Neuronale Netze In Der Betriebswirtschaft
![Neuronale Netze In Der Betriebswirtschaft](https://ardhindie.com/assets/pdf.png)
DOWNLOAD
Download Neuronale Netze In Der Betriebswirtschaft PDF/ePub or read online books in Mobi eBooks. Click Download or Read Online button to get Neuronale Netze In Der Betriebswirtschaft book now. This website allows unlimited access to, at the time of writing, more than 1.5 million titles, including hundreds of thousands of titles in various foreign languages. If the content not found or just blank you must refresh this page
Neuronale Netze In Der Betriebswirtschaft
DOWNLOAD
Author : Hans Corsten
language : de
Publisher: Gabler Verlag
Release Date : 1996
Neuronale Netze In Der Betriebswirtschaft written by Hans Corsten and has been published by Gabler Verlag this book supported file pdf, txt, epub, kindle and other format this book has been release on 1996 with Business & Economics categories.
Neuronale Netze In Der Betriebswirtschaft
DOWNLOAD
Author : Peter Brosi
language : de
Publisher:
Release Date : 1994
Neuronale Netze In Der Betriebswirtschaft written by Peter Brosi and has been published by this book supported file pdf, txt, epub, kindle and other format this book has been release on 1994 with categories.
Neuronale Netze In Der Wertpapieranalyse
DOWNLOAD
Author : Lennart Berning
language : de
Publisher: GRIN Verlag
Release Date : 2016-06-28
Neuronale Netze In Der Wertpapieranalyse written by Lennart Berning and has been published by GRIN Verlag this book supported file pdf, txt, epub, kindle and other format this book has been release on 2016-06-28 with Business & Economics categories.
Projektarbeit aus dem Jahr 2013 im Fachbereich BWL - Investition und Finanzierung, Note: 1,3, Hochschule für Wirtschaft und Umwelt Nürtingen-Geislingen; Standort Nürtingen, Sprache: Deutsch, Abstract: Lernen ist ein langsamer, lebenslang andauernder Prozess der den Menschen auf seine heutige evolutorische Stufe gehoben hat. Die Grundlagen hierfür liegen in unserem komplexen und hochentwickelten Gehirn dessen Struktur uns das Lernen erst ermöglicht. Inspiriert durch das biologische Vorbild, das Informationen aufnimmt, speichert und Schlüsse für die Zukunft und unser zukünftiges Verhalten zieht, beschäftigen sich seit einigen Jahren Wissenschaftler damit, die neuronale Struktur in unserem Gehirn künstlich nachzubilden und damit basierend auf Zeitreihen der Vergangenheit Aussagen über den zukünftigen Verlauf der Zeitreihe zu treffen. Ein besonderer Aspekt ist hier die bereits erwähnte Fähigkeit des Menschen zu lernen, die Computer im Gegensatz zum Menschen in der Regel nicht besitzen. Mit künstlichen neuronalen Netzen (KNN) kann dem Computer diese Fähigkeit verliehen werden, wodurch sich völlig neue Einsatzmöglichkeiten ergeben. Beispielsweise lassen sich sehr leistungsstarke aber auch rechenintensive Netze zur kurzfristigen Prognose von Wertpapierindices oder Aktienkursen erstellen, auf welchen in dieser Arbeit auch der Schwerpunkt liegt. Zunächst wird auf das bereits erwähnte biologische Vorbild, das Gehirn, eingegangen, und der historische Ursprung künstlicher neuronaler Netze dargestellt. Daran anschließend werden der Aufbau eines künstlichen neuronalen Netzes sowie die Funktionsweise erläutert. Abschließend wird auf die vielfältigen Einsatzmöglichkeiten im Rahmen der Wertpapieranalyse eingegangen, und ein Fazit gezogen.
Neuronale Netze Als Basis F R Fortgeschrittenes Human Ressource Management
DOWNLOAD
Author : Michael Faustmann
language : de
Publisher: diplom.de
Release Date : 2003-10-29
Neuronale Netze Als Basis F R Fortgeschrittenes Human Ressource Management written by Michael Faustmann and has been published by diplom.de this book supported file pdf, txt, epub, kindle and other format this book has been release on 2003-10-29 with Business & Economics categories.
