PPT
Werbung
CEF 2001, New Haven Genetic Neural Fuzzy Explorer GENEFER Konzeption, Technologien und Einsatzmöglichkeiten Eric Ringhut Muenster Institute for Computational Economics [email protected] Gliederung CEF 2001, New Haven Idee und Motivation Technologie Fuzzy-Mengen und Fuzzyregeln Fuzzy Inferenz Die Software GENEFER Konjunkturprognosen und Ergebnisanalyse 2 Idee und Motivation CEF 2001, New Haven • Theoretische Modellkomponente Eine realitätsnähere Erwartungsbildungshypothese zu entwickeln, die speziell der Tatsache Rechnung trägt, dass Menschen in komplexen Umgebungen nicht vollkommen rational im Sinne Muth‘s handeln können. • Praktische Anwendungskomponente Wissensbasiertes, KI-gestütztes Prognosewerkzeug für empirische Analysen als Alternative zur statistisch-ökonometrischen Methode. ▌▌▌▌ 3 Klassifizierung von Erwartungshypothesen CEF 2001, New Haven extrem hoch rationale Erw artungen adaptive Fuzzyregel-basierte Erw artungen adaptive Erw artungen extrapolative Erw artungen extrem niedrig statische Erw artungen niedrig regressive Erw artungen Wissensstand ▌▌▌▌ Grenze des Informationsumfangs Lernfähigkeit Grenze der Inf ormationsverarbeitung vollständig 4 Anforderungen an eine „realitätsnähere“ Formulierung CEF 2001, New Haven • Explizite Wissensrepräsentation (Interpretierbarkeit) • Berücksichtigung von Unsicherheit (bounded rationality) • Erfahrungsabhängigkeit (Lernen) adaptive Fuzzyregel-basierte Erwartungen ▌▌▌▌ 5 Adaptive Fuzzyregel-basierte Erwartungen CEF 2001, New Haven Warum regelbasiert? Menschen suchen nach Regelmäßigkeiten in komplexen Situationen, mentale Modelle Warum fuzzy? Unsicherheit über die genaue Funktionsweise des Marktes und der Interpretation von Daten Warum adaptiv? Menschen lernen aus Erfahrungen und verwerfen Regeln, formulieren neue, modifizieren bestehende, etc. ▌▌▌▌ 6 Beschreibung komplexer Systeme CEF 2001, New Haven formal: Mathematik/Statistik/Ökonometrie anspruchsvoll/schwierig zu interpretieren aber oft notwendig, um gut Ergebnisse zu erzielen sprachlich gut zu verstehen aber ungenau/unscharf ▌▌▌▌ 7 KI-Technologien in GENEFER CEF 2001, New Haven Fuzzy Logik GENEFER Neuronale Netze Genetische Algorithmen ▌▌▌▌ 8 Fuzzyregeln: Ein Beispiel CEF 2001, New Haven Wenn die Wachstumsrate der Geldmenge M3 hoch ist und die Outputlücke gering dann wird die EZB den Refinanzierungszinssatz stark anheben. ▌▌▌▌ 9 Mengen und Fuzzy-Mengen CEF 2001, New Haven ZG 1,0 mittel hoch sehr hoch 0,8 0,3 4% ▌▌▌▌ 8% 6,8% gM3 10 Fuzzyregeln: sprachliche vs formale Ebene CEF 2001, New Haven Konditionalteil Konsekutivteil Wenn Input 1 klein ist, dann ist Output hoch Fuzzy Relation ▌▌▌▌ 11 Fuzzy Inferenz I CEF 2001, New Haven Konsekutivteil Konditionalteil hoch starke Erhöhung 0,6 gM3 EZB-Zinsänderung 6,8% ▌▌▌▌ 12 Fuzzy Inferent II:Fuzzyregel-Basis CEF 2001, New Haven Wenn... und...dann... Wenn... und...dann... Wenn... und...dann... Wenn... und...dann... Wenn... und...dann... Wenn... und...dann... Wenn... und...dann... Wenn... und...dann... Wenn... und...dann... Wenn... und...dann... ▌▌▌▌ 13 Fuzzy Inferenz III CEF 2001, New Haven ZG klein mittel hoch Fuzzy Inferenzergebnismenge Wachstumsrate M3 scharfer Fuzzyregel-Basis Output ▌▌▌▌ 14 Fuzzyregel-Basis-Generierung CEF 2001, New Haven Woher kommen die Fuzzyregeln für eine gegebene Problemstellung ? GENEFER ist in der Lage, Fuzzyregeln automatisch aus einer Datenbank mit numerischen Input-Output Einträgen zu extrahieren. ▌▌▌▌ 15 Parameter einer Fuzzyregel-Basis CEF 2001, New Haven Fuzzy-Mengen Parameter Regelgewichte (1) (2) Anzahl der (3) Regeln w1 IF AND THEN w2 IF AND THEN w3 IF AND THEN w4 IF AND THEN w5 IF AND THEN w6 IF AND THEN w7 IF AND THEN ▌▌▌▌ 16 KI-Technologien als Lernmethoden CEF 2001, New Haven Neuronale Netze (EBP) Genetische Algorithmen 1 F(x1;x2) 40 0,8 30 0,6 20 10 0,4 F(x1;x2) 0,2 0 -10 -20 0 -2 -0,2 -2 x2 0 1 -40 0 x1 -30 1 0 x2 2 2 x1 0 -1 -1 ▌▌▌▌ 17 Fuzzy Inferenzprozess im Überblick CEF 2001, New Haven reellwertige Ebene Weight wahrgenommene Umwelt Filterung IF Input1 AND Input2 medium medium a2 low very high high a3 medium very low low a4 high very high high a5 low low low a6 high medium medium a7 high very low medium low low medium medium a9 ▌▌▌▌ Output low a8 Fuzzifizierung THEN a1 medium Richtung der Informationsverarbeitung numerische Input- und Outputdaten reellwertige Ebene linguistische Ebene a10 medium scharfer Regelbasis Output numerischer medium medium Inferenz Defuzzifizierung Fuzzy Regel(Fuzzy Regelbasis) basis-Output high 18 Entwurfschritte in GENEFER CEF 2001, New Haven (1) Input Identifizierung (2) Fuzzifizierung (3) Regelbasis-Entwurf - Generierung - Simplifizierung (4) Fuzzy Regelbasis-Tuning ▌▌▌▌ 19 GENEFER CEF 2001, New Haven Universelles Werkzeug für Design, Handling und Analyse von Fuzzyregelbasen Erwartungs-Generator für ökonomische Simulationen via COMInterface Prognosewerkzeug ▌▌▌▌ 20 Einsatzgebiete CEF 2001, New Haven - Insolvenzprognosen Kreditwürdigkeitsprüfung Betrugserkennung Lieferantenbewertung Antragsentscheidung Finanzmarktprognosen Absatzprognosen ... ▌▌▌▌ 21 Konjunkturprognosen live! CEF 2001, New Haven www. .de ▌▌▌▌ 22
