Mit künstlichen neuronalen Netzen können Klassifikationsaufgaben, die häufig und vielfältig bei Entscheidungsproblemen in Unternehmen auftreten, gelöst werden. Die Ergebnisqualität hängt dabei von zahlreichen Parametereinstellungen ab.Der Verfasser beschreibt Voraussetzungen und Maßnahmen für eine leistungsfähige Anwendung künstlicher neuronaler Netze. Als Alternative zu aufwendigen manuellen Entwicklungsprozessen werden evolutionäre Optimierungsverfahren zur Entwicklung zweier verschiedener Typen von Klassifikationsnetzen vorgestellt.
Die Leistungsfähigkeit dieser Algorithmen, die vom Verfasser zum Teil parallelisiert in einem PC-Rechnernetz implementiert sind, wird durch ein Anwendungsbeispiel, in dem Filialstandorte eines Einzelhandelsunternehmens anhand zu erwartender Umsatzhöhen bewertet werden, gezeigt.
Dieses Buch ist gleichermaßen für den Praktiker als auch für den wissenschaftlich interessierten Leser nützlich und empfehlenswert.
Dissertation Universität Hamburg, Fachbereich Wirtschaftswissenschaften, 2002
Die Leistungsfähigkeit dieser Algorithmen, die vom Verfasser zum Teil parallelisiert in einem PC-Rechnernetz implementiert sind, wird durch ein Anwendungsbeispiel, in dem Filialstandorte eines Einzelhandelsunternehmens anhand zu erwartender Umsatzhöhen bewertet werden, gezeigt.
Dieses Buch ist gleichermaßen für den Praktiker als auch für den wissenschaftlich interessierten Leser nützlich und empfehlenswert.
Dissertation Universität Hamburg, Fachbereich Wirtschaftswissenschaften, 2002