DD210500A1 - Assoziative koppelmatrix zum strukturellen lernen und assoziieren aus erfahrung - Google Patents

Assoziative koppelmatrix zum strukturellen lernen und assoziieren aus erfahrung Download PDF

Info

Publication number
DD210500A1
DD210500A1 DD24448882A DD24448882A DD210500A1 DD 210500 A1 DD210500 A1 DD 210500A1 DD 24448882 A DD24448882 A DD 24448882A DD 24448882 A DD24448882 A DD 24448882A DD 210500 A1 DD210500 A1 DD 210500A1
Authority
DD
German Democratic Republic
Prior art keywords
coupling
associative
invariants
units
information
Prior art date
Application number
DD24448882A
Other languages
English (en)
Inventor
Eberhard Liss
Original Assignee
Robotron Zft Veb
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Robotron Zft Veb filed Critical Robotron Zft Veb
Priority to DD24448882A priority Critical patent/DD210500A1/de
Publication of DD210500A1 publication Critical patent/DD210500A1/de

Links

Landscapes

  • Machine Translation (AREA)

Abstract

Die Erfindung ist fuer lernfaehige Automaten, adaptive Steuerungen, assoziierende Erkennungseinrichtungen und Beratungseinheiten fuer den Mensch-Maschine-Dialog anwendbar. Aufgabe ist die technische Simulation des Kenntniserwerbs und der Hypothesenbildung durch Aufzeigen der Struktur- und Funktionsprinzipien einer "lernfaehigen" assoziativen Koppelmatrix zum Implementieren bedingter logischer Verknuepfungen. Die Loesung besteht im wesentlichen darin, dass Koppeleinheiten mit besonderen Uebertragungskanaelen in Verbindung stehen, die Schluesselformationen u. mit diesen assoziierbare o. assoziierte Information uebertragen, dass die Koppeleinheiten direkt und/oder ueber Verknuepfungen mit den Kanaelen verbunden sind, dass Rueckkopplungen von den Ausgaengen fuer assoziierte Informationen zu den Koppeleinheiten vorhanden sind, dass Zustandsaenderungen der Koppeleinheiten auf- u. abbaubar sind u. dass die entsprechnd. Assoziation gleichzeitig mit logischen Operationen u. dem Assoziieren in der Koppelmatrix graduell oder abprupt aufgebaut wird und bei ausbleibender Erfuellung der Koinzidenzbedingung abgebaut werden kann.

