und Betriebssysteme Forschungs-

Hessischer Referenzrahmen Schulqualität

Evolutionärer Entwurf neuronaler Netze

Prof. Dr. Ludwig Nastansky University of Paderborn Wirtschaftsinformatik 2 – FB 5 Prof. Dr. Ludwig Nastansky Warburger Straße 100, Paderborn Tel.:

DaimlerChrysler Workshop Architektur HyperbolicModeler  Notes Client  Notes native Java Klassen  Mehr Informationen über Design  Zugriff auf Dokumente.

Modellierung: MATLAB – Simulink - Stateflow

Vagheit und Fuzzy-Set Referent: Christian Schumacher.

Design und Optimierung optischer Systeme durch Neuronale Netze und Genetische Algorithmen.

Univ.-Prof. Dr.-Ing. H. Nacken Vorlesung Wasserwirtschaftliche Modellierung Themen: Vorlesung 7 Softcomputing Grundlagen der Fuzzy Logik Fuzzyfizierung.

Univ.-Prof. Dr.-Ing. H. Nacken Vorlesung Wasserwirtschaftliche Modellierung Themen: Vorlesung 8 Neuronale Netze (ANN) Trainingsformen von Neuronalen Netzen.

Vorlesung Wasserwirtschaftliche Modellierung

Comprehensive Information Base (CIB) – ein Prototyp zur semantischen Datenintegration Stefan Arts

Prognose von Zeitreihen Hans Nübel Hans Nübel Prognose von Zeitreihen Aufbau 1.Motivation 2.Holt-Winters-Verfahren 3.Prognose.

Institut für Verkehrssystemtechnik Dipl.-Psych. David Käthner Telefon:0531 / Ein kognitives Fahrermodell:

Fachrichtung Theoretische Informatik

Verb Conjugation Schritte 1 Lektion 2.

© Christopher Hardt & Philippe Nix

Intelligent Data Mining

Präsentation transkript:

CEF 2001, New Haven Zinsprognosen mit GENEFER ein Fuzzyregel-basiertes Modell zur Prognose des EZB- Refinanzierungszinssatzes Eric Ringhut Muenster Institute for Computational Economics

CEF 2001, New Haven 2 Gliederung  Technologie  Fuzzy-Mengen und Fuzzyregeln  Fuzzy Inferenz  Die Software GENEFER  Zinsprognosen und Ergebnisanalyse

CEF 2001, New Haven 3 Beschreibung komplexer Systeme formal: Mathematik/Statistik/Ökonometrie anspruchsvoll/schwierig zu interpretieren aber oft notwendig, um gut Ergebnisse zu erzielen sprachlich gut zu verstehen aber ungenau/unscharf

CEF 2001, New Haven 4 KI-Technologien in GENEFER Fuzzy Logik Genetische Algorithmen Neuronale Netze GENEFER

CEF 2001, New Haven 5 Fuzzyregeln: Ein Beispiel Wenn die Wachstumsrate der Geldmenge M3 hoch ist und die Outputlücke gering dann wird die EZB den Refinanzierungszinssatz stark anheben.

CEF 2001, New Haven 6 4%8% mittel sehr hoch Mengen und Fuzzy-Mengen gM3 ZG 1,0 hoch 0,8 0,3  6,8%

CEF 2001, New Haven 7 Fuzzyregeln: sprachliche vs formale Ebene Wenn Input 1 klein ist, dann ist Output hoch Konditionalteil Konsekutivteil Fuzzy Relation

CEF 2001, New Haven 8 Fuzzy Inferenz I gM3 EZB-Zinsänderung  6,8% 0,6 hochstarke Erhöhung Konditionalteil Konsekutivteil

CEF 2001, New Haven 9 Wenn... und...dann...    Fuzzy Inferent II:Fuzzyregel-Basis

CEF 2001, New Haven 10 Fuzzy Inferenz III Wachstumsrate M3 ZG kleinmittelhoch Fuzzy Inferenzergebnismenge scharfer Fuzzyregel-Basis Output

CEF 2001, New Haven 11 Fuzzyregel-Basis-Generierung Woher kommen die Fuzzyregeln für eine gegebene Problemstellung ? GENEFER ist in der Lage, Fuzzyregeln automatisch aus einer Datenbank mit numerischen Input-Output Einträgen zu extrahieren.

CEF 2001, New Haven 12 Parameter einer Fuzzyregel-Basis Fuzzy-Mengen Parameter (1) (2) Regelgewichte (3) Anzahl der Regeln

CEF 2001, New Haven 13 Entwurfschritte in GENEFER (1)Input Identifizierung (2)Fuzzifizierung (3)Regelbasis-Entwurf -Generierung -Simplifizierung (4)Fuzzy Regelbasis-Tuning

CEF 2001, New Haven 14 GENEFER  Universelles Werkzeug für Design, Handling und Analyse von Fuzzyregel- basen  Erwartungs-Generator für ökono- mische Simulationen via COM- Interface  Prognosewerkzeug

CEF 2001, New Haven 15 Einsatzgebiete -Insolvenzprognosen -Kreditwürdigkeitsprüfung -Betrugserkennung -Lieferantenbewertung -Antragsentscheidung -Finanzmarktprognosen -Absatzprognosen -...

CEF 2001, New Haven 16 Zinsprognosen live!

CEF 2001, New Haven 17 Architektur I GENEFER Excel-Datenbank

CEF 2001, New Haven 18 Architektur II Viewer GENEFER Excel-Datenbank Viewer