1.Einleitung

Neuronale Netze sind Computerprogramme, die im wesentlichen so ähnlich arbeiten, wie man sich die Arbeitsweise des Gehirns eines Menschen vorstellt. Informationen werden mittels Wichtungsfaktoren, welche der Synapsenstärken zwischen Neuronen entsprechen, gespeichert. Durch Untersuchung der Einsatzmöglichkeiten der neuronalen Netze in der Industrie hat sich gezeigt, daß sie sich durch diese Arbeitsweise für nahezu alle Anwendungsfälle der Mustererkennung anbieten. "Mustererkennungsverfahren sind vor allem dann besonders vorteilhaft, wenn sich eine mathematische Beschreibung des Prozesses nicht oder nur mit hohem Aufwand gewinnen läßt, eine Prozeßbeschreibung aber in Form von Ein- und Ausgabedaten vorliegt. Dies ist häufig bei komplexen Bearbeitungsverfahren in der Fertigungstechnik der Fall, wo Neuronale Netze zur Überwachung von Maschinen und Prozessen eingesetzt werden sowie im Rahmen der Qualitätssicherung. Hier besteht die Möglichkeit, aus aufgenommenen Prozeß- oder Anlagensignalen sogenannte Muster zu generieren und diesen Mustern ohne Kenntnis der analytischen Zusammenhänge Klassen zuzuordnen, die die Prozeß- oder Anlagenzustäde repräsentieren. Aber auch chemische und biotechnische Prozesse kommen besonders in Frage, da sie sich häufig einer parametrischen Beschreibung entziehen sowie durch extrem starke Nichtlinearität gekennzeichnet sind"(Zimmermann, Seite 71). "Im Zusammenhang mit der Chaosforschung sind sie vor allem zur Vorhersage von Zeitreihen interessant. Das 'Muster' ist dabei ein Stück der gemessenen Zeitreihe, und das Netz soll nun als Ausgabewert den nächsten Wert voraussagen"(Eberl, Seite 46). In dieser Seminararbeit wird der Aufbau, die Arbeitsweise und das Training eines neuronalen Netzes beschrieben, das nötig ist, um eine Vorhersage (Prädiktion) einer beliebigen Zeitreihe zu realisieren.