WO2000072256A2 - Neuronales netz zum computergestützten wissensmanagement - Google Patents

Neuronales netz zum computergestützten wissensmanagement Download PDF

Info

Publication number
WO2000072256A2
WO2000072256A2 PCT/DE2000/001669 DE0001669W WO0072256A2 WO 2000072256 A2 WO2000072256 A2 WO 2000072256A2 DE 0001669 W DE0001669 W DE 0001669W WO 0072256 A2 WO0072256 A2 WO 0072256A2
Authority
WO
WIPO (PCT)
Prior art keywords
optionally
neural network
knowledge
computer
assigned
Prior art date
Application number
PCT/DE2000/001669
Other languages
English (en)
French (fr)
Other versions
WO2000072256A3 (de
Inventor
Ralf Steiner
Original Assignee
Ipcentury Ag
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from DE19923622A external-priority patent/DE19923622A1/de
Priority claimed from DE19964094A external-priority patent/DE19964094A1/de
Application filed by Ipcentury Ag filed Critical Ipcentury Ag
Priority to EP00943636A priority Critical patent/EP1222625B1/de
Priority to AU58041/00A priority patent/AU5804100A/en
Priority to DE50012539T priority patent/DE50012539D1/de
Priority to US09/979,684 priority patent/US7092857B1/en
Priority to DE10081401T priority patent/DE10081401D2/de
Publication of WO2000072256A2 publication Critical patent/WO2000072256A2/de
Publication of WO2000072256A3 publication Critical patent/WO2000072256A3/de

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/042Knowledge-based neural networks; Logical representations of neural networks

Definitions

  • the invention relates to a method for and a neural network for computer-aided knowledge management, based on a neural network formed by a computer, in particular for use in a decentralized computer-aided patent system that can be operated via the Internet.
  • the neural network forms an artificial intelligence (AI) system by extending over an underlying knowledge base in the form of computer readable data.
  • AI artificial intelligence
  • the neural network itself is advantageously designed as a special type of vertically structured neural network similar to the harmony theory, in which each node or neuron is assigned a meaning as an element of the network. Each element is determined by several weighted connections (references) to different hierarchically higher elements.
  • this invention supports all users of the patent system and factual documentation in the focusing, elaboration and priority-based filing of their development as an innovation.
  • knowledge management includes the efficient management of all kinds of knowledge in document management, at the beginning of planning data, economic data, communication documents and publications in the form of text data, and later also in multimedia form using object-oriented technologies.
  • the knowledge of suitable similarities is classified with the aim of reducing high redundancy right from the start.
  • Automatic systems for classification mostly require text-based documents in order to be able to draw conclusions about their content with the help of computer-assisted text search engines, generally used text structuring for indexing, hierarchically classified thesaurus and linguistic laws.
  • the latter form the basis of the self-classifying internet search engine that is common today.
  • the associations found between the various documents can be used as input and training data for a neural network.
  • the document DE341 1 168C2 discloses a hierarchical associative data structure, preferably for the storage of text, the document DE4108310C2 a processing system for a knowledge base in an expert system, in which the knowledge entered by a user about the degree of the original connection and the resultant result is stored Expert system is modified by a knowledge engineer using a knowledge-based processing system and is therefore maintained.
  • the publication DE4124501C2 discloses an associative data structure in the form of a neural network and an associated method which leads to a clear classification using a metric between input data.
  • the publication DE4400261C1 discloses, especially for the understanding of written texts, an associative data structure, which is constructed as an artificial neural network and contains a plurality of network nodes in successive layers, which contains especially unweighted node inputs and whose nodes are divided into two types, whereby one substantial redundancy reduction is achieved.
  • DE19737939A1 shows a self-convergent associative data structure in the form of a neural network for computer-aided management of developments which form a Hilbert space with the special descriptions of the features determining the amount of knowledge as images of means in effects and vice versa.
  • This associative data structure is suitable for the administration of all actually existing developments (hereinafter referred to as developments), in particular also for technical developments, which are the subject of patent law in the broader sense.
  • patent system is to be understood as the entire knowledge management of technical developments, starting with the inventor or the decision-maker charged with a problem, through the service providers entrusted to them, up to sovereign institutions that are to be supported in their work in the factual area with computational technology .
  • the recognized amount of knowledge describing the real world (hereinafter referred to as the amount of knowledge) is determined by developments that emerge hierarchically in terms of quantity.
  • Knowledge management in this invention relates to such sets of knowledge.
  • DE19737939A1 advantageously serves the person skilled in the art for a basic understanding of the structure, the functional principle and the use of this invention.
  • the essence of the invention is based on the sets of knowledge assigned to one another in a hierarchical manner, which, due to a suitable definition of subsets in the form of an interaction pair, advantageously as ⁇ quantity
  • the description of real developments or these descriptive sets of knowledge are based on the description of quantum mechanical states.
  • the amount of knowledge that can thus be treated as a point set forms a vector space and has, in particular, favorable convergence properties for the computational application of the RITZ method.
