Neuronale Netze zur Unterstützung von Matchingprozessen Konzeption - Modellierung - Implementierung
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Format: | Buch |
| Sprache: | German |
| Veröffentlicht: |
Wiesbaden
Dt. Univ.-Verl.
1998
Wiesbaden Gabler |
| Schriftenreihe: | Gabler Edition Wissenschaft
|
| Schlagworte: | |
| Online-Zugang: | Inhaltsverzeichnis |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
MARC
| LEADER | 00000nam a2200000 c 4500 | ||
|---|---|---|---|
| 001 | BV012163103 | ||
| 003 | DE-604 | ||
| 005 | 19990212 | ||
| 007 | t| | ||
| 008 | 980915s1998 gw m||| 00||| ger d | ||
| 016 | 7 | |a 954479131 |2 DE-101 | |
| 020 | |a 382446828X |9 3-8244-6828-X | ||
| 035 | |a (OCoLC)75909238 | ||
| 035 | |a (DE-599)BVBBV012163103 | ||
| 040 | |a DE-604 |b ger |e rakddb | ||
| 041 | 0 | |a ger | |
| 044 | |a gw |c DE | ||
| 049 | |a DE-739 |a DE-N2 |a DE-703 |a DE-19 |a DE-12 |a DE-945 |a DE-706 |a DE-83 | ||
| 084 | |a QH 234 |0 (DE-625)141549: |2 rvk | ||
| 100 | 1 | |a Dallmöller, Klaus |e Verfasser |4 aut | |
| 245 | 1 | 0 | |a Neuronale Netze zur Unterstützung von Matchingprozessen |b Konzeption - Modellierung - Implementierung |c Klaus Dallmöller |
| 264 | 1 | |a Wiesbaden |b Dt. Univ.-Verl. |c 1998 | |
| 264 | 1 | |a Wiesbaden |b Gabler | |
| 300 | |a XXV, 254 S. | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 490 | 0 | |a Gabler Edition Wissenschaft | |
| 500 | |a Zugl.: Münster (Westfalen), Univ., Diss., 1998 u.d.T.: Dallmöller, Klaus: Konzeption, Modellierung und Implementierung von Neuronalen Netzen für die Unterstützung von Matchingprozessen, dargestellt am Beispiel der Arbeitsvermittlung | ||
| 650 | 0 | 7 | |a Arbeitsvermittlung |0 (DE-588)4131655-1 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Data Mining |0 (DE-588)4428654-5 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Matching |0 (DE-588)4212483-9 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Personalauswahl |0 (DE-588)4115532-4 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Fuzzy-Menge |0 (DE-588)4061868-7 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Mustervergleich |0 (DE-588)4307192-2 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Neuronales Netz |0 (DE-588)4226127-2 |2 gnd |9 rswk-swf |
| 655 | 7 | |0 (DE-588)4113937-9 |a Hochschulschrift |2 gnd-content | |
| 689 | 0 | 0 | |a Neuronales Netz |0 (DE-588)4226127-2 |D s |
| 689 | 0 | 1 | |a Matching |0 (DE-588)4212483-9 |D s |
| 689 | 0 | |5 DE-604 | |
| 689 | 1 | 0 | |a Neuronales Netz |0 (DE-588)4226127-2 |D s |
| 689 | 1 | 1 | |a Matching |0 (DE-588)4212483-9 |D s |
| 689 | 1 | 2 | |a Personalauswahl |0 (DE-588)4115532-4 |D s |
| 689 | 1 | |5 DE-604 | |
| 689 | 2 | 0 | |a Arbeitsvermittlung |0 (DE-588)4131655-1 |D s |
| 689 | 2 | 1 | |a Data Mining |0 (DE-588)4428654-5 |D s |
| 689 | 2 | 2 | |a Mustervergleich |0 (DE-588)4307192-2 |D s |
| 689 | 2 | 3 | |a Neuronales Netz |0 (DE-588)4226127-2 |D s |
| 689 | 2 | 4 | |a Fuzzy-Menge |0 (DE-588)4061868-7 |D s |
| 689 | 2 | |5 DE-604 | |
| 856 | 4 | 2 | |m HBZ Datenaustausch |q application/pdf |u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=008239502&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |3 Inhaltsverzeichnis |
| 943 | 1 | |a oai:aleph.bib-bvb.de:BVB01-008239502 | |
Datensatz im Suchindex
| _version_ | 1819596330981392384 |
|---|---|
| adam_text | IX
