Neuronale Netze für Clustern und Vorhersage. Methodenvergleich und Tools

Die Arbeit untersucht die Eignung Künstlicher Neuronaler Netze, insbesondere Backpropagation- und Kohonen-Netze, als Algorithmen für die Methoden Clustern und Vorhersage im Data Mining. Sie analysiert deren Leistungsfähigkeit im Vergleich zu traditionellen statistischen Methoden wie dem K-Means-Verfahren und dem Box-Jenkins-Ansatz. Ziel ist es, neue Erkenntnisse aus unterschiedlichen Datenbeständen zu gewinnen und die Vorteile neuronaler Netze in diesem Kontext herauszustellen. Die Ergebnisse sollen dazu beitragen, die Anwendbarkeit dieser Technologien in der Wirtschaftsinformatik zu bewerten.