  • the convergence to the extremum statistically given over the elements in the applications with regard to a measure determined by the neural network leads to an associative data structure of minimal redundancy.
  • the neural network is implemented computationally via a special dynamically managed associative data structure in the memory of a computer, for which very system-related programming of the method generating and managing this associative data structure is necessary; in particular, access to a linear memory area of sufficient size, the use and arithmetic of computer-specific pointers (hereinafter pointers) to parts of this memory area and a there is a sufficiently large stack for recursions via the associative data structure.
  • pointers computer-specific pointers
  • the associative data structure can be networked via networks.
  • Each development of the associative data structure advantageously also includes a reference to a tabular content database, for example for a link to a source document from which the knowledge was generated.
  • the input and output of the neural network to the user takes place via an intuitive dialog system, to which the neural network contained in a server is connected via communication links for data, particularly advantageously including the Internet.
  • the neural network itself is advantageously generated exclusively by entering a standardized, strictly chronological stream, in that for each element, which is advantageously identified with an assigned unique time index, the interaction pair ⁇ quantity
  • All the information required for output can advantageously be transferred back to the standardized, strictly chronological stream.
  • the transmission to or the synchronization of several neural networks via communication links and by encrypting the stream ensures data security.
  • neural networks mirrored on one side can read this stream in addition to their internal streams.
  • the development systems are based hierarchically on the basis of a root system, on the basis of set operations (OR. AND. NOT), whereby the development system that characterizes the development is based on the subset of all subsets ⁇ quantity
  • Quality> of the reference systems is defined and the genus is determined via a quantity relation that contains it, e.g. via the subset of all union sets of quantity and quality or the subset of one of these sets of all reference systems.
  • Quality> uses the verbal definition to define the development and thus precisely the amount of knowledge that maps the quantity to the quality and vice versa the quality to the quantity, i.e. forms a subset within the cross set of all quantities and all qualities. In the ideal limit, this mapping is mathematically unambiguous. This amount of knowledge assigned to the ideally defined characteristic is necessary to a maximum, since in the other case not all the quantities or qualities belonging to the genus meet the above condition.
  • the neural network with the elements for the definition of knowledge sets is an associative data structure, which is developed and incrementally expanded by the input and modification of relationships between developments, whereby the developments already entered serve to define further developments in reverse.
  • the data structure corresponds to the addition of entered elements with the addition of another element, which is defined in terms of the characteristics of the subset and in terms of weight by means of the usual addition of all weights of the reference elements that are evaluated by the references. Accordingly, this weight can be calculated recursively across all references.
  • the negative element results from the assigned exclusion features as a NOT element with negative weight.
  • the zero element is the ⁇ All
  • the change in the status of a development results indirectly from an evaluation of its references and corresponds to the multiplication by a number which, in terms of the evaluation of a reference as the usual and in terms of the characteristics of the reference development as the number of Subset formation is defined with itself, whereby the interpretation of a realization probability for the use of this reference for a specific development is advantageously assumed and the realization probability 0 is to be interpreted as equally likely.
  • Multiplication by one thus corresponds to multiplication by identity and one by zero by that with the zero element.
  • the fractional number corresponds to an areal realization probability for a specific development.
  • the developments and the references or the reference developments are via a subset relation in the form of an interaction pair in the form ⁇ quantity
  • the subset relation of each element determines a development system ⁇ solution
  • the elements contain or are linked to tabular databases, which contain the verbal definition, the index of the reference elements, the time index, the user index as well as optionally the short title, the short description and other unchangeable information assigned to the elements.
  • the dialog system with the user essentially operates with the verbal interaction pairs and the associative data structure resulting from the related developments, for analysis and management in the neural network itself, essentially with the assigned coordinates, which result from the relationships between the developments and their evaluation by mapping the dynamic associative data structure of the neural network in the Hilbert space.
  • the analysis and administration also takes into account knowledge sets that have no direct relationship to one another if their coordinates meet the analysis or administration conditions. This enables computer-aided management and analysis of all the amounts of knowledge captured by the neural network in the same and unambiguous manner.
  • Each set of knowledge assigned to a related development is characterized by its element of the neural network by exactly one coordinate vector, which is advantageously assigned to this directly or linked and is therefore part of the element.
  • the amount of knowledge can be computationally managed by the neural network in addition to the relationships to one another via their coordinates, which in particular form the basis for mutual analyzes.
  • Methods used in vector calculation analysis whether within a sphere, within a solid angle range, projection onto certain vectors) are used as analysis methods, which are based in particular on the calculation of a dot product.
  • the calculation of vectors or knowledge sets with certain properties is possible, for example. about orthogonality using the SCHMIDT method.
  • filters can optionally hide or re-balance certain elements.
  • Quality> based on his personal knowledge a concrete development of this amount of knowledge or not, whereby he at least unconsciously endeavors to extremize a certain measure resulting from the application.
  • These assignments form the training input data of the neural network. They naturally only have a low information content and a high level of redundancy among themselves.
