-
Elektronische
Sprachnetzwerke lassen sich aus künstlichen Neuronen und sie
verbindenden elektrischen Leitungen bilden. Sie werden in einem hierarchischen
System angeordnet, das zusätzlich
in jeder Abstraktionsebene noch Prädiktionsnetzwerke enthält. Zwischen
den Sprachnetzwerken werden weiterhin Kopplungsnetzwerke vorgesehen,
welche alle Assoziationswege aus sich verzweigenden elektrischen
Leitungen in einem Baustein zusammenfassen, der durch eine Matrix
beschrieben wird und integrationsfreundlich ist.
-
Stand der Technik
-
Eine
in Netzwerken ablaufende programmierte Sprachverarbeitung ist in
den folgenden Dissertationen ausführlich beschrieben worden:
- Meyer, J. Die Verwendung hierarchisch strukturierter Sprachnetzwerke
zur redundanzarmen Codierung von Texten. Diss. THD1989.
- Nachtweg, V. Textkompression auf der Basis von Wortnetzwerken
und Grammatikmodellen. Diss. THD, 1995.
- Steinmann, F.-M. Netzwerkmodellierung und Segmentierung von
Texten sowie Anwendungen zur Informationsverdichtung. Diss. THD,
1996.
- Burschel, H.-D. Die meßtechnische
Ermittlung von Assoziationen zwischen Worten in kohärentem Text und
ihre Nutzung bei Prädiktionen
verschiedener Reichweite. Diss. TUD, 1998.
- Bassenge, G. Automatische Klassifizierung von Wortformen in
Texten der deutschen Gegenwartssprache. Diss. TUD, 2001.
- Ries, Th. Über
Möglichkeiten
einer maschinellen Nacherzählung
mit Hilfe eines hierarchischen Systems aus Sprachnetzwerken. Diss.
TUD, 2001.
-
In
dem kurz vor dieser Anmeldung fertig gestellten und erst nach dem
Anmeldetag der Patentanmeldung im Handel erschienenen Buch des Patentanmelders
[Hilberg, W., Denken wie ein Mensch, Verlag Sprache und Technik
(2005)], wird ausführlich beschrieben,
wie man grundsätzlich
eine elektronische Sprachmaschine auf der Basis von Netzwerkstrukturen
programmieren und damit realisieren kann. So wird z.B. erläutert, dass
Sprachnetzwerke – in 1 ist
die gemessene Verbindungsmatrix des Sprachnetzwerkes für die deutsche
Sprache gezeigt – eine
ganz typische Grundstruktur haben, die für alle natürlichen Sprachen dieselbe ist.
Sie gibt sich in den Verbindungsmatrizen durch eine nahezu konstante Punktdichte
zu erkennen. Wegen der Bedeutung dieser Sprachnetzwerke für das Patentbegehren
sei sie hier noch einmal wiedergegeben: „Das funktionale Sprachnetzwerk
auf der Abstraktionsebene der Worte, dargestellt durch einen Ausschnitt
aus der Assoziationsmatrix (Verbindungsmatrix), bei der die Worte des
Wortschatzes entsprechend ihrem Rang auf beiden Achsen platziert
sind. Die Verteilung der Punkte ist nicht zufällig, es handelt sich vielmehr
um die genaue Beschreibung des Netzwerkes. Jeder Punkt repräsentiert
eine Netzwerkverbindung zwischen einem Wort in einem Text, das durch
seinen Rang X auf der horizontalen Achse gegeben ist, und einem
anderen Wort, das im Text nachfolgt, mit seinem Rang Y auf der vertikalen
Achse".
-
Vorbild
der entworfenen und untersuchten strukturellen Verfahren ist immer
das menschliche Gehirn, jedenfalls sind es Verfahren, von denen
man vermuten kann, dass sie auch vom Gehirn benutzt werden könnten. Netzwerke
und die Vorgänge
in ihnen wurden dabei immer in üblicher
Weise programmiert. Solche Programme sind auf Codes angewiesen.
