DE19924009C2 - Mustersuche - Google Patents

Description

Die vorliegende Erfindung bezieht sich auf ein technisch im­ plementierbares Verfahren zur Suche eines Referenzmusters in einem Suchfeld.

Unter Muster im Sinne der vorliegenden Beschreibung ist jede 2- oder mehrdimensionale Darstellung von physikalischen Grö­ ßen oder allgemein sensorischer Information zu verstehen. Ein Muster in diesem Sinne kann somit durch eine 2- oder mehrdi­ mensionale Matrix vorbestimmter Parameter gekennzeichnet wer­ den. Entsprechendes gilt auch für das Suchfeld, das somit ei­ ne 2- oder mehrdimensionale Darstellung physikalischer Größen oder sensorischer Information darstellt. Durch das Muster­ suchverfahren soll das Referenzmuster in dem Suchfeld gefun­ den werden. Dabei können in dem Suchfeld neben dem Referenz­ muster auch andere teilweise sehr ähnliche Muster vorliegen, die Distraktoren genannt werden.

Aus dem Stand der Technik ist es bekannt, im Hinblick auf ei­ nen effizienten Suchvorgang Erkenntnisse der Neurowissen­ schaften (Neuroinformatik, Neurobiologie) zu verwerten, da biologische neuronale Systeme wie z. B. das menschliche Gehirn Mustersuchaufgaben in de Regel effizient lösen.

Im folgenden soll Stand der Technik genannt werden, der ver­ schiedene Ansätze darstellt, die aus den Neurowissenschaften bekannt sind.

Zwei prinzipielle Arten der Suche bzw. der Erkennung werden unterschieden, nämlich die Merkmalssuche und die Verbindungs- bzw. Konjunktionssuche (vgl. A. Treisman und S. Sato, "con­ junction search revisited", Journal of experimental Psycholo­ gy: Human Perception and Performance, 16, 459-478). Bei einer Merkmalssuchaufgabe unterscheidet sich das Zielobjekt von den Distraktoren nur in einem jeweils gleichen Merkmalstyp (im folgenden Parameter genannt), beispielsweise nur in der Form. Hier ist anzumerken, daß in der folgenden Beschreibung der Begriff Parameter beispielsweise die Form, Farbe oder Größe eines Musters kennzeichnet, beispielsweise groß und klein für den Parameter Größe, dreieckig, viereckig und rund für den Parameter Form usw., die Werte darstellen, die die Parameter einnehmen können. Diese Werte werden bei einer technischen Realisierung beispielsweise durch logische Signale codiert dargestellt. In einer Verbindungssuchaufgabe werden die Di­ straktorobjekte in verschiedenen Gruppen zusammengefaßt. Das Zielmuster unterscheidet sich von jeder Distraktorengruppe in einem Parameter, aber nicht von allen Distraktorengruppen durch den gleichen Parameter. Man kann beispielsweise zwi­ schen einer Standard- und einer Dreifach-Verbindungssuche un­ terscheiden. Bei einer Standard-Verbindungssuche gibt es zwei Distraktorengruppen die jeweils zwei Parameter aufweisen, und das Zielmuster hat jeweils einen Parameterwert mit jeder Di­ straktorengruppe gemeinsam. Bei einer Dreifach- Verbindungssuche kann sich das Zielmuster von allen Distrak­ torengruppen in einem oder mehreren Parametern unterscheiden.

Es wurde ein Modell vorgeschlagen, bei dem nach einer ersten parallelen Suche eine Wettbewerbssuche initiiert wird, die durch das Erkennen nur eines einzigen Musters beendet wird, nämlich des Zielobjektes (M. Usher und E. Niebur, "Modeling the temporal dynamics of IT neurons in visual search: A mechanism for top-down selective attention", Journal of Co­ gnitive Neuroscience, 8, 311-327). Das Modell beruht dabei auf einem neuronalen Ansatz für eine objektorientierte Erken­ nung, wobei verschiedene visuelle Stimulierungswerte, wie z. B. Form, Farbe, Größe etc., durch miteinander in Wettbewerb stehende und gegenseitig inhibitorische Zellanordnungen dar­ gestellt sind.

