Andere Kunden interessierten sich auch für
![Ampelerkennung beim autonomen Fahren. Einsatzgebiet für neuronale Netze und Deep Learning]( "Ampelerkennung beim autonomen Fahren. Einsatzgebiet für neuronale Netze und Deep Learning")
Ampelerkennung beim autonomen Fahren. Einsatzgebiet für neuronale Netze und Deep Learning42,95 €![Neokognitron und Hopfield Netz als künstliche neuronale Netze zur Mustererkennung: Theorie, computergestützte Simulation und Anwendungen]( "Neokognitron und Hopfield Netz als künstliche neuronale Netze zur Mustererkennung: Theorie, computergestützte Simulation und Anwendungen")
Neokognitron und Hopfield Netz als künstliche neuronale Netze zur Mustererkennung: Theorie, computergestützte Simulation und Anwendungen58,00 €![Simulation der Entstehung von Weltbildern durch neuronale Netze und deren Anwendung auf Marketingprobleme]( "Simulation der Entstehung von Weltbildern durch neuronale Netze und deren Anwendung auf Marketingprobleme")
Simulation der Entstehung von Weltbildern durch neuronale Netze und deren Anwendung auf Marketingprobleme47,95 €![Neuronale Netze und Fuzzy-Systeme]( "Neuronale Netze und Fuzzy-Systeme")
Neuronale Netze und Fuzzy-Systeme54,99 €![Neuronale Netze kompakt]( "Neuronale Netze kompakt")
Neuronale Netze kompakt19,99 €![Wie funktionieren künstliche neuronale Netze? Kategorisierung und Anwendungsbereiche künstlicher Intelligenz]( "Wie funktionieren künstliche neuronale Netze? Kategorisierung und Anwendungsbereiche künstlicher Intelligenz")
Wie funktionieren künstliche neuronale Netze? Kategorisierung und Anwendungsbereiche künstlicher Intelligenz29,99 €![Künstliche neuronale Netze]( "Künstliche neuronale Netze")
Künstliche neuronale Netze54,90 €
Diplomarbeit aus dem Jahr 2001 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 1,3, Westfälische Wilhelms-Universität Münster (Institut für Wirtschaftsinformatik), Sprache: Deutsch, Abstract: Die Literatur zum Data Mining dokumentiert zahlreiche Versuche, aus verschiedenartigsten Datenbeständen neue Erkenntnisse zu gewinnen. Es werden unterschiedliche Algorithmen des Data Mining beschrieben. In dieser Arbeit soll die Eignung Künstlich Neuronaler Netze als Mining-Algorithmen für die Methoden Clustern und Vorhersage untersucht werden. Dabei begrenzt sich die Sichtweise auf Backpropagation - und Kohonen-Netze , da diese Neuronalen Netze für Clustern und Vorhersagen prädestiniert sind. Sie stellen eine Alternative zu den statistischen Methoden zur Prognose- bzw. Clustererstellung dar. Die eingesetzten Neuronalen Netze sollen mit dem K-Means-Verfahren und dem Box-Jenkins-Ansatz verglichen werden.Die theoretischen Konstrukte werden anhand von Versicherungsdaten evaluiert. Die Ergebnisse zeigen die Vor- und Nachteile der untersuchten Methoden und geben dem Leser eine Handlungsempfehlung für die Auswahl von Data Mining-Algorithmen in der Praxis.