Wavelet-Netzwerke sind eine Alternative zu Neuronalen Netzwerken. Sie sollen das gleiche Anwendungsspektrum, also die Black-Box-Modellierung von technischen oder natürlichen Systemen abdecken. Genauer gesagt, sollen Systeme mit kontinuierlichen Ein- und Ausgangsgrößen modelliert werden, deren inneres Verhalten nicht bekannt ist. Die Modellierung erfolgt allein anhand von beobachteten Daten. Die in dieser Dissertation verwendeten Wavelet-Nezwerke sind stets Linearkombinationen aus verschiedenartig gestreckt, gestaucht oder verschobenen Versionen des Mexikanerhut-Wavelets. Auf dieser Grundlage wird hier ein neues Gütekriterium für die Modell-Auswahl eingeführt, das neben der Anpassung eines Modells an die beobachteten Daten auch die Robustheit gegenüber Schwankungen in eben diesen Daten berücksichtigt. Im Anschluss werden konstruktive, effiziente Algorithmen vorgestellt, die eine Modellauswahl nach eben diesem Kriterium vornehmen.      «

Wavelet-Netzwerke sind eine Alternative zu Neuronalen Netzwerken. Sie sollen das gleiche Anwendungsspektrum, also die Black-Box-Modellierung von technischen oder natürlichen Systemen abdecken. Genauer gesagt, sollen Systeme mit kontinuierlichen Ein- und Ausgangsgrößen modelliert werden, deren inneres Verhalten nicht bekannt ist. Die Modellierung erfolgt allein anhand von beobachteten Daten. Die in dieser Dissertation verwendeten Wavelet-Nezwerke sind stets Linearkombinationen aus verschiedenarti...     »