Inhaltsverzeichnis
Abbildungsverzeichnis XIII
Tabellenverzeichnis XVII
Abkürzungsverzeichnis XXI
Symbolverzeichnis XXIII
1 Einleitung 1
1.1 Problemstellung 1
1.2 Gang der Untersuchung 4
2 Matching-Prozesse als Bestandteil von Data-Mining 5
2.1 Konzeption des Data-Mining 5
2.2 Phasenmodell des Data-Mining-Prozesses 7
2.2.1 Datenaufbereitung 7
2.2.2 Mustersuche 9
2.2.2.1 Suche nach Abhängigkeitsregeln 10
2.2.2.2 Mehrdimensionale Datenverdichtung 11
2.2.2.3 Datenklassifikation 16
2.2.2.4 Clusteranalyse 17
2.2.2.5 Musterbasierte Ähnlichkeitsanalyse 18
2.2.2.6 Suche nach Reise- bzw. Bewegungsmustern 20
2.2.3 Interpretation und Präsentation der Ergebnisse 21
3 Grundlagen Neuronaler Netze 23
3.1 Vorbemerkung 23
3.2 Natürliche Vorbilder der künstlichen Neuronalen Netze 24
3.3 Funktionsprinzipien von künstlichen Neuronalen Netzen 26
3.3.1 Einführungsbeispiel 26
3.3.2 Ableitung der Delta-Regel 33
3.3.3 Autoassoziatives Lernen 37
3.3.4 Selbstorganisierende Karten 40
3.3.5 Zusammenfassung der Eigenschaften Neuronaler Netze 44
3.3.6 Grundlagen der Fuzzy-Set-Theorie 46
3.3.6.1 Vorbemerkung 46
3.3.6.2 Fuzzy-Mengen 47
3.3.6.3 Fuzzy-Zahlen 48
X
3.3.6.4 Modellierung linguistischer Begriffe 49
3.3.6.5 Fuzzy-Regler 51
3.3.6.6 Kombinationsmöglichkeiten von Fuzzy-Set-Theorie und Neuronalen
Netzen 55
3.4 Architektur von mehrschichtigen Feedforward-Netzen 58
3.4.1 Strukturelemente 58
3.4.2 Unterschiedliche Netzstrukturen 60
3.4.3 Lernverfahren für unidirektionale, mehrschichtige Feedforward-Netze 62
3.4.3.1 Vorbemerkungen 62
3.4.3.2 Klassisches Backpropagation-Verfahren 63
3.4.3.2.1 Lernregel 63
3.4.3.2.2 Schwächen des Backpropagation-Verfahrens 66
3.4.3.3 Momentan-Variante 69
3.4.3.4 Delta-Delta-Lernregel 70
3.4.3.5 Delta-bar-Delta-Lernregel 72
3.4.3.6 Fuzzy-Hybride Lernregel als Weiterentwicklung von Delta-bar-Delta..73
3.4.3.7 Quickprop-Verfahren 76
3.4.3.8 Cascade-Correlation-Verfahren 79
3.4.3.9 Lernende Vektorquantisierung 83
3.5 Neuronale Netze als Instrumente zur Durchführung von Matching-Prozessen....85
3.5.1 Neuronale Netze als entscheidungsunterstützende Systeme 85
3.5.2 Entwicklung des Kombinationsmusters 87
3.5.3 Bewertungsvarianten bei Matchingprozessen mit künstlichen Neuronalen
Netzen 90
,/ 4 Rahmenbedingungen der Matching-Prozesse Arbeitsvermittlung und
^ Personalauswahl 92
4.1 Arbeitsvermittlung 92
4.1.1 Gesetzliche Rahmenbedingungen und Struktur der Arbeitsvermittlung 92
4.1.2 Verfahrender Arbeitsvermittlung 95
4.2 Personalbeschaffung 97
4.2.1 Personalbeschaffung als kostenintensiver Prozeß 97
4.2.2 Personalsuche 97
4.2.3 Personalauswahl 99
4.2.3.1 Methodenübersicht 99
4.2.3.2 Analyse und Bewertung der Bewerbungsunterlagen 100
4.2.3.3 Vorstellungsgespräch 101
4.2.3.4 Psychologische Testverfahren 101
4.2.3.5 Assessment-Center 103
4.3 Neuronale Netze als Hilfsmittel zur Arbeitsvermittlung und Personalauswahl.. 103
XI
4.3.1 Problemstellung 103
4.3.2 Vorgehensweise 104
4.3.3 Behandlung von Nebenbedingungen 106
4.3.4 Behandlung von „missing values 108
5 Informationsbasis für die empirische Entwicklung eines
Bewerber-Stellenprofil-Klassifikators 109
5.1 Entwurf des Datenbankmodells 109
5.1.1 Informationsbedarfsanalyse 111
5.1.2 Konzeptionelle Datensicht 117
5.1.2.1 Konstruktionselemente 117
5.1.2.2 Erweiterungen der Konstruktionskomponenten 119
5.1.2.3 Konzeptionelles Datenmodell für die Arbeitsvermittlung 120