Inhaltsangabe:Zusammenfassung: Menschen sind in der Lage Verbindungen herzustellen, sind in der Lage assozia-tiv zu denken, können komplizierte Muster vervollständigen, können abstrahieren. Aus erlerntem Wissen, aus ungefähren Wahrnehmungen, aus Ideen, aus Inspirationen, aus Gedankenblitzen schaffen wir es Zusammenhänge zu erken-nen, Probleme zu lösen, Gedankengebäude zu entwickeln. Künstliche Neuronale Netzwerke (NN) sind in Aufbau und Funktionsweise dem menschlichen Gehirn nachgebildet. Sie lernen auf eine spezifische Art und Weise und haben, beispielsweise gegenüber Computern, ihre eigenen Stärken und Schwächen. Es können konkrete Aussagen darüber getroffen werden, welche Arten von Wissen und Fähigkeiten leicht erlernt werden können und welche Lernbedingungen für sie besonders günstig sind. Künstliche neuronale Netze werden in der Wirtschaft überwiegend für komplexe oder sich häufig wiederholende Aufgaben eingesetzt, die klassifizierenden oder beurteilenden Charakter haben. Anhand von weitgehenden Parallelen im Lernverhalten von biologischen und künstlichen neuronalen Netzen soll gezeigt werden, dass der Rückschluss auf menschliches Lernen durchaus zulässig ist und weiter, wie die über künstliche NN erlangten Erkenntnisse, in der betrieblichen Praxis angewen-det, Vorteile bringen könnten. Es geht zum einen um das Individuum:. Die unbewusste Kognition, das implizite Lernen und die vielleicht unterschätzte Bedeutung für die betriebliche Praxis. Zum anderen wird das Modell der NN auf die Informationsverarbeitung in sozialen Systemen, vornehmlich Gruppen, angewendet werden. Es wird gezeigt, wie und unter welchen Bedingungen Gruppen effizient arbeiten und wo sich Synergieeffekte verstecken. Der Hauptteil der Arbeit ist in drei Kapitel unterteilt. Im ersten Kapitel erfolgt eine Einführung in Aufbau und Funktionsweise neuronaler Netze und es werden erste Analogien zwischen den Lernverhalten künstlicher und natürlicher neuronaler Netzwerke dargestellt. Das zweite Kapitel stellt die Brücke zwischen der Theorie und der Praxis dar. Das Modell der Neuronalen Netze wird im ersten, dem individuenzentrierten und im zweiten, dem gruppenzentrierten Abschnitt auf das jeweilige Subjekt angewendet. Dadurch entstehen neue Sichtweisen mit weitreichenden Konsequenzen. Empirische Studien und Beispiele aus der Praxis stützen die Darstellung. Im dritten Kapitel soll dann exemplarisch das Human Ressource Management als Anwendungsfeld dienen. Anhand der [...]
Fr Hwarnung Durch Bilanzanalyse Mittels Neuronaler Netze
DOWNLOAD
Author : Alexei Galert
language : de
Publisher: GRIN Verlag
Release Date : 2007
Fr Hwarnung Durch Bilanzanalyse Mittels Neuronaler Netze written by Alexei Galert and has been published by GRIN Verlag this book supported file pdf, txt, epub, kindle and other format this book has been release on 2007 with categories.
Studienarbeit aus dem Jahr 2002 im Fachbereich BWL - Rechnungswesen, Bilanzierung, Steuern, Note: 2.3, Universität zu Köln (Seminar für Allgemeine BWL und für Wirtschaftsprüfung), Veranstaltung: Unternehmenspublizität und Jahresabschlussanalyse, Sprache: Deutsch, Abstract: In den letzten Jahren ist das Interesse an neuen betriebswirtschaftlichen Problemlösungsverfahren enorm gestiegen. Herkömmliche Verfahren aus dem Operations Research und der Statistik bieten angesichts hochkomplexer Probleme oft nur unbefriedigende Ergebnisse. Verfahren aus dem Forschungsgebiet der Künstlichen Intelligenz dringen zunehmend in betriebswirtschaftliche Problemstellungen vor. Künstliche Neuronale Netze (KNN) stellen "intelligente" Problemlösungsverfahren dar, die sich besonders für nicht-konservative Aufgabenstellungen eignen, bei denen kein exaktes Modell der Ursache-Wirkungszusammenhänge vorliegt. Die Verfahren zeichnen sich durch eine breite Anwendbarkeit in betrieblichen Aufgabengebieten aus. Die vorliegende Arbeit beschäftigt sich mit dem Einsatz von KNN in der Bilanzanalyse. Zunächst werden der Aufbau und die Funktionsweise von Neuronalen und Künstlichen Neuronalen Netzen erläutert. Folglich wird auf die Bilanzanalyse mit traditionellen und KNN-basierten Methoden eingegangen.