-
Im
Einzelnen wird dargestellt, dass die Knoten in den Netzwerken, von
denen es sehr viele gibt (einige hunderttausend), Informationen
in Form von Codes speichern (das entspricht den verschiedenen Worten
und Metaworten einer Sprache). Obwohl die strukturell ablaufenden
Vorgänge
in den Netzwerken nur programmiert sind, entsprechen sie den Vorgängen im
menschlichen Gehirn dennoch schon weit besser als die Vorgänge in den
bekannten verschiedenen Funktionsmodulen in einem Computer. Die
in den Dissertationen diskutierten und programmierten Netzwerke
sind in Ebenen wachsender Abstraktion zu finden. Die Kommunikation
zwischen ihnen ist ein wichtiger Gesichtspunkt eines Entwurfes.
Die Aufgabe einer notwendigen Kommunikation wird hier in der Art
gelöst,
dass jeder Kommunikationsweg einzeln betrachtet und in einem Programmschritt
erfasst wird. Die Kommunikation erfolgt durch assoziative Operationen,
die prinzipiell bekanntlich sind und auf verschiedene Weise erfolgen
können.
Beispielsweise sind schon seit Jahrzehnten die Schaltungen der assoziativen
digitalen Speicher bekannt. Ganz anders verlaufen assoziative Operationen
mit Hilfe spezieller Programmiermethoden, den sog. Hash-Methoden.
So gut wie nicht bekannt ist, dass assoziative Suchoperationen,
wenn sie gleichzeitig und sehr rasch erfolgen müssen, durch eine Vielfach-Verbindungstechnik
durchgeführt
werden können.
Eine Beschrei bung dieser Technik sucht man meist vergebens in den
gängigen
Lehrbüchern.
In den oben genannten Dissertationen wird jedoch in alter Tradition die
Anwendung assoziativer Verfahren auch in einem Netzwerksystem noch
mit Hilfe von Codes und deren Transfers beschrieben. Dort findet
man z.B. noch entsprechende Beschreibungen für verschiedene Ausführungen
assoziativer Such- und Zuweisungsoperationen. In einem Fall werden
für jeden
Knoten eines Netzwerkes diejenigen Code-Transfers beschrieben, die
er zu den zu assoziierenden Knoten in einem anderen Netzwerk haben
kann. In einem anderen Fall können
Codes, die eine Schar von Knoten assoziativ ansprechen sollen, in
der Nähe
des Knotens abgespeichert werden, von dem sie ausgehen sollen. Sie
können
zu anderen Netzwerken führen
oder auch ins eigene Netzwerk. In einem weiteren Fall wird von einem
steuernden Netzwerk aus zuerst ein ausgewählter „besonderer" Knoten in einem
gesteuerten Netzwerk adressiert und es werden von ihm ausgehend,
lediglich diejenigen gespeicherten und zu assoziierenden Knotencodes
angesprochen, die ins selbe Netzwerk führen. Diese Codes sind in sog. Ähnlichkeitsbündeln zu
finden. Dargestellt werden alle Verfahren in den obigen veröffentlichten
Dissertationen und auch in dem Aufsatz (Hilberg, W. Neural networks
in higher levels of abstraction, Biological Cybernetics 76, S. 23–40, 1997)
anhand von Codes, ihren Umwandlungen und Transfers.
-
Probleme bei den bekannten
Verfahren
-
Ein überaus großer Aufwand
an Speicherplatz und Zeit ergibt sich durch die Programmierung der
Verbindungen zwischen den Knoten innerhalb der Netzwerke und auch
durch die Programmierung der Assoziationsverbindungen zwischen den
Knoten verschiedener Netzwerke. Das führt auch zu einer außerordentlich
langsamen Arbeitsweise.
-
Die
Ermittlung der benötigten
Assoziationen erfolgt mit Hilfe großer Lerntexte, was oft sehr
langwierig ist und zu unvollständigen
Ergebnissen führt. Ein Überblick über den
jeweiligen Status ist dabei nur schwer zu gewinnen. Die unregelmäßige Verteilung der
an verschiedenen Stellen der Netzwerke gespeicherten Codes für die Assoziationen
wäre selbst
bei Benutzung von elektrischen Leitungen nicht für eine integrierte (Chip-)Realisierung
geeignet. Auch für
Simulationen ist die Berücksichtigung
der örtlich
verteilten, in ihrer Größe sehr
unterschiedlichen Bündel
von Codes innerhalb der informationstragenden hierarchischen Netzwerke
sehr umständlich
und fehleranfällig.