5.1.3 Logische Datensicht 123
5.1.4 Physische Datensicht 126
5.2 Datenkonvertierung 126
5.3 Urteilsbildung des Arbeitsvermittlers 131
6 Entwicklung eines Bewerber-Stellenprofil-Klassifikators mit künstlichen
Neuronalen Netzen 138
6.1 Heuristiken zur Erstellung eines Bewerber-Stellenprofil-Musters 138
6.1.1 Vorbemerkung 138
6.1.2 Ableitung der Codierungsvorschriften 141
6.2 Datenanalyse 164
6.2.1 Vorbemerkungen 164
6.2.1.1 Netzbezeichnung 164
6.2.1.2 Eingabeparameter 166
6.2.1.3 Verteilung des Untersuchungsdatenbestandes 168
6.2.1.4 Modifikationen der Lernverfahren 171
6.2.2 Punktprognose 174
6.2.3 Klassenprognose 190
6.2.3.1 Vorbemerkungen 190
6.2.3.2 3-Klassen-Prognose 191
6.2.3.3 5-Klassen-Prognose 203
6.2.3.4 5-Klassen-Prognose mit gleichverteiltem Datenbestand 212
6.2.4 Performance-Vergleich 214
7 Schlußbemerkung 223
Literaturverzeichnis 229
Anhang 241
XIII
Abbildungsverzeicbnis
Abb. 1: Abgrenzung zwischen Data-Warehouse, OLAP und Data-Mining 13
Abb. 2: Datenwiirfel mit den Dimensionen Teil, Kunde und Lieferant 14
Abb. 3: Beispiel der Daten-Klassifikation mit einer linearen Trennungsfunktion
für die Kreditwürdigkeitsprüfung 17
Abb. 4: Beispiel für das Daten-Clustering der Kreditwürdigkeitsprüfung 18
Abb. 5: Matchingprozeß in Form der paarweisen Ähnlichkeitssuche 19
Abb. 6: Matchingprozeß in Form der Objektähnlichkeitssuche 20
Abb. 7: Vereinfachte Darstellung zweier Nervenzellen 24
Abb. 8: Natürliche Neuronen im Verbund 25
Abb. 9: Modell zur Buchstabenerkennung 29
Abb. 10: Staitbelegung vor dem Trainieren 29
Abb. 11: Struktur eines autoassoziativen Netzes 37
Abb. 12: Aufbau der Neuronenverbindung im autoassoziativen Neuronalen Netz 37
Abb. 13: Initialgewichte der 16 Neuronen im Kohonen-Netz 41
Abb. 14: Gewichtete Eingabe zu dem Eingabemuster 001 42
Abb. 15: Gewichtete Eingabe zu dem Eingabemuster 111 42
Abb. 16: Neue Gewichte und gewichtete Eingabe nach Training von Neuron 3
für das Muster 001 42
Abb. 17: Gewichtete Eingabe auf das Muster 111 nach dem
1. Trainirgsdurchlauf 43
Abb. 18: Neue Gewichte und gewichtete Eingabe nach dem
2. Trainirgsdurchlauf 43
Abb. 19: Unterschiedliche Reaktion auf verschiedene Eingabemuster 44
Abb. 20: Lernprinzip von Neuronalen Netzen 45
Abb. 21: Beispiel einer Fuzzy-Zahl 48
Abb. 22: Beispiel einer triangulären Fuzzy-Zahl 49
Abb. 23: Zugehörigkeitsfunktion zur Beschreibung des Adjektivs „langsam zur
linguistischen Variable „Geschwindigkeit eines PKW auf der Autobahn ....50
Abb. 24: Zugehörigkeitsfunktionen zur linguistischen Variable
„Geschwindigkeit eines PKW auf der Autobahn 51
Abb. 25: Bestandteile eines Fuzzy-Controllers nach Sugeno/Takagi 52
Abb. 26: Kombinationsmöglichkeiten von Neuronalen Netzen
mit Fuzzy-Set-Theorie 56
Abb. 27: Darstellung der sigmoiden Ausgabefunktion und deren Ableitung 60
Abb. 28: Ein- u. mehrschichtige Netze 60
Abb. 29: Unterschiedliche Netzverbindungen 61
Abb. 30: Autoassoziatives Netz 62
xrv
Abb. 31: Flaches Plateau 67
Abb. 32: Überschreiten des globalen Minimums 67
Abb. 33: Konvergieren zum lokalen Minimum 68
Abb. 34: Oszillieren zwischen steilen Wänden in der Fehlerfunktion 68
Abb. 35: Zugehörigkeitsfunktionen der Fuzzy-Mengen High, NotSure,
Low, VeryLow 75
Abb. 36: Vorinitialisiertes Cascade-Correlation-Netz 79
Abb. 37: Cascade-Correlation-Netz mit einer Hidden Unit 80
Abb. 38: Cascade-Correlation-Netz mit zwei versteckten Hidden Units 80