Nachteil des oben angeführten Standes der Technik ist es, daß verfügbare Lösungen für eine technische Realisierung oder Implementierung des Mustersuchvorgangs dabei keine Rolle spielen. Dieses Problem besteht allgemein, wenn bei der Rea­ lisierung technischer Systeme Anleihen auf nichttechnischen Gebieten wie z. B. der Neurobiologie genommen werden.

Aus DE 196 52 925 A1 ist ein Verfahren zur Mustererkennung bekannt. Bei diesem Verfahren werden Positionen von Merkmalen in einem Bild bestimmt. Aus unterschiedlichen Positionen von unterschiedlichen Merkmalen wird anschließend ein Muster er­ kannt.

Es ist daher Aufgabe der vorliegenden Erfindung, eine Technik zur Mustersuche bereitzustellen, die technisch gut realisier­ bar ist. Möglichst sollte dabei die Effizienz biologischer Systeme im Großen und Ganzen beibehalten werden können.

Diese Aufgabe wird erfindungsgemäß durch ein Verfahren gemäß Anspruch 1 gelöst, wobei die Unteransprüche bevorzugte Wei­ terbildungen der Erfindung darlegen.

Anspruch 7 betrifft eine besondere Anwendung des erfindungs­ gemäßen Verfahrens bei der automatisierten Suche von Gegens­ tänden, die durch einen Roboter aufgegriffen werden sollen, wobei in diesem Fall ein Referenzmuster einen Gegenstand dar­ stellt. Bei dieser Anwendung können beispielsweise Gegenstän­ de, die durch den Roboter aufgegriffen werden sollen, an ei­ nem Fließband im Bereich eines Roboterarms vorbeigefahren werden.

Es wird also ein Verfahren zur Suche eines Referenzmusters in einem Suchfeld vorgeschlagen. Das Referenzmuster ist dabei durch vorbestimmte Parameter gekennzeichnet. Wenigstens eine topographische Abbildung des Suchfelds wird pro Parameter er­ zeugt. Pegel an den jeweiligen Positionen der topographischen Abbildung hängen dabei von dem Wert des entsprechenden Para­ meters an der entsprechenden Position in dem Suchfeld ab. Die Pegel der topographischen Abbildung werden abhängig von den Werten der Parameter des Referenzmusters verändert. Somit findet eine dynamische Veränderung der topographischen Abbil­ dungen statt. Die jeweiligen Pegel einer jeden Position der veränderten topographischen Abbildungen werden zur Erzeugung einer kombinierten topographischen Abbildung kombiniert. Das Referenzmuster gilt dann an derjenigen Position des Suchfelds gefunden, die derjenigen Position der kombinierten topogra­ phischen Abbildung entspricht, die den höchsten Pegel auf­ weist.

Das oben angeführte Verfahren kann vollständig parallel bzw. quasi-parallel ausgeführt werden. Vorteilhafterweise weist das Verfahren keinerlei Rückführschleife auf, was die techni­ sche Realisierung weniger kompliziert macht. Die Dynamik des Verfahrens liegt in der jeweiligen Veränderung der Pegel der topographischen Abbildungen. Diese Veränderung findet für je­ den Parameter getrennt statt. Auch dies bringt Vorteile ge­ genüber einer Realisierung mit einer Rückführschleife, bei der bei jedem Iterationsschritt sämtliche Verfahrensschritte neu durchlaufen werden müssen.

Pro Parameter kann eine Gruppe bestehend aus mehreren topo­ graphischen Abbildungen des Suchfelds erzeugt werden. Für je­ den Wert, den der entsprechende Parameter einnehmen kann, wird eine topographische Abbildung erzeugt.

Die Veränderung der Pegel der topographischen Abbildungen kann abhängig von den Werten der Parameter des Referenzmu­ sters durch eine Wechselwirkung jeweils der topographischen Abbildungen einer Gruppe untereinander erfolgen.

In dem Schritt der Veränderung der Pegel der topographischen Abbildungen können die Pegel der topographischen Abbildungen abhängig von ihrer jeweiligen Übereinstimmung mit den tat­ sächlichen Werten der Parameter des Referenzmusters verändert werden.

Die Erzeugung der topographischen Abbildungen kann durch eine parallele oder pseudo-parallele (quasi-parallele) Verarbei­ tung der Information des Suchfelds erfolgen.