Sie weisen eine zu unterschiedliche Mischung von Schaltungen und
gespeicherten Informationen auf und können deshalb nicht als einfach
strukturierte einheitliche Bauteile konzipiert oder aufgebaut werden.
Die unterschiedlichen individuellen Strukturen führen dann zu einer Vielzahl
von unterschiedlichen integrierten Bausteinen.
-
Ziel der Erfindung und Lösung der
Probleme
-
Das
beherrschende grundsätzliche
Ziel der Erfindung ist es, eine Anordnung zu schaffen, die dem Vorbild
des natürlichen
neuronalen Netzwerkes im menschlichen Gehirn mit seiner durchgängig gleichartigen
Struktur näher
kommt, als das beispielsweise in dem nachveröffentlichten Buch (Hilberg,
W., Denken wie ein Mensch) und den Dissertationen beschrieben wurde.
Damit wird man aller Voraussicht nach das Optimum einer intelligenten Sprachverarbeitung
im Gehirn, das in der Geschichte der Menschheit auf natürlicher
Grundlage mühsam aufgebaut
wurde, hoffentlich in nicht zu ferner Zeit erreichen. Zugleich soll
eine solche Anordnung auch in Aufbau und Wirkungsweise wegen der
günstigeren Struktur
leichter zu entwerfen und aufzubauen sein und darüber hinaus
effizienter sein und schneller funktionieren als die bekannten Anordnungen.
Bekanntlich arbeitet ja das menschliche Gehirn, im Detail betrachtet,
sehr viel langsamer als ein Computer und dennoch bleiben selbst
die leistungsfähigsten heutigen
Computer hinter den menschlichen Intelligenzleistungen wie z.B.
der flexiblen Sprachbeherrschung zurück. (Eine elektronische Netzwerkmaschine
nach menschlichem Vorbild dürfte
dann in der Schnelligkeit selbst von einem Menschen nicht mehr zu übertreffen
sein!). Für
das Netzwerksystem wird eine integrationsfreundliche Anordnung vorgeschlagen,
die aus wenigen typischen Schaltungsblöcken besteht, die praktisch
dieselbe einheitliche Netzwerk-Grundstruktur haben. Ausgehen wird
man von dem im obigen Buch beschriebenen Schaltungsblock, d.h. von
einer Grundform, aus der die Netzwerke in den hierarchischen Abstraktionsebenen
bestehen. In Bild 2a ist das damit aufgebaute System gezeigt.
-
Zu
diesen Ebenen-Netzwerken kommen in einer weiteren Ausgestaltung
noch Prädiktionsnetzwerke
hinzu, siehe Bild 2b. Da sie Prädiktionen
verschiedener Reichweite durchführen
müssen,
gibt es entsprechend viele davon.
-
Diese
Anordnung wird erfindungsgemäß ergänzt durch
einen weiteren typischen Schaltungsblock, der ein sog. Kopplungsnetzwerk
enthält,
siehe Bild 3a. Es ist zwischen je zwei hierarchischen Netzwerksebenen
angebracht und hat die Aufgabe, den Datenaustausch bzw. die assoziative
Kopplung zwischen den benachbarten Netzwerkschichten zu übernehmen.
Dieses Kopplungsnetzwerk braucht nicht wie die hierarchischen Ebenen-
Netzwerke Codes in speichernden Schaltungen zu enthalten. Es lässt sich
noch mit sog. Prädiktionsnetzwerken
kombinieren, siehe Bild 3b. Durch die Einführung eines speziellen Verknüpfungsnetzwerkes
(in der Art eines Kopplungsnetzwerkes) zwischen den Prädiktionsnetzwerken
und den Ebenen-Netzwerken wird es dann noch erweitert. Schließlich wird
gezeigt, dass die Verschmelzung dieses Prädiktions-Verknüpfungsnetzwerkes
mit dem Ebenen-Kopplungsnetzwerk
möglich
und von Vorteil ist, siehe Bild 4.
