Künstliche Intelligenz im Finanzwesen

Anhang B. Klassen des neuronalen Netzes

Aufbauend auf den Grundlagen von Anhang A bietet dieser Anhang einfache, klassenbasierte Implementierungen von neuronalen Netzen, die die APIs von Paketen wie scikit-learn nachahmen. Die Implementierung basiert auf reinem, einfachem Python-Code und dient der Veranschaulichung und Anleitung. Die in diesem Anhang vorgestellten Klassen können die robusten, effizienten und skalierbaren Implementierungen in den Standard-Python-Paketen, wie scikit-learn oder TensorFlow in Kombination mit Keras, nicht ersetzen.

Der Anhang umfasst die folgenden Abschnitte:

• "Aktivierungsfunktionen" stellt eine Python-Funktion mit verschiedenen Aktivierungsfunktionen vor.

• "Simple Neural Networks" stellt eine Python-Klasse für einfache neuronale Netze vor.

• "Shallow Neural Networks" stellt eine Python-Klasse für flacheneuronale Netze vor.

• "Predicting Market Direction" wendet die Klasse für flache neuronale Netze auf Finanzdaten an.

Die Implementierungen und Beispiele in diesem Anhang sind einfach und überschaubar. Die Python-Klassen sind nicht gut geeignet, um größere Schätz- oder Klassifizierungsprobleme anzugehen. Die Idee ist vielmehr, leicht verständliche Python-Implementierungen von Grund auf zu zeigen.

Aktivierungsfunktionen

Anhang A verwendet implizit oder explizit zwei Aktivierungsfunktionen: lineare Funktion und Sigmoidfunktion. Die Python-Funktion activation fügt die Funktionen relu (gleichgerichtete lineare Einheit) und softplus zu der Menge der ...