Auch die Pegel der kombinierten topographischen Abbildung können dynamisch verändert werden, wobei Pegel, die über ei­ nem vorbestimmten Grenzwert liegen, erhöht werden und Pegel, die kleiner oder gleich dem vorbestimmten Grenzwert sind, verringert werden. In einem Endzustand können somit die Pegel der kombinierten topographischen Abbildung dahingehend kon­ vergieren, daß nur noch eine Position einen vorbestimmten Pe­ gel aufweist.

Eine bevorzugte Anwendung der vorliegenden Erfindung liegt in der Robotik. Beispielsweise können Gegenstände, die durch ei­ nen Roboter aufgegriffen werden sollen, durch das Verfahren automatisiert gesucht werden. Mit anderen Worten, das Refe­ renzmuster stellt einen aufzugreifenden Gegenstand dar.

Fig. 1 ein Beispiel eines Suchfelds mit mehreren Mu­ stern, aus denen ein Referenzmuster gefunden werden soll,

Fig. 2 eine schematische Darstellung der Suche eines Referenzmusters,

Fig. 3 einen durch Simulation erhaltenen Graphs der Ab­ hängigkeit der Suchzeit von der Rahmengröße für ver­ schiedene Suchtypen,

Fig. 4, 5 und 6 verschiedene Aktivitätsraten abhängig von der Zeit für verschiedene Suchtypen in den ersten Verarbeitungseinrichtungen als Simulationsergebnisse, und

Fig. 7 verschiedene Aktivitätsraten abhängig von der Zeit für verschiedene Suchtypen in den zweiten Verarbei­ tungseinrichtungen als Simulationsergebnisse.

In Fig. 1 ist ein Suchfeld mit mehreren Mustern dargestellt, wobei eines der Muster gefunden werden soll. Das Suchfeld ist beispielsweise in neun Abschnitte aufgeteilt, wobei jeder Ab­ schnitt durch eine horizontale Koordinate i (i = 1, 2, 3) und eine vertikale Koordinate j (j = 1, 2, 3) definiert ist. Jeder Abschnitt des Suchfelds des in Fig. 1 gezeigten Beispieles beinhaltet ein Muster. Jedes Muster ist durch K Parameter ge­ kennzeichnet, im vorliegenden Beispiel durch die drei Parame­ ter Form, Größe und Farbe. Der erste Parameter (k = 1) Farbe kann L = 3 Parameterwerte einnehmen, nämlich dreieckig, vierec­ kig und rund. Der zweite Parameter (k = 2) Größe kann L = 2 Werte einnehmen, nämlich groß und klein und der dritte Parameter (k = 3) Farbe kann L = 2 Werte weiß und schwarz einnehmen, wobei in Fig. 1 der Wert schwarz durch eine Strichelung der jewei­ ligen Objekte dargestellt ist.

Somit ist das beispielsweise im Abschnitt (i = 1, j = 1) darge­ stellte Muster durch die Parameterwerte viereckig, klein und schwarz gekennzeichnet, das Muster im Abschnitt (i = 3, j = 2) durch die Parameterwerte dreieckig, groß und weiß, usw.

In Fig. 2 ist schematisch die Suche eines Referenzmusters dargestellt, wobei als Beispiel das in Fig. 1 gezeigte Such­ feld mit neun Abschnitten zugrunde gelegt ist. Das Suchsystem umfaßt Erfassungsmittel 2, die die Parameterwerte der Muster im Suchfeld erfassen und entsprechende Erfassungsinformatio­ nen an erste Verarbeitungsmittel 3 ausgeben. Im in Fig. 2 dargestellten Beispiel umfaßt das Suchsystem neun Erfassungs­ mittel 2, die jeweils einem Abschnitt (i, j) des in Fig. 1 dargestellten Suchfelds zugeordnet sind. Im dargestellten Beispiel erfaßt somit jedes Erfassungsmittel 2, das bei­ spielsweise ein Photodetektor, ein Infrarotdetektor oder der­ gleichen sein kann, die Parameterwerte des im entsprechenden Abschnitt des Suchfelds angeordneten Musters. Die Erfassungs­ mittel 2 können also jeweils gleichzeitig die drei Parameter Form, Größe und Farbe detektieren. Alternativ kann jedem Ab­ schnitt des Erfassungsbereiches ein jeweiliges Erfassungsmit­ tel 2 für jeden Parameter zugeordnet sein, so daß z. B. im in Fig. 2 dargestellten Beispiel jeder Abschnitt (i, j) des Er­ fassungsbereiches durch drei Erfassungsmittel 2 jeweils für die Größe, die Form und die Farbe des Objektes abgetastet werden kann. Als weitere Alternative wäre es möglich, jedem Abschnitt des Suchfelds eine Vielzahl von Erfassungsmitteln zuzuordnen.