Abb. 39: Netzstruktur LVQ-Netz 83
Abb. 40: Neuronale Netze als entscheidungsunterstützendes System 86
Abb. 41: Neuronale Netze als Hilfsmittel zur Durchführung von
Matching-Prozessen 87
Abb. 42: Neuronales Netz für die Punktprognose 90
Abb. 43: Neuronales Netz für die 3-Klassen-Prognose 91
Abb. 44: Vorgehensweise bei der Suche in den Stellenangeboten 95
Abb. 45: Maßnahmen der Personalsuche 98
Abb. 46: Verfahren der Personalauswahl 100
Abb. 47: Psychologische Testverfahren 102
Abb. 48: Vorgehensweise zur Entwicklung von Neuronalen Netzen zur
Unterstützung der Arbeitsvermittlung 108
Abb. 49: Modellierungsphasen innerhalb des Datenbankentwurfs 110
Abb. 50: Grafische Darstellung der grundlegenden Konstruktionselemente
bei der ER-Modellierung 119
Abb. 51: Grafische Darstellung der Erweiterungen der ERM-Notation 120
Abb. 52: Konzeptionelles Datenmodell 121
Abb. 53: Ablaufplan Konvertierung Stellenangebot 128
Abb. 54: Ablaufplan Konvertierung Bewerberangebot 130
Abb. 55: Bildschirmmaske Name 132
Abb. 56: Bildschirmmaske Berufsausbildung 132
Abb. 57: Bildschirmmaske Zusatz 133
Abb. 58: Stellenangebot Bemerkungen 133
Abb. 59: Bewerberangebot Arbeit alt 134
Abb. 60: Bildschirmmaske Bewerberangebot letzte Tätigkeit 134
Abb. 61: Bildschirmmaske Arbeit Neu 135
Abb. 62: Bildschirmmaske Merkmale 135
Abb. 63: Bildschirmmaske Arbeitsort 136
Abb. 64: Bildschirmmaske Qualifikationsniveau 136
Abb. 65: Bildschirmmaske Fremdsprachen 137
Abb. 66: Bildschirmmaske „Auswahl Beruf und BKZ I44
XV
Abb. 67: Codierungsvorschrift Qualifikationsniveau 150
Abb. 68: Codierungsvorschrift Ortsangaben 151
Abb. 69: Codierung der geometrischen Distanz BKZ SteA und BKZ BewA 156
Abb. 70: Codierung der Altersangaben 157
Abb. 71: Verteilung des Datenbestandes über den möglichen Wertebereich 168
Abb. 72: Mehrschichtiges Netz mit Bias-Unit 174
Abb. 73: Trainings- und Testfehlerverlauf bei einem QP/8-8-8-8-l-Netz
mit der Lernrate = 0.001 179
Abb. 74: Trainings- und Testfehlerverlauf bei einem QP/8-8-8-8-1 -Netz
mit der Lernrate = 0.5 180
Abb. 75: Parametereinstellung für DbD/8-8-8-8-1 im Projekt beru26 182
Abb. 76: Parametereinstellung für DbD+M/8-8-8-8-1 im Projekt beru26 184
Abb. 77: Trefferquote von DbD/8-8-8-8-1 und DbD+M/8-8-8-8-1
im Projekt beru26 185
Abb. 78: Trefferquote von F-DbD/8-8-8-8-1 und BP/8-8-8-8-1 im
Projekt beru26 187
Abb. 79: Trefferquote bei Punktprognosen 190
Abb. 80: Fehlerkurve bei BP/9-9-9-3 im Projekt beru2 193
Abb. 81: Effekt des Übertrainings bei BP/9-9-9-3 im Projekt beru2 194
Abb. 82: Vergleich der Trefferquoten bei der 3-Klassen-Prognose 203
Abb. 83: Struktur des Netzes CAS/8-5 im Projekt Tprop29 zu
Beginn des Trainings 210
Abb. 84: Struktur von CAS/8-5 im Projekt prop29 211
Abb. 85: Trefferquoten bei der 5-Klassen-Prognose 212
Abb. 86: Test- und Trainingsdatenfehler von F-DbD+M/8-8-8-5 im
Projekt prop30 214
Abb. 87: Trefferquote von F-DbD+M/8-8-8-5 im Projekt prop30 214
Abb. 88: Trainingsfehler im Performance-Vergleich für ein XX/8-8-8-8-l-Netz 217
Abb. 89: Testfehlerverlauf im Performance-Vergleich von XX/8-8-8-8-1 217
Abb. 90: Trefferquote beim Performancevergleich von XX/8-8-8-8-1 bei einer
zulässigen Abweichung von 10% 218
Abb. 91: Trefferquoten von F-DbD+M/8-8-8-8-1 mit unterschiedlichen
Gewichtsinitialisierungen 220
Abb. 92: Trefferquoten von DbD+M/8-8-8-8-1 mit unterschiedlichen
Gewichtsinitialisierungen 220