Description

Titel der Erfindung
Assoziative Koppelmatrix zum strukturellen Lernen und Assoziieren aus Erfahrung
Anwendungsgebiet der Erfindung
Die Erfindung ist für lernfähige Automaten (vorzugsweise mit künstlichem Intellekt), adaptive Prozeß-, Maschinen- und Robotersteuerungen, assoziierende Erkennungseinrichtungen und Beratungseinheiten zum Darstellen von Wissen für die intelligente Entscheidungsfindung im Mensch-Maschine-Dialog anwendbar. Sie dient besonders als Teilsystem von-Intelligenten Automaten (vgl. WP 145 436, WP 149 723 und WP G06F/234 943/8) zum strukturellen Speichern und lerntypischen Verwerten von Wissen, das durch Kennthiserwerb und Hypothesenbildung erweiterbar ist. Sie hat den Charakter eines lernfähigen Zuordners oder Parallel-Assoziativspeichers (vgl. Zuordnungskomplexe in WP 145 338, WP 145 436 und WP G06F/234 948/8) mit der Fähigkeit zum strukturellen Lernen und Implementieren paralleler bedingter logischer Verknüpfungen bzw. bedingter Zuordnungen für die lerntypische Informationsverarbeitung durch Assoziieren aus Erfahrung.
Charakteristik der bekannten technischen Lösungen Die Erfindung bezieht sich auf die vom Erfinder in der Patentschrift 145 810 (Kl. G06F 15/18) definierte assoziative Koppelmatrix und auf angeführte Patente des Erfinders. Bekannt sind Assoziativspeicher, aus denen durch Inhaltsadressierung oder Suchoperationen mit vergleichbaren Merkmalen (z. 8. Kennwörtern) assoziierte Daten parallel oder seriell lesbar sind. Solche Speicher dienen als besondere Datenspeicher für Computer. Sie werden zumeist mit wahlfreiem Zugriff realisiert und sind gekennzeichnet durch die selektive Adressierung von einzelnen Speicherplätzen und das alternative Schreiben und Lesen von Daten (z. B. Zeichen oder Wörtern). Im Unterschied dazu werden durch die Erfindung die in
WP G06F/234 948/8 vom Erfinder definierten Prinzipien des "strukturellen Lernens" und "Assoziierens aus Erfahrung" angewendet. Erfindungsgemäß werden die durch Konditionierungen während der Informationsverarbeitung gewonnenen "Kenntnisse" und "Hypothesen" als aufgebaute Kausalitätsbeziehungen zwischen verifizierbaren Invarianten (z. B. Signalwerten, Signalwertsätzen oder Daten) durch konditionierte Assoziationen (Verbindungen) strukturell gespeichert.
Mit den Invarianten, die Stützinformationen bzw. Begriffe kausaler (semantischer) Begriffsnetze darstellen, werden das datenflußgesteuerte Assoziieren und Verifizieren von assoziierbaren Informationen in Zuordnung zu parallelen Schlüsselinformationen implementiert. Die erfindungsgemäße Speicher- und Verarbeitungsfunktion der assoziativen Koppelmatrix (als " Ge.dächtnissystem") resultiert aus der Konditionierung bzw. Konsolidierung von verteilten Assoziationen für Beziehungen (d. h..verteilte Speicherung) simultan zu parallelen bedingten logischen Verknüpfungen (d. h. Operationen) der Invarianten., d. h. aktueller Werte der binären o-der mehrwertigen Variablen. Vorzugsweise werden parallele Assoziationen für bedingte Zuordnungen implementiert. Die Erfindung hat den Charakter einer "lernfähigen" . Zuordnungseinheit, die im Vergleich zu konventionellen Assoziativspeichern ohne sukzessive Adressierungs-, Vergleichs- und Suchoperationen für Lesevorgänge auskommt.
Bekannte lernfähige Zuordner sind "lernende" Klassifikatoren (z. B. Lernmatrix von K. Steinbuch). Sie implementieren die Konditionierung von Zuordnungen entsprechend der- bedingten Zählhäufigkeit und summieren gewichtete Einflüsse auf Klassensignale, so daß durch Extremwertbestimmung nach dem iVlaximumprinzip die Einordnung der zu klassifizierenden Invariantensätze in jeweils eine Klasse optimiert werden kann.
Erfindungsgemäß wird die Konditionierung von' disjunkten Assoziationen für parallele bedingte Verknüpfungen abnängig von der zeitlichen und/oder häufigkeitsmäßigen Bewertung von Koinzidenzsignalen implementiert, ohne daß Zähler zur Bestimmung und Bewertung der relativen Häufigkeit der Konditionierung benötigt werden.
Ziel der Erfindung,
Das allgemeine Ziel der Erfindung ist die technische Simulation des Kenntniserwerbs und der Hypothesenbildung durch das "Erfassen" bzw. "Einbilden" von Kausalitätsbeziehungen zwischen Invarianten (d. h. strukturelles Lernen analog dem Einspeichern von Erfahrungen und Annahmen durch Änderungen oder Erweiterungen der logischen Struktur). Gleichzeitig soll das assoziative Erzeugen von Informationen möglich sein, die mit mindestens einer Schlüsselinformation über konditionierte , aufgebaute (d. h. "gelernte·") Kausalitätsbeziehungen assoziiert werden (Assoziieren aus Erfahrung). Verifizierte Invarianten, die assoziierte Informationen darstellen, sollen in bedingte logische Verknüpfungen und/oder bedingte Zuordnungen einbeziehbar sein (analog dem konditionierungsabhängigen assoziativen Denken).
Das besondere Ziel der Erfindung ist das Aufzeigen von ökonomisch realisierbaren Strukturen für assoziative Erfahrungsspeicher, welche zur Entwicklung von lernfähigen Zuordnungskomplexen (vgl. WP 145 338, WP 149 723 und WP GO6F/234 948/8) geeignet sind und z. B. mit Logik- oder Zuordnungseinheiten bzw. Zuordnungsniveaus (vgl. WP 140 927, WP 145 338 und WP G06F/ 234 948/8) integriert oder verbunden werden können. Die Erfindung soll als Teilsystem Intelligenter Automaten nutzbar sein, die vom Erfinder in Patentschriften seit 1978 definiert worden sind (vgl. WP 145 "435, WP 149 723, WP 153 744 und WP G06F/234 948/8) und zum aigorithmischen Modellieren des adaptiven Erkennens und Entscheidens für intelligente"Aktionen durch erfahrungsgemäße Voraussagen und Hypothesen fähig sind. Nach dem Vorbild des Kenntniserwerbs und Assoziierens im "denkenden Gedächtnis" des Gehirns wird das biokybernetische Ziel verfolgt, elementare Lernprozesse technisch zu modellieren. Die psychologisch klassifizierbaren Lernformen (z. B. bedingte Reaktion, bedingte Aktion und Lernen durch Einsicht) lassen sich auf den Grundprozeß des "strukturellen Lernens" zurückführen, welcher als die konditionierte Struktur- und Funktionsänderung eines "lernfähigen" logischen Systems simuliert werden kann (vgl. WP G06F/234 948/8).
_ 4 —
Eine grundlegende Aufgabe der Forschungsrichtung künstliche Intelligenz ist die Darstellung von erweiterbarem Wissen, insbesondere von modifizierbaren und erweiterbaren kausalen Begriffsnetzen, bestehend aus Segriffen als Stützinformationen und aus Beziehungen zwischen Begriffen. Mit einer technisch implementierbaren "lernfähigen" logischen Struktur soll der Kenntniserwe.rb simuliert werden, indem mindestens eine Kausalitätsbeziehung zwischen ausgewählten verifizierbaren Invarianten, die aufeinander beziehbare Informationen bzw. Begriffe darstellen, unter der Bedingung der bewerteten Koinzidenz ihrer Signalereignisse aufgebaut wird,
Darlegung des Wesens der Erfindung
Die Aufgabe der Erfindung besteht im Aufzeigen der Struktur- und Funktionsprinzipien einer " lernfähigen" assoziativen Koppelmatrix zum Implementieren bedingter logischer Verknüpfungen und/oder zur assoziativen Einkopplung von Signalen in Übertragimgskanäle für assoziierbare oder assoziierte Informationen (wie in WP 145 810) entsprechend dem· Ziel der Erfindung. Folgende-Forderungen werden von der erfindungsgemäßen assoziativen Koppelmatrix erfüllt: :