Die ersten Verarbeitungsmittel 3 verarbeiten die Erfassungs­ informationen von den Erfassungsmitteln 2 parallel oder qua­ si-parallel und für jeden Parameter getrennt unter Verwendung von Parameterinformationen von der Speichereinrichtung 1. Die Parameterinformationen in der Speichereinrichtung 1 enthalten die Parameterwerte des Referenzmusters, das in dem Suchfeld gefunden werden soll. Die für jeden Parameter getrennte Ver­ arbeitung der Erfassungsinformationen durch die ersten Verarbeitungsmittel 3 ist in Fig. 2 durch die Aufteilung der er­ sten Verarbeitungsmittel 3 in drei Parameternetze (k = 1, k = 2 und k = 3) dargestellt, wobei jedes Parameternetz wiederum in parallele Unternetze 5 für jeden Parameterwert des entspre­ chenden Parameters unterteilt ist. Jedes Parameternetz stellt somit eine topographische Abbildung des Suchfelds bezüglich des entsprechenden Parameters dar.

Das erste Parameternetz (k = 1), das beispielsweise dem Parame­ terwert Größe für das in Fig. 1 gezeigte Beispiel zugeordnet ist, enthält somit drei parallele Unternetze 5, eines für je­ de der drei möglichen Parameterwerte viereckig, dreieckig und rund. Entsprechend weisen die anderen Parameternetze (k = 2, k = 3) jeweils zwei Unternetze 5 auf.

Es ist anzumerken, daß sich die Begriffe Parameternetz und Unternetz auf ihre Ausbildung als neuronales Netz beziehen, wobei jedes erste Verarbeitungsmittel der Unternetze 5 nach Art einer Ansammlung von vollständig miteinander verbundenen exzitatorischen Neuronen ausgebildet ist. Wie aus dem Schema von Fig. 2 zu erkennen ist, ist dabei jedes erste Verarbei­ tungsmittel 3 bzw. jede Ansammlung von Neuronen einem ent­ sprechenden Abschnitt des Suchfelds zugeordnet, so daß im vorliegenden Beispiel jedes Unternetz 9 erste Verarbeitungs­ mittel 3 aufweist, die in den entsprechenden Abschnitten (i, j) des Suchfelds entsprechen.

Die ersten Verarbeitungsmittel 3 bzw. die jeweiligen Ansamm­ lungen von Neuronen innerhalb jedes Unternetzes 5 und die Un­ ternetze 5 innerhalb eines jeweiligen Parameternetzes sind nach Art einer inhibitorischen Verbindung 6 miteinander ge­ koppelt, was durch einen Pool inhibitorischer Neuronen ver­ deutlicht werden kann. Dabei sind die im Schema von Fig. 2 mit durchgezogenen Linien dargestellten Verbindungen exzita­ torisch und die mit gestrichelten Linien gezeigten Verbindun­ gen inhibitorisch. Jedes Parameternetz, hat somit einen unab­ hängigen Pool inhibitorischer Neuronen, was in einem neuro­ physiologischen Gleichnis entspricht, daß die Antwort von Neuronen, die auf einen bestimmten Parameter empfindlich sind, verstärkt wird und die Aktivität der anderen Neuronen, die auf andere Parameter empfindlich sind, unterdrückt wird.

Jedes erste Verarbeitungsmittel 3 in jedem Unternetz 5 ist einem entsprechenden Abschnitt des Suchfelds zugeordnet, d. h. die ersten Verarbeitungsmittel 3 in jedem Unternetz topo­ graphisch geordnet sind bzw. in einem Gleichnis gesprochen die reziptiven Felder von Neuronen, die einem bestimmten Ab­ schnitt zugeordnet sind, auf die am entsprechenden Abschnitt des Suchfelds detektierten Erfassungsinformationen sensibel sind. Hier ist anzumerken, daß jedes Erfassungsmittel 2 mit jedem ersten Verarbeitungsmittel 3 verbunden ist. Im in Fig. 2 dargestellten Schema bedeutet das, daß jedes erste Erfas­ sungsmittel 3 Erfassungsinformationen von jedem der neun Er­ fassungsmittel 2 erhält. Weiterhin erhält jedes erste Verar­ beitungsmittel 3 die Parameterinformationen bezüglich des Re­ ferenzmusters von der Speichereinrichtung 1.

