Anwendungsmöglichkeiten neuronaler Netze zur Unterstützung strategischer Entscheidungen
- Art: Diplomarbeit
- Autor: Gunther Wagner
- Abgabedatum: März 1998
- Umfang: 118 Seiten
- Dateigröße: 11,1 MB
- Note: 1,0
- Institution / Hochschule: Ludwig-Maximilians-Universität München Deutschland
- ISBN (eBook): 978-3-8324-1136-7
-
ISBN (Paperback) :
978-3-8324-1136-7 P - ISBN (CD) :978-3-8324-1136-7 CD
- Sprache: Deutsch
- Prämierung:
- Arbeit zitieren: Wagner, Gunther März 1998: Anwendungsmöglichkeiten neuronaler Netze zur Unterstützung strategischer Entscheidungen, Hamburg: Diplomica Verlag
- Schlagworte: Strategische Planung, Strategisches Management, Wirtschaftsinformatik, Neuronale Netze
In den Warenkorb
38,00 €
Diplomarbeit von Gunther Wagner
Einleitung:
Die Arbeit beschäftigt sich mit der Forschungsfrage, inwiefern neuronale Netze unterstützend im Zusammenhang mit strategischen Entscheidungen eingesetzt werden können. Damit wird der Fokus computerbasierter Anwendungen, der in der Regel auf quantitative Fragestellungen beschränkt ist, um eine qualitative Komponente erweitert.
Zu Beginn der Arbeit wird ein Überblick über die Inhalte und den Prozeß der strategischen Führung bzw. der strategischen Planung gegeben und die Determinanten strategischer Entscheidungen identifiziert. Im Anschluß daran werden sich bereits in der Praxis im Zusammenhang mit quantitativen und qualitativen Problemstellungen im Einsatz befindende Systeme vorgestellt. Hier kommen Frühaufklärungssysteme, Expertensysteme und statistische Verfahren zur Anwendung, von denen unter der zu behandelnden Thematik jeweils die Kennzeichen, Stärken und Schwächen aufgezeigt werden. Dem schließt sich die Erläuterung der Theorie und Praxis der neuronalen Netze an. In der theoretischen Abhandlung wird der grundsätzliche Aufbau und die Funktionsweise dieser Netze vorgestellt und verschiedene Typen erläutert. Dann werden die Einsatzmöglichkeiten der neuronalen Netze aufgezeigt, indem zunächst deren Eigenschaften identifiziert und dann im Hinblick auf deren Relevanz bezüglich qualitativer Fragestellungen evaluiert werden. Außerdem werden Anwendungsbeispiele aus der Praxis - z. B. im Kontext von Währungskurs- und Aktienkursprognosen - und die Grenzen der neuronalen Netze aufgezeigt.
Inhaltsverzeichnis:
| 1. | Einleitung | |
| 1.1 | Problemstellung | 1 |
| 1.2 | Vorgehensweise | 1 |
| 2. | Problemstellung im Prozeß der strategischen Führung | |
| 2.1 | Aufbau des strategischen Führungsprozesses | 2 |
| 2.2 | Einordnung der strategischen Planung | 3 |
| 2.3 | Die Bedeutung von Entscheidungen | 3 |
| 2.4 | Komponenten der strategischen Führung | 4 |
| 2.4.1 | Kennzeichen der unternehmerischen Vision | 4 |
| 2.4.2 | Probleme bei der Formulierung der Strategien | 5 |
| 2.4.3 | Schwierigkeiten bei der Ausarbeitung der Direktiven | 6 |
| 2.4.4 | Bedeutung der Organisation und die Ausführung der Operativen | 7 |
| 2.5 | Determinanten strategischer Entscheidungen | 7 |
| 3. | Vorstellung bisheriger Lösungsansätze | |
| 3.1 | Frühaufklärungssysteme | 10 |
| 3.1.1 | Aufgabe von Frühaufklärungssystemen | 10 |
| 3.1.2 | Arten von Frühaufklärungssystemen | 10 |
| 3.1.2.1 | Frühwarnsysteme | 10 |
| 3.1.2.2 | Früherkennungssysteme | 11 |
| 3.1.2.3 | Strategisches Radar | 11 |
| 3.2 | Expertensysteme | 12 |
| 3.2.1 | Aufbau von Expertensystemen | 12 |
| 3.2.2 | Kennzeichen von Expertensystemen | 13 |
| 3.2.2.1 | Wissensakquisitionskomponente | 13 |
| 3.2.2.2 | Erklärungskomponente | 14 |
| 3.2.3 | Grenzen beim Einsatz von Expertensystemen | 14 |
| 3.2.4 | Einsatz von Expertensystemen in der strategischen Planung | 15 |
| 3.3 | Statistische Verfahren | 16 |
| 3.3.1 | Diskriminanzanalyse | 16 |