K Nstliche Neuronale Netze In Der Bilanzanalyse
DOWNLOAD
Author : Nils Oetjen
language : de
Publisher: GRIN Verlag
Release Date : 2009
K Nstliche Neuronale Netze In Der Bilanzanalyse written by Nils Oetjen and has been published by GRIN Verlag this book supported file pdf, txt, epub, kindle and other format this book has been release on 2009 with Business & Economics categories.
Studienarbeit aus dem Jahr 2006 im Fachbereich BWL - Rechnungswesen, Bilanzierung, Steuern, Note: 1,7, Universität Bremen, Veranstaltung: Bilanzanalyse, 14 Quellen im Literaturverzeichnis, Sprache: Deutsch, Abstract: Im Jahr 2004 erreichte die Zahl der Unternehmensinsolvenzen mit 39.600 Fällen einen neuen Höchststand. Zwar wurde der negative Trend im Jahr 2005 mit 37.900 angemeldeten Unternehmensinsolvenzen nicht fortgesetzt, doch stellt sich vor dem Hintergrund der hohen Unternehmenskrisen für Anteileigner, Kapitalgeber und Abschlussprüfer die Frage, wie solche negativen Entwicklungen bereits frühzeitig anhand von Jahresabschlussinformationen erkannt werden können. Herkömmliche Verfahren der Bilanzanalyse auf der Basis klassischer Kennzahlenbildung oder statistischer Verfahren zur Prognose ökonomischer Unternehmensentwicklungen bieten angesichts der hochdimensionalen nichtlinearen Problemstellungen oft nur eine eher befriedigende Lösung. Vor diesem Hintergrund erhalten moderne Verfahren aus dem Forschungsgebiet der künstlichen Intelligenz auf der Basis Künstlicher Neuronaler Netze (KNN) seit den neunziger Jahren Einzug in die betriebswirtschaftliche Forschung und Praxis. Sie zeichnen sich durch intelligente Verfahren der Problemlösung aus und sind auch bei nichtlinearen komplexen Problemstrukturen einsetzbar. Insbesondere die Fähigkeit Unternehmenskrisen frühzeitig zu identifizieren macht sie nicht nur für Kreditwürdigkeitsprüfer zum wichtigen Instrument der Analyse und Bewertung. Nachfolgend wird der Einsatz von KNN in der Bilanzanalyse zur Früherkennung von Unternehmenskrisen diskutiert. Im Zentrum der Diskussion steht dabei die häufig in der Fachliteratur vertretene Meinung, dass KNN die prognostischen Fähigkeiten angestammter Verfahren übertreffen. Hierzu wird zunächst das Verfahren der klassischen Bilanzanalyse und das mathematisch-statistische Verfahren der Multivariaten Diskriminanzanalyse vorgestellt. Der sich aus den zentralen Kritikpunkten der Verfahre
Neuronale Netze In Der Finanzanalyse Eine Empirische Untersuchung Anhand Von Finanznachrichten
DOWNLOAD
Author :
language : de
Publisher: GRIN Verlag
Release Date : 2024-03-14
Neuronale Netze In Der Finanzanalyse Eine Empirische Untersuchung Anhand Von Finanznachrichten written by and has been published by GRIN Verlag this book supported file pdf, txt, epub, kindle and other format this book has been release on 2024-03-14 with Business & Economics categories.
Diplomarbeit aus dem Jahr 2023 im Fachbereich BWL - Investition und Finanzierung, Note: 1,7, Ernst-Moritz-Arndt-Universität Greifswald, Sprache: Deutsch, Abstract: Die rasante Entwicklung der künstlichen Intelligenz hat einen revolutionären Einfluss auf verschiedene Aspekte unseres Lebens und unserer Gesellschaft. Seit der Einführung von ChatGPT durch die Firma OpenAI am 30. November 2022 hat sich die Landschaft des Informationsaustauschs und der Entscheidungsfindung grundlegend verändert. Diese Veränderungen sind besonders in der Finanzwelt spürbar, wo Investoren und Anleger stets bestrebt sind, innovative Wege zu finden, um Wertentwicklungen präziser vorherzusagen und fundierte Entscheidungen in Echtzeit zu treffen. Die Integration von künstlicher Intelligenz, insbesondere von neuronalen Netzen, in die Finanzanalyse ist ein Thema von wachsender Bedeutung und eröffnet neue Perspektiven für die Analyse und Bewertung von Finanzmärkten. Die vorliegende Arbeit widmet sich daher einer umfassenden Untersuchung des Einsatzes von neuronalen Netzen in der Finanzanalyse, mit dem Ziel, sowohl ihre Legitimität und Integration in die Finanzmarkttheorie zu bewerten als auch ihre Leistungsfähigkeit in der Praxis