  • the neural network changes dynamically with every input and evaluation with regard to its associative data structure. As a result, the amount of knowledge described is accumulated statistically independently by the neural network via a large number of inputs from different users and is "noise-reduced" by necessitating a development that is repeatedly assigned in the same way.
  • the defining sets of knowledge are linked to one another by means of directed references to previously entered reference developments and thus limit the described amounts of knowledge of the development.
  • a concretization of the amount of knowledge of the reference developments also leads to a concretization of the amount of knowledge of the development itself, which was initially only limited by the reference category.
  • the underlying associative data structure as such converges to the necessary ideal classification of knowledge.
  • This neural network is therefore also suitable as the basis for an automatic classification system that is always dynamically adapted to the state of knowledge by generating it from the main references of the network structure.
  • the specification of the reference limits each defined interaction pair to the amount of a respective reference system, which optionally also defines the type of development.
  • An ideal reference is equivalent to an ideal reference system which is uniquely determined with all interaction pairs, i.e. the quantity is clearly assigned to the quality and vice versa. This is usually not the case with the real references that occur in practice, but the probability that all references with a given included term make use of the amount of knowledge of the reference system with a given realization is at a maximum with ideal references.
  • the associative data structure converges to the multitude of inputs and evaluations true fact, which is formed by ideal references or ideal systems and has no redundancy without ever reaching it.
  • the references are advantageously weighted standardized and provided with a status, optionally based on fuzzy probability information, which optionally itself consists of several standardized references weighted according to probabilities. This enables different types of rating groups to be filtered and reorganized.
  • the development or the element is advantageously provided with a short title.
  • the neural network automatically generates a thesaurus for quantities and / or qualities, which structures these terms hierarchically and evaluates them according to the weight of the elements using them.
  • these descriptions and definitions, which represent the knowledge base of the neural network are researched in the usual way text-oriented and by means of linguistically meaningful links in context for terms.
  • the NOT element designates precisely the knowledge quantity excluded from the knowledge set of the assigned element, which is required, for example, when forming elements with alternatives using the DE MORGAN formulas or with exclusion elements. It is favorable to generate the assigned NOT element immediately when generating an element. This can be distinguished favorably from the assigned element using a flag, for example the LSB of the time index.
  • the references themselves are generated favorably by means of interval nesting to determine the memory area of the reference element assigned to the time index in the specific associative data structure and the one-way or two-way chaining of these by means of pointers.
  • the backwards or forwards references optionally assigned to each individual element themselves are advantageously in turn managed via dynamic lists.
  • the references themselves are advantageously provided with dynamically stored evaluations, which in turn are managed via dynamically linked lists.
  • the evaluations are advantageously user-specific, as a result of which a similar and a statistically dependent multiple evaluation is advantageously avoided.
  • a binary evaluation can be implemented cheaply in terms of storage technology via the LSB of the unique user index.
  • a possible weighting can optionally be determined and taken into account via the user index.
  • the time indices assigned during the entry or evaluation provide clear and verifiable assignments of the user to an entry, manipulations (time accumulations) for evaluation selectable and suppressible (time lock) as well as via an advantageously exponential. temporal decay function of the evaluations an evolutionary behavior of the associative data structure can be realized.
  • the coordinate vector of each element can be determined recursively via the vector addition of all coordinate vectors of the reference elements that have been weighted. However, in order to optimize computing time, it is advantageous to manage it in a temporary dynamic memory area, the beginning or end of which is indicated by a coordinate pointer of the element.
  • the coordinate vector which in turn is advantageously constructed as a dynamically linked list, it is again advantageous, in order to minimize the memory space required, to store only the coordinates required in each case and ordered according to their index.
  • the Euclidean ones are suitable for the n-dimensional space, whereby each new development opens up a new dimension - these variables, which are important for analysis and administration, can be computationally simple be calculated. It is convenient to temporarily save the norm of each element with it.
  • This neural network for knowledge management is included in particular in a central server, which is available to the majority of users free of charge via the Internet or optionally via the integration of a secure e-commerce system for information and financial services and corresponding factual entries or requests for knowledge served.
  • the chronological stream used for input is generated by a user of the dialog system when the neural network is used, for example by defining the amount of knowledge to be entered via the input of related developments, making inquiries related to developments to the neural network, specifying new references or making evaluations . Since the associative data structure itself is always changed by the entered chronological stream, it is favorable to assign the time index of its last calculation to all optional temporary data areas of the various types of list elements.
  • the calculation time index is compared with the respectively assigned time indices of these data areas. For individual calculation time indices that deviate from the current calculation time index, for example for special calculations in the past, it is advantageous to exclude the use of the temporary data areas, ie to recursively calculate the entire associative data structure.
  • the process is based on a large number of entries or evaluations. which are entered into the associative data structure of the neural network by a large number of users, expanding and training, and thus modifying them via such inputs.