| 3.3.1.1 | Zielsetzung der Diskriminanzanalyse | 16 |
| 3.3.1.2 | Arten von Diskriminanzanalysen | 17 |
| 3.3.1.2.1 | Multivariate lineare Diskriminanzanalyse | 18 |
| 3.3.1.2.2 | Multivariate quadratische Diskriminanzanalyse | 18 |
| 3.3.1.3 | Probleme beim Einsatz von multivariaten Diskriminanzanalysen | 18 |
| 3.3.1.4 | Einsatzgebiete der linearen Diskriminanzanalyse | 19 |
| 3.3.2 | Regressionsanalyse | 19 |
| 4. | Theorie der künstlichen neuronalen Netze | |
| 4.1 | Aufbau neuronaler Netze | 20 |
| 4.1.1 | Neuronen und Verbindungen | 20 |
| 4.1.1.1 | Die Inputfunktion | 21 |
| 4.1.1.2 | Die Aktivierungsfunktion | 21 |
| 4.1.1.3 | Die Outputfunktion | 22 |
| 4.1.2 | Schichten | 23 |
| 4.2 | Methodik des Lernens | 24 |
| 4.2.1 | Lernarten | 25 |
| 4.2.1.1 | Überwachtes Lernen | 25 |
| 4.2.1.2 | Unüberwachtes Lernen | 25 |
| 4.2.2 | Lernfunktionen | 26 |
| 4.2.2.1 | Die Lernmethode nach Hebb | 26 |
| 4.2.2.2 | Die Delta-Regel | 27 |
| 4.2.2.3 | Der Backpropagation-Algorithmus | 27 |
| 4.3 | Klassifikation neuronaler Netze | 28 |
| 4.3.1 | Netze ohne Rückkopplung | 29 |
| 4.3.2 | Netze mit Rückkopplung | 29 |
| 4.4 | Modelle neuronaler Netze | 30 |
| 4.4.1 | Das Perceptron | 30 |
| 4.4.2 | Das Hopfield-Modell | 32 |
| 4.4.2.1 | Die Energiefunktion | 33 |
| 4.4.2.2 | Simuliertes Kühlen | 34 |
| 4.4.3 | Die Boltzmann-Maschine | 35 |
| 4.4.4 | Das Modell nach Kohonen | 35 |
| 4.4.5 | Historische Entwicklung | 36 |
| 5. | Einsatzmöglichkeiten neuronaler Netze im strategischen Bereich | |
| 5.1 | Eigenschaften neuronaler Netze | 38 |
| 5.1.1 | Parallele Architektur | 38 |
| 5.1.1.1 | Aufbau paralleler Modelle | 38 |
| 5.1.1.2 | Kennzeichen der parallelen Architektur | 38 |
| 5.1.2 | Die Lernfähigkeit | 39 |
| 5.1.2.1 | Beschaffenheit der Daten | 39 |
| 5.1.2.2 | Der Lernprozeß | 40 |
| 5.1.3 | Die Assoziativität | 41 |
| 5.1.4 | Die Fähigkeit des Generalisierens | 42 |
| 5.1.5 | Fehlertoleranz | 43 |
| 5.2 | Anwendungen auf strategische Fragestellungen | 44 |
| 5.2.1 | Analyse der strategischen Daten | 44 |
| 5.2.1.1 | Strukturierung der strategischen Daten | 44 |
| 5.2.1.2 | Strategische Daten und Vision | 45 |
| 5.2.1.3 | Strategische Signale | 47 |
| 5.2.2 | Klassifikation strategischer Daten | 48 |
| 5.2.3 | Prognose strategischer Entwicklungen | 49 |
| 5.2.3.1 | Umweltparameter | 49 |
| 5.2.3.2 | Marktparameter | 51 |
| 5.2.3.3 | Modell zur Unterstützung der Strategieformulierung | 52 |
| 5.2.3.4 | Strategieüberwachung | 54 |
| 5.2.4 | Kombination mit anderen Instrumenten | 54 |
| 5.2.5 | Einordnung im Entscheidungsfindungsprozeß | 55 |
| 5.3 | Anwendungsbeispiele | 57 |
| 5.3.1 | Währungskursprognosen | 57 |
| 5.3.2 | Aktienkursprognosen | 58 |
| 5.3.3 | Kreditwürdigkeitsprüfungen | 59 |
| 5.3.4 | Klassifikation von Unternehmen | 60 |
| 5.3.5 | Weitere Anwendungsbereiche | 62 |
| 5.4 | Probleme beim Einsatz neuronaler Netze | 63 |
| 5.4.1 | Beschaffung der Daten | 63 |
| 5.4.2 | Netztyp und Netzarchitektur | 64 |
| 5.4.2.1 | Overfitting | 64 |
| 5.4.2.2 | Genetische Algorithmen | 64 |
| 5.4.3 | Erklärungskomponente | 65 |
| 5.4.3.1 | Fuzzy-Sets | 66 |
| 5.4.3.2 | Sensitivitätsanalyse | 67 |
| 5.4.3.3 | Kombination mehrerer Systeme | 67 |
| 5.4.4 | Technische Voraussetzungen | 68 |
| 6. | Schlußbetrachtung und Ausblick | 70 |
In den Warenkorb
38,00 €
Link zur Arbeit:
http://www.diplom.de/ean/9783832411367
Arbeit zitieren:
Wagner, Gunther März 1998: Anwendungsmöglichkeiten neuronaler Netze zur Unterstützung strategischer Entscheidungen, Hamburg: Diplomica Verlag
Schlagworte:
Strategische Planung, Strategisches Management, Wirtschaftsinformatik, Neuronale Netze
Entdecken Sie mehr zum Thema
