202 
Indikationsgröße: Eine Größe, die auf eine vorherzusagende Größe einen 2.2.2 18 
Einfluß hat. 
Indikationsmuster: Die Gesamtheit aller Indikationszeiträume. 2.2.3 21 
Indikationszeitraum: Zeitfenster einer Indikationszeitreihe. 2.2.2 19 
Indikationszeitreihe: Zeitreihe einer Indikationsgroße. 2.2.2 18 
induktiv: Während des Lernens werden neuronale Netz allmählich an den 3.2 31 
Lernstoff "herangeführt". 
Initialisierung: Die Gewichte von neuronalen Netzen werden zu Beginn 3.5.3 43 
eines Lernvorgangs mit bestimmten, z.B. zufälligen Werten vorbelegt. 
Klasse: Ansammlung von Objekten, die durch bestimmte allen Objekten 3.3.1 33 
gemeinsame Eigenschaften charakterisiert sind. 
klassifizieren: Eingabemuster werden einer Klasse zugewiesen. 3.2 31 
. klassifizierend: Vorhersage von mehreren Zeitpunkten einer Größe auf 2.2.2 19 
einmal aus einem oder mehreren Zeitpunkten derselben Größe, d.h. 
aus ihrer eigenen Vergangenheit (siehe univariat). 
Kohonen-Netz: Neuronales Netz, das nach dem finnischen Physiker 3.6 46 
Teuvo Kohonen benannt worden ist. Andere Bezeichnungen: 
Topologieerhaltende oder Selbstorganisierende Merkmalskarte. 
kombiniertes Minimum-cut-off-Lernabbruchkriterium: spezielles Kriteri- 5.1.3 118 
um für den Abbruch des Lernvorgangs von Kohonen-Netzen. Das 
Kriterium basiert auf der Suche nach einem zeitlich globalen Mini 
mum der Validationsfehler und auf einem Vergleich der Validations- 
mit den Trainingsfehlern. 
Konvergenz: Neuronale Netze werden so trainiert, daß ihr Validations- 3.5.3 43 
fehler möglichst klein wird. 
kubischer Spline: Methoden dritter Ordnung zur Interpolation von Wer- 2.1.2 4 
ten an bestimmten Stützstellen auf beliebig dazwischenliegende Stel 
len unter Wahrung der Stetigkeit des Kurvenverlaufs. 
ladder of power: Leiter von Exponenten, die zur Bestimmung des opti- 4.2.4 86 
malen Exponenten für die nichtlineare Transformation durchlaufen 
wird.