  • the neural network itself ensures the convergence of the associative data structure via the implemented operators and carries out administrations and analyzes. In a figurative sense, the neural network compresses the input stream "noisy" due to non-factual information from various users to the true facts of low redundancy and ultimately forms an expert system, and the neural network analyzes developments in the Hilbert space of the elements, which are regarded as points and Have coordinates.
  • the development is determined by references to one or more apparently obvious reference systems via interaction pairs and entered by the neural network as an element in the area of developments.
  • the status of this reference is changed by a decision by a further user about the assignment of a new reference or the evaluation of the factual accuracy of the reference and thus generates another training input for the neural network.
  • the references to the associative data structure from the neural network are successively adapted and the neural network is dynamized, which statistically corresponds to the ideal references converges and thus forms an expert system that has a decreasing redundancy.
  • the associative data structure is always expanded somewhat and the neural network is trained.
  • the latter is advantageously implemented via an implicit positive assessment of the amount of knowledge of a given reference development, since a reference represents a subjectively positive assessment of the development described by the interaction pair.
  • explicit evaluations, preferably binary ones, and the specification of further references by third-party users are possible and favorable for the training of the neural network.
  • special authorization e.g. due to a qualification or official appointment as a professor or examiner, an assessment can be carried out with an examiner-specific higher assessment weight (in the further exam).
  • the entirety of the reference developments is advantageously checked to determine whether the development is contained in the individual sets of knowledge of the reference developments after subjective assessment by the examiner, that is, makes use of their teachings.
  • the effect of evaluations of special countries, offices. Examiners, users, etc. can optionally be converted differently using special filters.
  • Extended analysis options are favorable for service providers and separate neural networks for larger companies, which are connected to the central neural network via a communication link and optionally mirrored on one side.
  • sovereign structures advantageously have special systems that are adapted to the respective special field of knowledge to describe the real world, for example, for patenting, macroeconomics, marketing and genetic engineering.
  • gene sequences are read in with the assigned recognized bio functions, in macroeconomics individual farms and assigned fields of activity and in market analysis products and assigned customer needs.
  • the extreme functional required as a measure for the convergence of these hierarchically diverging developments in accordance with RITZ's method is, as a law, corresponding to reality due to the absolute "level of invention” resulting from the curiosity of man about the inventive spirit the biological power of nature in the struggle for survival, given by the striving for financial wealth arising from the social order of man and the claims to life arising from the sluggishness of man.
  • the stream used for input can alternatively or advantageously additionally be generated in pre-processing from content databases for the input of a user via a dialog system, in which knowledge of related developments is hidden and which through its largely uniform structuring and specific formulation of this knowledge with sufficient significance enable conversion from their context into the format of the stream via a computer-assisted automatic projection.
  • Patent documentation in text format should prove to be particularly suitable, whereby the stated state of the art, the task and the essence of the invention or the characterizing part of the protection claims with their typical formulations, as well as their number assignment to particularly low reference numbers, are of particular importance. It is advantageous to use the usual search options and the thesaurus about the knowledge base of the neural network during preprocessing in order to filter out the relevant significant passages of text. These should always have a high level of specification with regard to their terms. It is also favorable to provide such knowledge with a reference to the underlying content of a content database, for example the patent number, and to note the seniority awarded, which is particularly useful for analyzes in the patent system. Another source for the automatic generation of streams should be the patent classification and technical lexica.
  • the neural network For use in l'a 'essence, in which knowledge or developments are managed, in patents. Utility models or techn. Publications are published or optionally represent industrial property rights, the neural network carries out at least supporting computer-aided testing, official administration, monitoring, maintenance, research or processing of world knowledge in a classification system and, as a factual expert system, is superior to the usual tabular databases on patents and is advantageously linked to them .
  • the inventor as a user specifies references for the definition of his development defined as interaction pair and computer-aided administration in the associative data structure, to which subtasks are assigned, which the inventor finally or retrospectively determines from the pool of the original short description, which uses an interaction pair Determine the reference system and be used backwards to define further reference systems, whereby the scope of protection of the development system is determined from the subset of all reference systems.
  • the neural network automatically calculates an "amount of invention” and a "novelty" between individual or all registered developments from the Hilbert space function and the time indices, taking into account the status of each individual reference.
  • the associative data structure is incrementally expanded or modified by third-party information or official testing as additional input for the neural network, with the development of the current state of knowledge in the factual testing leading to a reduction in redundancy over time.
  • the status and optionally the databases of the documents have a link to registers and / or a clear reference to content databases, with optional documents which refer to other development systems referring to dependent documents of the same seniority of the documents. Certificates therefore only participate indirectly in the dynamics of the associative data structure via the dynamics of their reference documents, and their references are frozen, which means that the currently concretized associative data structure can be used with the exclusion of a retrospective approach.
  • a computationally defined factual "novelty” with respect to the resulting logical term of the defining terms of the entirety of the significant references, as well as a computationally defined factual “inventive step” via functions such as the dot product can optionally be calculated at a given time index compared to the associative data structure, e.g. as an orthogonal distance from the trend of all the nearest developments, without making a conclusive statement about these legal terms.