- parallele Ausbildung und Festigung (Konsolidierung) bedingter logischer Verknüpfungen bzw. bedingter Zuordnungen durch Konditionierung von Struktur- und Funktionsänderungen (analog zum bedingten Erfassen und Behalten von Beziehungen im Gedächtnis) simultan zur parallelen Erzeugung von 'mit Schlüssel informationen assoziierten Informationen durch konditionierte Assoziationen und aufgebaute Kausalitatsbeziehungen, d. h. Funktion eines Parallel-Assoziativspeicners mit Fähigkeiten zum parallelen Implementieren des strukturellen Lernens und Speicherns simultan zu logischen Operationen und zum Assoziieren aus Erfahrung (analog dem iViehrfunktionscharakter der neuronalen Struktur des "denkenden Gedächtnisses", modelliert durch, modifizierbare Neuronenverbände mit effektivierbaren Synapsen für konditionierbare Assoziationen) ,
- gradueller oder abrupter Aufbau bzw. Abbau von Assoziationen (Verbindungen) für erfahrungsgemäße Kausalitätsbeziehungen, ausgehend von verifizierbaren Invarianten für ursächliche oder
Schlüssel informationen und bezogen auf Invarianten für assoziierbare bzw. assoziierte Informationen, bedingt durch die zeitlich oder häufigkeitsmäßig bewertete Koinzidenz oder zeitliche Kontiguität der Signalereignisse der aufeinander beziehbaren Invarianten, die sowohl sensuell als auch durch feste und/oder bedingte Verknüpfungen (z. B, durch veranlagte oder gelernte Schlüsse assoziativ) verifiziert werden können; d. h. Simulation des sensuellen und assoziativen Kenntniserwerbs (Erkenntnis und Hypothesenbildung) durch "Erfassen" und "Einbilden" von Beziehungen als "Kenntnisse" bzw. "Hypothesen" und Simulation des Vergessens von solchen Kenntnissen und Hypothesen im Kurzzeitgedächtnis, die ungenügend unter der Koinzidenzbedingung konsolidiert worden sind,
- strukturelles Speichern von aufgebauten (z. B. disjunkten, konjunkten und/oder alternativen) Beziehungen zwischen verifizierbaren Invarianten für Schlüsselinformationen und Invarianten für assoziierte. Informationen, die in Fällen ungenügender Konsolidierung oder durch Umlernen (bzw. anders bedingt) abgebaut (d. h. vergessen) werden können,
d. h. Modellierung des Kurz- und Langzeitgedächtnisses als Wissens- und Erfahrungsspeicher für erworbene Kenntnisse und Fertigkeiten,
- assoziative Speicherung ohne selektive Adressierung von Speicherplätzen und Reduzierung des Aufwandes imVergleich zu adressierbaren Assoziativspeichern mit Lese-/Schreiboperationen durch Wegfall der Lese- und Schreib-Auswahlleitungen,
- wahlweise Gleichsetzung (Äquivalenz) von Signalen für assoziierbare oder assoziierte Informationen mit Signalen für Schlüsselinformationen, so daß assoziierte Informationen als Schlüsselinformationen das Assoziieren weiterer Informationen bewirken können (Assoziationsketten), und/oder daß Schlüssel informationen als assoziierbare Informationen fungieren, die mit anderen Schlusselinformationen bzw, assoziierten Informationen durch strukturelles Lernen in Beziehung gebracht werden können,
- Divergenz der assoziativen Auswirkungen (bzw. Beziehungen) von Signalereignissen für Schlüssel informationen und Konvergenz der logisch verknüpften Beziehungen von solchen Signalereignissen, die gleiche assoziierte Informationen definieren (analog dem Konvergenz- und Divergenz-Prinzip für Beziehungen bzw. Verbin-
-D-
dungen in Neuronennetzen, z. B. der Assoziationskomplexe des Gehirns),
- universelle Koppelbarkeit der Eingänge und/oder Ausgänge der assoziativen Koppelmatrix mit Logik-Gattern, Negatoren, Verstärkern/ Treibern, Flipflops, Triggern, Toren, Registern, Speichern, Sensoren, Effektoren, Anschluß- oder Verbindungseinheiten, Zuordnungseinheiten, -niveaus, -komplexen (vgl.
WP 149 723 und WP G06F/234 948/8) oder anderen assoziativen Koppelmatr'izen ,
- Verwendbarkeit der assoziativen Koppelmatrix als lernfähiger Zuordner (z. B. für Zuordnungsniveaus wie in WP 145 und WP G06F/234 948/8) oder als Parallel-Assoziativspeicher zum Aufbau von lernfähigen Zuordnungskomplexen (WP G06F/ 234 948/8), z. B. Gedächtnissystemen Intelligenter Automaten,
- Realisierbarkeit der Koppelmatrix durch hochintegrierte Schaltungen der Mikroelektronik,· z. B. mit Gate-Arrays oder analog Speichern in MOS- oder CMOS-Technologien, und zukunftige Computertechnologien (z. 8. optische Schaltungen).
Erfindungsgeraäß wird die Aufgabe durch die im Erfindungsanspruch angegebenen Merkmale gelöst.
Ausführungsbeispiel..
Fig. 1: Prinzipschaltung der -assoziativen. Kop pel-matrix, Fig. 2: logische Grundschaltung der assoziativen Koppelmatrix als lernfähige Zuordnungseinheit,
Fig. 3: Blockschaltbild einer assoziativen Koppelmatrix für bedingte disjunktive Verknüpfungen,
Fig. 4: Logikplan des Ausführungsbeispiels einer Koppeleinheit für bedingte disjunktive Verknüpfungen,
Fig. 5: Schaltungsbeispiel einer Koppeleinheit für bedingte disjunktive Verknüpfungen.
Die Fig. 1 zeigt die in der Patentschrift WP 145 810 vom Erfinder definierte Prinzipschaltung der assoziativen Koppelmatrix. Sie dient zum assoziativen Einkoppeln von solchen Signalen in die Übertragungskanäle 1 für assoziierbare Informationen, die unter der Konzidenzbedingung mit mindestens einem Signal der Kanäle für Schlüsselinformationen in Beziehung gebracht worden sind.
Die ausbildbaren Signaleinflüsse der Kanäle 2 auf die Kanäle 1 werden von einzelnen Koppeleinheiten 3, 4 definiert, die "lernbare" Verbindungen (Assoziationen) für bedingte logische Verknüpfungen konditioniert aufbauen oder abbauen können (Implementierung äes strukturellen Lernens). Eine Koppeleinheit 3, 4 hat entweder den Zustand "Verbindung hergestellt" (3) oder den Zustand "keine Verbindung" (4). Die Verbindungen können unter der Koinzidenzbedingung sowohl abrupt als auch graduell hergestellt werden. Oede aufgebaute Assoziation implementiert eine Kausalitätsbeziehung zwischen verifizierbaren Invarianten (Werten von Variablen), d. h. Signalwerten oder Signalwertsätzen (z. B. Zeichen oder Worten), der Kanäle 1 und 2. Der Aufbau einer Verbindung kann entweder bereits nach- einmaliger oder erst nach mehrmaliger Erfüllung der Koinzidenzbedingung erfolgen. Infolge der konditionierten Effektivierung der Koppeleinheiten 4 und ihres Obergangs in den Zustand "Verbindung hergestellt" (3) werden bedingte Verknüpfungen (Funktionen) von Variablen (ausgedrückt durch Signale) der Kanäle 1 und 2 implementiert. Daraus resultieren bedingte Zuordnungen von Invarianten (z, B. Signalwerten) bzw. Invariantensätzen (d. h. Wertetupeln als Formationen der Variablenkonfigurationen) der Knäle 1 und 2. Über die konditionierten Verbindungen (Assoziationen) der Koppeleinheiten 3 werden ausgewählte Invarianten (z. B. für Schlüssel informationen) der Knäle 2 in die rnodifizierbareh bzw. erweiterbaren logischen Verknüpfungen zur Verifikation definierter Invarianten als diskrete Werte der Ausgangsvariablen zur Darstellung assoziierbarer Informationen der Kanäle 1 zusätzlich einbezogen (vgl. Fig.. 2). Mit den Verbindungen der Koppeleinheiten 3 werden aufgebaute ("erfaßte") Kausalitätsbeziehungen zwischen den Invarianten zur Darstellung von Stützinformationen bzw. Begriffe kausaler Begriffsnetze implementiert. Durch die Zustände der Koppeleinheiten 3, werden "lernbare" (d. h. aufbaubare bzw. abbau'oare) Kausalitätsbeziehungen zwischen Invarianten der Kanäle 1 und 2 in der logischen Struktur der Koppelmatrix konzeptionell veranlagt bzw. ausgebildet (vgl. Synapsen in Neuronennetzen). Die lernbaren Beziehungen können prinzipiell in disjunktivem, konjunktivem oder alternativem logischem Zusammenhang stehen (vgl. logische Verknüpfung 12 in Fig. 2). Ober disjunkte Beziehungen sind als Funktionen einer