Die zweiten Verarbeitungsmittel 4 verarbeiten die Verarbei­ tungsinformationen von den ersten Verarbeitungsmitteln 3 und geben Informationen aus, die zur Bestimmung der vermuteten Position des Referenzmusters in dem Suchfeld dienen. Die zweiten Verarbeitungsmittel 4 sind ebenfalls nach Art eines neuronalen Netzes ausgebildet, wobei Verarbeitungsinformatio­ nen verschiedener Abschnitte des Suchfelds parallel oder qua­ si-parallel verarbeitet werden. Jeweils ein zweites Verarbei­ tungsmittel 4 ist dabei einem Abschnitt des Suchfelds zugeordnet und erhält Verarbeitungsinformationen jeweils nur von den dem gleichen Abschnitt zugeordneten ersten Verarbeitungs­ mitteln 3, wie aus dem Schema von Fig. 2 zu erkennen ist.

In anderen Worten bedeutet das, daß das zweite Verarbeitungs­ mittel 4, das dem Abschnitt (i = 3, j = 3) zugeordnet ist, Verar­ beitungsinformationen ausschließlich von den ersten Verarbei­ tungsmitteln 3 erhält, die ebenfalls dem Abschnitt (i = 3, j = 3) des Suchfelds zugeordnet sind. Die zweiten Verarbeitungsmit­ tel 4 sind, wie die ersten Verarbeitungsmittel 3, jeweils, in einem Gleichnis gesprochen nach Art einer Ansammlung von vollständig miteinander verbundenen exzitatorischen Neuronen ausgebildet, die untereinander nach Art einer inhibitorischen Verbindung 6 miteinander gekoppelt sind. Die dergestalt nach Art eines Rasters oder einer Schicht ausgebildeten zweiten Verarbeitungsmittel 4 entsprechen somit dem Modell von IT (inferrotemporalen) Neuronen, die eine positionsspezifische Erhöhung der Aktivität durch Unterdrückung der Antworten der anderen Positionen zugeordneten Ansammlungen zeigen. Entspre­ chendes gilt für die Unternetze 5 der ersten Verarbeitungs­ mittel 3.

Diese Ausgestaltung der zweiten Verarbeitungsmittel 4 ent­ spricht einer dynamischen Ausbildung einer fokussierten Auf­ merksamkeit ohne die explizite Annahme eines Fokussiermecha­ nismus. Top-down-Informationen in Form von in der Spei­ chereinrichtung 1 gespeicherten Parameterwerte des Referenz­ musters werden sozusagen durch entsprechende exzitorische Verbindungen zwischen der Speichereinrichtung 1 und jedem er­ sten Verarbeitungsmittel 3 zugeführt. Die Erfassungsinforma­ tionen und Parameterinformationen werden dabei von den ersten Verarbeitungsmitteln 3 und den zweiten Verarbeitungsmitteln 4 für jeden Abschnitt des Suchfelds parallel oder quasi- parallel verarbeitet, wobei eine größere Reaktionszeit einer langsameren dynamischen Konvergenz auf allen Schichtebenen, d. h. den Unternetzen 5 und der höherwertigen Schicht aus hö­ herwertigen Verarbeitungsmitteln 4 entspricht.

Im folgenden wird ein Satz von Differentialgleichungen prä­ sentiert, durch die das dynamische Verhalten des Suchvorgangs charakterisiert werden kann. Unter Annahme eines ergodischen Verhaltens wird unter der Verwendung der sogenannten mean­ field-approximation ein dynamisches Gleichungssystem für die Aktivitätspegel der die ersten und zweiten Verarbeitungsmit­ tel 3 bzw. 4 bildenden Ansammlungen von Neuronen abgeleitet. Die grundlegende Idee besteht darin, jede Anordnung von Neu­ ronen mittels der jeweiligen Aktivität x und eines Eingangs­ stromes I, der für alle Anordnungen von Neuronen charakteri­ stisch ist, darzustellen, wobei gilt:

wobei F(I) die Antwortfunktion ist, die den Eingangsstrom I in Entlade- bzw. Aktivitätsraten für ein Neuron (integrate and fire spiking neuron) mit einem deterministischen Eingang, einer Zeitmembrankonstante τ und einer absoluten refraktori­ schen Zeit T_r umwandelt.