-
Unbeschadet
der hier und im folgenden beschriebenen technischen Ausgestaltung
der informationstragenden hierarchischen Ebenen-Netzwerke mit Knoten,
in denen Informationen in Form von Codes gespeichert sind, muss
einschränkend
bemerkt werden, dass das lediglich durch die heutigen Möglichkeiten
einer technischen Realisierung und einer anschaulichen nachvollziehbaren
Beschreibung nahe gelegt wird, dass aber solche Codedarstellungen
grundsätzlich
entfallen können,
wenn man entsprechend dem natürlichen
Vorbild des menschlichen Gehirns eine eindeutige Einbettung eines
jeden Knotens in das gesamte Netzwerksystem hat. Erst dann entsteht
eine wirklich durchgängige
exakte Abbildung des natürlichen
Systems auf ein technisches System.
-
Die
genannten Anordnungen sind im Folgenden und im Anspruch 1 und den
Unteransprüchen beschrieben
und durch Zeichnungen veranschaulicht worden. Ein nebengeordneter
Verfahrensanspruch ist ebenfalls mit den Kennzeichen angefügt.
-
Erreichte Vorteile der Erfindung
-
Mit
dem neu eingeführten
Ebenen-Kopplungsnetzwerk und dem Prädiktions-Verknüpfungsnetzwerk
und ihren Kombinationen werden die angegebenen Ziele erreicht. Die
Netzwerke sind sehr einfach als Standardnetzwerke zu entwerfen,
sie gleichen in ihrer Struktur grundsätzlich den Ebenen-Netzwerken,
sie sind bei vollem Ausbau etwa gleich groß und kompatibel zu ihnen und
können
wie diese übersichtlich
durch eine Matrix beschrieben werden, siehe Bild 1. Dadurch ist
ein Entwurf nicht fehleranfällig.
Die Anzahl der Verbindungen in einem Kopplungsnetzwerk wird im Allgemeinen
kleiner sein als in einem Ebenen-Netzwerk. Dies gilt vor allem dann,
wenn z.B. nur die Nachfolger zu einem Wort oder nur Untermengen
solcher Nachfolger assoziativ angesprochen werden sollen. Maximal
kann dabei die Anzahl der Verbindungen bzw. der entsprechenden Punkte
in der Matrix bis zur Hälfte
der Anzahl von Matrixpunkten in einer Ebenen-Verbindungsmatrix (Assoziationsmatrix)
anwachsen. Sollen dagegen auch Vorgänger-Assoziationen erfasst
werden, kann dies erfindungsgemäß in derselben
Matrix geschehen. Die maximale Anzahl der Punkte in der Kopplungsmatrix
wird dann gleich der maximalen Anzahl in einer Ebenen-Verbindungsmatrix
(Assoziationsmatrix).
-
Ein
weiterer Vorteil der Erfindung besteht darin, dass man für einen
raschen Entwurf (in der Simulation) die benötigten Assoziationsverbindungen nicht
erst durch lange Lerntexte ermitteln muss, sondern dass man als „default"-Werte gleich die
Hälfte der
in den Ebenen-Netzwerken benötigten
Verbindungen übernehmen
kann. Da in einer Kopplungsmatrix bei einer Simulation nur Punkte
zu speichern sind, gibt es auch hierdurch eine starke Reduzierung des
Speicheraufwandes. Die sonst bei einer assoziativen Adressierung
benötigte
Speiche rung von Metawort-Codes benötigt nämlich sehr viel mehr Speicherplatz
als die Speicherung von Koordinaten in der Kopplungsmatrix. In der
Hardware-Realisierung enthält
das Kopplungsnetzwerk sogar überhaupt
keine Speicher mehr, weil die Benennung und Speicherung von Codes
für die
assoziativen Ziele durch die einfachen Leitungsverbindungen und
Leitungsverzweigungen entfällt.