Abb. 93: Trefferquoten von DbD/8-8-8-8-1 mit unterschiedlichen
Gewichtsinitialisierungen 221
Abb. 94: Trefferquoten von BP/8-8-8-8-1 mit unterschiedlichen
Gewichtsinitialisierungen 221
XVI
Abb. 95: Trefferquoten von BP+M/8-8-8-8-1 mit unterschiedlichen
Gewichtsinitialisierungen 222
XVII
Tabellenverzeichnis
Tab. 1: Beispiel einer Knotenfunktion mit voll definiertem Funktionsbereich 27
Tab. 2: Beispiel einer Knotenfunktion mit unbeschriebenen
Ausgabezuständen 27
Tab. 3: Knotenfunktion nach Durchführung der Lernphase 28
Tab. 4: Knotenfunktion für Neuron 1 vor dem Training 30
Tab. 5: Knotenfunktion für Neuron 2 vor dem Training 30
Tab. 6: Knotenfunktion für Neuron 3 vor dem Training 30
Tab. 7: Knotenfunktion für Neuron 1 nach dem Training 31
Tab. 8: Knotenfunktion für Neuron 2 nach dem Training 31
Tab. 9: Knotenfunktion für Neuron 3 nach dem Training 31
Tab. 10: Ein-Ausgabe-Verhalten des Netzes im Anwendungsmodus 32
Tab. 11: Zielfunktion im Einführungsbeispiel 34
Tab. 12: Startaufstellung im Einführungsbeispiel 34
Tab. 13: Zielfunktion beim Paritätsproblem 36
Tab. 14: Feuerregel für Neuron 23 38
Tab. 15: Feuerregel für Neuron 23 nach Anwendung der Lernregel 39
Tab. 16: Feuerregel für alle Neuronen nach Anwendung der Lernregel 39
Tab. 17: Mehrfache Anwendung der Feuerregel auf eine Starteingabe 40
Tab. 18: Linguistische Terme der Variablen Entfernung 53
Tab. 19: Mögliche Fuzzy-Regeln eines Sugeno/Takagi-Regler zur Steuerung
des Bremsverhaltens eines PKW auf der Autobahn 54
Tab. 20: Regel verhalten bei Geschwindigkeit von 160 km/h und einer
Entfernung von 60 Meter 54
Tab. 21: Regel verhalten bei Geschwindigkeit von 140 km/h und einer
Entfernung von 70 Meter 55
Tab. 22: Vor- und Nachteile von Neuronalen Netzen und Fuzzy-Set-Theorie 56
Tab. 23: Regelbasis des Fuzzy-Controllers zur Steuerung von a und k 75
Tab. 24: Gegenüberstellung einer Musterkombination 88
Tab. 25: (Mögliche) Vor- und Nachteile beim Einsatz von
privaten Personalberatern/-Vermittlern 94
Tab. 26: Stellenprofil-bezogene Datenfelder 114
Tab. 27: Bewerberprofil-bezogene Daten 116
Tab. 28: Binäre Codierung des Kriterium Schulabschluß
beim Bewerberangebot 140
Tab. 29: Binäre Codierung des Kriteriums Schulabschluß
beim Stellenangebot 141
Tab. 30: Codierungsvorschrift für das Kriterum Schulabschluß 142
xvm
Tab. 31: Berufsbereiche 143
Tab. 32: Berufsabschnitte des Berufsbereichs V: Dienstleistungsberufe 143
Tab. 33: Codierungsvorschrift beim Kriterium Ausbildungsabschluß 145
Tab. 34: Liste sämtlicher Qualifikationsstufen zur Punktwertermittlung 149
Tab. 35: Punktwertermittlung für das Kriterium Behinderung 158
Tab. 36: Struktur der verwendeten Bezeichnung eines Neuronalen Netzes 164
Tab. 37: Formale Beschreibung einer Simulation 165
Tab. 38: Abkürzung der verwendeten Kriterien 167
Tab. 39: Parametereinstellung von BP/9-9-9-9-1 im Projekt bkz9 169
Tab. 40: Trefferquote bei Punktprognose im Projekt bkz9 mit einem
BP/9-9-9-9-1-Netz bei einer akzeptierten Abweichung von 15% 169
Tab. 41: Parametereinstellung von BP+M/8-8-8-8-1 im Projekt beru26 175
Tab. 42: Trefferquote von BP/8-8-8-8-1 im Projekt beru26 bei zulässiger
Abweichung von 10% 176
Tab. 43: Parametereinstellung von QP/8-8-8-8-1 im Projekt beru26 177
Tab. 44: Trefferquote im Projekt beru26 mit einem QP/8-8-8-8-1-Netz bei
zulässiger Abweichung von 10% 178
Tab. 45: Trefferquote von QP/8-8-8-8-1 im Projekt beru26 bei
