Suchergebnisse

Künstliche Neuronale Netze (KNN) vermitteln einen Eindruck von den Funktionsprinzipien, die menschlicher Informationsverarbeitung auf neuronaler Ebene zugrunde liegen. In dieser Arbeit wird gefragt, inwieweit sich aus den Eigenschaften paralleler Informationsverarbeitung Erklärungsmöglichkeiten für unterschiedliche sozialwissenschaftliche Fragestellungen ableiten lassen. Nach einer kurzen Erklärung der Funktionsweise und typischer Netzwerkarchitekturen unter Berücksichtigung überwachter und unüberwachter Lernverfahren werden grundlegende Eigenschaften Künstlicher Neuronaler Netze und deren Abhängigkeit von der Art der Wissensrepräsentation erläutert. Daran anschließend werden systemtheoretische Kategorien u.a. von Maturana und Luhmann eingeführt. Hierbei steht die Frage im Vordergrund, ob KNN mittels dieser Kategorien beschreibbar sind und inwieweit KNN geeignet sind, reale Systeme abzubilden. Es folgt eine Analyse erkenntnistheoretischer Positionen, des 'psychologischen Induktionsproblemes' (Popper) sowie der Variation und Bewährung von Wissen unter Bezugnahme auf die Wissensverarbeitung in KNN. Der Unterschied zwischen selbstorganisierten Systemen in Form von KNN und trivialen ebenso wie nicht-trivialen Maschinen sowie einfachen Regelkreisen wird diskutiert. Aus dem Vergleich ergibt sich eine Definition des Begriffes Selbstorganisation, die überwachtes ebenso wie unüberwachtes Lernen einschließt. Überträgt man diese Definition auf ökonomische (Teil-) Systeme, so können diese entweder durch den Aspekt der Regelung oder durch den Aspekt der Selbstorganisation beschrieben werden. Die Möglichkeit selbstorganisierter Veränderung setzt ein gewisses Maß an Stabilität und Anpassungsfähigkeit der Beziehungen innerhalb des Systems voraus. Selbstorganisation, wie sie in KNN modelliert wird, stellt eine Möglichkeit dar, die Entstehung endogener Ordnung in einer durch chaotische Beziehungen geprägten Umwelt zu erklären. Parallele Informationsverarbeitung legt in Bezug auf das ökonomische Verhaltensmodell eine andere Art 'begrenzter Rationalität' nahe. Die Bedeutung von Heuristiken in der Entscheidungsfindung kann bspw. durch die verteilte Speicherung von Wissen als einem Element paralleler Informationsverarbeitung erklärt werden. Eine Berücksichtigung dieser Form begrenzter Rationalität im Rahmen ökonomischer Modellbildung ist insofern wünschenswert.

Künstliche Neuronale Netze (KNN) vermitteln einen Eindruck von den Funktionsprinzipien, die menschlicher Informationsverarbeitung auf neuronaler Ebene zugrunde liegen. In dieser Arbeit wird gefragt, inwieweit sich aus den Eigenschaften paralleler Informationsverarbeitung Erklärungsmöglichkeiten für unterschiedliche sozialwissenschaftliche Fragestellungen ableiten lassen. Nach einer kurzen Erklärung der Funktionsweise und typischer Netzwerkarchitekturen unter Berücksichtigung überwachter und unüberwachter Lernverfahren werden grundlegende Eigenschaften Künstlicher Neuronaler Netze und deren Abhängigkeit von der Art der Wissensrepräsentation erläutert. Daran anschließend werden systemtheoretische Kategorien u.a. von Maturana und Luhmann eingeführt. Hierbei steht die Frage im Vordergrund, ob KNN mittels dieser Kategorien beschreibbar sind und inwieweit KNN geeignet sind, reale Systeme abzubilden. Es folgt eine Analyse erkenntnistheoretischer Positionen, des 'psychologischen Induktionsproblemes' (Popper) sowie der Variation und Bewährung von Wissen unter Bezugnahme auf die Wissensverarbeitung in KNN. Der Unterschied zwischen selbstorganisierten Systemen in Form von KNN und trivialen ebenso wie nicht-trivialen Maschinen sowie einfachen Regelkreisen wird diskutiert. Aus dem Vergleich ergibt sich eine Definition des Begriffes Selbstorganisation, die überwachtes ebenso wie unüberwachtes Lernen einschließt. Überträgt man diese Definition auf ökonomische (Teil-) Systeme, so können diese entweder durch den Aspekt der Regelung oder durch den Aspekt der Selbstorganisation beschrieben werden. Die Möglichkeit selbstorganisierter Veränderung setzt ein gewisses Maß an Stabilität und Anpassungsfähigkeit der Beziehungen innerhalb des Systems voraus. Selbstorganisation, wie sie in KNN modelliert wird, stellt eine Möglichkeit dar, die Entstehung endogener Ordnung in einer durch chaotische Beziehungen geprägten Umwelt zu erklären. Parallele Informationsverarbeitung legt in Bezug auf das ökonomische Verhaltensmodell eine andere Art 'begrenzter Rationalität' nahe. Die Bedeutung von Heuristiken in der Entscheidungsfindung kann bspw. durch die verteilte Speicherung von Wissen als einem Element paralleler Informationsverarbeitung erklärt werden. Eine Berücksichtigung dieser Form begrenzter Rationalität im Rahmen ökonomischer Modellbildung ist insofern wünschenswert.