-
Textpfade und Assoziationen
-
Große Netzwerke
lassen sich sehr einfach und übersichtlich
durch Verbindungsmatrizen beschreiben, siehe Bild 1. Sie werden
in den Netzwerken der jeweiligen Abstraktionsebenen „Assoziationsmatrizen" genannt und in den
Prädiktionsnetzwerken „Prädiktionsmatrizen". Eine in dem oben
genannten Buch beschriebene Sprachmaschine enthält eine ganze Hierarchie von
Assoziationsmatrizen in Ebenen wachsender Abstraktion, die abkürzend auch
mit „Ebenen-Matrizen" bezeichnet werden
sollen. Erfindungsgemäß kommen
Kopplungsnetzwerke zwischen je zwei Ebenen hinzu, die ebenfalls
durch Matrizen zu beschreiben sind. Bei einer Hardware-Anordnung
werden die assoziativen Zugriffe vom steuernden Netzwerk bzw. von
seinen Netzwerksknoten auf das gesteuerte Netzwerk durch eine Vielfach-Verbindungstechnik
realisiert, bei der ein Knoten mit seinem sog. assoziativen „Suchwort" über eine Vielzahl von sich
verzweigenden Leitungen mit allen möglichen zu assoziierenden Wortknoten
der anderen Ebene direkt verbunden wird. Dadurch ist eine gleichzeitige
Assoziation mit all diesen Wortknoten gewährleistet.
-
Mit
der Kopplungsmatrix lässt
sich sehr einfach erkennen und zusammenfassen, welche Assoziationen
ein Knoten eines steuernden Netzwerkes mit den Knoten eines gesteuerten
Netzwerkes haben soll. Die Steuerung kann in der Netzwerkhierarchie von
unten nach oben gehen (Codierung) oder von oben nach unten (Decodierung).
Die assoziativen Verbindungen erscheinen in der Matrixdarstellung
lediglich als Punkte, wobei jeder auf einer Vertikalen zu einem
Namen oder einer Nummer eines Knotens auf der Abszisse liegende
Punkt die Verbindung von dem Knoten des steuernden Netzwerkes zu
dem anzusprechenden Knoten des angesteuerten Netzwerkes markiert.
Ihn findet man, von ihm auf der Horizontalen nach links gehend,
auf der Ordinate. Auf der Vertikalen befinden sich also alle Punkte,
welche die assoziativen Verbindungen des steuernden Knotens zu den
Knoten des gesteuerten Netzwerkes darstellen. In der Hierarchie
der Netzwerke einer Sprachmaschine wird eine assoziative Suche,
ausgehend von einem Knoten des steuernden Netzwerkes, in dem gesteuerten
Netzwerk im Allgemeinen eine Vielzahl von passenden Knoten finden.
Idealerweise soll von ihnen aber nur der „richtige" oder nur wenige „richtige" Knoten aktiviert werden, was durch
zusätzliche
Signale geschieht. Deshalb dürfen
die von dem Assoziationsvorgang betroffenen Knoten nur halb erregt werden.
Sie werden dadurch für
die endgültige
Auswahl nur vorbereitet. Die für
die vollständige
Auswahl benötigten
zusätzlichen
Signale werden vorzugsweise aus dem eigenen Netzwerk kommen. Sie
stammen bei der gerade betrachteten Methode aus dem letzten Knoten
eines schon bestehenden Textpfades. Die Kombination bzw. Koinzidenz
besteht aus folgendem: Nur, wenn ein Knoten aus der Schar der halberregten
assoziierten Knoten auch gleichzeitig ein im Netzwerk befindlicher
direkter Nachfolger des schon voll aktivierten Knotens am Ende eines
internen Textpfades ist, d.h. wenn dieser ihn in der internen Netzwerkstruktur
direkt erreichen kann, wird der halberregte Knoten durch die Koinzidenz
erst voll aktiviert und dadurch zu einer Fortsetzung des schon bestehenden
Textpfades.
-
Textsegmente und Assoziationen
-
Bei
einem praktisch wesentlich vorteilhafteren anderen Verfahren werden
Texte und Metatexte in Segmente zerlegt, die jeweils aus einem sog.
Leitwort hohen Ranges und wenigstens einem damit als Nachfolger
oder Vorgänger
verbundenen sog. Bündelwort
niedrigeren Ranges bestehen. Diese Bezeichnungen seien kurz erläutert. Zur
konventionellen Ermittlung der Rangzahlen von Worten benötigt man
eine statistisch gewonnene Rangtabelle bzw. eine Häufigkeitstabelle.