Das System von Differentialgleichungen, die das dynamische Verhalten der Unternetze 5 beschreiben, sind:

wobei I_ijkl(t) der Eingangsstrom für die Neuronenansammlung mit einem rezeptiven Feld beim Abschnitt ij des Parameternet­ zes k ist, in der der Parameterwert l analysiert wird, I^P _k(t) der Strom in dem inhibitorischen Pool ist, der mit den Unter­ netzen 5 des Parameters k gekoppelt ist und S die Rahmengröße (Größe des Suchfelds) darstellt. I₀ ist ein diffuses sponta­ nes Hintergrundeingangssignal, I^F _ijkl ist der sensorische Ein­ gang, d. h. das Erfassungsinformationssignal von den Erfas­ sungsmitteln 2 zu den ersten Verarbeitungsmitteln 3 im Para­ meternetz k, die auf den Parameterwert l empfindlich sind und reziptive Felder im Abschnitt ij des Suchfelds aufweisen, wo­ bei dieser Eingang die Anwesenheit des entsprechenden Parame­ terwertes an dem entsprechenden Abschnitt charakterisiert, und I^A _kl die Parameterinformationen von der Speichereinrich­ tung 1 sind. ν ist das additive Gauss-Rauschen, τ die synap­ tische Zeitkonstante für die exzitatorischen Verbindungen und τ_P die synaptische Zeitkonstante für die inhibitorischen Ver­ bindungen. a, b, c und d sind die synaptischen Gewichtungen. Bei den in den Fig. 3 bis 6 dargestellten Simulationser­ gebnissen wurden folgende Werte verwendet: ν = 0,002, τ = 5 [msec], τ_P = 20 [msec], a = 0,95, b = 0,8, c = 2,0, d = 0,1, I₀ = 0,025. Für I^F _ijkl wurde der Wert 0,05 bei Anwesenheit des entsprechen­ den Parameterwertes 1 und der Wert 0 bei der Abwesenheit des entsprechenden Parameterwertes 1 angenommen. Für die Parame­ terinformation I^A _kl wurde ein Wert von 0,005 für die Unternet­ ze 5 angenommen, die die entsprechenden Parameterwerte des Referenzmusters analysieren und ein Wert von 0 für die ande­ ren Unternetze angenommen.

Für die dynamischen Eigenschaften der zweiten Verarbeitungs­ mittel 4 in der höherwertigen Verarbeitungsschicht wird das folgende Differentialgleichungssystem verwendet:

wobei I^H _ij(t) der Eingangsstrom für die Neuronenansammlung mit einem reziptiven Feld beim Abschnitt ij, I^PH(t) der entspre­ chende Strom des inhibitorischen Pools, τ_H die synaptische Zeitkonstante für die exzitatorischen Verbindungen, τ_PH die synaptische Zeitkonstante für die inhibitorischen Verbindun­ gen und , , , und die synaptischen Gewichtungen sind. Für die Simulationsergebnisse von Fig. 3 und Fig. 7 wurden folgende Werte angenommen: τ_H = 5 [msec], τ_PH = 20 [msec], = 0,95, = 0,8, = 1,0, = 1,0, und = 0,1.

Das obige System von Differentialgleichungen wurde für die in den Fig. 3 bis 7 gezeigten Simulierungen numerisch inte­ griert, bis ein Konvergenzkriterium erreicht wurde. Dieses Konvergenzkriterium bestand darin, daß die Neuronen in den zweiten Verarbeitungsmitteln 4 bzw. der entsprechenden höher­ wertigen Verarbeitungsschicht polarisiert sind, was der fol­ genden Bedingung entspricht:

wobei der Index i_maxj_max die Neuronenanordnung der zweiten Ver­ arbeitungsmittel 4 der höherwertigen Schicht mit maximaler Aktivität kennzeichnet und der Schwellenwert θ = 0,1 angenommen wurde. Der zweite Term auf der linken Seite der obigen Glei­ chung entspricht der mittleren Distraktoraktivität.

