Download (1800Kb) - oops/ - Oldenburger Online-Publikations-Server
Download (1800Kb) - oops/ - Oldenburger Online-Publikations-Server
Download (1800Kb) - oops/ - Oldenburger Online-Publikations-Server
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
wird durch eine Fehleranalyse der vorgestellten Methode abgeschlossen, wobei die Vorhersage der<br />
Bewölkung für Vorhersagezeiträume bis zu 2 Stunden ausgewertet wird.<br />
3.1 Grundlagen der zur Vorhersage verwendeten Methoden<br />
3.1.1 Theoretische Grundlagen neuronaler Netze<br />
Neuronale Netze bestehen aus einer großen Anzahl von einfachen grundlegenden Einheiten, den<br />
Neuronen, die Information über gewichtete Verbindungen weitergeben. Dies ermöglicht eine effektive<br />
parallele Datenverarbeitung, mit der auch komplexe Aufgaben schnell bearbeiten werden<br />
können. Ein weiterer wichtiger Aspekt von neuronalen Netzen ist ihre Lernfähigkeit. Neuronale<br />
Netze können an Beispielpaaren lernen, eine Eingabe auf eine bestimmte Ausgabe abzubilden, ohne<br />
daß die zugrunde liegende Funktion, die Eingabe und Ausgabe verbindet, bekannt ist. Dabei<br />
wird vorausgesetzt, daß es sich um ein deterministisches System handelt, stochastische Abbildungen<br />
können nicht wiedergegeben werden. Die Darstellung der Grundlagen ist an [Zell 1999]<br />
und [Hausmann und Hoffmann 1995] angelehnt. Dort findet sich auch eine ausführliche Beschreibung<br />
des biologischen Vorbilds der Signalverarbeitung im Gehirn.<br />
Wesentliche Merkmale der biologischen neuronalen Netze, die als Motivation für das mathematische<br />
Modell dienen, sind:<br />
• Das System ist aus einer großen Zahl einfacher Einzelbausteine, den Neuronen, aufgebaut.<br />
• Die einzelnen Neuronen erhalten ihre Eingabe als gewichtete Summe von anderen Neuronen<br />
und von außen. Überschreitet die Eingabe einen Schwellwert, gibt das Neuron ein Signal<br />
weiter, entweder zu anderen Zellen oder nach außen.<br />
• Die Signalweitergabe zwischen den Neuronen erfolgt über gerichtete und verschieden stark<br />
gewichtete Verbindungen.<br />
• Die Lernfähigkeit des Systems beruht darauf, daß sich die Stärke der Gewichte modifizieren<br />
läßt und durch Training einem bestimmten Zusammenhang angepaßt werden kann.<br />
Im Folgenden wird zunächst das mathematische Modell für ein einzelnes Neuron dargestellt. Anschließend<br />
wird die Verbindung der Neuronen zu einem Feed-Forward-Netzwerk beschrieben und<br />
schließlich der verwendete Lernalgorithmus zum Training der neuronalen Netze erläutert.<br />
Modell eines Neurons<br />
Ein Neuron erhält seine Eingabe i als gewichtete Summe von Eingabesignalen:<br />
i =<br />
N<br />
∑<br />
i=1<br />
16<br />
w i x i . (3.1)