  • a reference to the assigned property right or the official register with the legal status would also make sense.
  • each development as an element of the associative data structure refers to the previously known reference developments that define the individual characteristics of the development via significantly weighted references
  • the definition structure of a development can be broken down recursively. Due to an advantageous dynamic of the data structure, which converges due to the constant use of insufficient redundancy and thus a higher truth content, this definition structure largely follows the current state of knowledge.
  • the definitions of first-order reference development (parents) should generally suffice to sufficiently disclose the level of knowledge used for a later user of the development as an innovation, but the definitions of second-order reference development (grandparents) and other orders can also be used. With that the Supports users in the preparation of a patent application with sufficient disclosure content.
  • Such a provisional registration can be registered immediately with the relevant IPR authorities by priority using modern telecommunication means such as FAX and, if possible later, via data connections.
  • a signature is not required immediately, but can be replaced by an electronic signature if necessary.
  • an optional grace period for publication of the development entry in the data structure is provided for up to 18 months and up to this point in time it is securely encrypted and personalized to the user.
  • This invention is advantageously integrated into a computer-assisted knowledge management system for research and analysis in the factual-technical field, in particular for patent documents, which can be accessed via the Internet / intranet and can optionally be paid for via e-commerce.
  • the user with an intellectual implementation in the form of a concrete development operates this knowledge management system in the following rough steps:
  • the knowledge management system offers the user a selection of previously known developments, with textually matching terms being emphasized.
  • the knowledge management system gradually refines the selection and the user the definition.
  • the knowledge management system uses AI research to determine the state of development in the knowledge space and mathematically calculates obvious and similar developments.
  • the knowledge management system shows the user the closer development environment, makes it possible to hike over their references, the complete display of all text fields and optionally gives a link to the source documents of the respective developments, for example to patent documents.
  • the user can estimate the innovation potential and, if necessary, change the development by redefining it.
  • the user optionally enters the title and brief description of his entry as well as his personal identification and address in order to secure his authorship and to enable a provisional registration of property rights based on priority.
  • the knowledge management system enters this entry individually encrypted in the database, whereby this entry only becomes publicly available after a grace period has expired. This is optionally followed by the computer-assisted generation of a provisional patent application and its immediate transmission to the IP office.
  • the knowledge management system also enables computer-aided analysis of developments in relation to one another, as is customary in patenting, in particular support for analysis of property rights infringements, especially regarding developments from legally valid property rights.
  • the development E is ultimately formed, for example, with three references B via: AND B1 OR B2 AND NOT B3, B2 having a source document XXX
  • the user enters this development supplemented by his personal information NAME, ADDRESS and KS, KB with a publication grace period of 18 months ensured by personal encryption in the data structure.
  • the KL system uses mathematical algorithms to calculate a sufficient level of invention and confirms the novelty, so that an application to register an intellectual property right is recommended to the user, who agrees with the proposal.
  • the computer then generates the following provisional application for industrial property rights and sends it via a communication link to an industrial property rights office, whereby the text blocks KURSIV are inserted for clarification:
  • the invention denotes a KT.
  • KTBl with KLBl, which is KABl.
  • KTB2 with KLB2
  • KAB2 is known from publication XXX.
  • KTB3 with KLB3, which is KAB3.
  • KTE KAE is appropriate.
  • KLE according to the protection claim solves this task.
  • the KTE is advantageously carried out as a KLBl in that DLBl causes this DABl.
  • KBBl OR the KTE is carried out by DLB2 causing this DAB2.
  • AND NOT the KTE is carried out by DLB3 causing this DAB3.
  • KBB3. This makes the KTE KAE. CFU.
  • KTE which is designed as KLBl OR KLB2 and NOT as KLB3, characterized in that it is designed as KLE.
  • the invention designates a KTE.
  • the KTE KAE is appropriate.
  • provisional application for industrial property rights establishes a filing date, the priority of which can be claimed for a subsequent application that complies with customary practice.
  • the successfully transmitted provisional application for industrial property rights is issued as a document-proof document, e.g. printed out.
  • a neural network 1 for computer-aided knowledge management consists of elements 2 (usually referred to as neurons or nodes) which are related and weighted, which form a Hilbert space 3 due to their special properties and which are preferably assigned a coordinate vector 4 which is associated with the root element is advantageously selected [0].
  • each individual element 2 of the corresponding detail in FIG. 1 is assigned a meaning which is designed as a special form of defining the development as a pair of interactions 5. and preferably describes a quantity 6 and a quality 7, and thus precisely defines the quantity of knowledge 8, which maps the quantity 6 to the quality 7 and the quality 7 to the quantity 6 via their subset.
  • These sets of knowledge 8, 10 defined there are linked to one another via directed references 9 to reference developments already entered and thus limit the described set of knowledge 11 of the development relating to them.
  • a concretization of the knowledge sets 8, 10 of the reference developments thereby also leads to a concretization of the knowledge set 11 of the development itself, initially limited only by the reference category 12.
