Künstliche Intelligenz im Finanzwesen

Anhang A. Interaktive neuronale Netze

In diesem Anhang werden die grundlegenden Konzepte neuronaler Netze mit einfachem Python-Code erforscht - sowohl auf der Basis einfacher als auch flacher neuronaler Netze. Ziel ist es, ein gutes Verständnis und eine gute Intuition für wichtige Konzepte zu vermitteln, die bei der Arbeit mit Standardpaketen für maschinelles und tiefes Lernen oft hinter hochrangigen, abstrakten APIs verschwinden.

Der Anhang enthält die folgenden Abschnitte:

• "Tensoren und Tensoroperationen" behandelt die Grundlagen von Tensoren und die Operationen, die mit ihnen durchgeführt werden.

• In "Einfache neuronale Netze" geht es um einfache neuronale Netze oder neuronale Netze, die nur eine Eingabe- und eine Ausgabeschicht haben.

• "Shallow Neural Networks" konzentriert sich auf flache neuronale Netze oder neuronale Netze mit einer versteckten Schicht.

Tensoren und Tensoroperationen

Neben der Implementierung verschiedener Importe und Konfigurationen zeigt der folgende Python-Code die vier Arten von Tensoren, die für die Zwecke dieses Anhangs relevant sind: Skalar-, Vektor-, Matrix- und Würfeltensoren. Tensoren werden in Python im Allgemeinen als potenziell mehrdimensionale ndarray Objekte dargestellt. Für weitere Details und Beispiele siehe Chollet (2017, Kap. 2):

In [1]: import math
        import numpy as np
        import pandas as pd
        from pylab import plt, mpl
        np.random.seed(1)
        plt.style.use('seaborn')
        mpl.rcParams['savefig.dpi'] = 300
        mpl.rcParams['font.family'] =