[go: up one dir, main page]

DE1814940A1 - Lernmaschine - Google Patents

Lernmaschine

Info

Publication number
DE1814940A1
DE1814940A1 DE19681814940 DE1814940A DE1814940A1 DE 1814940 A1 DE1814940 A1 DE 1814940A1 DE 19681814940 DE19681814940 DE 19681814940 DE 1814940 A DE1814940 A DE 1814940A DE 1814940 A1 DE1814940 A1 DE 1814940A1
Authority
DE
Germany
Prior art keywords
output
circuit
learning
error
weight
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
DE19681814940
Other languages
English (en)
Other versions
DE1814940B2 (de
DE1814940C3 (de
Inventor
Hirokazu Yoshino
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Holdings Corp
Original Assignee
Matsushita Electric Industrial Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from JP8247367A external-priority patent/JPS55930B1/ja
Priority claimed from JP43075769A external-priority patent/JPS512772B1/ja
Priority claimed from JP43085747A external-priority patent/JPS51825B1/ja
Application filed by Matsushita Electric Industrial Co Ltd filed Critical Matsushita Electric Industrial Co Ltd
Publication of DE1814940A1 publication Critical patent/DE1814940A1/de
Publication of DE1814940B2 publication Critical patent/DE1814940B2/de
Application granted granted Critical
Publication of DE1814940C3 publication Critical patent/DE1814940C3/de
Expired legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/06Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/02Comparing digital values
    • G06F7/023Comparing digital values adaptive, e.g. self learning
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/0499Feedforward networks
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • G06N3/09Supervised learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Neurology (AREA)
  • Feedback Control In General (AREA)
  • Logic Circuits (AREA)
  • Exposure Control For Cameras (AREA)

