Zeitlich geordnete Daten-Folgen werden als Zeitreihen bezeichnet. Diese kommen in den verschiedensten Domänen vor: von einem Seismografen, der Erd-Erschütterungen aufzeichnet bis hin zur Wertentwicklung einer Aktie.
Neuronale Netze sind Machine-Learning-Modelle, die sich die Arbeitsweise des menschlichen Gehirns als Vorbild nehmen. Die Idee dazu geht bis in die 40er-Jahre zurück, allerdings ist erst seit Kurzem die immense Rechenleistung verfügbar, um diese sinnvoll einzusetzen.
In diesem Projekt zeigten wir, wie neuronale Netze in verschieden Domänen verwendet werden können, um zukünftige Trends vorherzusagen – zum Beispiel den Energieverbrauch eines Haushalts. Dafür kamen sogenannte rekurrente neuronale Netze zum Einsatz, die sich besonders gut für den Umgang mit Zeitreihen eignen. Zwei verschiedene Anwendungsfelder von Zeitreihenprognose wurden im Detail untersucht: Wetterprognose und Musikgenerierung.
Bei der Wetterprognose wurde demonstriert, wie rekurrente Neuronale Netze zur Temperaturvorhersage verwendet werden können. Weiters wurde erforscht, ob neuronale Netze in der Lage sind, einen Klimawandel in der Stadt Salzburg festzustellen. Dafür wurden die Wetterdaten der letzten 30 Jahre, aufgezeichnet am Salzburger Flughafen, berücksichtigt. Das Experiment soll veranschaulichen, wie vielfältig die Einsatzmöglichkeiten dieses Machine-Learning-Verfahrens sind.
Ziel der Musikgenerierung war es, die Fortsetzung eines Musikstücks zu erzeugen. Speziell wurde versucht, dass die Fortsetzung natürlich klingt und dem Anfang des Stücks ähnelt. Es wurde versucht, die Stilistik aus vielen Liedern eines Genres mit einem neuronalen Netz zu extrahieren. Dafür wurden Musikdatensätze verschiedener Stilrichtungen ausgewählt. Diese wurden umfangreich für die Verwendung in neuronalen Netzen aufbereitet. Nach dem Training der Netze wurden diese verwendet, um ein ihnen unbekanntes Stück Note für Note fortzusetzen - idealerweise mit erkennbarer Ähnlichkeit zum Original.
Facts:
Projekt-Betreuer: Prof. (FH) Univ.-Doz. Mag. Dr. Stefan Wegenkittl und DI Cornelia Ferner
Typ: R&D-Projekt
Studiengang: Master Informationstechnik & System-Management
