Volltext-Downloads (blau) und Frontdoor-Views (grau)

VidAs – Aufbau einer robusten, frei programmierbaren Maschine aus Assoziativmatrizen. Simulation und Hardware-Lösung

  • Durch Assoziativmatrizen gebildete Assoziativspeicher können als künstliche neuronale Netze aufgefasst werden, die sich zur fehlerrobusten Datenspeicherung, Mustererkennung, Musterergänzung und für zahlreiche daraus abgeleitete Aufgaben einsetzen lassen. Die vorliegende Arbeit weitet den Einsatzbereich von Assoziativmatrizen auf das störunanfällige Speichern und Abarbeiten von Programmen aus, indem mehrere Assoziativmatrizen zweier Typen zu einer frei programmierbaren Maschine zusammengesetzt werden. In der Programmierung dieser Maschine werden keine Zahlen oder Zähler eingesetzt, sondern Assoziationsketten benutzt. Das Anwendungsprogramm und seine Daten befinden sich gemeinsam im fehlertoleranten Assoziativspeicher, was verglichen mit anderen fehlertoleranten Systemen prinzipielle oder Geschwindigkeitsvorteile zeitigt. Der Konstruktionsplan dieser Maschine (Vidas-Maschine) wurde mit Hilfe eines Digitalsimulators detailliert erarbeitet. In der Maschine arbeiten sechs Assoziativmatrizen für verschiedene Aufgabenbereiche zusammen. Eine der Matrizen assoziiert eine Programmzeile mit der nächsten, eine weitere Matrix liefert die zu den Programmzeilen gehörenden Befehle und zwei weitere Matrizen übernehmen die Parameterversorgung. Variablen werden über eine besondere Assoziativmatrix mit schnellen Hebb-Synapsen verwaltet, damit Variablen ihre alten Werte "vergessen" können. Daten werden hingegen in einer gewöhnlichen Assoziativmatrix abgelegt, um dem Anwendungsprogramm in der bewährten, fehlertoleranten Weise zur Verfügung zu stehen. In der Programmierung der Vidas-Maschine greift man bei der Konstruktion von Schleifen auf Assoziationsketten zu, da die Maschine kein Rechenwerk besitzt. Die Assoziative Programmierung erlaubt dennoch, der Maschine das Rechnen beizubringen. Als Anwendungsfelder dieser neuen Technik werden solche vorgestellt, in denen Störungen oder Ungenauigkeiten herkömmliche Technik zu Fehlverhalten oder Ausfällen führen. Zum Test der Störunanfälligkeit wurde die Vidas-Maschine in der Simulation mit vier Arten von Zerstörungen überprüft. Sie zeigte dabei ihre Störfestigkeit in der für den Einsatz von Assoziationmatrizen typischen Weise. Die Stärken der Maschine liegen zudem in der Fähigkeit des schnellen Lernens und Abfragens von Mustern, womit sie als Grundbaustein für den Aufbau von Systemen zur Mustererkennung dienen kann
  • Associative memory realized by associative matrices may be regarded as a special form of artifical neural networks which are well suited for error-tolerant information storage, pattern recognition and pattern completion and many other tasks derived from that. By this thesis it will be shown how to store and process programs in an error-tolerant manner by these matrices. Associative matrices of two types are assembled to a machine which will work even if some of its parts are disturbed or faulty. Programming this type of machine means not using numbers or counters but associative chains. The application and its data stay and work together in a bundle of fault-tolerant associative matrices. Compared to other fault-tolerant systems this produces advantages on principle or on time. The VidAs -machine was planned and constructed in detail by the help of a digital simulator. Six associative matrices are working together in the machine, each of them has its own task. One matrix is associating a line of the program with the following one, another matrix associates the command of the actual programline, two matrices are associating parameter values to supply the actual command with data. The values of variables are stored by a specific associative matrix which consists of fast Hebb-synapses because the former values of variables should be „forgotten“ as soon as possible. The data for the program is stored in a normal associative matrix. So, by accessing its data the program is able to use the fault-tolerant qualities of this kind of matrices. Creating program loops for the VidAs -machine is done by using associative chains because the machine doesn’t „know“ numbers and has no arithmetic calculation unit (ALU). But by Associative Programming it is possible to teach the machine how to calculate. Applications of this new kind of technics will be useful in situations when recent technics has problems because of inaccuracies or disturbances. Four kinds of disturbances were tested during the developement of the VidAs -machine. As expected the fault-tolerance of the system was good and typical for the use of associative memory. Because of the ability of the machine to learn patterns very fast and to respond rapidly to a pattern, the machine will be useful as a basic module for the general pattern recognition task.

Download full text files

Export metadata

Additional Services

Share in Twitter    Search Google Scholar    frontdoor_oas
Metadaten
Author:Andreas Dierks
URN:https://nbn-resolving.org/urn:nbn:de:gbv:hil2-opus-1114
Advisor:Hans-Joachim Bentz
Document Type:Doctoral Thesis
Language:German
Date of Publication (online):2011/05/20
Publishing Institution:Stiftung Universität Hildesheim
Granting Institution:Universität Hildesheim, Fachbereich III
Date of final exam:2005/09/27
Release Date:2011/05/20
GND Keyword:Elektronische Schaltungen; Künstliche Intelligenz
PPN:Link zum Katalog
Institutes:Fachbereich III / Informationswissenschaft und Sprachtechnologie
DDC classes:000 Allgemeines, Informatik, Informationswissenschaft / 000 Allgemeines, Wissenschaft / 004 Informatik
Access Rights:Frei zugänglich