Description

18H940
Z/Lo-POS-16343
Patentanwälte
Dipi.-ing.Leinweber
oipi.-ing.Zimmermann
München 2, Rosental 7
Tel. 261939
'16. Dezember 1968
MATSUSHITA ELECTRIC INDUSTRIAL CO., LTD. Osaka, Japan
Lernmaschine
Die Erfindung bezieht eioh auf eine Lernmaschine, bei der eine von einer adaptiven Logikschaltung abgegebene Ist-Ausgangsinfonnation mit einer Soll-Ausgangsinformation verglichen wird, um so eine Fehler spannung abzuleiten, so daß Gewichts- oder Bewertungselemente je nach dem Vorzeichen der Fehlerspannung ausgesteuert werden können.
Die Erfindung hat zur Aufgabe, eine Lernmaschine zu schaffen, die in vollautomatischer digitaler Steuerung betätigbar ist, so daß Eingabestrukturen korrekt klassifiziert werden können.
Weiterhin hat die Erfindung zur Aufgabe, eine Lernmaschine zu schaffen, die ohne Schwierigkeiten aus integrierten Schaltelementen aufgebaut werden kann.
Die obigen und weitere Ziele, Merkmale und Torteile der Erfindung gehen mit größerer Deutlichkeit aus der nachfolgenden eingehenden Beschreibung einiger bevorzugter Ausführungsformen in Verbindung mit den beigegebenen Zeichnungen hervor. In den Zeichnungen zeigen:
909832/1212
18H940
Figur 1 ein Block schema einer bei einer nach dem Stand der Technik bekannten Lernmaschine verwendeten adaptiven Logikschal tung;
Figur 2 ein Blookschema einer Lernmaschine, bei der die in Figur 1 dargestellte Schaltung vorgesehen ist;
Figur 3 ein Blockschema zur Darstellung der Grundschaltung der erfindungsgemäßen Lernmaschine;
Figur 4 eine Gewichts- oder Bewertungsauswahlschaltung in der im Rahmen der Erfindung vorgesehenen adaptiven Logikschaltung}
Figur 5a ein Blocksohema einer Ausführungsform der erfindungsgemäßen Lernmaschine;
Figur 5b ein Zeitdiagramm zur Erläuterung der verschiedenen, bei der Ausführungsform der Figur 5a auftretenden Wellenformen;
Figur 6a ein Blockschema einer weiteren Ausführungsform der Erfindung;
Figur 6b Zeitdiagramme zur Erläuterung der verschiedenen, bei der Ausführungsform der Figur 6a auftretenden Wellenformen;
Figur 7a ein Blockschema einer weiteren Ausführungsform der Erfindung; und
Figur 7b ein Zeitdiagramm zur Erläuterung der verschiedenen, bei der Ausführungsform der. Figur 7a auftretenden Wellenformen.
Es sei zunächst auf Figur 1 Bezug genommen, in der eine bei bekannten Lernmaschinen verwendete adaptive Logikschaltung gezeigt ist, bei der Gewichts- oder Bewertungselemente A, B und C vorgesehen sind, die für gewöhnlich als Potentiometer ausgebildet sind. Den einzelnen Gewichtselementen A, B und C werden Eingangssignale a, b und c zugeführt. Zur Steuerung des Gewichts der einzelnen Gewiohtselemente A, B und C werden an diese Steuerspannungen angelegt. Falls es sich bei den Gewiohteelernenten A, B und C um Potentiometer handelt, so wird an diese hierbei natürlich eine Drehkraft
909832/1212
■ ■ - 3 -
kraft angelegt. ,
Bei jeder der Eingaben a, b und c handelt es eich um ein Zahlensymbol einer Zahlengruppe "+1" und "0" oder um ein solches einer Zahlengruppe "+1" und "-1". Die Eingaben a, b und c werden mit den Gewichten a·,, &2 und a, der einzelnen Gewichtselemente A, B und G multipliziert und die Produkte werden aufaddiert. Ist die so erhaltene Summe größer als ein Schwellenwert WQ, der variabel ist, so liefert die Schaltung eine Ausgabe "+11S wohingegen die Schaltung eine Ausgabe ir-l" oder "0" liefert, falls die Summe kleiner ist als der Schwellenwert WQ. Pur eine Gruppe von η Eingaben, die jeweils aus einer Zahlengruppe bestehen, können die Gewichte daher in geeigneter Weise reguliert werden, so daß die Auegaben nach zwei Kategorien klassifiziert werden können, nämlich einer Klasse "+1" und einer Klasse M-l".
Figur 2 zeigt den Aufbau einer n&ch dem Stand der !Technik bekannten Lernmaschine, bei der di· in Figur 1 dargestellte logische Schaltung vorgesehen ist. Die Eingaben a, b und c werden in der vorbeschriebenen Weise einer adaptiven Logikschaltanordnung G zugeführt, deren Aufbau der in Figur 1 gezeigte ist. Die Lernmaschine weist außerdem einen Ausgangeanschluß D, eine Korrekturbefehlβschaltung E, ein Entscheidungssystem I und einen Anschluß J auf, an dem ein Soll-Ausgangssignal eingespeist wird. Nach dem Eingang der drei Eingaben und der beiden Ausgaben trifft das Entscheidungesystem I eine Entscheidung dahingehend, ob die in der adaptiven Logiksohaltanordnung gefällte logische Entscheidung korrekt ist oder nicht.
Nach dem Eingehen des Resultats einer von dem Entscheidungssystem I übertragenen Entscheidung leitet die Korrekturbefehleschaltung H der adaptiven Logikschaltanordnung G eine Instruktion zu, wie di· Korrektur erfolgen soll. Das Gewicht jeder einzelnen adaptiven Logikschaltung wird auf der Grundlage der von der Korrekturbefehlsschaltung herrührenden Instruktion geregelt, so daß die logischen Schaltungen eine Veränderung erfahren. Dies wird ale "Selb fltorgani sation1' bezeichnet, und Lern vorgänge dieser Art wiederholen sich, bis schließlich eine korrekte logisch· Entscheidung erreicht ist.
Diese
909832/1212
18149A0