  • the stream 13 used for input is used in the form of a data stream, which contains the definition in the form of an interaction pair 5 and the references 9 to elements 2 that have already been entered in strict chronological order, for incremental expansion of the neural network, in that in the linear memory area 14 of the computer dynamically inserted via linked lists 15 managed associative data structure new structural elements 16 and linked via computer-specific pointers 17.
  • an element 2 and a NOT element 18 form a pair 19 which points to the interaction pair 5 and advantageously contains a coordinate list 20 which contains the coordinates of the element 2, which correspond inverted to the coordinates of the NOT element.
  • a back reference list 21 and a preheating reference list 22 are advantageously assigned to each element 2 and each NOT element 18, with the reference lists 21, 22 advantageously being assigned rating lists 23.
  • a dialog system enables the input or the request for developments via the definition 25 of the verbal interaction pair and the specification of references via an intuitive surface 24.
  • the neural network advantageously offers a quasi-simultaneous selection 26 of elements 2 of developments already recorded in the knowledge base with similar terms contained in the definitions 25, from which individual references to the terms used can be made via a switch 27.
  • the offered selection 26 of developments one can be marked, for which the local environment 28 of the directly connected or the obvious elements 2 of the associative data structure is displayed, advantageously graphically, showing the distance between individual developments and their short titles.
  • a sub-marking can be used to hike between the individual developments, the definition 25 and brief description 29 of these being displayed.
  • the interaction pair and the references are signed and integrated into the associative data structure of the neural network via the stream.
  • the dialog system in a similar or customary manner, intuitively enables the input or output of a login, a filter, a text-based search, a recursive input of more general developments for the pre-definition of terms, the input of additional references and ratings, the output of the Structural data of the registered, directly related developments, in particular coordinate details of the element for the analysis of the characteristics of the development, specification of their assigned mass, for example "inventions calculated with the aid of dot products.
  • the associative data structure consists of elements (here documents and certificates), which are structured from older documents based on references to characteristics A. B, ... and are significantly evaluated for the initialization TO (31).
  • a necessary final reference C to document II and the associated non-disclosed document (I) is entered.
  • the document I ' represents a dependent document I' on the document I.
  • T2 for example after the examination of a later registered document III, with regard to the document II for an equivalent characteristic C an older reference C than that of the reference document IV significant, which results in a devaluation of the old reference C and a changed associative data structure.
  • KBE A common steel screw does not form rust if its surface is covered with an electroplated nickel coating.
  • KLE nickel screw
  • KBB 1 A screw has a positive locking screw
  • KBB2 A screw can be screwed into an internal thread with its spiral valve
  • DLB2 cylinder jacket is shaped like a spiral
  • KAB2 can be screwed in
  • KBB3 As a propeller, its rotation creates a movement of flooding media KLB3 propellers
  • a screw with a threaded pin which is a rotationally positive connection, is also known.
  • a screw with a spiral screw which can be screwed in from the publication XXX, is also known
  • the anti-rust screw is stainless
  • a screw with a threaded lock is essentially used, which is a positive locking OR
  • Screw with spiral screw which can be screwed in AND NOT a drive screw with a propeller, which produces more flow than a cover screw by removing an electroplated coating
  • Nickel on a threaded screw causes it to not rust
  • the anti-rust screw is advantageously designed as a screw, in that the pin with an external thread ensures that this screwing movement is the sole degree of freedom.
  • a screw has a twist-locking thread thread OR
  • the anti-rust screw is carried out in the cylinder jacket is spiral Molded causes this possibility of rotation with axial translation.
  • a screw can be screwed into an internal thread with its spiral valve AND NOT the anti-rust screw is carried out by screw-shaped drive means for fluid media causing this rotation to produce movement of a fluid.
  • a drive screw produces a propeller with its rotation a movement of fluid media This means that the anti-rust screw is rust-proof
  • a common steel screw does not rust if its surface is provided with a galvanically applied nickel coating
  • Antrostatic screw which is designed as a screw or as a screw and not as a drive screw, characterized in that it is designed as a nickel screw
  • the invention relates to an anti-rust screw.
  • the anti-rust screw is rustproof.
  • a conventional steel screw does not form rust if its surface is provided with a galvanically applied nickel coating

Abstract

Die Erfindung bezeichnet ein Verfahren für und ein neuronales Netz zum computergestützten Wissensmanagement, basierend auf einem durch einen Computer im Speicherbereich ausgebildeten neuronalen Netz (1), insbesondere zur Verwendung in einem über das Internet bedienbaren dezentralen computergestützten Patentwesens im weiteren Sinne. Das neuronale Netz (1) bildet ein System künstlicher Intelligenz (KI) aus, indem es sich über eine zugrundeliegende Wissensbasis in Form von rechentechnisch lesbaren Textinhalten erstreckt. Um Wissensmengen rechentechnisch zu verwalten und gegeneinander zu analysieren, besteht das neuronale Netz (1) aus aufeinander bezogenen und gewichteten Elementen (2), welche durch ihre speziellen Eigenschaften als über Wechselwirkungspaare definierte Teilmengen einen Hilbertraum (3) ausbilden und denen vorzugsweise jeweils ein Koordinatenvektor (4) zugeordnet ist, welcher beim Wurzelelement vorteilhaft [0] gewählt wird. Durch entsprechende Konvergenzeigenschaften der assoziativen Datenstruktur bei einer Vielzahl von statistisch unabhängigen Eingaben sinkt in dem über das neuronale Netz (1) ausgebildeten Expertensystem die Redundanz und das Wissen wird klassifiziert.

