Neuronale Netze eignen sich zur Prognose von Zeitreihen. Dazu wird hier das Backpropagation-Lernverfahren für Multilayer Feedforward Perzeptron Netzwerke in einer modifizierten Form mit Neuronenaufspaltung eingesetzt.
Die Parallelisierung dieses zeitaufwendigen Lernverfahrens erfolgt auf zwei Arten: Die Aufteilung des Trainingssets beim Batch-Learning und die Parallelisierung der Matrix-Vektor-Operationen beim On-Line-Training.
Die Implementation erfolgt sowohl unter Parix auf Transputernetzwerken als auch unter PVM auf Workstation-Clustern. Ergebnisse über die Güte der modifizierten Backpropagation-Lernregel werden anhand einer zu prognostizierenden Zeitreihe vorgestellt.
HTML, Postscript (72 kB)