This book presents a first generation of artificial brains, using vision as sample application. An object recognition system is built, using neurons and synapses as exclusive building elements. The system contains a feature pyramid with 8 orientations and 5 resolution levels for 1000 objects and networks for binding of features into objects. This vision system can recognize objects robustly in the presence of changes in illumination, deformation, distance and pose (as long as object components remain visible). The neuro-synaptic network owes its functional power to the introduction of rapidly modifiable dynamic synapses. These give a network greater pattern recognition capabilities than are achievable with fixed connections. The spatio-temporal correlation structure of patterns is captured by a single synaptic differential equation in a universal way. The correlation can appear as synchronous neural firing, which signals the presence of a feature in a robust way, or binds features into objects. Although in this book we can present only a first generation artificial brain and believe many more generations will have to follow to reach the full power of the human brain, we nevertheless see a new era of computation on the horizon. There were times when computers, with their precision, reliability and blinding speed, were considered to be as superior to the wet matter of our brain as a jet plane is to a sparrow. These times seem to be over, given the fact that digital systems inspired by formal logic and controlled algorithmically - today's computers - are hitting a complexity crisis. A paradigm change is in the air: from the externally organised to the self-organised computer, of which the results described in this book may give an inkling.

In diesem Buch wird eine erste Generation von kunstlichen Hirnen fur das Sehen vorgestellt. Auf der ausschliessslichen Grundlage von Neuron- und Synapsenmodellen wird ein Objekterkennungssystem konstruiert, welches eine Merkmalspyramide mit 8 Orientierungen und 5 Auflosungsskalen fur 1000 Objekte sowie die Netze fur die Bindung von Merkmalen zu Objekten umfasst. Dieses Sehsystem kann unabhangig von der Beleuchtung, dem Gesichtausdruck, der Entfernung und einer Drehung, welche die Objektkomponenten sichtbar lasst, Objekte erkennen. Seine Realisierung erfordert 59 Chips - davon sind 4 verschieden - welche mittels 3D Technologie zu einem Quader von 8mm x 8mm x 1mm aufgeschichtet sind.

Die Leistungsfahigkeit des neuronal-synaptischen Netzwerkes beruht auf der Einfuhrung von schnell veranderlichen dynamischen Synapsen. Anders als Netze mit konstanten Synapsen konnen solche mit dynamischen Synapsen allgemeine Aufgaben der Mustererkennung ubernehmen. Die raum-zeitliche Korrelationsstruktur von Mustern wird durch eine einzige synaptische Differentialgleichung in universeller Weise erfasst. Die Korrelation kann in Erscheinung treten als synchrone Pulstatigkeit einer Neurongruppe, wodurch das Vorliegen eines Merkmals in robuster Weise angezeigt wird, oder als Bindung von Merkmalen zu Objekten.

Auch wenn die Autoren der Uberzeugung sind, dass noch viele Generationen folgen mussen, um die Leistungsfahigkeit des menschlichen Gehirns zu erreichen, sehen sie doch ein neues Rechen-Zeitalter aufziehen. Es gab Zeiten, da wurden Computer mit ihrer Prazision, Zuverlassigkeit und rasanten Geschwindigkeit der feuchten Materie unseres Gehirns als so weit uberlegen angesehen wie das Dusenflugzeug dem Spatzen. Dass diese Zeiten vorbei sind, ist gewiss, denn durch formale Logik inspirierte, algorithmisch gesteuerte und mit digitaler Elektronik realisierte Systeme, die heutigen Computer, stossen an ihre Komplexitatsgrenzen. Andererseits eroffnen die hier vorgestellten Ergebnisse den Weg zu einer Alternative. Ein Paradigmenwechsel liegt in der Luft: vom fremdorganisierten zum selbstorganisierten Computer. "

This book constitutes the refereed proceedings of the sixth International Conference on Artificial Neural Networks - ICANN 96, held in Bochum, Germany in July 1996.
The 145 papers included were carefully selected from numerous submissions on the basis of at least three reviews; also included are abstracts of the six invited plenary talks. All in all, the set of papers presented reflects the state of the art in the field of ANNs. Among the topics and areas covered are a broad spectrum of theoretical aspects, applications in various fields, sensory processing, cognitive science and AI, implementations, and neurobiology.