Publikationen:
Zimmermann, H.G.; Tietz, C.; Grothmann, R.; Runkler, T.A. (2012). Recurrent Neural Networks for Industrial Procurement Decisions. In: KI 26 (4), S. 403-406.
Zimmermann, H.G.; Tietz, C.; Grothmann, R.; Runkler, T.A. (2012). Recurrent Neural Networks for Industrial Procurement Decisions. In: KI 26 (4), S. 403-406.
Neuneier, R.;, Zimmermann, H. G. (2012). How to Train Neural Networks. In: Neural Networks: Tricks of the Trade (2nd ed.) 2012, S. 369-418.
Zimmermann, H.G.; Tietz, C.; Grothmann, R. (2012). Forecasting with Recurrent Neural Networks. In: Neural Networks: Tricks of the Trade (2nd ed.), S. 687-707.
Zimmermann, H.G.; Grothmann, R.; Tietz, C. (2012). Forecasting market prices with causal-retro-causal neural networks. In: H.-J. Lüthi et. al (Hg.): OR Proceedings 2011: Selected Papers of the Int. Conference on Operations Research (OR 2011), Zürich.
Zimmermann, H.G.; Tietz, C.; Grothmann, R.; von Jouanne-Diedrich, H. (2011). Market Modeling, Forecasting and Risk Analysis with Historical Consistent Neural Networks. In Proceedings of the International Conference on Operations Research, Munich 2010.
Zimmermann, H.G.; Grothmann, R.; Schäfer, A. M.; Tietz, C. (2006). Identification and Forecasting of Large Dynamical Systems by Dynamical Consistent Neural Networks. In: S. Haykin et. al. (Hg.): New Directions in Statistical Signal Processing: From Systems to Brain.
Zimmermann, H.G.; Neuneier, R.; Grothmann, R. (2002). Modeling of Dynamical Systems by Error Correction Neural Networks. In: A. Soofi und L. Cao (HG.): Modeling and Forecasting Financial Data, Techniques of Nonlinear Dynamics.
Zimmermann, H.G.; Neuneier, R. (2000). Neural Network Architectures for the Modeling of Dynamical Systems. In: J. F. Kolen und S. C. Kremer (Hg.): A Field Guide to Dynamical Rec. Networks.
Zimmermann, H.G. (1994). Neuronale Netze als Entscheidungskalkül. In: H. Rehkugler und H.G. Zimmermann (Hg.): Neuronale Netze in der Ökonomie, S. 1-87.
Vorträge:
History and Future of artificial neuronal networks (2020)
IPEC 2020
Welt im Wandel, Supply Chains im Umbruch (2020)
zusammen mit Benedikt Sonnleitner, Executive Convention Procurement & Supply 2020
Mathematische Grundlagen zu Data Analytics, Neuronale Netze und Künstliche Intelligenz 2019
Vorlesung an der Friedrich-Alexander Universität Erlangen-Nürnberg. Vorlesungsreihe als Video ansehen
Identification of Complex Dynamical Systems with Neural Networks (2016)
The CERN Lectures, Academic Training Lecture Regular Programme.
System Identification and Forecasting with Recurrent Neural Networks (2015)
Keynote Talk IntelliSys 2015.
Causality Versus Predictability In Neural Network Modeling (2015)
29th Conference on Modelling and Simulation.
Complex Valued Artificial Recurrent Neural Network as a Novel Approach to Model the Perceptual Binding Problem (2012)
zusammen mit A. Minin und A. Knoll, ESANN 2012.
Mitgliedschaften/ Auszeichnungen
- Mitglied im Scientific Advisory Board der German Society of Operations Research (GOR), Leiter der Sektion »Neural Nets & Fuzzy Logic«
- Mitglied der Deutschen Mathematiker-Vereinigung
- Mitglied des Industry Advisory Boards der International Neural Network Society (INNS)
- Mitglied der DPG
- Leiter des SENN development (Simulation Environment for Neural Networks)
- Berater der US National Science Foundation
- Wissenschaftlicher des African Institute für Mathematical Sciences (AIMS) der Universität Cape Town