Description

Neuronales Netz zum computergestützten Wissensmanagement
Die Erfindung bezeichnet ein Verfahren für und ein neuronales Netz zum computergestützten Wissensmanagement, basierend auf einem durch einen Computer ausgebildeten neuronalen Netz, insbesondere zur Verwendung in einem über das Internet bedienbaren dezentralen computergestützten Patentwesens im weiteren Sinne. Das neuronale Netz bildet ein System künstlicher Intelligenz (KI) aus, indem es sich über eine zugrundeliegende Wissensbasis in Form von rechentechnisch lesbaren Daten erstreckt. Das neuronale Netz selbst ist vorteilhaft als eine spezielle Art eines vertikal strukturierten neuronalen Netzwerkes ähnlich der Harmonie-Theorie ausgebildet, bei welcher jedem Knoten bzw. Neuron als Element des Netzwerkes eine Bedeutung zugeordnet ist. Jedes Element wird von mehreren gewichteten Verbindungen (Bezügen) zu verschiedenen hierarchisch höheren Elementen bestimmt. In einem weiteren Aspekt unterstützt diese Erfindung alle Nutzer des Patentwesens und sachlicher Dokumentationen bei der Fokussie- rung, Ausarbeitung und prioritätsbegründenden schutzrechtlichen Hinterlegung ihrer Entwicklung als Innovation.
Wissensmanagement beinhaltet im heutigen Sprachgebrauch die effiziente Verwaltung von Wissen aller Art im Dokumentenmanagement, anfangs von Planungsdaten, Wirtschaftsdaten, Kommunikationsdokumenten und Publikationen in der Form von Textdaten, später über objektorientierte Technologien auch in multimedialer Form. Dazu wird das Wissen über geeignete Gemeinsamkeiten klassifiziert mit dem Ziel verwaltet, eine hohe Redundanz von Anfang an zu vermindern. Automatische Systeme zur Klassifizierung benötigen zumeist textbasierte Dokumente, um mit Hilfe von computergestützten Textsuchmaschinen, allgemein üblichen Textstrukturierungen zur Indizierung, hierarchisch klassifizierten Thesauren und linguistischen Gesetzmässigkeiten auf deren Inhalt schliessen zu können. Letztere bilden die Grundlage heute üblicher selbstklassifizierender Internetsuchmaschine. Die aufgefundenen Assoziationen zwischen den verschiedenen Dokumenten können als Eingabe- und Trainingsdaten für ein neuronales Netz verwendet werden.
Neuronale Netze als solche und speziell zur Klassifizierung von Wissen sind aus der IPC G06F15/18 vorbekannt. Die Druckschrift DE341 1 168C2 offenbart eine hierarchische assoziative Datenstruktur, vorzugsweise zur Speicherung von Text, die Druckschrift DE4108310C2 ein Verarbeitungssystem für eine Wissensbasis in einem Expertensystem, bei welchem das von einem Benutzer eingegebene Wissen über den Grad des ursprünglichen Zusammenhangs gespeichert ist und das sich daraus ergebende Expertensystem computergestützt über ein Wissensbasis- Verarbeitungssystem von einem Wissensingenieur modifiziert und somit gepflegt wird. In der Druckschrift DE4124501C2 wird eine assoziative Datenstruk- tur in Form eines neuronalen Netzes und ein zugeordnetes Verfahren offenbart, welches unter Benutzung einer Metrik zwischen Eingabedaten zu einer eindeutigen Klassifizierung führt. Die Druckschrift DE4400261C1 offenbart, speziell für das Verständnis von geschriebenen Texten, eine assoziative Datenstruktur, welche als künstliches neuronales Netz aufgebaut ist und eine Vielzahl von Netzknoten in aufeinanderfolgenden Schichten enthält, welche speziell ungewichtete Knoteneingänge enthält und deren Knoten in zwei Arten unterteilt sind, wodurch eine wesentliche Redundanzminderung erzielt wird.
