Die Systeme der chemischen Ökotoxikologie sind durch ein äu_erst komplexes Ursache-Wirkungsgefüge gekennzeichnet, dessen physiko-chemische Grundlagen nur in seltenen Fällen vollständig erfa_bar ist. Statistische Verfahren spielen deshalb eine wesentliche Rolle bei der Auswertung der gemessenen Daten und der Aufklärung verborgener Zusammenhänge.
Im Projekt werden aus biologischen Vorbildern abgeleitete neuronale
Algorithmen und Methoden als neue Verfahren zur intelligenten Datenanalyse
bzw. als Varianten nichtlinearer statistischer Methoden entwickelt
und untersucht. Im Mittelpunkt stehen dabei nichtlineare Verfahren
zur Rauschfilterung, der Hauptkomponentenanalyse und der
partial least squares Methode mittels selbstorganisierender
Merkmalskarten nach Kohonen bzw. Netzwerken konkurrierender Experten.
Die neuronalen Netze sollen im Rahmen des Projektes für
die Prognose der biologischen Abbaubarkeit toxischer Moleküle
Anwendung finden und ihre Leistungsfähigkeit im Vergleich mit
den bisher verwendeten backpropagation Netzen unter Beweis stellen.
Für die quantitative Analyse der eingesetzten Netzwerke und
der implementierten Lernalgorithmen erfolgt mit Methoden der statistischen
Mechanik.