Diese bekannte Lernmaschine ist mit dem Mangel behaftet, daß der Mensch an der Entscheidung und an der Erteilung des Korrekturbefehle teilhaben muß, und bislang ist kein Sy stern bekannt gewerden, das geeignet wäre, eine solche Lernmaschine vollautomatisch und digital zu steuern. Das vorbesohriebene Syβtem hat aber den großen Vorteil, daß es ohne weiteres aus integrierten Schaltelementen aufgebaut werden kann.
Die Erfindung sieht die Schaffung einer vollautomatischen Lernmaschine vor, welche die Funktionen der Entseheidungebefähigung und der Korrekturbefehleerteilung besitzt.
In der Darstellung der Figur 3, in der die Grundschaltung der erfindungsgemäBen Lernmaschine wiedergegeben ist, wird über die entsprechenden Eingangsansehlüsse I1, I2, 1,, In eine Gruppe ron lingangsinformationen X1, X2, X,,...Xn «ugeführt. Diese Eingänge werden mit den entsprechenden Gewichten W1, W2, W-,...Wß der Gewichteelemente Z-,, Z2, Z,,...Zn multiplisiert *nd werden hierauf in einer Summiersehaltung 1 summiert, so daß an einem Ausgangsansehluß der Summierschaltung 1 ein Ausgang
n tv
erscheint. Ein Entsoheidungseiement 2 vergleicht den Ausgang
I. "Λ
der Summierschaltung 1 mit einem von einem Schwellengenerator 3 herrührenden Schwellenwert W1* An einem Ausgangsansohluß 9 der Entscheidungssohaltung 2 erscheint also ein Ausgang "+1", wenn
wohingegen an dem Ausgangsansehluß 9 ein Ausgang »-1« erseheint,
fX.W.- Έ . <O. _l J J n+1
Hierbei handelt es sich dann um einen Ist-Ausgang Efi der adaptiven Logik schaltung. Der Ausgang EH wird einem Komparator 4 «ugeführt, in dem die Größe des Ausgangs ER mit der Größe eines Soll-Ausgangs Ejj verglichen wird. Stimmen die beiden Ausgänge überein, so er-
soheint
909832/1212
eoheint eine "0" an einem Auegangsansohluß des Komparator β 4» während im Fall einer Nichtübereinstimmung der beiden Ausgänge am Ausgangsansehluß des Komparators 4 eine Fehlerspannung oder eine "1" erscheint.
Ein Lernimpuls wird beim Anlegen der Fehler spannung "1·· von einem torgesteuerten Impulsgenerator 5 erzeugt, worauf dieser Lernimpult einer Steuerschalteranordnung 6 zugeführt wird. Sie Steuersohalteranordnung 6 weist η Steuerschalter auf, deren Anzahl gleich der Anzahl η der Eingänge ist, so daß die Steuerschalter den einzelnen Eingangsinformationen entsprechen. Hur der dem Eingang "1" entsprechende Steuerschalter wird in den Zustand der Leitfähigkeit überführt, um den Lernimpuls hindurohzulassen. Der durch den im Zustand der Leitfähigkeit befindlichen Steuerschalter hindurchgeleitete Lernimpuls wird den Gewichtsauswahlschaltungen 2,, 2_, 2,,...2_ zur Erhöhung oder Verringerung der Gewichte zugeführt.
In Figur 4 ist eine der erfindungsgemäßen Gewiohtsauswahlschaltungen dargestellt, in der die Gewiohte W1, W2, W,,...W über fünf Stufen hinweg variabel sind. Stimmt der Ist-Ausgang nicht mit dem Soll-Ausgang überein, so wird einem Steuerschalter 6, ein Lernimpuls zugeleitet. Der Steuerschalter 6, ist offen und ein Transistor T1 leitet, wenn der Eingang X1 gleich "1" ist. Der Lernimpuls passiert daher den Steuerschalter 6., um beispielsweise einem Ringzähler 11 in Sohieberegisterbauweise zugeführt zu werden, der aus fünf Flip-Flop-Schaltungen besteht. Der Lernimpuls bewirkt eine Umkehrung einer Flip-Flop-Schaltung aus einem Zustand "1" in einen Zustand "0" und die Aussteuerung der nächsten Flip-Flop-Schaltung in einen Zustand 11I". Die Stelle der "1" wird also durch den Lernimpuls in Aufeinanderfolge verschoben und der Ringzähler 11 kehrt wieder in seinen Ausgangszustand zurück, nachdem fünf Lernimpulse zugeführt worden sind. Demgemäß wird von sämtlichen Transistoren T1-1* τι_2· Tl-3' ^1-4 und Tl-5 nur einer» der 8^ Ausgangsanschluß der im Zustand "1" befindlichen Flip-Flop-Schaltung liegt, in den leitenden Zustand gebracht und es wird eine entsprechende Steuerspannung W± (i - 1, 2, 3, 4, 5) ausgewählt und der Sumaiersohaltung 1 zugeführt. In ähnlicher Weise wird das Gewicht der übrigen Gewichtselemente nur dann verändert, wenn der Ausgang Ml" erscheint.
909832/1212
Die Fehlerspannung wird Null, wenn der durch Vergleich dee Ausgangs der Summierschaltung 1 mit dem Sohwellenwert Wn+1 in dem Entscheidungselement 2 erhaltene Ausgang ER mit dem Soll-Ausgang übereinstimmt und die Lernimpulserzeugung wird beendet.
In der Darstellung der Figur 4 ist das Gewicht über fünf Stufen hinweg variabel. Die Zuführung von einem bis vier Lernimpulsen würde daher die erwünschte Übereinstimmung zwischen dem Ist-Ausgang ED und dem Soll-Ausgang Ex. hervorbringen. Wird keine Ober-
K 11
einstimmung erzielt, so steuert ein von einem N-Zähler 7 (Figur 3) abgegebener Oberlaufimpuls einen Ringzähler θ (Figur 3) zum Variieren des Schwellenwertes W -, aus, also zum Variieren des Werts der Soll-Entscheidungsfunktion
£ I.W. - W .
^-1 J J n+1
um die ÜbereinStimmung zwischen dem Ist-Ausgang E0 und dem SoIl-
Ausgang E. herbeizuführen. Ein ähnlicher Arbeitsgang kann zum automatischen Verändern des Gewichts wiederholt werden, bis der Ist-Ausgang E_ für jede Eingangeinformation mit dem Soll-Ausgang E_ übereinstimmt. Durch die Wiederholung des Lernvorgangs in der vorbeaohriebenen Weise nähert sich die TTnterscheidungslogik schrittweise einer korrekten Logik und bei Beendigung des Lernprozesses können sämtliche Eingangsstrukturen korrekt klassifiziert werden.