zulässiger Abweichung von 15% 178
Tab. 46: Parametereinstellung von LVQ/8-1794-11 im Projekt rberu26 181
Tab. 47: Trefferquote von LVQ/8-1794-11 im Projekt rberu26 181
Tab. 48: Trefferquote von DbD/8-8-8-8-1 im Projekt beru26 bei
zulässiger Abweichung von 10% 183
Tab. 49: Trefferquoten von DbD+M/8-8-8-8-1 im Projekt beru26 bei
zulässiger Abweichung von 10% 185
Tab. 50: Parametereinstellung von F-DbD+M/8-8-8-8-1 im Projekt beru26 186
Tab. 51: Trefferquote von F-DbD/8-8-8-8-1 im Projekt beru26 bei
zulässiger Abweichung von 10% 187
Tab. 52: Parametereinstellung von CAS/8-1 im Projekt beru26 188
Tab. 53: Trefferquote von CAS/8-1 im Projekt beru26 bei zulässiger
Abweichung von 10% 189
Tab. 54: Klassenaufteilung des Datenbestandes bei der 3-Klassen-Prognose 191
Tab. 55: Klassenaufteilung des Datenbestandes bei der 5-Klassen-Prognose 191
Tab. 56: Parametereinstellung bei BP+M/9-9-9-3 im Projekt beru2 192
Tab. 57: Parametereinstellung bei BP+M/8-8-8-3 im Projekt beru28 195
Tab. 58: Parametereinstellung von QP/8-8-8-3 im Projekt beru28 196
Tab. 59: Parametereinstellung von LVQ/8-1318-3 im Projekt beru28 197
Tab. 60: Parametereinstellung von DbD/8-8-8-3 im Projekt beru28 198
Tab. 61: Parametereinstellung von DbD+M/8-8-8-3 im Projekt beru28 199
Tab. 62: Parametereinstellung von F-DbD+M/8-8-8-3 im Projekt beru28 200
XIX
Tab. 63: Parametereinstellung von CAS/8-3 201
Tab. 64: Fehlklassifizierungen von CAS/8-3 im Projekt beru28 . 202
Tab. 65: Parametereinstellung von BP+M/8-8-8-8-5 im Projekt prop29. 204
Tab. 66: Parametereinstellung von QP/8-8-8-8-5 im Projekt prop29 . 205
Tab. 67: Parametereinstellung von LVQ/8-1320-5 im Projekt beru29 . 206
Tab. 68: Parametereinstellung von DbD/8-8-8-8-5 im Projekt prop29. 207
Tab. 69: Parametereinstellung von DbD+M/8-8-8-8-5 im Projekt prop29: 208
Tab. 70: Parametereinstellung von F-DbD/8-8-8-8-5 im Projekt prop29 . 209
Tab. 71: Parametereinstellung von CAS/8-5 im Projekt prop29 210
Tab. 72: Parametereinstellung von F-DbD+M/8-8-8-5 im Projekt prop30. 213
Tab. 73: Parametereinstellung im Performancevergleich 216
|
| any_adam_object | 1 |
| author | Dallmöller, Klaus |
| author_facet | Dallmöller, Klaus |
| author_role | aut |
| author_sort | Dallmöller, Klaus |
| author_variant | k d kd |
| building | Verbundindex |
| bvnumber | BV012163103 |
| classification_rvk | QH 234 |
| ctrlnum | (OCoLC)75909238 (DE-599)BVBBV012163103 |
| discipline | Wirtschaftswissenschaften |
| format | Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>02602nam a2200589 c 4500</leader><controlfield tag="001">BV012163103</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">19990212 </controlfield><controlfield tag="007">t|</controlfield><controlfield tag="008">980915s1998 gw m||| 00||| ger d</controlfield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">954479131</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">382446828X</subfield><subfield code="9">3-8244-6828-X</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)75909238</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)BVBBV012163103</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rakddb</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">DE</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-739</subfield><subfield code="a">DE-N2</subfield><subfield code="a">DE-703</subfield><subfield