zu prüfen. Um das Thema in den betriebswirtschaftlichen Kontext einzuordnen, wird mit einer eingehenden Betrachtung der Grundlagen der Finanzmarkttheorie begonnen. Dabei wird besonderes Augenmerk auf die Entwicklung von der Hypothese effizienter Märkte hin zu den Überlegungen der Behavioral Finance gelegt, die traditionelle Annahmen über die Rationalität von Marktteilnehmern in Frage stellt. Im weiteren Verlauf der Arbeit wird der Sentimentanalyse von Finanzartikeln und den Möglichkeiten, die künstliche Intelligenz bietet, um ein tieferes Verständnis für das Verhalten der Finanzmärkte zu entwickeln, Aufmerksamkeit geschenkt. Insbesondere wird die Anwendung von neuronalen Netzen in der Sentimentanalyse betrachtet und mit klassischen Machine Learning-Ansätzen verglichen. Durch empirische Untersuchungen wird die Fähigkeit neuronaler Netze zur Sentimentanalyse von Finanznachrichten analysiert und die Ergebnisse in den Kontext der theoretischen Grundlagen gesetzt. Dabei werden sowohl Vor- und Nachteile dieses Ansatzes im Themenfeld der Finanzmärkte beleuchtet als auch mögliche Weiterentwicklungen oder Verbesserungen diskutiert. In der Zusammenfassung und im Ausblick werden schließlich wichtige Erkenntnisse zusammengefasst und Implikationen für zukünftige Forschung und Praxis aufgezeigt.
Neuronale Netzwerke Grundlagen Und Ausgew Hlte Anwendungsf Lle In Der Logistik
DOWNLOAD
Author :
language : de
Publisher: GRIN Verlag
Release Date : 2022-09-16
Neuronale Netzwerke Grundlagen Und Ausgew Hlte Anwendungsf Lle In Der Logistik written by and has been published by GRIN Verlag this book supported file pdf, txt, epub, kindle and other format this book has been release on 2022-09-16 with Business & Economics categories.
Projektarbeit aus dem Jahr 2020 im Fachbereich BWL - Beschaffung, Produktion, Logistik, Note: 1,0, , Sprache: Deutsch, Abstract: Ziel der vorliegenden Arbeit ist es, einen Überblick über die Funktionsweise Neuronaler Netzwerke zu gewinnen. Darüber hinaus sollen Anwendungsfälle Neuronaler Netzwerke in der Logistik kategorisiert und einige ausgewählte Anwendungsfälle exemplarisch näher erläutert werden. Systeme der Künstlichen Intelligenz (KI) sind Schlüsseltechnologien unserer Zeit und werden bereits in vielen Bereichen des alltäglichen Lebens eingesetzt. Ein Teilgebiet der schwachen KI bilden Künstliche Neuronale Netzwerke, für die es bereits zahlreiche Anwendungsbereiche gibt, zu denen auch die Logistik gehört. Künstliche Neuronale Netzwerke (nachfolgend als Neuronale Netzwerke bezeichnet) bestehen aus miteinander verbundenen Einheiten, die natürliche Neuronen nachbilden sollen. Die Informationsverarbeitung erfolgt, indem sich die Neuronen mithilfe von gewichteten Verbindungen untereinander aktivieren. Charaktertisch für Neuronale Netzwerke ist deren Lernfähigkeit. Sie können die Erledigung bestimmter Aufgaben anhand von Trainingsbeispielen erlernen, ohne dass dafür eine explizite Programmierung notwendig ist. Neben der Lernfähigkeit zeichnen sich Neuronale Netzwerke durch eine verteilte Wissensrepräsentation aus. Das gelernte „Wissen“ ist in Neuronalen Netzwerken in Gewichten verteilt gespeichert, was zum einen eine hochgradig parallele Informationsverarbeitung ermöglicht und zum anderen zu einer höheren Fehlertoleranz des Gesamtsystems gegenüber dem Ausfall einzelner Neuronen oder Verbindungen führt. Es existieren eine Vielzahl von Anwendungsbereichen, die von den Eigenschaften von Neuronalen Netzwerken profitieren könnten. Unternehmen wie Google setzen Neuronale Netzwerke u. a. zum Zweck der Bilderkennung ein. Und erst kürzlich besiegte Google Deep Mind den amtierenden Weltmeister im komplexen Strategiespiel Go. Dank der kontinuierlichen Weiterentwicklung in der Informationstechnik vergrößert sich das Anwendungsspektrum für Neuronale Netzwerke. Die Anwendungsbereiche Neuronaler Netzwerke in der Logistik sind ebenfalls vielfältig. Dies gilt nahezu für alle Bereiche der Wertschöpfungskette sowohl im Logistikbereich eines Unternehmens als auch für Logistikketten zwischen Unternehmen.