Ein weiteres wichtiges Merkmal der Erfindung ist in der Tatsache zu erblicken, daß die Programmierung in der Weise erfolgen kann, daß ein Soll-Ausgangsgenerator 10 einen Ausgang mit einem von einer Eingangsstruktur abhängigen Vorzeichen erzeugt, so daß der Lehrvorgang vollautomatisch erfolgen kann· Das vorbesohriebene System ist insofern vorteilhaft, als die Steuerung des Gewichts der adaptiven Logik schaltung trotz eines einfachen Aufbaus auf vollelektronischem und digitalen Wege erfolgen kann und das System aus integrierten Schaltelementen aufgebaut sein kann. Das System vermag daher mit hoher Geschwindigkeit zu arbeiten und ist sehr zuverlässig.
Eine Ausführungsform der Erfindung soll unter Bezugnahme auf die Figuren 5a und 5b besehrieben werden. In der Darstellung der Figur 5a werden an den betreffenden Eingangsanschlüssen 21., 2I2, 21^,...2In die Eingänge X1, X2, 1,,...In zugeführt. Gewiehte-
elementa 909832/1212
elemente 22χ, 22g, 225,...22n mit den Gewichten W1, W3, W5,...*n sind jeweils an die Eingangsanschlüsse 2I1, 2I3, 21^,...2In gelegt. Die Ausgänge dieser Gewichteelemente 22χ, 222, 22^,...22η werden einer Summierschaltung 23 zugeführt, welche die Summe dieser Ausgänge bildet. Ein von einem Schwellengenerator 24 erzeugter Sohwel-
lenwert W , wird der Summierschaltung 23 zugeleitet. Die Summe n+1
η r w
Σ j j
der Ausgänge der Gewiohtselemente 22χ, 222, 225,...22n wird zusammen mit dem Schwellenwert W , einem Entseheidungselement 25 zuge-
n+i
führt. Das Entscheidungseleaent 25 vergleicht die Größe der Summe
und einen Ausgang "0" falls
mit der Größe des Schwellenwert· W Ί und liefert einen Ausgang
n+1
X W ^ w
ti >
Der Ausgang Eß der Entsoheidungsechaltung 25 wird in einem Komparator 26 mit einem Soll-Ausgang E- verglichen. Stimmen beide Ausgänge nicht miteinander überein, wie dies beispielsweise der Fall wäre, wenn der Ausgang der Entscheidungssohaltung 25 "1" ist, der Soll-Ausgang aber "0", so gibt der Komparator 26 eine Fehlerspannung H+l" ab. Ist umgekehrt der Ausgang der Entscheidungsschaltung 25 11O" und der Soll-Ausgang "1", so liefert der Komparator 26 eine Fehlerspannung "-1". Das Fehlersignal ist Null, wenn beide Ausgänge miteinander übereinstimmen. Eine mono stabile Sohaltung 27 wird in den betriebsbereiten Zuetand überführt, wenn ihr das Fehlersignal "+1" oder "-1" zugeleitet wird. Ein Triggerimpuls wird der monostabilen Schaltung 27 über einen Elngangeansohluß 28 zugeführt. Eine Torschaltung 29 liegt an einem Ausgangsansohluß der monostabilen Schaltung 27* Am Ausgangeanschluß der Torsohaltung 29 liegt eine multistabile Schaltung 30, wie beispielsweise ein Ringzähler. Eine Steuerschalteranordnung 3I ist alt einem Auegangsanschluß der multi-
stabilen
909832/1212
stabilen Schaltung JO verbunden und ein darin vorgesehener Steuerschalter wird beim Zuführen eines Ausgangs der multistabilen Sohaltung 30 in den leitenden Zustand überführt, um ein gewühltes Getter au öffnen. Die Steuerschalteranordnung 31 weist einen Ausgangsan-■ohlua 3I0 auf, an den die jeweils mit den Eingangaansthlttssen 21-, 21g, 21,,...2In verbundenen Anschlüsse 3I1t 3I2» 3Ij,...5In wahlweise ansohaltbar sind, lin Lernimpulsgenerator 32, dessen Steuersignal der Ausgang der Steuerschalteranordnung 31 und das Fehlersignal des Komparatorβ 26 ist, liefert beim Zuführen eines von einer an den Ausgangsansehluß der monostabilen Schaltung 27 gelegten monostabilen Schaltung 33 abgegebenen Ausgangssignals einen Lernimpuls. Eine Steuersohalteranordnung 34» die der Steuersohalteranordnung 31 ähnlich ist, ist in der Weise betätigbar, daß eines ihrer inneren Tore von dem Ausgang der multistabilen Schaltung 30 gewählt wird, so daß der Ausgang des Impulsgenerators 32 je naoh dem gewählten inneren Tor an einem der AusgangsanSchlüsse 34^» 342» 34^»···34n erscheinen kann. Der Auegang der Steuersohalteranordnung 34 steuert eine Vsrzögerungssohaltung 35 aus, deren Wirkweise darauf absielt, die monostabile Sohaltung 27 für eine vorbastimmte Zeitspanne im Ruhezustand zu halten. Die an den Ausgangsansohlüssen 34,, 342> 54?t •**34n der Steuerschalteranordnung 34 erscheinenden Ausgänge werden den Btiueransohlüesen der einzelnen Gewiohtselemente 22., 22«» 22,, ...22n sum Verändern ihrer Gewichte zugeführt. Es ist eine UND-Schaltung 36 vorgesehen, welche die logische Summe der den EingangsanSchlüssen 2I1, 2I2, 21-,...2In zugeführten Eingänge ermittelt. Eine UND-Schaltung 37 ist vorgesehen, um das logische Produkt des Ausgangs der UND-Schaltung 36 und des Ausgangs der monostabilen Schaltung 33 zu ermitteln. Eine Schaltung 38 wie beispielsweise eine multistabile Sohaltung ist unter Ansprechen auf das Zuführen eines Ausgangs der UND-Schaltung 37 betätigbar und dient sum Verändern des von dem Sohwellengenerator 24 gelieferten Schwellenwerts W ,.
n+i
Im Betrieb werden an den Eingangsansohlttssen 21., 2I2, 2I5,...2In Eingangs strukturen X1, Xg, X3,..^ eugeführt und der Ausgang ER der Entscheidungssohaltung 25 wird in dem Komparator 26 mit dem Soll-Auegang ED verglichen, worauf dieser ein Fehlersignal "+1" oder «-1« liefert, falls der Ausgang E_ nioht mit dem Seil-Aus-
909832/1212
18H9A0
