Open Access

Assoziativspeicher (AM) stellen eine besondere Form (künstlicher) Neuronaler Netze (KNN) mit einer Schicht dar. Sie eignen sich zur Anwendung bei Aufgaben wie Mustererkennung, -extraktion und -ergänzung, wobei Lernpaare von spärlich besetzten Binärvektoren, welche Ansammlungen von Merkmalen darstellen, verwendet werden. Die aus "Lernmatrizen" nach Steinbuch weiterentwickelten Matrizen haben nicht-lineares Verhalten ohne negative Gewichte, sind binär - und daher einfach zu konstruieren - und somit einfacher mit Texten (technisch: Zeichenfolgen) in Verbindung zu bringen. Während bekannt ist, dass die erreichbare Speichereffizienz als gut angesehen werden kann, ist dagegen die Wahrscheinlichkeit des korrekten Wiederfindens aller eingespeicherten Assoziationsmuster gering. Entsprechend wurde das Problem, beliebige Textdaten direkt in Assoziativspeichern aufzuheben, lange nicht angegangen. In der "Assoziativmaschine"[1] wurden bereits in Matrizen gespeicherte Programme, Zustandsvariablen und Weltwissen in einer Kombination solcher Speicher derart verschaltet, dass eine algorithmische Steuerung realisiert werden konnte. Eine besondere Rolle spielen hier "Sequenzen", welche als Folgen einen geordneten Zugriff auf Daten ermöglichen. Wir überprüfen jetzt unterschiedliche Ansätze und Aspekte dieser Aufgabe, Texte mit assoziativen Strukturen zu verarbeiten und zu speichern. Zur Durchführung und Veranschaulichung wurden spezielle Programme erstellt. Letztlich ergibt sich die Möglichkeit, grössere Mengen von Text vollständig assoziativ zu speichern und fehlerlos wieder auszulesen, was am Beispiel des gesamten Textes von Alice's Abenteuer Im Wunderland (160kB) demonstriert wird. Das dargestellte Verfahren funktioniert auch dann, wenn der Originaltext Wiederholungen enthält. Unter anderem lässt sich als einzige Version einer Zeichenfolge eine schnell durchsuchbare Kodierung aufbewahren. Schliesslich wird ein weiteres Verfahren gezeigt, welches lange Sequenzen in kleinen Matrizen nutzt. Hier können einfache Abfolgen in kompakter Weise abgelegt werden, zum Beispiel zur assoziativen Implementierung von Microcodeartigem Verhalten. Mögliche Anwendungen finden sich bei Betrieb und Steuerung der Assoziativmaschine. Weiterhin können Vorzüge dieser Technik - wie die Robustheit des Speichers - im Bereich der Langzeitdatenspeicherung/Archivierung genutzt werden. [1]beschrieben in [Dierks 05] aus unserer Arbeitsgruppe