verifizierten Invariante (ζ. B. eines Signalwertes) für eine Schlüsselinformation der Kanäle 2 mehrere Invarianten für unterschiedliche assoziierte Informationen der Kanäle 1 verifizierbar (Divergenz). Die assoziierten Informationen sind mit gleichen Informationen der Kanäle 1 disjunktiv verknüpft (vgl. 13 in Fig. 2). Sie werden als Ausgangsinforraationen der Koppelmatrix erzeugt, als.oib sie ohne Einflüsse von Kanälen 2 in den Kanälen 1 übertragen worden wären. Unter "Information" verstehen wir die Begriffsklasse aller semantischen Inhalte einer verifizierten Invariante (d. h. ,des ausgewählten Viertes einer Variable).oder eines Invariantensatzes/ der als aktuelle Formation (Wertetupel) der Werte einer Variablenkonfiguration in einem Zeitpunkt definiert wird. Ms Variable gilt ein Signal oder eine Signalgruppe des Übertragungskanals (1, 2, 3, 11, 13, 14, 15, 15, 20.) zur Darstellung codierter Information.
Ausgewählte Kanäle 1 und 2 können identisch sein oder sind wahlweise miteinander verbindbar.. Beispielsweise fungieren über die Verbindungen 5, 7 besondere Signalwerte für assoziierbare Informationen auch als Signalwerte für Schlüssel informationen.Außerdem fungieren über die Verbindungen 5, 8 besondere Signalwerte für Schlüssel informationen auch als Signalwerte für assoziierbare Informationen.
Die logische Struktur der assoziativen Koppelmatrix ist modifiziert) ar und.erweiterbar. Ihre konditionierbaren Koppeleinheiten 3, 4·ermöglichen den erfahrungsgemäßen Aufbau oder Abbau von Kausalitätsbeziehungen zwischen ausgewählten Invarianten der Kanäle 1,(14}und 2, {10}unter der Bedingung der Koinzidenz "verbindbarer" Invarianten der Kanäle 1,(9) und· 2,ClO). Die Invarianten stellen Stützinformationen bzw. Begriffe des modellierten kausalen Begriff snetzes dar, das dem dargestellten modifizierbaren oder erweiterbaren Wissen entspricht. Die assoziative Koppelmatrix dient zum Simulieren des "sensuellen" und "assoziativen" Kenntniservverbs durch "strukturelles Lernen" (analog dem Wissenszuwachs durch Modellbildung) und des Assoziierens aus Erfahrung (z. B. für
assoziierte Voraussagen oder Erwartungen beim lerntypischen Verwerten von gespeichertem Wissen).
Mit assoziativen Koppelmatrizen sind "lernfähige" Zuordnungseinheiten realisierbar, die zu hierarchischen Zuordnungsniveaus von Zuordnungskomplexen integriert werden können (vgl. WP 145 und WP G06F/234 948/8). Diese dienen zum Simulieren von Grundprozessen des logischen Denkens, z. B. von induktivem und/oder deduktivem Assoziieren aus Erfahrung \ύ. h. nach vorausgegangenem Kenntniserwerb durch strukturelles Lernen), und zum strukturellen Speichern von erweiterbarem Wissen (darstellbar durch Invarianten für Begriffe und deren Beziehungen). Sie haben so-': wohl Verarbeitungs- als auch Speicherfunktionen (analog dem "denkenden Gedächtnis") aufgrund ihrer-, bedingten logischen Verknüpfungen , die konditionierungsabhängig ausgebildet, bekräftigt (konsolidiert), modifiziert oder rückgebildet werden können.
Die Fig. 2 zeigt die logische Grundschaltung der erfindungsgemäßen assoziativen Koppelmatrix als lernfähige Zuordnungseinheit (vgl. WP G06F/234 948/8). Die Ausgänge 14 bilden die Ausgangssignale (Ausgangsvariablen) der Zuordnungseinheit als Resultate logischer Verknüpfungen, z. B. mit Logikschaltungen 12, 13.. Sie können mit Hilfe der konditionierbaren Koppeleinheiten 11a, 11b als bedingte Funktionen von solchen Eingangssignalen (Eingangsvariablen) der Eingänge 10 definiert werden, -die über Koppele, in-
*-'"' heiten 11b gesteuerten Einfluß haben und z. B. Sc.hlüsselinfof'ma- tionen darstellen. Die Signale der Ausgänge 14 entsprechen äquivalenten Signalen der Eingänge 9 und sind mit ihnen disjunktiv verknüpft (13). Ihre Signalwerte (Invarianten) sind mit entsprechenden Signalwerten der Eingänge 9 synonym und können mit diesen identisch sein. In die disjunktiven Verknüpfungen 13 werden Resultate der logischen Verknüpfungen 12 (z. B. Disjunktion, Konjunktion, Antivalenz und/oder Negation) bedingt durch Zustände der Koppeleinheiten 11b und ausgewählten Signalwerte der Eingänge 10 einbezogen. Mittels Disjunktionen 13 können Funktionswerte der bedingt verknüpften Signale von Eingängen 10 in die Übertragungskanäle von Eingängen 9 zu Ausgängen 14 assoziativ eingekoppelt werden (vgl. Fig. 1).
Mit den matrixartig angeordneten Koppeleinheiten lla, lib und den Verknüpfungen 12, 13 (z. B. OR, NOR, NAND und/oder AND) sind bedingte logische Verknüpfungen und bedingte Zuordnungen durch aufbaubare bzw. abbaubare Kausalitätsbeziehungen zwischen verifizierbaren Invarianten der Eingänge 10 und Ausgänge 14 implementierbar. Die "lernbaren" Beziehungen können prinzipiell mit disjunkten, konjunkten oder antivalenten (alternativen) Assoziationen implementiert werden, die durch Konditionierung der Koppeleinheiten 11a, 11b entweder aufbaubar oder abbaubar sind. Wenn die logischen Verknüpfungen 12, 13 alle disjunktiv "veranlagt werden, sind nur disjunkte Kausalitätsbeziehungen von Invarianten der Eingänge 9, 10 zu Invarianten der Ausgänge 14 konditionierb'ar. Sie können ζ ...B-. mit wired or-, NAND- oder NOR-Gattern (integriert mit Koppeleinheiten 11a, 11b, 15) durch ökonomisch realisierbare Matrix-Schaltungen implementiert werden (vgl. Fig. 3, und 5).
Die Koppeleinheiten 11a, 11b dienen zum "strukturellen Lernen", d. n, zur Struktur- und Funktionsänderung, der lernfähigen Zuordnungseinheit. Sie vollziehen den Aufbau bzw. Abbau von erfahrungsgemäßen Assoziationen zur Implementierung von den unter der Koinzidenzbedingung lernbaren Beziehungen, ausgehend von ausgewählten Invarianten (Signalwerten) der Eingänge 10 und zu entsprechenden Invarianten der Ausgänge 14. Zum Zwecke der Feststellung und Bewertung der Koinzidenz oder zeitlichen Kontiguität der Signalereignisse verifizierter Invarianten der Eingänge und Ausgänge 14 werden den Koppeleinheiten 11a, 11b besondere Paare ausgewählter "verbindbarer" Invarianten von den Eingängen und Ausgängen 14 zugeleitet. Die Invariantenpaare stellen aufeinander beziehbare bzw. korrelierbare Informationen dar, deren Beziehungen mittels spezieller Koppeleinheiten (analog Synapsen) aufbaubar oder abbaubar (d. h. lernbar) sind.
Die Rückkopplungen 14a von Ausgängen 14 der disjunktiven Verknüpfungen 13 zu Eingängen der Koppeleinheiten 11a, 11b implementieren die "rückwirkenden Einflüsse verifizierter Invarianten der Ausgangssignale von Verknüpfungseinheiten 12, 13 (analog Neuronen) auf die Konditionierung der Koppeleinheiten 11a, 11b (analog
Synapsen). Aufgrund der Rückkopplungen von disjunktiven Verknüpfungen 13 werden sowohl Informationen verifizierter Invarianten (Signalwerte) der Eingänge 9 als auch assoziierte Informationen solcher verifizierten Invarianten, die aus den logischen Verknüpfungen 12 resultieren, mit Schlüssel informationen verifizierter Invarianten der Eingänge 10 unter der Koinzidenzbedingung in Beziehung gebracht. Das bedeutet, daß, nicht nur der "sensuelle" Kenntniserwerb, d. h. das "Erfassen" von Beziehungen zwischen tatsächlich wahrgenommenen Invarianten für Stützinformationen bzw. Begriffe, simulierbar ist, sondern auch der "assoziative" Kenntniserwerb (analog der rationalen Erkenntnis) durch Hypothesenbildung. Letzterer bedeutet das \_,-; "Einbilden" von konditionieren Kausalitätsbeziehungen als