code="a">DE-19</subfield><subfield code="a">DE-12</subfield><subfield code="a">DE-945</subfield><subfield code="a">DE-706</subfield><subfield code="a">DE-83</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">QH 234</subfield><subfield code="0">(DE-625)141549:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Dallmöller, Klaus</subfield><subfield code="e">Verfasser</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Neuronale Netze zur Unterstützung von Matchingprozessen</subfield><subfield code="b">Konzeption - Modellierung - Implementierung</subfield><subfield code="c">Klaus Dallmöller</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Wiesbaden</subfield><subfield code="b">Dt. Univ.-Verl.</subfield><subfield code="c">1998</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Wiesbaden</subfield><subfield code="b">Gabler</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">XXV, 254 S.</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="490" ind1="0" ind2=" "><subfield code="a">Gabler Edition Wissenschaft</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">Zugl.: Münster (Westfalen), Univ., Diss., 1998 u.d.T.: Dallmöller, Klaus: Konzeption, Modellierung und Implementierung von Neuronalen Netzen für die Unterstützung von Matchingprozessen, dargestellt am Beispiel der Arbeitsvermittlung</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Arbeitsvermittlung</subfield><subfield code="0">(DE-588)4131655-1</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Matching</subfield><subfield code="0">(DE-588)4212483-9</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Personalauswahl</subfield><subfield code="0">(DE-588)4115532-4</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Fuzzy-Menge</subfield><subfield code="0">(DE-588)4061868-7</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Mustervergleich</subfield><subfield code="0">(DE-588)4307192-2</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Neuronales Netz</subfield><subfield code="0">(DE-588)4226127-2</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="0">(DE-588)4113937-9</subfield><subfield code="a">Hochschulschrift</subfield><subfield code="2">gnd-content</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Neuronales Netz</subfield><subfield code="0">(DE-588)4226127-2</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Matching</subfield><subfield code="0">(DE-588)4212483-9</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="1" ind2="0"><subfield code="a">Neuronales Netz</subfield><subfield code="0">(DE-588)4226127-2</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="1"><subfield code="a">Matching</subfield><subfield code="0">(DE-588)4212483-9</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="2"><subfield code="a">Personalauswahl</subfield><subfield code="0">(DE-588)4115532-4</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="2" ind2="0"><subfield code="a">Arbeitsvermittlung</subfield><subfield code="0">(DE-588)4131655-1</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2="1"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2="2"><subfield code="a">Mustervergleich</subfield><subfield code="0">(DE-588)4307192-2</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2="3"><subfield code="a">Neuronales Netz</subfield><subfield code="0">(DE-588)4226127-2</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2="4"><subfield code="a">Fuzzy-Menge</subfield><subfield code="0">(DE-588)4061868-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">HBZ Datenaustausch</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=008239502&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="943" ind1="1" ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-008239502</subfield></datafield></record></collection> |