gang E. übereinstimmt. Wird dann über den Anschluß 28 ein Triggerimpuls zugeführt, so liefert die monostabile Schaltung 2^ einen Ausgang mit einer Wellenform wie der in Figur 5b dargestellten und dieser Ausgang durohläuft die Torschaltung 29 und steuert die multistabile Schaltung 30 aus. Sie multi stabile Sohaltung 30, bei der es sieh um ein Schieberegister handeln kann, wird somit also duroh den Ausgang der monostabilen Sohaltung 27 in der Weise ausgesteuert, daß die Stelle des stabilen Punktes "1" in Aufeinanderfolge versohoben wird, bis in den Steuerschalteranordnungen 31 und 34 eine mit dem stabilen Punkt "1" verbundene Strombahn aufgebaut ist und diese leitend geworden sind. Ser Lernimpulsgenerator 32 wird duroh die monostabil« Sohaltung 33 ausgesteuert und liefert einen Lernimpuls, um je naoh dem aus dem Komparator 26 herrührenden Fehlersignal das Oewioht zu erhöhen oder zu verringern. Der Lernimpuls wird über die Steuerschalteranordnung 34 und den Ausgangsansehluß 34-, dem Sewiohtselement 22, zur Änderung des Gewichts W1 zugeführt. Ser Lernprozeß ist beendet, wenn der Ausgang E_ der Entsoheidungssohaltung 25 mit
it
dem Soll-Ausgang E- übereinstimmt, weil der Komparator 26 ein Fehlersignal Null liefert. Falls zwischen diesen beiden Ausgängen noch Nichtübereinstimmung besteht und der Komparator 26 ein Fehlersignal abgibt, so wird die monostabile Schaltung 27 unter Ansprechen auf das Zurüoksetzen der Verzögerungssohaltung 35 oder naoh einer vorbestimmten Verzögerungszeit abermals betätigt und es wiederholt sieh ein Arbeitsgang ähnlich dem obigen. In diesem Fall werden die Ausgangsansohlüsse 3I2 und 342 der Steuersohalteranordnungen 31 beziehungsweise 34 gewählt, um das Gewioht W2 des Oewioht»elements 222 zu verändern und so den Lernprozeß mit dem Eingang X2 zu vollziehen. Ist der Eingang X2 "O11,- so ist au oh der an dem AusgangaanschluB 31. der Steuersohalteranordnung 31 erscheinende Ausgang "0" und es wird kein Lernimpuls abgegeben. Die monostabil· Sohaltung 27 wird daher duroh den Ausgang der monostabilen Sohaltung 33 ausgesteuert, so daß ein neuer Masohinengang eingeleitet wird. Dieser Betriebsablauf wiederholt sieh, bis der Ist-Ausgang S1, mit dem Soll-Ausgang Sn
übereinstimmt. Sobald eine Tehlerspannung Fall erhalten wird, ist der Lernprozeß beendet. Di· Lernmaschine ist für die Aufnahme neuer Eingangsstrukturea bereit und wiederholt beim Eingeben dieser Eingangs strukturen
909832/1212
gangestrukturen des Torbeeohriebenen Arbeitsgang. Das im obigen beschrieben© Lew^yai«» beruht auf einer Absolutkorrekturregel der Fehltxkorrek tür.
Es soll hier auf das Lernen nach der Methode der Fehlerkorrektur näher eingegangen werden. Es sei davon ausgegangen, daß
Gewichtsvektor 1 ■ (W1, Wg, W,»*»*Wn, ) Vektor der Eingangsstruktur X » (X1, Xg, X Vektor der -y
erweiterten Struktur Y - (X1, X2, X,,..
·■> Miamt man weiterhin an, daß der Gewiohtevektor W auf den Vektor der
A erweiterten Struktur Y fehlerhaft anspricht, so läßt sioh ein neuer, duroh den Lernvorgang korrigierter Qewiohtsvektor W1 auedrücken durch
W« -f + CT (falls Y in die Kategorie »+1» fällt)
t' - ί - C Y (falls Y in die Kategorie »-1» fällt) worin C eine positive Zahl ist, die als Korrekturinkrement bezeichnet wird. Die sogenannte Methode der Absolutkorrektur von Fehlern * aielt darauf ab, einen solohen Wert des Korrekturinkremente C ausfindig zu machen, der notwendigerweise einen Gewiohtsvektor w ergibt, der auf den Vektor der erweiterten Struktur Y fehlerfrei ansprioht. Da bei festem Inkrement C-I, kann je nach dem Wert von W und Y der Fall eintreten, daß ein Fehler schon bei einem einzigen φ Lernvorgang korrigiert wird, oder auoh der Fall, daß hierbei noch keine Korrektur erfolgt. Die in den Figuren 5 und 7 dargestellten Ausführungsformen der Erfindung beruhen auf der Methode der Absolutkorrektur von Fehlern, wohingegen die in Figur 6 dargestellte Ausführungsform auf der Methode eines festen Inkrementβ beruht.
Bei der in Figur 6 gezeigten Ausführungsform der Erfindung 1st eine adaptive Logik schaltung vorgesehen, deren Aufbau der gleiohe wie bei der in Figur 5 gezeigten ist.
Eingänge X. (j-1, 2, 3,...n) werden von einer Eingangseinheit 41 Gewicht«elementen 42 zugeführt und mit den entsprechenden Gewichten W^ (j - 1, 2, 3»··.η) multipliziert. Die multiplizierten Ausgänge der Gewichteelemente 42 werden in einer Summiersohal-
909832/1212
18H940
- 11 tung 45 summiert» die einen Auegang
liefert. Dieser Auegang wird in einer Enteeheidungieehaltung 44 ait einem Schwellenwert W 1 verglichen, die ihrerseits über einen Anschluß 45 einen von der relativen Größe des Werte·
und des Schwellenwerte Wn+1 abhängigen Ausgang abgibt. Bin Triggersignal wird über einen Anschluß 46 zugeführt, wenn der Boll-Auegang "0" ist, oder über einen Anschluß 47» wenn der SoIl-Ausgang "1" ist, um so einen H0H-Signalgenerator 48 oder aber einen "1"-Signalgenerator 49 auszusteuern. Bei diesen Generatoren 48 und 49 kann es sieh um mono stabile Schaltungen handeln.