"Annahmen" zwischen solchen koinzidenten Invarianten, die mindestens eine erfahrungsgemäß "vorgestellte" (d. h. assoziierte) Information darstellen. Mit einer assoziierten Information können mehrere andere Informationen hypothetisch als ursächliche "Schlüssel informationen " in Beziehung gebracht werden. Ein fundamentales Beispiel für die simulierbare Hypothesenbildung ist das Ausbilden konditionierter Assoziationen für bedingte Reflexe aufgrund von assoziierten Vorstellungen durch bedingte Reize (vgl WP 145 810). Die "eingebildeten" Beziehungen werden als "angenommene" Kenntnisse, d. h. Hypothesen, strukturell gespeichert. Sie werden "vergessen" (d. h. abgebaut), wenn sie nicht genügend r"--· durch Konditionierungen (Koinzidenzbedingung) bekräftigt (kon- ~" solidiert) werden konnten. Die Koppeleinheiten 11a im Zustand "keine Verbindung", die für aufbaubare (erfaßbare oder einbildbare) Kausalitätsbeziehungen vorgesehen sind, gehen entsprechend der konzeptionellen Veranlagung bereits infolge einmaliger oder erst nach mehrmaliger Konditionierung in den Zustand "Verbindung hergestellt" (lib) über, abhängig von der Bedingung der Koinzidenz der Signalereignisse der verbindbaren Invarianten für aufeinander beziehbare Informationen. Die Koppeleinheiten 11b implementieren aufgebaute (z. B. erfaßte)
-IZ-
Kausalitätsbeziehungen aufgrund ihrer' erfahrungsgemäß konditionierten Assoziationen oder Wahrscheinlichkeitsverbindungen, die infolge der zeitlichen und/oder häufigkeitsmäßigen Bewertung von Ereignissen der erfüllten Koinzidenzbedingung durch Zustandsveränderungen der Koppeleinheiten 11a aufgebaut worden sind. Der Aufbau einer Assoziation bzw. Beziehung wird z. B. infolge der Überschreitung eines wählbaren Schwellwertes für die relative Häufigkeit der Koinzidenz oder für die bedingte Wahrscheinlichkeit der assoziierbaren Information (unter der Bedingung der simultan gültigen Schlüsselinformation) in einer Koppeleinheit 11a durchgeführt. Im Fall der zeitlichen Bewertung der erfüllten Koinzidenzbedingung ist der Beziehungsaufbau nach einer wählbaren Mindestdauer der Koinzidenz möglich. Er kann ζ. Β abhängig von mindestens einer Zeitkonstante implementiert werden (vgl. Fig. 4).
Die Rückkopplung 14a von einem Ausgang 14 der Koppelmatrix auf die Koppeleinheiten 11b gewährleistet, daß die Koinzidenzbedingung auch dann erfüllt und die aufgebaute Beziehung mindestens einer Koppeleinheit 11b bekräftigt wird, wenn infolge der Verifikation mindestens einer Invariante der Kanäle bzw. Eingänge 10 für die Schlüsselinformationen an dem Ausgang 14 eine Invariante für die assoziierte Information aufgrund der Assoziation einer Koppeleinheit 11b verifiziert wird und während einer gewissen Dauer gleichzeitig, mit der verbundenen Schlüsselinformation bestehen bleibt. Das bedeutet, daß infolge des Assoziierens aus Erfahrung (aufgrund von erfahrungsgemäß aufgebauten Beziehungen) allein durch erzeugte Schlüsselinformationen (d. h. "wahrgenommene" Ursachen für assoziierte Informationen) die Assoziation der Koppeleinheiten 11b bekräftigt (d. h.. konsolidiert) und vor dem Abbau bewahrt werden können (Konsolidierung allein durch Assoziieren).
Der Abbau von Assoziationen bzw. Kausalitätsbeziehungen der Koppeleinheiten 11b simuliert das konditionierungsabhängige Vergessen von Kenntnissen (bzw. Fertigkeiten) oder Hypothesen (d. h. von abbaubaren Beziehungen zwischen Begriffen im Kurzzeitgedächtnis). Der Beziehungsabbau erfolgt in Fällen der zeitlich
und/oder häufigkeitsmäßig ungenügenden Erfüllung der Koinzidenzbedingung, z. B. wenn die aufgebaute Beziehung zu selten, zu kurzzeitig oder nicht ausreichend bekräftigt (konsolidiert) worden ist.
Die ungenügende Bekräftigung unter der Koinzidenzbedingung kann mit wählbaren Zeitkonstanten oder Schwellwerten der relativen Mindesthäufigkeit der Koinzidenzereignisse festgestellt werden (vgl . Fig. 4 und 5).
Der übergang der Koppeleinheiten 11b in den Zustand "keine Verbindung" (lla) implementiert den Beziehungsabbau. Er kann konditionierungsabhängig in Fällen ungenügender Bekräftigung oder auch durch externe Signale oder Rücksetzsignale gesteuert werden (vgl. Fig. 4).
Durch die genügend wiederholte Erfüllung der Koinzidenzbedingung für eine aufgebaute Beziehung wird die konditionierte Assoziation vor dem Abbau (Vergessen) bewahrt. Ein Beispiel hierfür ist die Konsolidierung von Kenntnissen und Fertigkeiten durch Training. Wenn das Langzeitgedächtnis modelliert werden soll, muß der Abbau von strukturell gespeicherten aufgebauten Beziehungen in großen Zeitintervallen verhindert werden. Dazu sind Koppeleinheiten lib mit statischen Speichereigenschaften verwendbar, z. B. mit Flipflops, !Magnetisierungen oder bleibenden Strukturänderungen.
Die Fig. 3 zeigt das Blockschaltbild einer assoziativen Koppelmatrix für bedingte disjunktive Verknüpfungen. Die logischen Koppeleinheiten 15 sind zwecks Vereinfachung der. Schaltung nach Fig. an den Kreuzungspunkten der Matrix direkt zwischen die Leitungen 16 und 17 geschaltet (vgl. Ausführungsbeispiel in WP 145 810). Die disjunktiven Verknüpfungen 12, 13 dieser Variante der Grundschal-, tung (Fig. 2) können mit wired-or-Schaltungen pro Leitung 17 implementiert werden. Die Leitungen 16, 17 führen binäre oder mehrwertige Signale für Schlüssel informationen bzw. assoziierbare oder assoziierte Informationen. Sie können mit Anschlußgliedern 18, z. B. Logik-Gattern, Negatoren, Verstärkern, Treibern, Wandlern, Sensoren, Effektoren, Flipflops, Registern, Speichern, Zuordnungseinheiten, Anschluß- oder Verbindungseinheiten (vgl.
WP G06F/234 948/8) oder anderen Koppelmatrizen verbunden werden.
Im Falle der Zusammenschaltung von NAND-open-collector-Gattern der Koppeleinheiten 15 an die Leitungen 17 (vgl. Fig..4) sind Negatoren 18 mit den Leitungen 17 verbindbar, um die Signalvverte zu invertieren und anzupassen. Dede Koppeleinheit 15 implementiert wie die Koppeleinheiten 11a, 11b in Verbindung mit den logischen Verknüpfungen 12, 13 der Fig. 2 den konditionierten Aufbau bzw. Abbau mindestens einer Kausalitätsbeziehung zwischen ausgewählten Signalwerten der Leitungen 15 und 17.
Auf Basis der Fig. 3 können auch mehrere Beziehungen zwischen den Signalwerten eines Signalpaares (z. B. zweier mehrwertiger Variablen mit mehreren verbindbaren Invarianten) konditioniert werden. Dazu sind pro Kreuzungspunkt der Leitungen 16, 17 mehrere Koppeleinheiten 15 positionierbar. Sie können-mit den gleichen Leitungen 16, 17 parallel verbunden werden, jede spezifisch für bestimmte aufeinander beziehbare Signalwerte (z. S. wahre oder inverse Werte von binären Variablen).
