@techreport{HuberRoemerMeyeretal., author = {Huber, Markus and R{\"o}mer, Ronald and Meyer, Werner and beim Graben, Peter and Wolff, Matthias}, title = {Struktur und Bedeutung-Theseus reloaded}, pages = {10}, abstract = {Bereits in der Fr{\"u}hphase der Kybernetik stellte C. E. Shannon ein Labyrinthexperiment zur Probleml{\"o}sung vor, das sich an der mythologischen Figur des Theseus orientierte. Seine L{\"o}sung kommt dabei ohne ein Bedeutungskonzept aus. Eine Problemanalyse aus psychologischer Sicht macht allerdings deutlich, dass bei diesem Experiment wesentliche kognitive Aspekte nicht ber{\"u}cksichtigt wurden. Um diese Aspekte herauszustellen, befassen wir uns kurz mit den mythologischen und historischen Hintergr{\"u}nden des Labyrinthproblems und erl{\"a}utern anschließend, warum wir {\"u}ber Shannons Modellvorstellungen hinausgehen m{\"u}ssen und Verfahren ben{\"o}tigen, mit denen wir zu semantischen Datentr{\"a}gern gelangen k{\"o}nnen. Zur Veranschaulichung unserer Methode modifizieren wir die Problemstellung, in dem wir "Theseus" die Befriedigung der Bed{\"u}rfnisse Hunger und Durst erm{\"o}glichen. Die Grundlage des Verfahrens ist die Festlegung von Zielmerkmalen und daran anschließend die Identifikation von l{\"o}sungsrelevanten Steuermerkmalen, welche "Theseus" zur Probleml{\"o}sung nutzen kann. Wir verwenden dabei den mathematischen Formalismus der Quantenmechanik, da er uns die Ableitung von semantischen Strukturen auf eine sehr elegante Weise erlaubt. Zun{\"a}chst exploriert "Theuseus" die Umgebung und erh{\"a}lt eine kompakte Repr{\"a}sentation in Form eines Weltvektors in einem Hilbertraum, der durch Tensorverkn{\"u}pfungen verschiedener Merkmalsr{\"a}ume entsteht. Die Kombination dieser Merkmalsr{\"a}ume f{\"u}hrt auf die mathematische Struktur eines Verbandes. Ausgehend vom gefundenen Weltvektor stellen wir ein Verfahren vor, mit dem "Theseus" Unterstrukturen des Verbandes bestimmen kann, welche semantischen Strukturen entsprechen und anschließend f{\"u}r die Probleml{\"o}sung verwendet werden k{\"o}nnen. Wir demonstrieren das Verfahren an verschiedenen Weltkonfigurationen. Den dabei abgeleiteten semantischen Strukturen kann man entnehmen, welche Merkmale ber{\"u}cksichtigt werden m{\"u}ssen, um die Zielmerkmale einer gegebenen Konfiguration manipulieren zu k{\"o}nnen.}, language = {de} } @inproceedings{BeimGrabenMeyerRoemeretal., author = {Beim Graben, Peter and Meyer, Werner and R{\"o}mer, Ronald and Wolff, Matthias}, title = {Bidirektionale Utterance-Meaning-Transducer f{\"u}r Zahlworte durch kompositionale minimalistische Grammatiken}, series = {Elektronische Sprachsignalverarbeitung 2019, Tagungsband der 30. Konferenz Dresden, 3.-8. M{\"a}rz 2019}, booktitle = {Elektronische Sprachsignalverarbeitung 2019, Tagungsband der 30. Konferenz Dresden, 3.-8. M{\"a}rz 2019}, editor = {Birkholz, Peter and Stone, Simon}, publisher = {TUDpress}, address = {Dresden}, isbn = {978-3-95908-157-3}, pages = {76 -- 82}, abstract = {Sprachgesteuerte Benutzerschnittstellen stehen oftmals vor der Aufgabe, physikalische Gr{\"o}ßenangaben und andere Zahlworte verstehen und {\"a}ußern zu m{\"u}ssen. Wir beschr{\"a}nken uns hier auf die sprachliche Produktion und das Verstehen von Zahlworten. Um nicht s{\"a}mtliche Zahlw{\"o}rter in einer Datenbank (dem mentalen Lexikon) vorhalten zu m{\"u}ssen, sollen morphologische Komposita durch eine geeignete Grammatik ableitbar sein. Wir kodieren sprachliche Zeichen als geordnete Tripel von Exponenten, syntaktischen Typen und Semantiken. Der syntaktische Typ wird durch eine minimalistische Grammatik (MG) beschrieben. F{\"u}r die Semantik verwenden wir den Lambda-Kalk{\"u}l der arithmetischen Termalgebra. Auf dem MG-Lexikon operieren syntaktische Erzeugungsfunktionen, die durch linguistische Inferenzregeln vorgegeben sind. Sprachproduktion und Sprachverstehen lassen sich dann durch einen bidirektionalen Utterance-Meaning-Transducer (UMT) beschreiben. Bei der Sprachproduktion gehen wir von einer semantischen Repr{\"a}sentation einer Zahl als arithmetische Termstruktur aus. Durch Datenbankabfrage wird daraus eine Zeichenfolge, welche die passenden Lexikon-Eintr{\"a}ge enth{\"a}lt. Daraus berechnet der UMT die Morphologie der {\"A}ußerung. Beim Sprachverstehen wird zur Eingabe die abgefragte Zeichenfolge auf dem Stack eines Priority-Queue-Parsers abgespeichert. Durch Anwendung der minimalistischen Inferenzregeln erzeugt der UMT dann schrittweise die semantische Termstruktur.}, language = {de} } @misc{BeimGrabenRoemerMeyeretal., author = {Beim Graben, Peter and R{\"o}mer, Ronald and Meyer, Werner and Huber, Markus and Wolff, Matthias}, title = {Reinforcement learning of minimalist numeral grammars}, series = {10th IEEE International Conference on Cognitive Infocommunications (CogInfoCom), Naples, Italy}, journal = {10th IEEE International Conference on Cognitive Infocommunications (CogInfoCom), Naples, Italy}, isbn = {978-1-7281-4793-2}, issn = {2380-7350}, doi = {10.1109/CogInfoCom47531.2019.9089924}, pages = {13}, abstract = {Speech-controlled user interfaces facilitate the operation of devices and household functions to laymen. State-of-the-art language technology scans the acoustically analyzed speech signal for relevant keywords that are subsequently inserted into semantic slots to interpret the user's intent. In order to develop proper cognitive information and communication technologies, simple slot-filling should be replaced by utterance meaning transducers (UMT) that are based on semantic parsers and a mental lexicon, comprising syntactic, phonetic and semantic features of the language under consideration. This lexicon must be acquired by a cognitive agent during interaction with its users. We outline a reinforcement learning algorithm for the acquisition of the syntactic morphology and arithmetic semantics of English numerals, based on minimalist grammar (MG), a recent computational implementation of generative linguistics. Number words are presented to the agent by a teacher in form of utterance meaning pairs (UMP) where the meanings are encoded as arithmetic terms. Since MG encodes universal linguistic competence through inference rules, thereby separating innate linguistic knowledge from the contingently acquired lexicon, our approach unifies generative grammar and reinforcement learning, hence potentially resolving the still pending Chomsky-Skinner controversy.}, language = {en} }