Es soll nun auf den Fall eingegangen werden, daß der Soll-Ausgang E_ "1" ist und der an dem Anschluß 45 erscheinende Ausgang E- "0". Wird über den Ansohluß 47 ein Triggereignal zugeführt, so wird der "1"-Signalgenerator erregt und sein Auegang wird einem Eingangsansehluß einer UND-Schaltung 50 zugeführt. Da der Ausgang der Entseheidungssohaltung 44 H0" ist, wird der Ausgang durch einen Inverter 51 hindurchgeleitet und hierauf der UND-Schaltung 50 zugeführt, die dadurch geöffnet wird. Durch den Ausgang der UND-Schaltung 50 werden die Binärzähler 54 und 55 eines Reohteckwellengenerators 53 unmittelbar gestellt. Gleichzeitig wird der Auegang der UND-Schaltung 50 über eine ODER-Schaltung 52 einem Binärzähler 57 des Rechteckwellengenerators 53 zugeführt. Der Binärzähler 57 wird hierdurch gestellt und eine UND-Schaltung 58 wird in einen Öffnungsbereiten Zustand gebracht. Durch die Zuführung eines Impulses von einem Hechteokwellengenerator 59 zu der UND-Schaltung 58 wird die UND-Schaltung 58 geöffnet und der Binärzähler 54 rüokge»teilt. Gleich· zeitig wird auch der Binärzähler 55 rückgestellt und die monostabile Schaltung 56 getriggert. Nach einer gewiesen, vorbestimmten Zeit wird der Binärzähler 57 durch die monostabile Schaltung 56 rliekgestellt und die UND-Schaltung 58 wird hierdurch geschlossen. Bevor der Binärzähler 57 rüokgestellt wird, steuert der von dem Re ohteokwellengenerator 59 ausgesandte und durch die UND-Schaltung 58 hin«
durchhieltet·
909832/1212
18U940
durchgeleitete Impuls «in· Steuerschalteranordnung 60 au«, um liber eine multistabile Schaltung 61 das Gewicht de· Gewiohtselements 42 um einen Schritt su erhöhen, so daß der Ist-Ausgang 1R »it dem BoIl-Auegang Ejj tiberein stimmt.
Ist der Ist-Ausgang 1R 11I" und der Soll-Ausgang S^ "0M, so wird der Ausgang des 11OM-Signalgene raters 48 einer TTHD-Sohaltnng 62 «!geführt und durch die ODER-Schaltung 52 hindurehgeleitet, um den Binärzähler 57 su stellen. Bas logiaohe Produkt des Ausgang» des Blnärsählers 57 und des Ausgange des Reohteekvellengenerators 59 ergeheint am Ausgangsanschlufl der TTMS-Schaltung 58. Ser Ausgang der UHS-Sohaltung 53 steuert die BlnärsShler 54 «ad 55 ·»·♦ <**· unter Ansprechen auf das Zuführen τοη Tier Impulsen rttckgestellt werden. Gleichseitig wird die monostabile Sohaltung 56 sum ffilokstellen des Binarzähler β 57 und sum Schließen der TTHS-Schaltung ausgesteuert. Me In der uffnungsetellung der TTIS-Sohaltung 58 duroh diese hindurchgeleiteten vier Impulse steuern die Steuerschalteranordnung 60 sum Verringern des Gewichts des Gewiehtselements 42 über die multistabile Sohaltung 61 aus. Ein solcher Arbeitsgang kann für jeden der Eingänge erfolgen, so daß die Untersoheidungslogik der Lernmaschine schrittweise einer korrekten Logik angenähert wird. Bei Beendigung des Lernprozesses können also alle Singangsstrukturen korrekt naoh einer der Kategorien M1M und H0M klassifiziert werden.
Bei der rorbesohriebenen Methode werden alle Gewiohte gleichzeitig um einen festen Betrag erhöht oder erniedrigt* Sie obenbesohriebene Ausführungeform bedient sieh demgemäB des Fehlerkorrekturrerfahrens der festen Inkremente.
Bei einer weiteren, in Figur 7 dargestellten Ausführungβίοι™ der Erfindung werden die über eine Eingab«einheit 71 eingegebenen Eingangeinformationen X. (j - 1, 2, 3,...n) den entsprechenden Gewiohtselementen 72 zugeführt, so daB sie wie bei der Ausführungsform der Figur 6 mit den entsprechenden Gewichten 1 (4-1, 2, 3»...n) multipliziert werden. Sie Produkte X.W. der Eingänge X. und der Gewiohte W^ werden in einer 8ummierschaltung 73 summiert, die einen Ausgang
liefert 909832/1212
liefert. In einem Entsoheidungselement 74 wird der Ausgang der Sunmiersohaltung 73 mit einem von einem Schwellengenerator 75 gelieferten Schwellenwert verglichen, und als Ergebnis dessen erscheint an einem Auegangsanschluß 76 je nach der relativen Größe des Ausgangs der Summierschaltung 73 und des Schwellenwerts ein Ausgang "1" oder "0". Der an dem Ausgangsansohluß 76 erscheinende Ausgang ist "1", wenn der Ausgang
η ν«
f-i Vi
größer als der Schwellenwert ist, und er ist 11O", wenn der Ausgang
η „ _
f.! Vl
kleiner als der Schwellenwert ist.
Es soll zunächst auf den Fall eingegangen werden, daß der an dem Ausgangeanschluß 76 erscheinende Ausgang ER "1" ist, der Ausgang eines zum Erzeugen eines So11-Ausganges E« vorgesehenen Generators 77 dagegen "0". Der Ausgang "0" des Generators 77 wird durch einen Inverter 78 hindurchgeleitet und hierauf zusammen mit dem Ist-Ausgang En, der also "1" ist, einer UND-Schaltung 80 zugeführt.
Xt
Die hierdurch geöffnete UND-Schaltung 80 führt das Fehlersignal einer ODER-Schaltung 82 zu. Der Ausgang der ODER-Schaltung 82 treibt einen torgesteuerten Oszillator 83, der einen Lernimpuls erzeugt. Der Lernimpuls wird einer Steuerschalteranordnung 84 zugeführt, um über eine multistabile Schaltung 85 die Gewichte W, der Gewichtselemente 72 zu verändern.
Ist im umgekehrten Fall der Ist-Ausgang E- "0" und der Soll-Ausgang 11I", so wird der Ausgang "0" des Entsoheidungselements 74 durch einen Inverter 79 hindurehgeleitet, um eine UND-Schaltung 81 zu öffnen, so daß sich das durch die ODER-Schaltung 82 geleitete Fehlersignal im Sinne einer Änderung des Gewichts W. des Gewichtselemente 72 auswirkt.
Naoh dieser Methode werden die Lernimpulse einzeln nacheinander erseugt, bis die Betätigung der Maschin· beendet ist, sobald der Ist-Ausgang ER mit dem Soll-Ausgang E. übereinstimmt. Die in Figur 7 dargestellte Ausführungsfora beruht daeit auf der Absolutkorrekturregel des Fehlerkorrekturverf ahrens.
Patentansprüche
909832/1212

