Associative information storage and associative information recall are fundamental principles of the human brain. A neuron network consisting of 100 excitatory elements was simulated on the UNIVAC 1106. The network elements consisted of a delay element, a characteristic with a threshold value and a PD-element. The element's behaviour was to a great extent analogues to that of real neurons with delayed increase and adaptation of the output signal. The total excitation of the system was controlled by an inhibitory component. Information was coded as a pattern of excitated elements. The information patterns and also the temporal sequence of patterns were stored in the coupling coefficients (measure of the signal transfer between the excitatory elements).—In a very simplified manner the system described above is able to imitate effects of the human brain, including parallel association (complete recall of the stored information pattern when a part of the pattern is offered at the system's input), serial association (recall of a temporal sequence of information patterns by input of the first pattern of the sequence), selection between the two association modes by means of an external signal, classification of an unknown (not stored) information pattern, coordination of patterns from two fields of the system, association of a more probable pattern sequence, disturbance of the association process, “memory aids”, “abstraction of common characteristics”, “reversal learning” and “productive ideas”.—The principle of the mutually conditioned connection may be regarded as a hypothesis for the learning act, that is for the representation of information patterns or temporal sequences of patterns through coupling coefficients.—The network elements, the structure and the function of the system are compared with structure and principles of the brain.ZusammenfassungAssoziative Informationsspeicherung und assoziativer Informationsaufruf stellen ein Prinzip der Funktion des menschlichen Gehirns dar. Auf der UNIVAC 1106 wurde ein Neuronennetzwerk aus 100 erregenden Bausteinen simuliert. Die Bausteine bestanden aus Verzögerungsglied, Kennlinienglied mit Schwellenwert und PD-Glied; sie entsprachen in ihrem Verhalten weitgehend dem von realen Neuronen mit verzögertem Anstieg und Adaptation des Ausgangssignals. Die Systemerregung wurde durch einen hemmenden Baustein konstant gehalten. Information wurde als Muster erregter Einzelbausteine codiert. Die Speicherung der Muster und ebenso der zeitlichen Reihenfolge der Muster erfolgte durch Kopplungskoeffizienten (Maß für die Signaldurchlässigkeit der Verbindungen zwischen den erregenden Bausteinen).—In stark vereinfachter Weise vermag das beschriebene System Leistungen des menschlichen Gehirns nachzuahmen: parallele Assoziation (vollständiger Aufruf eines Musters durch Eingabe eines Teils des Musters), serielle Assoziation (Aufruf einer zeitlichen Mustersequenz durch Eingabe des Anfangsmusters), Auswahl zwischen beiden Assoziationsarten durch ein Steuersignal, Zuordnung eines unbekannten (nicht gespeicherten) Musters, Zuordnung von Mustern aus zwei Systembereichen, Assoziation einer wahrscheinlicheren Musterfolge, Störung des Assoziationsvorganges “Eselsbrücke”, “Abstraktion des Gemeinsamen”, “Umlernen” und “produktiver Einfall”.—Das Prinzip der wechselseitigen bedingten Verknüpfung kann als Hypothese für den Lernvorgang d.h. die Abbildung von Informationsmustern bzw. zeitlichen Mustersequenzen durch Kopplungskoeffizienten angesehen werden.—Einzelbaustein, Systemstruktur und Funktionsprinzipien des beschriebenen Systems werden mit Strukturprinzipien des Gehirns verglichen.
[1]
H. Rohracher.
Einführung in die Psychologie
,
1953
.
[2]
W. Reichardt.
Autokorrelations-Auswertung als Funktionsprinzip des Zentralnervensystems
,
1957
.
[3]
B. Hassenstein.
Optokinetische Wirksamkeit bewegter periodischer Muster (Nach Messungen am Rüsselkäfer Chlorophanus viridis)
,
1959
.
[4]
W. Reichardt,et al.
Übertragungseigenschaften im Auswertesystem für das Bewegungssehen
,
1959
.
[5]
E. Caianiello.
Outline of a theory of thought-processes and thinking machines.
,
1961,
Journal of theoretical biology.
[6]
Menschliches und maschinelles Denken
,
1968
.
[7]
A. de Luca,et al.
Neural Networks: Reverberations, Constants of Motion, General Behavior
,
1968
.
[8]
Probleme der Neurokybernetik und Neurobionik
,
1970
.
[9]
Robert F. Schmidt.
Grundriß der Neurophysiologie
,
1972
.
[10]
G. Brindley,et al.
THE UNDERSTANDING OF THE BRAIN
,
1973
.
[11]
B. Hassenstein.
Verhaltensbiologie des Kindes
,
1973
.
[12]
V. Braitenberg.
Gehirngespinste: Neuroanatomie für kybernetisch Interessierte
,
1973
.
[13]
V. Braitenberg,et al.
Thoughts on the cerebral cortex.
,
1974,
Journal of theoretical biology.
[14]
J. Baetge.
Grundbegriffe der Kybernetik
,
1974
.
[15]
B. Hassenstein,et al.
Über die Wahrnehmung der Bewegung von Figuren und unregelmässigen Helligkeitsmustern
,
1957,
Zeitschrift für vergleichende Physiologie.
[16]
H. Wigström,et al.
A neuron model with learning capability and its relation to mechanisms of association
,
1973,
Kybernetik.
[17]
Kunihiko Fukushima,et al.
A model of associative memory in the brain
,
1973,
Kybernetik.
[18]
Karl Steinbuch,et al.
Adaptive networks using learning matrices
,
1965,
Kybernetik.
[19]
F. Jenik,et al.
Über die Nachrichtenverarbeitung in der Nervenzelle
,
2004,
Kybernetik.
[20]
E. Oja,et al.
Fast adaptive formation of orthogonalizing filters and associative memory in recurrent networks of neuron-like elements
,
1976,
Biological Cybernetics.
[21]
Iwao Morishita,et al.
Analysis and simulation of networks of mutually inhibiting neurons
,
1972,
Kybernetik.
[22]
O. D. Creutzfeldt,et al.
Intracelluläre Reizung corticaler Nervenzellen
,
1964,
Pflüger's Archiv für die gesamte Physiologie des Menschen und der Tiere.
[23]
Karl Steinbuch,et al.
Nichtdigitale lernmatrizen als perzeptoren
,
2004,
Kybernetik.
[24]
R. Jung,et al.
Hemmungsmechanismen und bremsende Stabilisierung an einzelnen Neuronen des optischen Cortex
,
1955,
Pflüger's Archiv für die gesamte Physiologie des Menschen und der Tiere.