Die assoziative Koppelmatrix der Fig. 3 ist in großintegrierter Technologie, der Mikroelektronik auf Chip-Moduln realisierbar, möglicherweise;in Verbindung mit z. B. Flipflops, Registern, Logikgattern, Anschlußeinheiten für Speicher und/oder Prozessoren (vgl. WP G06F/234 948/8) oder, Zu-ordnungseinheiten , -niveaus bzw. -komplexe (vgl. WP 145 338, WP 149 723 und WP G06F/234 948/8). Die Fig. 4 zeigt den Logikplan des.Ausführungsbeispiels einer Koppeleinheit 15 für bedingte.disjunktive Verknüpfungen. Die Koppeleinheit 15 ist mit den Leitungen 19 und 20 für binäre Signale verbunden. Unter der Bedingung der Koinzidenz eines ausgewählten Signalwertes (z. 3.. Wert 1) der Leitung 16, 19 und des verbindbaren Signalwertes (z. 3. Wert 0) der Leitung 17, 20 kann eine disjunkte Kausalitätsbeziehung zwischen diesen Signalwerten (Invarianten) durch Konditionierung der ausbildbaren Assoziation (Verbindung) aufgebaut werden. Die Koinzidenz wird durch die konjunktive Verknüpfung 24 (z. B. Gatter, Tor oder AND) von aufeinander beziehbaren Signalwerten der Leitungen 19 und 20 festgestellt und durch ein Koinzidenzsignal definiert.
Das Koinzidenzsignal, ζ. B. vom Ausgang eines AND-Gatters 24, wird zeitlich und/oder häufigkeitsmäßig bewertet, indem es einem Trägheits- oder Ladungsglied 26 zugeleitet, durch dieses transformiert und einem Speicher- oder Schaltglied 25 zugeführt wird. Aufgrund der Zustandsänderung des Speicher- oder Schaltgliedes kann mit Hilfe des steuerbaren Gatters oder Tors 21 (z. B-. NAND oder möglicherweise NOR bzw. AND) eine "erfahrungsgemäße" bzw. konditionierte Assoziation graduell oder abrupt hergestellt bzw. zerstört werden. Die Voraussetzung dazu ist, daß eine lernbare (d. h. auf'oaubare bzw. abbaubare) Kausalitätsbeziehung zwischen ausgewählten "verbindbaren" Signalwerten der Leitungen 15 und 17 ( . konzipiert ist, die durch eine Assoziation oder Wahrscheinlichkeitsverbindung der Koppeleinheit 15 implementiert werden kann. Das geöffnete Gatter oder Tor 21 implementiert eine strukturell gespeicherte, aufgebaute (erfaßte oder eingebildete) Kausalitätsbeziehung zur Simulation der erworbenen Kenntnis bzw. der angenommenen Hypothese. Das Gatter oder Tor 21 zum Implementieren mindestens einer lernbaren Kausalitätsbeziehung wird vom Ausgangssignal des Speicher- oder Schaltgliedes 25 so gesteuert, daß es im Zustand "Verbindung hergestellt" geöffnet bzw. im Zustand "keine Verbindung" geschlossen ist.
Zwecks Disjunktion mehrerer Einflüsse zu der Leitung 20 über hergestellte Verbindungen werden mehrere Gatter oder Tore 21 disjunktiv mit der Leitung 20 gekoppelt. Im Beispiel der direkten Zusammenschaltung (wired or) von open-collector-NANDs mit der Leitung 20 wird infolge der Effektivierung mindestens eines NAND-Gatters 21 (open collector) mindestens ein Signal assoziativ in den Kanal der Leitung 20 eingekoppelt und dadurch der Signalwert 0 der Leitung 20 verifiziert. Der Negator 23 ist deshalb mit der Leitung 20 verbunden, um aus dem Signalwert 0 den Signalwert für die konjunktive Verknüpfung 24 zu bilden. Er kann entfallen, wenn die Negation nicht erforderlich ist.
Das Speicher- oder Schaltglied 25 bewirkt durch seine gesteuerte .Zustandsänderung den Aufbau oder Abbau der konditionierbaren Beziehung bzw. Assoziation(Verbindung). Es ist z. B. mit einem Flipflop (bistabil oder monostabil), Schwellwertglied, Trigger, Gatter, Schalter, Speicherelement, Haltekreis oder Verstärker mit
Zeitkonstante (z. B. rückgekoppelt) realisierbar. Die Kapazität 22 dient beispielsweise zur Implementierung einer Zeitkonstante für seine Rückstellung (z. B. eines monostabilen Flipflops oder Haltekreises 25) zur Simulation des "Vergessens" der ungenügend bekräftigten abbaubaren Beziehung. Sie kann entfallen, wenn, anstatt des Kurzzeitgedächtnisses das Langzeitgedächtnis dadurch modelliert wird, daß keine zeit- oder konditionierungsabhängige Rückstellung in den Zustand "keine Verbindung" konzipiert ist.
Das Trägheits- oder Ladungsglied 26 (z. B. ein PT-, T- oder I-Glied) hat eine Übertragungsfunktion mit mindestens einer Zeitkonstan.te. Es dient z. B. als Tiefpaß für die übertragung des1 Koinzidenzsignals vom Gatter oder Tor 24 zum Eingang des Speicher- oder Schaltgliedes 25 und ist auf einfach Weise als R-C-Glied mit Widerstand und Kapazität realisierbar (vgl. Fig. 5). Das Ausgangssignal des Trägheits- oder Ladungsgliedes 25 kann vom Speicher- oder Schaltglied 25 schwellwertabhängig bewertet werden, so daß z. B. die Einschaltung oder Ausschaltung des Zustands "Verbindung hergestellt" dann erfolgt, wenn es den gewählten Schwellwert für die Einschaltung überschritten bzw. denjenigen für die Ausschaltung unterschritten hat. Die gewählten Schwellwerte und die Zeitkonstante(n) des Trägheits- oder Ladungsgliedes 26 bestimmen die zeitliche und/oder häufigkeitsmäßige Be'.vertung der Ereignisse der Erfüllung der Koinzidenzbedingung, ausgedrückt durch das Koinzidenzsignal von dem Gatter oder Tor 24. Im' Falle des Verzichts auf das Trägheits- oder Ladungsglied 26 kann jedes Ereignis der erfüllten Koinzidenzbedingung zum Verbindungsaufbau oder zur Bekräftigung der aufgebauten Beziehung zwischen Invarianten oder Leitungen 19 und 20 führen. Der Abbau der ungenügend konditionierten Beziehung ist abhängig von Zeitkonstanten (vgl. 22) oder durch mindestens ein Rücksetzsignal (vgl. 22a) möglich. Eine solche Koppeleinheit 15 wurde in der Patentschrift WP Ί45 810 vom Erfinder beschrieben. Die Fig. 5 zeigt das Schaltungsbeispiel einer Koppeleinheit 15 für bedingte disjunktive Verknüpfungen. Es ist ein Realisierungsbeispiel analog der Fig. 4 für binäre Signale und benötigt minimalen Aufwand an Bauelementen. Die Schaltung ist mit Feldeffekttransistoren (MOS) aufgebaut und kann mit der Technologie einer dynami-
sehen RAM-Speicherzelle hergestellt werden. Lese- und Schreib-Ausvvahlleitungen werden nicht benötigt, sondern nur Datenleitungen 27, 28 für aufeinander beziehbare Invarianten (Signalwerte) jeder Leitung 27 für Schlüsselinformation (Η-Pegel) und jeder Leitung 28 für assoziierbare oder assoziierte Information (L-Pegel), die den Leitungen 19, 20 der Fig. 4 und den Leitungen 16, 17 der Fig. 3 entsprechen.
Der Vergleich der Fig. 5 mit der Fig. 4 zeigt folgende Analogien: Transistor 29 = Gatter oder Tor 21 Transistor 30 = Speicher- oder Schaltglied 25 Transistor 31 = Negator 23
Transistor 32 mit Widerstand 33 = konjunktive Verknüpfung 24 Kapazität 34 mit Widerstand 35 (optional) =,Trägheits- oder Ladungsglied 25. .
Ans-telle des Transistors 30 (z. B. CiViOS) kann ein Flipflop (bistabil oder monostabil), Schwellwertelement oder Trigger eingesetzt werden. Seine Fähigkeit zum selbsttätigen Rücksetzen in den Zustand "keine Verbindung" (vgl. Fig. 4) in Fällen ungenügender Konsolidierung ist auf verschiedene Weise, z. B. mit einer eigenen Zeitkonstante für den Abbau der Verbindung oder schwellwertabhängig, implementierbar. Außerdem ist das Rückstellen des Speicher- oder Schaltgliedes 25, 30 durch externe Signale möglich. Mit Hilfe des RC-Gliedes'34, 35 wird die Ladezeitkonstante zur Verzögerung der Einschaltung des Transistors 30 definiert. Die Kapazität 34 wird mindestens durch die Gate-Kapazität des Transistors 30 realisiert. Auf den Widerstand 35 kann verzichtet werden (je nach gewählter Zeitkonstante).
Die Leitung 28 der disjunktiven Verknüpfung (wired or) kann zusätzlich mit einem Schwellwertglied oder Trigger 36 verbunden werden, um trotz gradueller Änderungen des Signalpegels der Leitung 28 (z. B. verursacht von einem als Verstärker wirkenden Transistor 30) das Alles-oder-Nichts-Prinzip für binäre Ausgangssignale der assoziativen Koppelmatrix zu gewährleisten.