Claims (2)

Patentansprüche
1. Lernmaschine, gekennzeichnet durch eine Vielzahl von Singangsanachlüeeen,(211, 21g, 2I5, 21^), eine Vielzahl Ton mit den betreffenden Eingangeanechlüseen verbundenen Gewichteelementen (22^, 222, 22,, 22 ) mit variablem Gewieht, ein zum Vergleichen der Summe der Ausgänge der Gewiehtselemente (22χ, 222» 22?, 22n) mit einem Schwellenwert und aufgrund dessen zum selektiven Abgeben zweier Arten von Auegangesignalen betätigbares Entseheidungaeleeent (25)» einen zum Abgeben eines den Fehler zwischen dem Auegang des Entscheidungselemente (25) und einem So 11-Ausgang repräsentierenden Ausgangs signals betätigbaren Komparator (26), einen unter Ansprechen auf ein von dem von dem Komparator (26) abgegebenen Fehler signal abhängiges Signal zum Erzeugen eines Fehlerkorrekturimpulsee betätigbaren Lernimpulsgenerator (32), eine durch das Fehlersignal und duroh ein Triggersignal aussteuerbare monostabile Schaltung (27) t eine unter Ansprechen auf den Ausgang der monostabilen Schaltung (27) im Sinne nacheinander erfolgender Verschiebungavorgänge betätigbare multistabil· Schaltung (30), eine duroh den Ausgang der multistabilen Schaltung (30) selektiv im Sinne eines nacheinander erfolgenden Zuführens der Lernimpulse zu den Gewiohtselementen (22-, 22„, 22,, 22 ) steuerbare Steuerschalteranordnung (34) und eine in Abhängigkeit von dem Fehlersignal zum Verzögern des Signale in jedem Arbeitegang zum Wiederholen dee Lernvorgange β betätigbare Signalverzögerungsschaltung (35), wobei die Gewichte der Gewienteelemente (22,, 22-, 22,, 22 ) voll-
J. £ y n'
elektronisch variierbar sind und wobei der Lernvorgang im Falle eines Ton dem Komparator (26) infolge einer korrekten Entscheidung der adaptiven Logikschaltung abgegebenen Fehleraigaal KuIl beendbar ist.
2. Lernmaschine naoh Anspruch 1, dadurch gekennzeichnet, daß der Komparator (26) eine aus einem Inverter und einer UND-Schaltung bestehende InverS-Koinzidenzschaltung einbegreift und der Lcrnimpulsgenerator (32) unter Ansprechen auf das Anlegen einer Fehl er spannung von der Inver a-Koinzidenz schaltung zum Erzeugen eines Lernimpulse β betätigbar ist, wobei die in Abhängigkeit von den Eingangs strukturen gewählten Steuer sehalter in der St euer schalteranordnung (34) zum gleichzeitigen Variieren aller dem Eingang -1" entsprechenden Gewicht selemente (22χ, 222, 22,, 22Q) betätigbar sind und der Lernvorgang
909832/12t2
18H9A0
gang in Fail· eines von dar Imrers-Koiiisiaenssehaltung Infolg· einer korrekten Entscheidung der adapüren iaglkaohaltung abgegebenen fehler eignal β IaIl beendbar ist.
Lernmaschine nash Anspruch 1, dadurch, gekennzeichnet, daß der Komparator (Z6) «im au» eine» InTexter (51) und einer UHD-3ehaltung (50) bestehende Ifcrers-Koineidenesehaltung einbegreift und der Ltrniapultgenexater (55) unter Anepreehen auf daa Inlegen einer Fehlerspannung Ton der Ihvers-Koiniidens schaltung sum Srseagen τοη einesi oder n-1 Lernimpuleen bet&tigbar iet, -wobei die Lernsaeehine su einem Arbeiten auf der Basis der Hegel der festen Pehlerkorrekturinkreaente be* t&tigbar ist, wobei die Qewiehte aller des Eingang Ml" entspreohen- ύ·η Gkiviehtselesiente dureh den Leraiapul» gleichseitig üb einen festen Betrag Tsränderbar sind, vobei die Intscheidung der adaptiren Logik «ehaltung einer korrekten Entscheidung annäherbar ist und der LernTorgang eis sua sohliefiliohen Herbeiführen einer korrekten Intaoheidung tor adaptiTen. Logiksohaltung viederholbar ist.
Lernmaschine naoh Anspruch I1 daduroh gekennzeichnet, daß den Gewichten entsprechende Spannungen an die eine der Hauptelektroden τοη Transistor en anlegbar sind, deren for« an die Ausgangsansshlüsss der multistabilen Schaltung gelegt sind, wahrend die asidere Hauptelektrode eines jeden der Transistoren an das sua Zuführen des Eingangs vorgesehen· Tor gelegt iet, wobei daa Gewicht digital wählbar ist.
Lernmaschine nach Anspruch I9 dadurch gekennseiehnct, daß ein sua Abgeben eines der Eingangsatruktar entsprechenden Sollwerts betätigbarer Zeichengenerator vorgesehen ist, wobei der Lernvorgang vollautomatisch durchführbar 1st.
909832/1212
DE1814940A 1967-12-18 1968-12-16 Lernende Klassifizierungsschaltung Expired DE1814940C3 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP8247367A JPS55930B1 (de) 1967-12-18 1967-12-18
JP43075769A JPS512772B1 (de) 1968-10-15 1968-10-15
JP43085747A JPS51825B1 (de) 1968-11-20 1968-11-20

