SFB 527: Integration symbolischer und subsymbolischer Informationsverarbeitung in adaptiven sensomotorischen Systemen

Der Anfang das Jahres an der Universitat Ulm neu eingerichtete Sonderforschungsbereich 527 befast sich mit dem Thema Integration symbolischer und subsymbolischer Informationsverabeitung in adaptiven sensomotorischen Systemen. Die beteiligten Institutionen und Institute sind die Universitat Ulm mit den Abteilungen Neuroinformatik (Prof. Dr. G. Palm, Prof. Dr. H. Neumann, Dr. G. Kraetzschmar, Dr. A. Strey), Numerik (Prof. Dr. R. Seydel), Kunstliche Intelligenz (Prof. Dr. F. von Henke), Mes-, Regel- und Mikrotechnik (Prof. Dr. E. Hofer, Dr. B. Tibken), Vergleichende Neurobiologie (Prof. Dr. G. Ehret) und der Sektion Neurophysiologie (Prof. Dr. W. Becker), das Forschungsinstitut fur anwendungsorientierte Wissensverarbeitung (FAW) an der Universitat (Prof. Dr. Dr. F.J. Radermacher, Dr. T. Kaempke) und das Daimler-Benz-Forschungszentrum in Ulm (Dr. P. Regel, H. Mangold). Die zentrale Problemstellung des SFB besteht in der Erforschung und Organisation nutzlicher Interaktionen zwischen Methoden der symbolischen und subsymbolischen Informationsverarbeitung (insbesondere zwischen kunstlichen neuronalen Netzen und wissensbasierten Systemen) auf einem autonomen Fahrzeug. Auf diese Weise soll ein konkretes sensomotorisches System geschaffen werden (der SFB-Demonstrator), welches in den ersten 3–5 Jahren u.a. folgende Leistungen erbringen soll: schnell auf unerwartete Veranderungen der Umgebung reagieren (anfangs ist hierbei an eine Buroumgebung gedacht); Aktionen uber Langere Zeit planen (strategische Plane), zum Beispiel zum Suchen und Einsammeln mehrerer uber verschiedene Raume verteilter Objekte; aus der Erfahrung in dieser Umwelt lernen und sich an langfristige Umweltveranderungen anpassen. Die Hauptprobleme, die dabei angegangen werden sollen, sind die folgenden: 1) das Architekturproblem fur Systeme, die auf der Interaktion mehrerer Ebenen jeweils adaptiver Informationsverarbeitung basieren. 2) Der spezielle Aspekt der neuro-symbolischen Integration. 3) Adaptivitat und neuronales Lernen in komplexen hiererchischen Systemen. 4) Nutzung neurobiologischer Modellbildung in kunstlichen sensomotorischen Systemen. 5) Sensorfusion auf autonomen Fahrzeugen. 6) Die Interaktion von strategischer Planung mit Steuerung und Regelung. 7) Die Wechselwirkung eines autonomen Fahrzeugs mit einem menschlichen Partner durch Sprache, Gestik und Sehen.

[1]  Franz Josef Radermacher,et al.  Modeling and artificial intelligence , 1991, Appl. Artif. Intell..

[2]  Günther Palm,et al.  Wissensverarbeitung in neuronaler Architektur , 1991, Wissensbasierte Systeme.

[3]  Randall D. Beer,et al.  A Dynamical Systems Perspective on Agent-Environment Interaction , 1995, Artif. Intell..

[4]  Miroslav Kubat,et al.  Initialization of neural networks by means of decision trees , 1995, Knowl. Based Syst..

[5]  Rodney A. Brooks,et al.  Building brains for bodies , 1995, Auton. Robots.

[6]  Alfred Ultsch,et al.  Knowledge processing in neural architecture , 1994 .

[7]  Gadi Pinkas,et al.  Symmetric Neural Networks and Propositional Logic Satisfiability , 1991, Neural Computation.

[8]  David Chapman,et al.  Vision, instruction, and action , 1990 .

[9]  Vasant Honavar,et al.  Books-Received - Artificial Intelligence and Neural Networks - Steps Toward Principled Integration , 1994 .

[10]  Roland Heim,et al.  Theoretical Approaches to Complex Systems , 1978 .

[11]  Kurt Hornik,et al.  Multilayer feedforward networks are universal approximators , 1989, Neural Networks.

[12]  John N. Hooker,et al.  Testing heuristics: We have it all wrong , 1995, J. Heuristics.

[13]  Hava T. Siegelmann,et al.  Analog computation via neural networks , 1993, [1993] The 2nd Israel Symposium on Theory and Computing Systems.

[14]  C. Lee Giles,et al.  Extraction, Insertion and Refinement of Symbolic Rules in Dynamically Driven Recurrent Neural Networks , 1993 .

[15]  Franz J. Kurfess,et al.  CHCL - A Connectionist Infernce System , 1990, Dagstuhl Seminar on Parallelization in Inference Systems.

[16]  Pattie Maes,et al.  Designing autonomous agents: Theory and practice from biology to engineering and back , 1990, Robotics Auton. Syst..

[17]  Stephen I. Gallant,et al.  Neural network learning and expert systems , 1993 .

[18]  Lars Niklasson,et al.  Structure Sensitivity in Connectionist Models , 1993 .

[19]  Franz J. Radermacher.  COGNITION IN SYSTEMS , 1996 .

[20]  LiMin Fu,et al.  Rule Generation from Neural Networks , 1994, IEEE Trans. Syst. Man Cybern. Syst..

[21]  Ron Sun,et al.  Integrating rules and connectionism for robust commonsense reasoning , 1994, Sixth-generation computer technology series.

[22]  Sukhdev Khebbal,et al.  Intelligent Hybrid Systems , 1994 .

[23]  Anne Wilson,et al.  Linking Symbolic and Subsymbolic Computing , 1993 .

[24]  Gèunther Palm,et al.  Neural Assemblies: An Alternative Approach to Artificial Intelligence , 1982 .

[25]  Peter Norvig,et al.  Artificial Intelligence: A Modern Approach , 1995 .

[26]  Andreas Stolcke,et al.  Tree matching with recursive distributed representations , 1992, AAAI Conference on Artificial Intelligence.

[27]  Hava T. Siegelmann,et al.  On the Computational Power of Neural Nets , 1995, J. Comput. Syst. Sci..

[28]  E. Bienenstock.  A model of neocortex , 1995 .

[29]  V. Braitenberg.  Cell Assemblies in the Cerebral Cortex , 1978 .

[30]  Lokendra Shastri,et al.  Rules and Variables in Neural Nets , 1991, Neural Computation.

[31]  B. Fronhöfer,et al.  Parallelization in Inference Systems , 1992, Lecture Notes in Computer Science.

[32]  Ron Sun,et al.  Computational Architectures Integrating Neural And Symbolic Processes , 1994 .

[33]  Risto Miikkulainen,et al.  Parsing Embedded Clauses with Distributed Neural Networks , 1994, AAAI.

[34]  John N. Hooker,et al.  Needed: An Empirical Science of Algorithms , 1994, Oper. Res..

[35]  Rosli Omar,et al.  Artificial Intelligence through Logic? , 1994, AI Commun..

[36]  José G. Delgado-Frias,et al.  VLSI for Neural Networks and Artificial Intelligence , 1994, Springer US.

[37]  Jude Shavlik,et al.  THE EXTRACTION OF REFINED RULES FROM KNOWLEDGE BASED NEURAL NETWORKS , 1993 .