Einfacher und ohne Bezug auf Häufigkeiten
geht es durch Benutzung des internen strukturellen Merkmals „Verzweigung". Sie ist eine Eigenschaft
eines Knotens und dort abzulesen. Noch einfacher, aber leider wesentlich
ungenauer ist es, wenn man sich auf die Wortlänge bezieht, denn bekanntlich
entsprechen große
Wortlängen
einem hohen Rang und kleine Wortlängen einem niedrigen Rang.
In einem Segment vergleicht man die Worte bezüglich ihres Ranges und erklärt das Wort
mit dem höchsten
Rang zum Leitwort. Zweckmäßigerweise sendet
man beim Codieren allein die Codes der Leitworte zusammen mit ihrer
Rangzahl in die nächsthöhere Metaebene.
Dort werden die Metaworte niederen Ranges in den dortigen Segmenten
wieder unterdrückt
bzw. weggelassen, usw.. Man beachte, dass durch die Benutzung intern
verfügbarer
Merkmale wie Verzweigung oder Wortlänge das Netzwerksystem von
der Zuführung
externer Informationen unabhängig
wird, d.h. dass es ein autarkes System wird.
-
Bei
Benutzung von Textsegmenten findet die assoziative Verkopplung im
Einzelnen etwas anders statt als sie zunächst oben beschrieben wurde.
-
Man
betrachte dazu den Vorgang der Decodierung, bei der ein hierarchisch
oben liegendes Netzwerk auf das darunter liegende Netzwerk steuernd
eingreift und dabei die Anzahl der Metaworte dort verdoppeln soll.
Dabei wird zuerst das in dem oberen Netzwerk gerade akti ve Leitwort
unverändert übertragen.
Es wird ein „besonderes
Wort" genannt. Zugleich
veranlasst es eine assoziative Suche nach dem direkten Nachbarn,
welches dieses Wort im Netzwerk der unteren Ebene hat. Dazu wird
mit Hilfe der Kopplungsmatrix eine Untermenge aus der Schar der
möglichen
Nachbarn assoziativ angesprochen. Eine Koinzidenzbedingung kommt
noch hinzu: Nur derjenige Nachbar, der sich auch aufgrund der Prädiktionen
aus dieser Schar heraushebt, wird zum Schluss vollständig aktiviert.
Auf diese Weise ist der decodierte Textpfad insgesamt um zwei Knoten
bzw. Worte angewachsen. Bei dem bisher bekannten Verfahren, das
auf Speicherung und Transfer von Codes aufbaute, musste die Schar
von ausgesuchten Nachfolgern zu einem Leitwort in derselben (unteren)
Ebene zusammen mit dem Leitwort in einem zugeordneten Bündel gespeichert
werden (Ähnlichkeitsbündel), während jetzt
die Assoziationen zu den ausgesuchten Nachbarn des „besonderen
Wortes" (Nachfolger und
Vorgänger
berücksichtigend)
extern durch das Kopplungsnetzwerk vorgegeben werden. Das braucht
man in umgekehrter Richtung, bei der Codierung, im Grunde genommen
nicht, jedenfalls nicht in der Betriebsphase. Hier werden ja nur
die jeweiligen Leitworte von unten nach oben in der Hierarchie unverändert von
Netzwerk zu Netzwerk übertragen, dort
im Textpfad erneut segmentiert, nach Rang geordnet, verglichen usw...
In der Lernphase sollten allerdings schon beim Codieren die in der
unteren Ebene auftauchenden „ausgesuchten" Nachbarworte dazu
benutzt werden, das Kopplungsnetzwerk bzw. die Kopplungsmatrix entsprechend
zu strukturieren.
-
Kopplungsmatrix für Prädiktionen
-
Ein
Kopplungsnetzwerk mit der Strukturbeschreibung durch eine Matrix
macht nicht nur Sinn für die
Kommunikation zwischen den Netzwerken der hierarchischen Abstraktionsebenen.
