Startseite | English Info | Partner | Kontakt | Impressum

Stochastik

Stochastik

mehr ...

Künstliche Intelligenz

Künstliche Intelligenz

mehr ...

Wissensbasierte Systeme

Wissensbasierte Systeme

mehr ...

Data Mining

Data Mining

mehr ...

Neuronale Netze

Neuronale Netze

mehr ...

"Reich werden"

"Reich werden"

mehr ...

Hinweise zum Portal

Hinweise zum Portal

mehr ...

Neuronale Netze / Sportwetten (Fußball)

Einen weiteren Ansatzpunkt für mögliche Lösungsmethoden im Bereich von Roulette, Poker, Sportwetten (Fußball) & Co bieten künstliche neuronale Netze. In der Wissenschaft sind diese bereits in vielen technischen, chemischen und biologischen Bereichen anzutreffen.
Das biologische Nervensystem inspiriert die Architektur eines neuronalen Netzes. Es besteht aus einer komplexen Vernetzung einfacher Verarbeitungseinheiten, den sogenannten Neuronen. Durch verschiedene Lernverfahren werden für bestimmte Eingangsmuster zugehörige Ausgangsmuster erzeugt. Das komplexe nicht lineare Verhalten eines solchen Netzes ist ein wesentlicher Vorteil. Ohne exakte Kenntnis der Zusammenhänge können komplizierte Prozesse in ihrem Ein- und Ausgangsverhalten beliebig genau abgebildet werden.
Auch in Bezug von Berechnungen von Wahrscheinlichkeiten von Ergebnissen im Bereich des Sports (Sportwetten/ Fußball) gibt es Ansatzpunkte, aber eine vielfach erforderliche Optimierung mit ständig neuen Startwerten der Eingangsmuster ist mit relativ hohen Zeitaufwand verbunden.
Im Grunde genommen gibt es im Lernverhalten von Neuronalen Netzen zwei Richtungen, das assoziative Lernen, welches überwacht wird, mit dem Ziel für bestimmte Eingangsmuster entsprechende Ausgangsmuster zu erzeugen und die anspruchsvollere Variante, des entdeckenden Lernens. Hier sollen später Fragestellungen möglichst sinnvoll beantwortet werden, selbst wenn keine oder wenig bekannte Regeln, Wissen und Grundlagen zur Verfügung stehen.
Also kurzum, die menschliche Intelligenz abbilden und weiter entwickeln, aus eigenem erlernten Wissen, Wahrnehmungen und Ideen Zusammenhänge erkennen und somit die vielfältigsten Probleme lösen.
Auch in Zukunft werden Neuronale Netze faszinieren. Gesichtserkennungen, nicht nur in Bildersammlungen, sowie die Spracherkennung auf Smartphones sind da nur zwei Beispiele. Ebenfalls, wenn es darum geht riesige Mengen an Daten und Fakten aus allen Datenspeichern dieser Welt abzurufen und zu beurteilen, spielen Neuronale Netze heutzutage eine große Rolle.

Speziell auf dem Gebiet der Sportwetten, insbesondere Fußball, muss man sich erst einmal fragen, welche Daten möchte man ins Neuronale Netz mit einbeziehen und was ist sonst noch bei der Planung zu beachten? Zunächst muss man sich entscheiden, geht man den auf dieser Homepage eingeschlagenen Weg, also ohne Berücksichtigung jeglicher zusätzlicher Informationen, wie u.a. gesperrte Spieler, Verletzungen, Spiele im Pokal, Kampf gegen Abstieg oder bezieht man diese mit ein. Da man beispielsweise den genauen Einfluss eines verletzten Spielers auf das Mannschaftsgefüge nur subjektiv beurteilen kann, kommen da letztlich nur weitere Unsicherheiten dazu. Die bessere Variante ist, ein Neuronales Netz mit handhabbaren Daten zu trainieren, wie die Anzahl der Siege, Unentschieden, Niederlagen in den letzten 1-(20) Heim-/Auswärts-/Gesamtspielen, der Spiele Gegeneinander, sowie die erreichten Tordifferenzen und Toranzahlen in diesen Begegnungen. Selbst da steigt der Aufwand in die Beschaffung und Bereitstellung der Daten schon wesentlich.
Diese Werte sind dann die Eingangswerte in der Neuronenschicht, welche überhaupt in beliebiger Quantität gewählt werden können. Die vielen miteinander vernetzten mathematischen Funktionen, also spezielle Algorithmen, die ständig neue Berechnungen mit unterschiedlichen Gewichtungen durchführen, lernen erst im Laufe des Trainings, welche Eingangsmuster der Ausgangsschicht, den Ergebnissen von Sportereignissen zuzuordnen ist.
Natürlich ist für ein sinnvolles Arbeiten Grundvoraussetzung, dass eine ausreichend große und repräsentative Menge an Daten zur Verfügung steht, beispielsweise die Ergebnisse der 1.Bundesliga im Fußball der letzten 10 Jahre. Mit Hilfe von Neuronalen Netzen kann man dann Regeln entwickeln, welche die Eintrittswahrscheinlichkeiten von Wettarten sehr gut prognostizieren.

Zusammengefasst kann aber gesagt werden, dass Neuronale Netze mit ihrem erlernten Wissen nicht selbst kreativ werden können. Es kann zwar versucht werden, aus vergangenen Sportergebnissen und dessen Ausgangsbedingungen Expertenwissen zu generieren, aber bis Systeme sich unüberwacht selbständig auf Lernenswertes fokussieren, daraus Zusammenhänge ableiten und für den Benutzer Mensch entscheidungsrelevant bereitstellen, wird wohl noch einige Zeit vergehen.