Neuronale Netze für Kennlinienauswertung
-
Servus,
Mit neuronalen Netzen lassen sich doch Kennlinien nachbilden. Aktienkurse würden bereits damit untersucht.
Ich würde das gerne in meiner Anwendung ausprobieren.Die Anforderung:
Ein Kennlinienfeld abhängig von drei Variablen ist gegeben f(a,b,c). Dabei werden ca. 20 .. 500 Messpunkte ausgewertet. Aus diesem Kennlinienfeld würde ich gerne in einem Simulationsprogram interpolieren UND extrapolieren.Gibts da schon was Vorbereitetes, bei dem ich abschauen kann?
Bisher hat mir g**g*e nichts dies betreffend ausgespuckt. Ich möchte halt nicht komplett alles lernen, dafür hab ich keine Zeit. Scheint auch recht viel zu sein.Für Anregungen bin ich dankbar
-
Für Kennlinien ( spez. Zeitreihen ) werden vermutlich rekurrente neuronale Netze benötigt. Ist ein schwieriges Thema...
Informationen in dem Gebiet sind nur sehr spartanisch vorhanden. Habe zwar über rekurrente Netze meine Diplomarbeit geschrieben, aber die hatte nix mit Interpolation und Extrapolation zu tun
Auch nicht mit Zeitreihenverhersage...Würde mich trotzdem interessieren, falls jemand dazu genauere Infos hat.
-
ich glaube nicht, dass es sinn macht, mathematische zusammenhänge mit einem neronalen netz zu lernen.
ich denke eine regression mit einem geeigneten modell ist da vielversprechender.edit:
ein nn (multilayer perzeptron) ist ja genau genommen auch nur eine funktion mit jede menge parametern, die mit den trainignsdaten optimiert werden. das sind allerdings so viele parameter, das ich mir nicht vorstellen kann, dass sich die durch das netz gelernte funktion, außerhalb des durch die trainingsdaten abgebildeten Bereichs (Extrapolation) vernünftige werte berechnet. Die Interpolatioon funktioniert eventuell sogar.
-
Da stimme ich dir zu. Ein KNN ist wohl etwas oversized für seinen Anwendungsbereich.
Falls seine Kennlinien Zeitreihen sind, dann wird wohl nicht mal mehr ein MLP ausreichen ( dafür hätte ich sogar einen BackPropagation Algorithmus zur Hand ).
Hab es mit einem MLP ehrlich gesagt auch noch nie probiert...
-
Die Kennlinien sind keine Zeitreihen.
Die Durchlassspannung eines PN Überganges ist abhängig von Temperatur, Schaltspannung und Strom. Das sind die drei Variablen. Beim Messen verschiedener Prüflinge kann es z.B. zum Einbrechen der Schaltspannung kommen, wodurch auch der Strom beeinflusst wird usw.
Dadurch bekommt man bei der Messung im besten Fall eine Punktewolke.Bisher habe ich einzelne Messreihen normiert, wodurch es bereits zu Fehlern kommt. Des Weiteren ist die Interpolationsgeschwindigkeit sehr wichtig, da die Simulationsdauer sehr lange ist.
Mit einem trainierten Netz könnte man die Simulationsgeschwingkeit sicher erheblich beschleunigen, da nicht immer von neuem Interpoliert werden muss. Es muss lediglich einmal trainiert werden.
Über die Machbarkeit kann ich nichts sagen, da ich noch nie was mit KNN zu tun hatte. Aktienkurse vorhersagen sollte doch aber in die gleiche Richtung gehen.
-
Die Energietechniker benutzen auch viel KNN (und andere Verfahren) für Kraftwerkseinsatzplanung, Lastprognosen, etc.
Wenn Du in der Fakultät zufällig jemanden kennst...
-
It0101 schrieb:
Habe zwar über rekurrente Netze meine Diplomarbeit geschrieben, aber die hatte nix mit Interpolation und Extrapolation zu tun
Hi!
Können wir darüber reden? Ich habe ein paar interessante Projekte die Dich vielleicht interessieren werden.