Auch die Kommunikation zwischen ihnen und den Prädiktionsnetzwerken kann dadurch
verbessert werden, indem die Kommunikationswege in einem entsprechenden Kopplungsnetzwerk
zusammengefasst werden. Es sei das Verknüpfungsnetzwerk genannt, weil
es auch Konjunktionsschaltungen enthält. Hier lassen sich dann zuerst
diejenigen Mehrfachtreffer ermitteln, bei denen alle Prädiktionen
in der Vorhersage derselben assoziierten Knoten übereinstimmen, siehe Bild 4. Nur
diese Informationen muss man für
die auszuwählenden
Knoten im Netzwerk der zugehörigen
Abstraktionsebene verwenden. Das heißt, sie allein können in
dieses Netzwerk dann direkt übertragen
werden. Besonders günstig
erscheint schließlich
noch die Zusammenfassung aller Strukturinformationen beider, der
Kommunikation dienenden, Netzwerke in einem gemeinsamen Kopplungsnetzwerk,
das zugleich von dem steuernden Ebenen-Netzwerk und den Prädiktions-Netzwerken
gespeist wird, siehe Bild 5.
-
Verfahrensaspekte
-
Ein
Netzwerk kann materiell realisiert werden oder es kann simuliert
werden. In beiden Fällen ist
eine Strukturbeschreibung durch eine Matrix sinnvoll. Für viele
Zwecke, insbesondere für
einen ersten Entwurf ist bei Benutzung leistungsfähiger Computer oft
eine Simulation völlig
ausreichend. Hierbei wird man dann eher von Verfahren statt von
Anordnungen sprechen. Das hat auch Auswirkungen auf den zu leistenden
Aufwand.
-
Bei
dem erfindungsgemäßen Verfahren
geht man von einer Kopplungseinrichtung zwischen dem steuernden
und dem gesteuerten Netzwerk aus, die lediglich Angaben über die
Assoziationswege für
alle Assoziationssignale von Knoten des steuernden Netzwerkes zu
assoziierten Knoten des gesteuerten Netzwerkes enthält. Diese
Kopplungseinrichtung lässt
sich durch eine Matrix mit Strukturdaten beschreiben, wodurch sich
vor allem bei einer Simulation eine leichte und übersichtliche Handhabung ergibt,
z.B. wenn man zu Beginn einer Entwicklung mit sog. „default"-Werten arbeiten
muss. Auch ein erweiterter Anwendungsbereich wird dadurch sofort
sichtbar. So ergibt sich z.B. bei der Segmentierungsmethode, bei
der ein Leitwort an unterschiedlicher Stelle eines Segmentes stehen
kann, die Berücksichtigung eines
Nachbarwortes einmal als Nachfolger und ein andermal als Vorgänger. Da
ein Leitwort immer einen höheren
Rang als das Nachbarwort (Bündelwort)
haben muss, liegen die Besetzungspunkte für Nachfolger immer unterhalb
der Hauptdiagonalen der quadratischen Matrix und die für Vorgänger oberhalb
der Hauptdiagonalen. Beide Besetzungen kann man also zusammenfassen
und dadurch eine einzige Kopplungsmatrix erhalten, die in ihrer
Größe den Matrizen für die Ebenen-Netzwerke
entspricht. Diese Aufwandsreduzierung gilt natürlich auch entsprechend für die Leitungsverbindungen
in einem Kopplungsnetzwerk aus elektrischen Leitungen. Die Simulation einer
einzelnen assoziativen Suche verläuft wie folgt: Ein aktiver
Knoten im steuernden Netzwerk adressiert in der strukturbeschreibenden
Matrix eine Spalte (für
Nachfolger) oder eine Zeile (für
Vorgänger). Deren
Matrixpunkte enthalten Speicher, in denen jeweils ein Code für eine zugehörige Assoziation
im gesteuerten Netzwerk gespeichert ist. Sie werden nacheinander
in das gesteuerte Netzwerk übertragen und
aktivieren eine Schar von assoziierten Knoten. Grundsätzlich gibt
es auch noch die Möglichkeit,
geeignete Codes zu wählen,
mit denen man eine gleichzeitige Adressierung mehrerer Knoten erreichen kann,
was aber etwas problematisch und nicht sehr effektiv ist. All dies
verläuft
sehr viel langsamer als in einem realen Netzwerk aus elektrischen
Leitungen, was bei leistungsfähigen
Computern aber doch oft noch ausreicht.