Ein Beitrag zur Anwendung Neuronaler Netze

Abstract

Diese Arbeit untersucht den Einsatz von Neuronalen Netzen in industriellen Applikationen. In der heutigen Zeit finden Themengebiete wie Neuronale Netze, Fuzzy Logic und genetische Algorithmen immer mehr Bedeutung. Auf der Suche nach schnelleren leistungsfaehigeren Systemen stellen Soft Computing Methoden eine wichtige Alternative zu konventionellen Systemen dar. Die Grundidee dieser Arbeit ist eine Realisierung von ausgewaehlten Projekten aus Technik und Wirtschaft mit Hilfe von intelligenten Technologien. Dabei werden auch konventionelle Loesungsansaetze beschrieben und mit den entwickelten Resultaten verglichen. Durch eine Evaluierung der Ergebnisse sollen die Einsatzmoeglichkeiten von Neuronalen Netzen analysiert werden. Die Basis der Untersuchungen stellen zwei Fallstudien dar: die Prognoseaufgabe "Intelligent Cash Management for ATM Machines" und die Klassifikationsaufgabe "Basel 2 - Kreditrating". Als Entwicklungsumgebung steht das Soft Computing Tool ECANSE zur Verfuegung, welches ein einfaches Implementieren von Neuronalen Netzen, Fuzzy Logic und genetischen Algorithmen erlaubt. Das erste Projekt beschreibt die Verbesserung von herkoemmlichen statistischen Vorhersagesystemen durch Neuronale Netze. Zusaetzlich wird der Einsatz eines Expertensystems diskutiert und eine Kombination der beiden Technologien vorgestellt. Das entwickelte Gesamtsystem verbindet damit die Flexibilitaet des Expertensystems mit der Eigenschaft des Neuronalen Netzes, Muster und Trends aus historischen Daten zu extrahieren. In der zweiten Fallstudie werden Kohonen Netze zur Loesung von Klassifikationsaufgaben verwendet. Dabei steht die Entwicklung eines neuen Algorithmus im Vordergrund, welcher ein automatisches Evaluieren der gefundenen Cluster ermoeglicht. Die Arbeit zeigt, dass der Einsatz von Neuronalen Netzen nur dann sinnvoll ist, wenn eine ausreichende Menge an aussagekraeftigen Lerndaten verfuegbar ist.

This thesis deals with the application of Neural Networks for economic problems. It compares conventional systems with new Soft Computing Methods and describes why Neural Networks, Fuzzy Logic and Genetic Algorithms are more and more important today. Due to this development appropriate tools are needed to scope with the corresponding requirements. ECANSE (Environment for Computer Aided Neural Software Engineering) provides this support and offers an ideal framework for rapid prototyping. This paper tries to find out, how the latest theoretical findings can be put into practice. The bases of this work are two case studies: the forecast-problem "Intelligent Cash Management for ATM Machines" and the classification-problem "Basel 2 - Credit Rating". The performance of these two prototypes should be evaluated. The Analysis of the first project shows, how conventional forecast-Methods can be improved by new intelligent technologies. A lot of possibilities are discussed in order to combine Neural Networks with Expert Systems. The thesis presents a solution, which takes advantage of both subsystems. The developed forecast system is flexible and fast like an Expert System and uses the ability of a Neural Network to extract trends from historical data. The second case study describes the solution of a classification-problem with the help of a Kohonen Network. Here the customers of a bank should be sorted according to their creditworthiness. The developed classification-system allows an automated evaluation of the calculated clusters. The new algorithm can be used universally and helps to reduce time and costs. Additionally it provides a clearly arranged user interface. It turns out, that Neural Networks are suitable for solving various economic problems. The thesis also underlines, that appropriate results can only be reached if the Quality and Quantity of the available learning-data is enough.