Claims (6)

- lö - Erfindungsanspruch ,
1, Assoziative Koppelmatrix zum strukturellen Lernen und Assoziieren aus Erfahrung mit Eigenschaften einer lernfähigen Zuordnungseinheit für bedingte logische Verknüpfungen und/oder zur assoziativen Einkopplung von Signalen in Übertragungskanäle für assoziierbare oder assoziierte Informationen (gemäß Verfahren in WP.145 310) und mit Fähigkeiten zur.Simulation des Kenntniserwerbs und .. der Hypothesenbildung durch strukturelles Lernen simultan zum Assoziieren aus Erfahrung, vorzugsweise einsetzbar in ädaptiven Erkennungs- oder Steuersystemen und Intelligenten Automaten (vgl. z. B. WP G06F/234 948/8), dadurch gekennzeichnet,
- daß zum Implementieren von Assoziationen oder Wahrscheinlichkeitsverbindungen für konditionierbare Kausalitätsbeziehungen zwischen verifizierbaren Invarianten zustandsveränderliche Koppeleinheiten (3, 4, 11a, 11b, 15) veranlagt sind, die mit besonderen Übertragungskanälen (1, 2, 10, 14) oder Leitungen (15, 17, 19, 20, 27, 28) in Verbindung stehen, die einerseits Schlüssel informationen und andererseits mit diesen assoziierbare oder assoziierte Informationen übertragen, welche mit aufeinander beziehbaren Invarianten (d. h. Signalwerten oder Si gnalvvertsätzen, z. 3. Symbolen, Zeichen oder Worten, als Werte binärer oder mehrwertiger Variablen) dargestellt werden ,
- daß die Koppeleinheiten (3, 4, 11a, 11b, 15) direkt und/oder über Verknüpfungen oder Logikschaltungen (12, 13) mit den Kanälen (1, 14) oder Leitungen (17, 20, 28) der Ausgänge (14) für assoziierbare oder assoziierte Informationen verbunden sind,
- daß Rückkopplungen (14a) von den Ausgängen (14, 17, 20, 28) für assoziierbare oder assoziierte Informationen zu den zugeordneten Koppeleinheiten (3, 4, 11a, 11b, 15) vorhanden sind, damit ausgewählte Invarianten der Ausgänge (14, 17, 20, 23) mit spezifisch für die Koppeleinheiten (3, 4, 11a, 11b, 15) ausgewählten Invarianten der Eingänge (10, 16, 19, 27) für Schlüsselinformationen in Beziehung gebracht werden können, wenn in den Koppeleinheiten (15) durch konjunktive Verknüpfung
(24) die Koinzidenz oder zeitliche Kontiguität der Signalereignisse der verifizierten-Invarianten festgestellt und bewertet worden ist,
- daß durch Zustandsveranderung der Koppeleinheiten (3, 4, lla,.11b, 15) der "erfahrungsgemäße" Aufbau oder Abbau mindestens einer konditionierbaren Kausalitätsbeziehung zwischen ausgewählten Invarianten der Eingänge (10/ 15, 19, 27) und Ausgänge (14, 17, 20, 28) aufgrund der zeitlichen und/oder häufigkeitsmäßigen Bewertung mindestens eines Koinzidenzsignals pro Koppeleinheit (15) mit wahlbaren Parametern der Bewertung (z. B. Zeitkonstanten und/oder Schwellwerten) implementiert wird, so daß infolge der einmaligen oder
^-s erst nach mehrmals festgestellter Koinzidenz der aufeinander beziehbaren Invarianten die entsprechende Assoziation gleichzeitig mit möglichen logischen Operationen und dem Assoziieren in der Koppelmatrix entweder graduell oder abrupt aufgebaut wird und nach ausbleibender Erfüllung der Koinzidenzbedingung im Fall keiner Konsolidierung abgebaut (vergessen.) werden kann,
- daß durch mindestens eine ausgebildete bedingte logische Verknüpfung (lib, 12) der Koppelmatrix mit verifizierten Invarianten der Eingänge (2, 10, 16, 19, 27) für Schlüsselinforraationen mindestens eine verifizierbare Invariante der Aufgänge (1, 14, 17, 20, 28) der Koppelmatrix assoziiert wird,
die mit jeder synonymen Invariante der Eingänge (1, 9/ 17, 20, 28) für assoziierbare Informationen zur Darstellung der ·' ; gleichen Information gleichgesetzt oder disjunktiv verknüpft (13) werden kann.
2. Assoziative Koppelmatrix nach Punkt 1, dadurch gekennzeichnet, daß pro Koppeleinheit (15) mindestens eine konjunktive Verknüpfung (24, 32) zur Feststellung einer speziellen Koinzidenzbedingung implementiert wird, und daß das resultierende Koinzidenzsianal mit einem Träaheits- oder Ladunas-
>_< w <j
glied (26, 34, 35) und/oder Speicher- oder Schaltglied (25, 30) bewertet wird, das durch mindestens eine Zeitkonstante und/oder mindestens einen Schwell wert als wählbare Gröi3en · zur Bestimmung der zeitlichen und/oder häufigkeitsmäßigen Bewertung des KoinzidenzsLgnals gekennzeichnet ist.
3. Assoziative Koppelmatrix nach Punkt 2, dadurch gekennzeichnet, daß zur Implementierung mindestens einer konditionierten Kausalitätsbeziehung bzw. Assoziation pro Koppeleinheit (15) mindestens ein Gatter oder Tor (21, 29) vorhanden ist,.das entsprechend dem Zustand eines mit ihm verbundenen Speicher- oder Schaltgliedes (25, 30) konditionierungsabhängig gesteuert, geöffnet oder geschlossen werden kann, und daß letzteres mit mindestens einem bistabilen oder monostabilen Flipflop, Speicherelement, Trigger, Gatter, Schalter, Schwellwertelement, Verstärker oder Haltekreis mit Zeitkonstante realisierbar ist.
4. Assoziative Koppelmatrix nach Punkt 3, dadurch gekennzeichnet, daß mit Koppeleinheiten (15) bedingte disjunktive Verknüpfungen (12) implementiert werden und die steuerbaren Gatter oder Tore (21, 29) zum Implementieren . disjunkter Beziehungen, Assoziationen oder Wahr seheinlichkeitsverbindungen mit den Leitungen für assoziierbare oder assoziierte Informationen (17, 20, 28) verbunden sind, z. B. durch wired or-Scnaltungen.
5. Assoziative Koppelmatrix nach Punkt 4, dadurch gekennzeichnet, daß sie aus Koppeleinheiteri (15) für bedingte disjunktive Verknüpfungen aufgebaut ist, deren Logikplan mit Fig. 4 und deren Sehaltungsbeispiel mit Fig. 5 beschrieben worden sind.
6. Assoziative Koppelmatrix nach Punkt 1, dadurch gekennzeichnet/ daß ihre Eingänge (9, 10, 15, 17) und/oder Ausgänge (14, 15, 17) wahlweise miteinander und/oder mit Logik-Gattern, Negatoren, Verstärkern, Treibern, Wandlern, Sensoren, Effektoren, Flipflops, Registern, Speichern, Zuordnungseinheiten, Zucrdnungsniveaus , Zuordnungskomplexen (vgl. WP 140 927, WP 149 723 und WP G06F/234 948/8), Anschluß- oder Verbindungseinheiten oder anderen assoziativen Koppelmatrizen verbunden sind.
Assoziative Koppelmatrix nach Punkt 1, dadurch gekennzeichnet, daß zwecks Konditionierbarkeit mehrerer Beziehungen zwischen den verifizierbaren Invarianten für mehrwertige Variablen oder zwischen Signalwerten von Signalpaaren pro Kreuzungspunkt der Matrixleitungen (16, 17) mehrere Koppeleinheiten (15) so positioniert werden, daß sie mit den gleichen Leitungen (16, 17) parallel verbunden sind.
Hierzu 2 Seiten Zeichnungen
DD24448882A 1982-11-02 1982-11-02 Assoziative koppelmatrix zum strukturellen lernen und assoziieren aus erfahrung DD210500A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DD24448882A DD210500A1 (de) 1982-11-02 1982-11-02 Assoziative koppelmatrix zum strukturellen lernen und assoziieren aus erfahrung

