199 
Glossar 
ablandiger Wind: Allgemein Wind von Land in Richtung Meer. Hier 2.1.3 8 
Wind von Norddeutschland in Richtung Nordsee (20° < Windrich 
tung <= 200°). 
adaptiv: Neuronale Netze passen sich an die Struktur von Lerndaten an. 3.2 32 
aerodynamische Modelle: Siehe dynamische Modelle. 2.1.5 12 
Approximation von Funktionen: Numerische Näherung von unbekannten 3.2 31 
Funktionen. Sie können durch herkömmliche statistische Verfahren 
explizit oder durch neuronale Netze implizit genähert werden. 
ARIIIMA-Prozesse: Autoregressive (integrierte) moving average stocha- 2.3.1 22 
stische Prozesse. 
Assoziativgedächtnis: Eine Art Speicher, der die Beziehungen zwischen 3.2 31 
den einzelnen Speichereinträgen berücksichtigt. 
• auffrieren: Neuronale Netze wieder lernfähig machen, d.h. eine stärkere 3.5.2 42 
Variation der Netzgewichte erlauben. 
auflandiger Wind: Allgemein Wind vom Meer in Richtung Land. Hier 2.1.3 8 
Wind von der Nordsee in Richtung Norddeutschland (200° < Wind 
richtung <= 20°, 360° = 0°). 
Ausgabeschicht: Schicht von Neuronen, wo im Falle der Anwendung von 3.3.1 33 
neuronalen Netzen auf die Prognose die Vorhersagen der Netze 
abgelesen werden können. Bei Backpropagation-Netzen ist diese 
Schicht eindimensional, bei Kohonen-Netzen zweidimensional. 
auswendig lernen: Neuronale Netze lernen nur die Lernvektoren selbst, 3.5.3 44 
aber nicht ihre Beziehungen untereinander. 
autoregressiv: Vorhersage eines einzigen Zeitpunkts einer Größe aus 2.2.2 19 
einem oder mehreren Zeitpunkten derselben Größe, d.h. aus ihrer 
eigenen Vergangenheit (siehe univariat). 
Backpropagation-Netz: Mehrschichtiges Feedforward-Netz mit Back- 3.5 40 
propagation-Trainingsalgorithmus. 
baroklin: Druck- und Dichteflächen sind nicht parallel. Da die Dichte 2.1.5 12 
von Luft und Wasser u.a. von der Temperatur abhängt, sind damit u.a. 
horizontale Temperaturgradienten verbunden.