Bei jedem Parameter ist der feste Punkt des dynamischen Ver­ haltens durch die Aktivität der Neuronenanordnungen in den Unterschichten mit dem gleichen Parameterwert wie das Refe­ renzmuster und in Übereinstimmung mit Distraktorenobjekten gegeben, die diesen Parameterwert aufweisen. Wenn beispiels­ weise das Referenzmuster rot ist, wird in dem Parameternetz für die Farbe die Aktivität der dem Parameterwert grün zuge­ ordneten Unterschicht 5 unterdrückt und die roten Distrakto­ renobjekten entsprechenden Neuronenanordnungen werden ver­ stärkt. In der höherwertigen Schicht der zweiten Verarbei­ tungsmittel 4 werden die Neuronenanordnungen, die Abschnitten ij entsprechen, die in allen Parameternetzen maximal akti­ viert sind, verstärkt, während die anderen unterdrückt wer­ den. In anderen Worten wird das zweite Verarbeitungsmittel, das dem Abschnitt ij entspricht, der alle Parameterwerte zeigt, die stimuliert werden und entsprechend den Paramete­ rinformationen des Referenzmusters erforderlich sind, ver­ stärkt aktiviert, wodurch der entsprechende Abschnitt ij des Suchfelds als derjenige Abschnitt bestimmt wird, in dem sich das Referenzmuster befindet.

In den Fig. 3 bis 7 sind Simulationsergebnisse darge­ stellt, die unter Verwendung der obigen Differentialgleichun­ gen mit den angegebenen Parameterwerten ermittelt wurden. Fig. 3 zeigt die Abhängigkeit der Suchzeit T von der Rahmen­ größe S für verschiedene Sucharten. Die verschiedenen Suchar­ ten sind als m, n-Suche jeweils durch ein Paar von Zahlen m und n gekennzeichnet, wobei m die Anzahl von Parametern ist, durch die sich die Distraktorenmuster von dem Referenzmuster unterscheiden, und n die Anzahl von Parametern ist, durch die sich alle Distraktorengruppen gleichzeitig von dem Referenz­ muster unterscheiden. In anderen Worten entspricht die oben angesprochene Suche einer 1,1-Suche, eine Standard- Verbindungssuche entspricht einer 2,1-Suche und eine Drei­ fach-Verbindungssuche kann eine 3,1- oder eine 3,2-Suche sein, abhängig davon, ob sich das Referenzmuster von allen Distraktorengruppen in einem oder zwei Parametern unterschei­ det.

Bei den in den Fig. 3 bis 7 gezeigten Simulationsergebnis­ sen wurde angenommen, daß die Muster im Suchfeld durch drei Parameter, beispielsweise Farbe, Größe und Form definiert sind, wobei jeder Parameter zwei Parameterwerte annehmen kann. Für jede Suche wurde das Experiment hundertmal wieder­ holt, jedes Mal mit unterschiedlichen zufällig erzeugten Di­ straktoren und Referenzmustern. Als Ergebnis ist in Fig. 3 der Mittelwert T der hundert simulierten Reaktionszeiten in ms als Funktion der Rahmengröße S für eine 1,1-Suche, eine 3,2-Suche, eine 2,1-Suche und eine 3,1-Suche dargestellt. Die Steigung der Reaktionszeit gegenüber der Rahmengröße ist ab­ solut konsistent mit den vorhandenen experimentellen Ergeb­ nissen. Entsprechend den experimentellen Ergebnissen zeigt das Simulationsergebnis von Fig. 3 für die 1,1-Suche, daß das Referenzmuster durch eine parallele Verarbeitung im ge­ samten Suchfeld detektiert wird. Weiterhin zeigen die in Fig. 3 gezeigten Simulationsergebnisse für die Standard- Verbindungssuche und die Dreifach-Verbindungssuche, daß die Reaktionszeit eine lineare Funktion der Größe des Suchfelds ist, wobei die Steigung der Dreifach-Verbindungssuche für die 3,1-Suche etwas steiler und für die 3,2-Suche wesentlich fla­ cher als die 2,1-Suche bzw. Standardsuche ist.