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DD24448882A DD210500A1 (de) 1982-11-02 1982-11-02 Assoziative koppelmatrix zum strukturellen lernen und assoziieren aus erfahrung

Publications (1)

Publication Number Publication Date
DD210500A1 true DD210500A1 (de) 1984-06-13

Family

ID=5542135

Family Applications (1)

Application Number Title Priority Date Filing Date
DD24448882A DD210500A1 (de) 1982-11-02 1982-11-02 Assoziative koppelmatrix zum strukturellen lernen und assoziieren aus erfahrung

Country Status (1)

Country Link
DD (1) DD210500A1 (de)

Similar Documents

Publication Publication Date Title
DE112018000272T5 (de) Resistive Verarbeitungseinheit mit hysteretischen Aktualisierungen zum Trainieren neuronaler Netze
DE112011101370T5 (de) Neuronales Netz mit kanonischen gepulsten Neuronen für einen raumzeitlichen Assoziativspeicher
EP1183619A2 (de) Situationsabhängig operierendes semantisches netz n-ter ordnung
DE112020006021T5 (de) Auf maschinelles lernen basierendes verfahren und vorrichtung für die berechnung und verifizierung von verzögerungen des entwurfs integrierter schaltungen
DE112017002468T5 (de) Schlussfolgern und Lernen basierend auf sensomotorischen Eingabedaten
CN109583659A (zh) 基于深度学习的用户操作行为预测方法和系统
DE102021109382A1 (de) System und verfahren eines monotonen neuronalen operatornetzes technisches gebiet
DE60306494T2 (de) Vorrichtung, verfahren und computerprogrammprodukt zur modellierung der kausalität in einem flusssystem
DE112021002939T5 (de) Effiziente kachel-zuordnung für zeilenweise zuordnung in neuronalen faltungsnetzen zur analogen inferenz in künstliche-intelligenz-netzen
DE69607166T2 (de) Elektronische Anordnung zur Durchführung von Konvolutionsoperationen
DE19504664A1 (de) Chaotisches rekurrentes neuronales Netz und Lernverfahren dafür
DE4323439A1 (de) Anordnung zur Modellierung eines nichtlinearen Prozesses
DD210500A1 (de) Assoziative koppelmatrix zum strukturellen lernen und assoziieren aus erfahrung
DE3607241C2 (de)
DD210501A1 (de) Assoziativer erfahrungsspeicher fuer intelligente automaten
Yu et al. An emotion-based approach to decision making and self learning in autonomous robot control
DE102021213344A1 (de) Verfahren zum Ermitteln von Agenten-Trajektorien in einem Multi-Agenten-Szenario
DD214012A1 (de) Lernfaehiger zuordner zum assoziativen klassifizieren und induktiven lernen
DD289150A5 (de) Verfahren und einrichtung &#34;kognitiv-logischer konzeptor&#34; zur adaptiven mustererkennung und assoziativen inferenz aus erfahrung
DD201356A1 (de) Programmierbare logikanordnung fuer intelligente automaten und adaptive steuerungen mit kuenstlichem intellekt
DD222993A1 (de) Kognitiver implikator zur induktiven datenanalyse und assoziativen musterentdeckung
DD223557A1 (de) Kognitiver typisator fuer konditionierbare adressfreie zuordner und adaptiv erkennende assoziativspeicher
DD216339A1 (de) Kognitiver relator zum erfahrungsgemaessen aufbauen bzw. abbauen einer bedingten relation
DD217341A1 (de) Kognitiver generalisator fuer assoziative erfahrungsspeicher und konditionierbare zuordner zum ausbilden hypothetischer verknuepfungen
DD217340A1 (de) Kognitiver synthesator fuer assoziative erfahrungsspeicher und konditionierbare zuordner

Legal Events

Date Code Title Description
ENJ Ceased due to non-payment of renewal fee