| genre | (DE-588)4113937-9 Hochschulschrift gnd-content |
| genre_facet | Hochschulschrift |
| id | DE-604.BV012163103 |
| illustrated | Not Illustrated |
| indexdate | 2024-12-23T14:57:21Z |
| institution | BVB |
| isbn | 382446828X |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-008239502 |
| oclc_num | 75909238 |
| open_access_boolean | |
| owner | DE-739 DE-N2 DE-703 DE-19 DE-BY-UBM DE-12 DE-945 DE-706 DE-83 |
| owner_facet | DE-739 DE-N2 DE-703 DE-19 DE-BY-UBM DE-12 DE-945 DE-706 DE-83 |
| physical | XXV, 254 S. |
| publishDate | 1998 |
| publishDateSearch | 1998 |
| publishDateSort | 1998 |
| publisher | Dt. Univ.-Verl. Gabler |
| record_format | marc |
| series2 | Gabler Edition Wissenschaft |
| spellingShingle | Dallmöller, Klaus Neuronale Netze zur Unterstützung von Matchingprozessen Konzeption - Modellierung - Implementierung Arbeitsvermittlung (DE-588)4131655-1 gnd Data Mining (DE-588)4428654-5 gnd Matching (DE-588)4212483-9 gnd Personalauswahl (DE-588)4115532-4 gnd Fuzzy-Menge (DE-588)4061868-7 gnd Mustervergleich (DE-588)4307192-2 gnd Neuronales Netz (DE-588)4226127-2 gnd |
| subject_GND | (DE-588)4131655-1 (DE-588)4428654-5 (DE-588)4212483-9 (DE-588)4115532-4 (DE-588)4061868-7 (DE-588)4307192-2 (DE-588)4226127-2 (DE-588)4113937-9 |
| title | Neuronale Netze zur Unterstützung von Matchingprozessen Konzeption - Modellierung - Implementierung |
| title_auth | Neuronale Netze zur Unterstützung von Matchingprozessen Konzeption - Modellierung - Implementierung |
| title_exact_search | Neuronale Netze zur Unterstützung von Matchingprozessen Konzeption - Modellierung - Implementierung |
| title_full | Neuronale Netze zur Unterstützung von Matchingprozessen Konzeption - Modellierung - Implementierung Klaus Dallmöller |
| title_fullStr | Neuronale Netze zur Unterstützung von Matchingprozessen Konzeption - Modellierung - Implementierung Klaus Dallmöller |
| title_full_unstemmed | Neuronale Netze zur Unterstützung von Matchingprozessen Konzeption - Modellierung - Implementierung Klaus Dallmöller |
| title_short | Neuronale Netze zur Unterstützung von Matchingprozessen |
| title_sort | neuronale netze zur unterstutzung von matchingprozessen konzeption modellierung implementierung |
| title_sub | Konzeption - Modellierung - Implementierung |
| topic | Arbeitsvermittlung (DE-588)4131655-1 gnd Data Mining (DE-588)4428654-5 gnd Matching (DE-588)4212483-9 gnd Personalauswahl (DE-588)4115532-4 gnd Fuzzy-Menge (DE-588)4061868-7 gnd Mustervergleich (DE-588)4307192-2 gnd Neuronales Netz (DE-588)4226127-2 gnd |
| topic_facet | Arbeitsvermittlung Data Mining Matching Personalauswahl Fuzzy-Menge Mustervergleich Neuronales Netz Hochschulschrift |
| url | http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=008239502&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |
| work_keys_str_mv | AT dallmollerklaus neuronalenetzezurunterstutzungvonmatchingprozessenkonzeptionmodellierungimplementierung |