Entscheidungsunterstützungssysteme IWI Frankfurt 2003 Praktikumsplatz im Bereich Sales IT bei Procter & Gamble Voraussetzungen sind: sehr gute Deutsch- und Englischkenntnisse abgeschlossenes Vordiplom Erfahrungen im Bereich Internet- oder Intranet-Anwendungen (Programmierkenntnisse nicht unbedingt erforderlich) sehr gute kommunikative Fähigkeiten Vergütung: ca. €1.500 p.M. Dauer: 3-4 Monate Beginn: frühestens 07.07.2003, spätestens 11.08.2003 Entscheidungsunterstützungssysteme IWI Frankfurt 2003

Entscheidungsunterstützungssysteme IWI Frankfurt 2003 Künstliche Neuronale Netze Entscheidungsunterstützungssysteme IWI Frankfurt 2003

Entscheidungsunterstützungssysteme IWI Frankfurt 2003 Eigenschaften der KNN Lernfähigkeit Verallgemeinerungsfähigkeit Assoziationsfähigkeit Robustheit Massiv parallele Informationsverarbeitung Entscheidungsunterstützungssysteme IWI Frankfurt 2003

Anwendungsgebiete der KNN Mustererkennung Spracherkennung Signalverarbeitung Maschinelles Lernen, Expertensysteme Diagnose Vorhersage Optimierung Steuerung, Regelung Entscheidungsunterstützungssysteme IWI Frankfurt 2003

Bedeutung von “Lernen” in KNN die Gewichte der Verbindungen zwischen den Neuronen modifizieren ein neues Neuron kreieren ein Neuron zerstören Entscheidungsunterstützungssysteme IWI Frankfurt 2003

Entscheidungsunterstützungssysteme IWI Frankfurt 2003 Lernmethoden in KNN Supervised Learning (Überwachtes Lernen) Das vom KNN gelieferte Output wird mit dem gewünschten Output verglichen; das KNN wird anhand von diesem Unterschied trainiert. Reinforcement Learning (Kritiker Lernen) Das vom KNN gelieferte Output erhält eine Bewertung; das KNN wird anhand von dieser Bewertung trainiert. Unsupervised Learning Dem Netz werden nur Inputs präsentiert. Während der Trainingsphase werden die Gewichte der Neuronen so geändert, dass die Trainingsbeispiele in korrelierten Kategorien (Cluster) organisiert werden. Entscheidungsunterstützungssysteme IWI Frankfurt 2003

Entscheidungsunterstützungssysteme IWI Frankfurt 2003 Perceptron x1 Neuron Synapsen Output x2 Axon Entscheidungsunterstützungssysteme IWI Frankfurt 2003

Entscheidungsunterstützungssysteme IWI Frankfurt 2003 Perceptron y1 = f (w1x1+w2x2+b1) x1 w1 y1 Input Output w2 x2 Entscheidungsunterstützungssysteme IWI Frankfurt 2003

Entscheidungsunterstützungssysteme IWI Frankfurt 2003 Multi-Layered-Perceptron w11 y1 x1 w‘1 w12 z1 w21 Output w‘2 y2 x2 w22 w11 w12 w21 w22 Entscheidungsunterstützungssysteme IWI Frankfurt 2003

Entscheidungsunterstützungssysteme IWI Frankfurt 2003 Diskrete Ergebnisse y1 = F (w1x1+w2x2 +b1)  { -1, 1} w11 y1 x1 w‘1 w12 w21 Output d ( x1, x2 ) w‘2 y2 x2 w22 Entscheidungsunterstützungssysteme IWI Frankfurt 2003

Entscheidungsunterstützungssysteme IWI Frankfurt 2003 Sigmoid Funktion yj = arctan (  wijxi ) Entscheidungsunterstützungssysteme IWI Frankfurt 2003

Entscheidungsunterstützungssysteme IWI Frankfurt 2003 Lernregeln Entscheidungsunterstützungssysteme IWI Frankfurt 2003