Statistische Modellierung mit Neuronalen Netzen und Anwendungen in der Geographischen Informationsverarbeitung

Abstract

Dieser Beitrag gibt eine Einführung in das Gebiet der nichtlinearen Regressionsmodellierung mit Hilfe von Neuronalen Netzen (NN). Eine solchermaßen angestrebte quantitative Modellierung hat üblicherweise nicht die perfekte Repräsentation von beobachteten Daten zum Ziel, sondern verfolgt die Entwicklung eines statistischen Modells des zugrundeliegenden Prozesses. Die hier betrachtete Klasse der Vorwärtsgerichteten NN (Feedforward NN) erlaubt eine sehr allgemeine Modellierung des datengenerierenden Mechanismus; die Feedforward NN werden als eine allgemeine Form der nichtlinearen Regressionsmodelle vorgestellt. Der oftmals angeführte biologisch inspirierte Erklärungsansatz zur Funktionsweise von NN wird hier nicht explizit verfolgt. Auch eine allgemeine Einführung in die Theorie der Neuronalen Netze insgesamt wird nicht angestrebt. Hingegen wird der Einsatzbereich dieser NN-Technologie im Kontext der geographischen Informationsverarbeitung umrissen.

Publication
In Beiträge zum AGIT-Symposium Salzburg, Wichmann Verlag
Marion Czeranka
Marion Czeranka
PhD, Managing Director

Geographical Information Systems and geodata management expert.

Adrian Trapletti
Adrian Trapletti
PhD, CEO

Quant, software engineer, and consultant mostly investment industry. Long-term contributor and package author R Project for Statistical Computing.

Related