Selektive Assoziation mit dem Assoziativspeichermodell NEUNET

Reinhard Stumptner

Selektive Assoziation mit dem Assoziativspeichermodell NEUNET

Translated title of the contribution: Selective association with associative memory model NEUNET

Reinhard Stumptner

Institute for Application-oriented Knowledge Processing

Research output: Thesis › Doctoral thesis

Abstract

The model NETNET (NEUronen NETz) was developed in 1974 by Prof. Reichl at the Johannes Kepler University Linz und publicized in 1975. This neural-net-similar associative memory model NEUNET is able to store and reproduce patterns reading from its receptors. The model was improved continuously and NEUNET-3 was the first enhancement, which was able to store patterns without losses of information. This paper describes an enhancement of the model, termed Selective NEUNET, to associate faulty inputs with weighted original patterns. The network is self-learning, the correction of inputs, the storage of new information and the calculation of weights which enables the model to store information with various priorities is self-organized. The priority of information is increased if it is frequently used and in case of the association of unknown inputs it is more like to be associated with a high-priority original pattern. This usage of weights is the main enhancement of the model described in this contribution. Previously the network learned new information by enhancing its network-structure, now the weights can be adjusted in addition. It enables the model to separate important information from a huge amount of any data.

Translated title of the contribution	Selective association with associative memory model NEUNET
Original language	German (Austria)
Publication status	Published - Nov 2006

Fields of science

102001 Artificial intelligence
102006 Computer supported cooperative work (CSCW)
102010 Database systems
102014 Information design
102015 Information systems
102016 IT security
102028 Knowledge engineering
102019 Machine learning
102022 Software development
102025 Distributed systems
502007 E-commerce
505002 Data protection
506002 E-government
509018 Knowledge management
202007 Computer integrated manufacturing (CIM)
102033 Data mining
102035 Data science

UN SDGs

This output contributes to the following UN Sustainable Development Goals (SDGs)

Cite this

@phdthesis{b10213211a9746c0a8e3795bb61f9f2a,

title = "Selektive Assoziation mit dem Assoziativspeichermodell NEUNET",

abstract = "Das Modell NEUNET (NEUronen NETz) wurde 1974 am Institut f{\"u}r Informatik der Johannes Kepler Universit{\"a}t Linz von Prof. Reichl entwickelt und 1975 publiziert. Dieses neuronalnetzanaloge Assoziativspeichersystem ist in der Lage, Muster, die es von seinen Rezeptoren abliest, zu speichern und zu reproduzieren. Das Modell wurde laufend verbessert und NEUNET-3 war dabei die erste Weiterentwicklung, die Muster ohne Informationsverluste speichern konnte. Diese Arbeit beschreibt eine Erweiterung des Modells, als Selektives NEUNET bezeichnet, die in der Lage ist, gest{\"o}rte Eingabemuster mit gewichtet gespeicherten Originalmustern zu assoziieren. Das Netzwerk ist selbstlernend, die Korrektur von Eingaben, die Speicherung neuer Information und die Berechnung von Gewichten, die es dem Modell erm{\"o}glichen, Muster mit verschiedenen Priorit{\"a}ten zu speichern, ist selbst-organisiert. Die Wichtigkeit von Information wird dabei erh{\"o}ht, wenn sie h{\"a}ufig benutzt wird und im Fall der Assoziation einer unbekannten Eingabe ist es wahrscheinlicher, dass diese mit einem Originalmuster mit hoher Priorit{\"a}t verkn{\"u}pft wird. Diese neue Verwendung von Gewichten ist die Haupterweiterung im Zusammenhang mit dieser Arbeit. Zuvor wurde Information durch Erweiterung der Netzwerkstruktur gespeichert, nun k{\"o}nnen zus{\"a}tzlich Gewichte angepasst werden. Dies verleiht dem Modell die F{\"a}higkeit, aus einer gro{\ss}en Menge an Daten relevante Information zu extrahieren.",

author = "Reinhard Stumptner",

year = "2006",

month = nov,

language = "Deutsch ({\"O}sterreich)",

}

TY - BOOK

T1 - Selektive Assoziation mit dem Assoziativspeichermodell NEUNET

AU - Stumptner, Reinhard

PY - 2006/11

Y1 - 2006/11

N2 - Das Modell NEUNET (NEUronen NETz) wurde 1974 am Institut für Informatik der Johannes Kepler Universität Linz von Prof. Reichl entwickelt und 1975 publiziert. Dieses neuronalnetzanaloge Assoziativspeichersystem ist in der Lage, Muster, die es von seinen Rezeptoren abliest, zu speichern und zu reproduzieren. Das Modell wurde laufend verbessert und NEUNET-3 war dabei die erste Weiterentwicklung, die Muster ohne Informationsverluste speichern konnte. Diese Arbeit beschreibt eine Erweiterung des Modells, als Selektives NEUNET bezeichnet, die in der Lage ist, gestörte Eingabemuster mit gewichtet gespeicherten Originalmustern zu assoziieren. Das Netzwerk ist selbstlernend, die Korrektur von Eingaben, die Speicherung neuer Information und die Berechnung von Gewichten, die es dem Modell ermöglichen, Muster mit verschiedenen Prioritäten zu speichern, ist selbst-organisiert. Die Wichtigkeit von Information wird dabei erhöht, wenn sie häufig benutzt wird und im Fall der Assoziation einer unbekannten Eingabe ist es wahrscheinlicher, dass diese mit einem Originalmuster mit hoher Priorität verknüpft wird. Diese neue Verwendung von Gewichten ist die Haupterweiterung im Zusammenhang mit dieser Arbeit. Zuvor wurde Information durch Erweiterung der Netzwerkstruktur gespeichert, nun können zusätzlich Gewichte angepasst werden. Dies verleiht dem Modell die Fähigkeit, aus einer großen Menge an Daten relevante Information zu extrahieren.

AB - Das Modell NEUNET (NEUronen NETz) wurde 1974 am Institut für Informatik der Johannes Kepler Universität Linz von Prof. Reichl entwickelt und 1975 publiziert. Dieses neuronalnetzanaloge Assoziativspeichersystem ist in der Lage, Muster, die es von seinen Rezeptoren abliest, zu speichern und zu reproduzieren. Das Modell wurde laufend verbessert und NEUNET-3 war dabei die erste Weiterentwicklung, die Muster ohne Informationsverluste speichern konnte. Diese Arbeit beschreibt eine Erweiterung des Modells, als Selektives NEUNET bezeichnet, die in der Lage ist, gestörte Eingabemuster mit gewichtet gespeicherten Originalmustern zu assoziieren. Das Netzwerk ist selbstlernend, die Korrektur von Eingaben, die Speicherung neuer Information und die Berechnung von Gewichten, die es dem Modell ermöglichen, Muster mit verschiedenen Prioritäten zu speichern, ist selbst-organisiert. Die Wichtigkeit von Information wird dabei erhöht, wenn sie häufig benutzt wird und im Fall der Assoziation einer unbekannten Eingabe ist es wahrscheinlicher, dass diese mit einem Originalmuster mit hoher Priorität verknüpft wird. Diese neue Verwendung von Gewichten ist die Haupterweiterung im Zusammenhang mit dieser Arbeit. Zuvor wurde Information durch Erweiterung der Netzwerkstruktur gespeichert, nun können zusätzlich Gewichte angepasst werden. Dies verleiht dem Modell die Fähigkeit, aus einer großen Menge an Daten relevante Information zu extrahieren.

M3 - Dissertation

ER -