Beschreibung von Analyse-Synthese-Systemen unter Verwendung von kaskadierten bidirektionalen HMMs

Authors: Ronald Römer

Abstract:

In diesem Beitrag werden die biologisch motivierten CBHMMs (Cascaded Bidirectional Hidden Markov Model) im Kontext von probabilistischen hierarchischen Analyse- Synthese-Systemen betrachtet. Diese stellen einen wichtigen Bestandteil Kognitiver Systeme dar, zu deren bedeutenden Eigenschaften der Umgang mit Unsicherheiten, die Fähigkeit zum Schließen und Folgern und schließlich die Adaptionsfähigkeit an zeitvariante Umgebungsbedingungen gehören. Zu dieser neuen Klasse von Systemen gehören beispielsweise die Kognitiven Dynamischen Systeme und die Kognitiven Benutzerschnittstellen. Neben der strukturellen Organisation von Analyse-Synthese- Systemen müssen sowohl die Fähigkeiten zum Interpretieren als auch zum Schließen und Folgern berücksichtigt werden. Hierzu wird ein Ansatz von MacKay aus den späten 1960-Jahren aufgegriffen, in dem dieser Aspekt als zusätzlicher Bestandteil eines erweiterten Informationsbegriffs verstanden wurde. MacKay unterscheidet zwischen deskriptivem und selektivem Informationsgehalt, wobei der selektive Informationsgehalt der bekannten Shannonschen Information entspricht. Der deskriptive Informationsgehalt berücksichtigt dagegen den logischen Aspekt von Information. Beide Aspekte finden sich sowohl im einfachen HMM als auch in den höheren symbolischen Schichten von CBHMMs wieder.