Neuronale Netze Und M Gliche Betriebswirtschaftliche Anwendungen
DOWNLOAD
Author : Mirko Weber
language : de
Publisher:
Release Date : 1999
Neuronale Netze Und M Gliche Betriebswirtschaftliche Anwendungen written by Mirko Weber and has been published by this book supported file pdf, txt, epub, kindle and other format this book has been release on 1999 with categories.
Bonit Tspr Fung Von Firmenkunden Mit Hilfe K Nstlicher Neuronaler Netze
DOWNLOAD
Author : Thomas Dittmar
language : de
Publisher: diplom.de
Release Date : 2001-05-03
Bonit Tspr Fung Von Firmenkunden Mit Hilfe K Nstlicher Neuronaler Netze written by Thomas Dittmar and has been published by diplom.de this book supported file pdf, txt, epub, kindle and other format this book has been release on 2001-05-03 with Business & Economics categories.
Inhaltsangabe: Inhaltsverzeichnis:Inhaltsverzeichnis: 1.Einleitung 1.1Aktuelle Entwicklung der Insolvenzen 1.2Motivation und Ziel der Arbeit 1.3Gang der Darstellung 2.Grundlagen der Bonitätsprüfung 2.1Gegenstand und Ziel der Bonitätsprüfung 2.2Jahresabschlußanalyse: Verfahrensüberblick 2.3Verfahren der Kennzahlenanalyse 2.3.1Grundlagen 2.3.2Traditionelle Kennzahlenanalyse 2.3.3EDV-gestützte Kennzahlenanalyse 3.Empirisch-induktive Verfahren 3.1Regressionsanalyse 3.2Diskriminanzanalyse: Grundlagen und Vorbereitungen 3.2.1Begriffsabgrenzung 3.2.2Zweiteilung des Datenmaterials 3.2.3Auswahl der Kennzahlen 3.2.4Festlegung der Zielsetzung 3.3Univariate Diskriminanzanalyse 3.4Multivariate Diskriminanzanalyse 3.4.1Prüfung auf Normalverteilung 3.4.2Prüfung auf Trennfähigkeit 3.4.3Das Problem der Multikollinearität 3.4.4Gleichheit der Varianz-Kovarianz-Matrizen 3.4.5Ermittlung der Diskriminanzfunktion 3.4.6Vergleich der Methoden der MDA 3.5Mustererkennung 4.Künstliche Neuronale Netze 4.1Grundlagen und Begriffsabgrenzung 4.1.1Das biologische Vorbild 4.1.2Das Neuron 4.1.3Die Netz-Topologie 4.1.4Die Lernregeln 4.2Exemplarische Beschreibung einiger Netztypen 4.2.1Das Perzeptron 4.2.1.1Grundlagen 4.2.1.2Das Trainingsverfahren für das Perzeptron 4.2.1.3Beispiel 1: Das Perzeptron 4.2.2Das Multi-Layer-Perceptron 4.2.2.1Grundlagen 4.2.2.2Beispiel 2: Das XOR-Problem mit dem MLP 4.2.2.3Der Backpropagation-Algorithmus 4.2.2.4Beispiel 3: Der Backpropagation-Algorithmus 4.2.3Counterpropagation 4.2.4Learning Vector Quantization 4.3Probleme beim Training von KNN 4.3.1Overlearning 4.3.2Probleme im Zusammenhang mit dem Gradientenabstiegsverfahren 5.Bonitätsprüfung mit Neuronalen Netzen 5.1Grundsätzliche Vorüberlegungen 5.1.1Wahl der freien Parameter 5.1.2Exkurs: Probleme bei der Datenbeschaffung 5.2Studien zur Bonitätsprüfung mit NN 5.2.1ODOM/SHARDA (1990) 5.2.2ERXLEBEN ET AL. (1992) 5.2.3REHKUGLER/PODDIG (1992) 5.2.4BAETGE ET AL. (1994B) 5.2.5ALTMAN ET AL. (1994) 5.2.6Weitere Studien 5.2.7Kritische Würdigung der Studien 5.2.8Leitfaden für die Erstellung eines NN zur Bonitätsprüfung 6.Zusammenfassung und Ausblick Anhang Literaturverzeichnis Stichwortverzeichnis Bei Interesse senden wir Ihnen gerne kostenlos und unverbindlich die Einleitung und einige Seiten der Studie als Textprobe zu. Bitte fordern Sie die Unterlagen unter [email protected], per Fax unter 040-655 99 222 oder telefonisch unter 040-655 99 20 an.