Publications (3)

Publication Number Publication Date
DE1814940A1 true DE1814940A1 (de) 1969-08-07
DE1814940B2 DE1814940B2 (de) 1973-09-06
DE1814940C3 DE1814940C3 (de) 1974-04-11

Family

ID=27301932

Family Applications (1)

Application Number Title Priority Date Filing Date
DE1814940A Expired DE1814940C3 (de) 1967-12-18 1968-12-16 Lernende Klassifizierungsschaltung

Country Status (5)

Country Link
US (1) US3601811A (de)
DE (1) DE1814940C3 (de)
FR (1) FR1599927A (de)
GB (1) GB1255614A (de)
NL (1) NL6818133A (de)

Families Citing this family (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5567607A (en) * 1978-11-17 1980-05-21 Hajime Sangyo Kk Pattern discrimination method
US4326259A (en) * 1980-03-27 1982-04-20 Nestor Associates Self organizing general pattern class separator and identifier
US4479241A (en) * 1981-08-06 1984-10-23 Buckley Bruce S Self-organizing circuits for automatic pattern recognition and the like and systems embodying the same
US4518866A (en) * 1982-09-28 1985-05-21 Psychologics, Inc. Method of and circuit for simulating neurons
US4525775A (en) * 1982-11-01 1985-06-25 Grigory Eydelman Adaptive control system
US4595982A (en) * 1983-09-02 1986-06-17 Burt Frank N Expert system and method for making decisions in accordance with the decisions of a mentor
US4620286A (en) * 1984-01-16 1986-10-28 Itt Corporation Probabilistic learning element
US4593367A (en) * 1984-01-16 1986-06-03 Itt Corporation Probabilistic learning element
US4599693A (en) * 1984-01-16 1986-07-08 Itt Corporation Probabilistic learning system
US4599692A (en) * 1984-01-16 1986-07-08 Itt Corporation Probabilistic learning element employing context drive searching
US4658370A (en) * 1984-06-07 1987-04-14 Teknowledge, Inc. Knowledge engineering tool
US4910660A (en) * 1984-09-19 1990-03-20 Li Chou H Self-optimizing method and machine
US4710864A (en) * 1984-09-19 1987-12-01 Li Chou H Self-optimizing method and machine
US4760604A (en) * 1985-02-15 1988-07-26 Nestor, Inc. Parallel, multi-unit, adaptive, nonlinear pattern class separator and identifier
US5161232A (en) * 1985-09-17 1992-11-03 Beran James T Modular self-programmer
WO1987001837A1 (en) * 1985-09-17 1987-03-26 Beran James T Modular self-programmer
US5060277A (en) * 1985-10-10 1991-10-22 Palantir Corporation Pattern classification means using feature vector regions preconstructed from reference data
US5077807A (en) * 1985-10-10 1991-12-31 Palantir Corp. Preprocessing means for use in a pattern classification system
US5133021A (en) * 1987-06-19 1992-07-21 Boston University System for self-organization of stable category recognition codes for analog input patterns
EP0327817B1 (de) * 1988-01-11 1996-08-28 Yozan Inc. Assoziatives Musterkonversionssystem und Anpassungsverfahren dafür
US4876731A (en) * 1988-02-19 1989-10-24 Nynex Corporation Neural network model in pattern recognition using probabilistic contextual information
US5063601A (en) * 1988-09-02 1991-11-05 John Hayduk Fast-learning neural network system for adaptive pattern recognition apparatus
US4979124A (en) * 1988-10-05 1990-12-18 Cornell Research Foundation Adaptive, neural-based signal processor
US4951239A (en) * 1988-10-27 1990-08-21 The United States Of America As Represented By The Secretary Of The Navy Artificial neural network implementation
US5140538A (en) * 1988-12-27 1992-08-18 University Of Arkansas Hybrid digital-analog computer parallel processor
EP0384709B1 (de) * 1989-02-23 1994-11-02 Matsushita Electric Industrial Co., Ltd. Lernmaschine
US5361328A (en) * 1989-09-28 1994-11-01 Ezel, Inc. Data processing system using a neural network
JP2724374B2 (ja) * 1989-10-11 1998-03-09 株式会社鷹山 データ処理装置
US5056037A (en) * 1989-12-28 1991-10-08 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Analog hardware for learning neural networks
US5167006A (en) * 1989-12-29 1992-11-24 Ricoh Company, Ltd. Neuron unit, neural network and signal processing method
US5581662A (en) * 1989-12-29 1996-12-03 Ricoh Company, Ltd. Signal processing apparatus including plural aggregates
FR2685109A1 (fr) * 1991-12-11 1993-06-18 Philips Electronique Lab Processeur numerique neuronal operant avec une approximation d'une fonction d'activation non lineaire.
JP3178884B2 (ja) * 1992-03-30 2001-06-25 株式会社東芝 ニューラルネットワーク装置
US5479574A (en) * 1993-04-01 1995-12-26 Nestor, Inc. Method and apparatus for adaptive classification
US5542054A (en) * 1993-12-22 1996-07-30 Batten, Jr.; George W. Artificial neurons using delta-sigma modulation
FI103304B1 (fi) * 1997-03-26 1999-05-31 Nokia Oy Ab Assosiatiivinen neuroni
US6144954A (en) * 1998-01-27 2000-11-07 Li; Chou H. Automatic development of computer software
WO2000019369A1 (en) 1998-10-01 2000-04-06 Bios Group Lp Automatic evolution of mixed analog and digital electronic circuits
US6513024B1 (en) 1999-03-16 2003-01-28 Chou H. Li Self-optimization with interactions
US6625500B1 (en) 1999-03-16 2003-09-23 Chou H. Li Self-optimizing method and machine
US7138821B2 (en) * 2002-11-18 2006-11-21 Koninklijke Philips Electronics N.V. Digital filter circuit and method for blocking a transmission line reflection signal
US7580570B2 (en) * 2003-12-09 2009-08-25 Microsoft Corporation Accuracy model for recognition signal processing engines

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3046527A (en) * 1956-04-12 1962-07-24 Ibm Character group recognition system
NL244109A (de) * 1958-10-07
US3097349A (en) * 1961-08-28 1963-07-09 Rca Corp Information processing apparatus
US3158840A (en) * 1962-01-15 1964-11-24 Ibm Specimen identification apparatus and method
US3324457A (en) * 1964-05-08 1967-06-06 Burroughs Corp High density network simulation apparatus
US3408627A (en) * 1964-12-28 1968-10-29 Texas Instruments Inc Training adjusted decision system using spatial storage with energy beam scanned read-out
US3440617A (en) * 1967-03-31 1969-04-22 Andromeda Inc Signal responsive systems

Also Published As

Publication number Publication date
DE1814940B2 (de) 1973-09-06
GB1255614A (en) 1971-12-01
NL6818133A (de) 1969-06-20
FR1599927A (de) 1970-07-20
US3601811A (en) 1971-08-24
DE1814940C3 (de) 1974-04-11

Similar Documents

Publication Publication Date Title
DE1814940A1 (de) Lernmaschine
DE4042139C2 (de) Neuron-Einheit
DE1497696B2 (de) Schaltungsanordnung fuer ein lerngeraet
DE3534649C2 (de)
DE3910863A1 (de) Verfahren und tastatur-eingabegeraet zur eingabe digitaler daten
EP0010173A1 (de) Halbleiterplättchen mit verbesserter Prüfbarkeit der monolithisch hochintegrierten Schaltungen
DE1280594B (de) Lernschaltung fuer das Erkennen von Bitkombinationen
DE3030123C2 (de) Steuerschaltung für einen Verkaufsautomaten
DE1011181B (de) Matrix-Schaltung
DE3118316A1 (de) Kombinationswaage
DE2832673A1 (de) Tastenfeldcodiersystem
DE2455498C3 (de) Schwellwertverknüpfungsgatter
DE1953366A1 (de) Anpassungsfaehige Schaltung
DE2158013B2 (de) Tastatur-eingabewerk
DE2734404A1 (de) Naehmaschine
DE2304681C2 (de) Elektronischer Rechner
DE69221418T2 (de) Aufzeichnungskopfantriebsvorrichtung
DE3037716C2 (de) Haushalts-Nähmaschine
DE1537421B2 (de)
DE3638256C2 (de)
DE2114766A1 (de) Eingabevorrichtung
DE2457611C3 (de) Multiplex-Übertragungssystem
DE1259610C2 (de) Anordnung zur Durchfuehrung logischer Operationen
DE2337132A1 (de) Dezimale grenzwerteinstellung zum vergleich mit einem binaeren digitalsignal
DE69029700T2 (de) Neuronales Netzwerk

Legal Events

Date Code Title Description
C3 Grant after two publication steps (3rd publication)
E77 Valid patent as to the heymanns-index 1977
EF Willingness to grant licences