In den Fig. 4 bis 6 sind die Aktivitätsraten in den ein­ zelnen Parameternetzen, die durch die drei Zweige der ersten Verarbeitungsmittel 3 gegeben sind, dargestellt, wobei in je­ der der Figuren entsprechend drei Kurven für die Referenzmu­ ster-Aktivität und drei Kurven für die Distraktoren darge­ stellt sind. Fig. 4 zeigt das Simulationsergebnis für eine 1,1-Suche, Fig. 5 zeigt das Simulationsergebnis für eine 2,2-Suche und Fig. 6 zeigt das Simulationsergebnis für eine 3,1-Suche. Es ist zu erkennen, daß im Fall der 1,1- und der 3,2-Suche die Konvergenzzeiten in allen Parameternetzen sehr gering sind und somit diese Sucharten als Suchen mit paralle­ ler Verarbeitung erscheinen. Im Falle der 3,1-Suche erfordert die Verzögerung des dynamischen Verhaltens mehr Zeit und so­ mit erscheint diese Suchart als Suche mit serieller Verarbei­ tung obwohl der zugrundeliegende Verarbeitungsmechanismus parallel arbeitet. In diesem Fall (Fig. 6) verzögert der in­ nerhalb jedes Parameternetzes, d. h. für jeden Parameter, vorhandene Wettbewerb die Konvergenz des dynamischen Verhal­ tens für jeden Parameter und infolge dessen auch in dem hö­ herwertigen Netz bzw. der höherwertigen Schicht der zweiten Verarbeitungsmittel 4. Es wird auf die langsame Unterdrückung der Distraktorenaktivität in Fig. 6 hingewiesen, die den zu­ grundeliegenden Wettbewerb verdeutlicht. In Fig. 7 sind die resultierenden Aktivitätsraten gegenüber der Zeit in dem hö­ herwertigen Netz bzw. der höherwertigen Schicht der zweiten Verarbeitungsmittel 4 für die gleichen Simulationswerte ge­ zeigt, die auch den Fig. 3 bis 6 zugrundeliegen. In Fig. 7 ist deutlich die verzögerte Erreichung des Konvergenzkrite­ riums bei der 3,1-Suche zu sehen.

Claims (7)

1. Verfahren zur Suche eines Referenzmusters, das vorbestimmte Parameter aufweist, in einem Suchfeld,
aufweisend die folgenden Schritte:

• 1. a.) Getrennte Erzeugung (3, 6) wenigstens einer topographischen Abbildung des Suchfelds pro Parameter, wobei Pegel an den jeweiligen Positionen der topographischen Abbildung von dem Wert des entsprechenden Parameters an der entsprechenden Position in dem Suchfeld abhängen,
• 2. b.) Veränderung der Pegel der topographischen Abbildungen abhängig von den Werten der Parameter des Referenzmusters,
• 3. c.) Kombination der jeweiligen Pegel einer jeden Position der veränderten topographischen Abbildungen zur Erzeugung einer kombinierten topographischen Abbildung,

wobei das Referenzmuster an der Position des Suchfelds gefunden gilt, die derjenigen Position der kombinierten topographischen Abbildung entspricht, die den höchsten Pegel aufweist.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß pro Parameter eine Gruppe an topographischen Abbildungen des Suchfelds erzeugt wird, wobei für jeden Wert, den der entsprechende Parameter einnehmen kann, eine topographische Abbildung erzeugt wird.

3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, daß die Veränderung der Pegel der topographischen Abbildungen abhängig von den Werten der Parameter des Referenzmusters durch eine Wechselwirkung jeweils der topographischen Abbil­ dungn einer Gruppe untereinander erfolgt.

4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß in dem Schritt b.) die Pegel der topographischen Abbil­ dungen abhängig von ihrer Übereinstimmung mit den tatsächli­ chen Werten der Parameter des Referenzmusters verändert wer­ den.

5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die Erzeugung der topographischen Abbildungen durch eine parallele oder pseudoparallele Verarbeitung der Informationen des Suchfelds erfolgt.

6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß nach Schritt c.) die Pegel der kombinierten topographi­ schen Abbildung dynamisch verändert werden, wobei Pegel, die über einem vorbestimmten Grenzwert liegen, erhöht werden und Pegel, die kleiner oder gleich dem vorbestimmten Grenzwert sind, verringert werden.

7. Anwendung des Verfahrens nach einem der vorhergehenden An­ sprüche bei der automatisierten Suche von Gegenständen, die durch einen Roboter aufgegriffen werden sollen, wobei das Re­ ferenzmuster einen Gegenstand darstellt.