4. Prädiktion einer Funktion durch ein neuronales Netz

Nachdem das Training des Netzes abgeschlossen ist, kann das Netz sowohl interpolieren, wenn der Ausgangswert für einen Zeitpunkt zu bestimmen ist, der kleiner als der maximale Zeitpunkt der Trainingsdatensätze ist, als auch extrapolieren, wenn der Ausgangswert für einen Zeitpunkt zu bestimmen ist, der größer als der maximale Zeitpunkt der Trainigsdatensätze ist. Der Nachteil eines neuronalen Netzes ist, daß es nur für ein Dt trainiert werden kann, d.h. nur für einen Vorhersagezeitraum (z.B. einen Tag, eine Woche, ein Monat...). In dem oben beschriebenen Beispiel würde das bedeuten, daß der Wochenschlußkurs immer nur wochenweise bestimmt werden kann. Will man nun aber den Tagesschlußkurs einer Aktie, muß ein Netz mit den vorangegangenen Tagesschlußkursen trainiert werden. Steht nur ein Netz zur Verfügung, kann man dieses Problem dadurch lösen, daß man dieses Netz mit kleinen Zeitintervallen trainiert. Den Ausgabewert für ein größeres Zeitintervall bekommt man dann dadurch, daß man den Wert den dieses Netz für das kleine Zeitintervall liefert zu den Eingangsdaten dazugibt. Wiederholt man dies oft genug, ergibt sich dann ein Vorhersagewert für einen größeren Zeitraum. Bei dieser Vorgehensweise muß man allerdings berücksichtigen, daß für mehrmalige Wiederholung der Fehler größer ist, als wenn man ein Netz für den gesuchten Zeitraum trainiert hätte.

Zurück zum Inhaltsverzeichnis