Die Lösung der Druckschrift US5901068 analysiert rechnergestützt Patentschriften und andere sachliche Dokumente und erstellt über semantische Textanalysen daraus die enthaltenen Aufgabe-Lösungs- Ansätze. Die DE19737939A1 zeigt eine selbstkonvergente assoziative Datenstruktur in Form eines neuronalen Netzes zur computergestützten Verwaltungen von Entwicklungen, welche mit den speziellen Beschreibungen der die Wissensmenge bestimmenden Merkmale als Abbildungen von Mitteln in Wirkungen und umgekehrt einen Hilbertraum ausbilden. Diese assoziative Datenstruktur eignet sich für die Verwaltung aller real existierenden Entwicklungen (im Weiteren kurz Entwicklungen), insbesondere auch für technische Entwicklungen, welche Gegenstand des Patentwesen im weiteren Sinne sind. Unter letzterem (im Weiteren kurz Patentwesen) ist das gesamte Wissensmanagement technischer Entwicklungen, angefangen vom Erfinder oder dem mit einem Problem beauftragten Entscheidungsträger, über die damit betrauten Dienstleister bis hin zu hoheitlichen Institutionen zu verstehen, welche in ihrer Tätigkeit im sachlichen Bereich rechentechnisch unterstützt werden sollen.
Die die reale Welt beschreibende erkannte Wissensmenge (im Weiteren kurz Wissensmenge) ist in diesem Sinne über Entwicklungen bestimmt, die mengenmässig hierarchisch auseinander hervorgehen. Das Wissensmanagement in dieser Erfindung bezieht sich auf derartige Wissensmengen. Die DE19737939A1 dient dem Fachmann vorteilhaft zum grundlegenden Verständnis des Aufbaus, des Funktionsprinzips und der Verwendung dieser Erfindung.
Es ist Aufgabe dieser Erfindung, ausgehend und in Weiterbildung des vorbekannten Standes der Technik, Wissensmengen rechentechnisch zu verwalten und gegeneinander zu analysieren. Ein weiterer Aspekt dieser Erfindung besteht in der rechnergestützten Fokussierung, Ausarbeitung und prioritätsbegründenden schutzrechtlichen Hinterlegung einer Entwicklung als Innovation.
Diese Aufgabe wird durch die unabhängigen Patentansprüche im wesentlichen gelöst. Vorteilhafte Ausgestaltungen der computergestützten neuronalen Netzstuktur zur rechentechnischen Realisierung, speziel- le Analysewerkzeuge und -verfahren, das Dialogsystem zur Eingabe und zur Ausgabe der Wissensmengen sowie die Hinterlegung einer Entwicklung als Innovation werden in den Weiterbildungen aufgezeigt.
Das Wesen der Erfindung baut auf den hierarchisch auseinander hervorgehenden bezogenen Entwicklungen zugeordneten Wissensmengen auf, welche durch eine geeignete Definition von Teilmengen in Form eines Wechselwirkungspaares vorteilhaft als < Quantität | Qualität > ausgebildet werden, wobei die bezogenen Entwicklungen die Elemente eines neuronalen Netzes darstellen, welches in Verbindung mit rechentechnisch erklärten Neueinträgen (Addition) und Bewertungen (Multiplikation) dieser Elemente einen Hilbertraum ausbildet. Im Übertragenen ist die Beschreibung realer Entwicklungen bzw. diese beschreibenden Wissensmengen an die Beschreibung quantenmechanischer Zustände angelehnt. Die damit als Punktmenge behandelbare Wissensmenge bildet einen Vektorraum aus und weist insbesondere günstige Konvergenzeigenschaften zur rechentechnischen Anwendung des RITZ'schen Verfahrens auf. Die in den Anwendungen bezüglich eines von neuronalen Netz ermittelten Masses über den Elementen statistisch gegebene Konvergenz zum Extremum führt zur einer assoziativen Datenstruktur minimaler Redundanz.
Das neuronale Netz wird rechentechnisch über eine spezielle dynamisch verwaltete assoziative Datenstruktur im Speicher eines Computers realisiert, wozu eine sehr systemnahe Programmierung des diese assoziative Datenstruktur generierenden und verwaltenden Verfahrens notwendig ist, insbesondere muss der Zugriff auf einen linearen Speicherbereich ausreichender Grosse, die Verwendung und Arithmetik von computerspezifischen Zeigern (im Weiteren kurz Zeiger) auf Teile dieses Speicherbereiches und ein für Rekursionen über die assoziative Datenstruktur ausreichend grosser Stack gegeben sein. Dadurch ist es möglich, die Eingabe der notwendigen Elemente, Bezüge, Bewertungen usw. Speicher- und rechen- zeitoptimiert zur inkrementellen Erweiterung einer assoziativen Datenstruktur zu benutzen, deren Speicherplatzbedarf nur annähernd linear mit der Anzahl der Einträge ansteigt und vorzugsweise weniger als 1 KB pro Eintrag beträgt. Dadurch ist es möglich, das Wissen eines sehr grossen Wissensgebietes, bspw. der Technik, insgesamt in den mit 32 Bit oder bei sehr grossen Wissensgebieten mit 64 Bit adressierbaren und mit ausgebauten handelsüblichen Servern realisierbaren Speicherbereichen zu erfassen und zu verwalten. Die assoziative Datenstruktur kann über Netze dezentral vernetzt sein. Vorteilhaft beinhaltet jede Entwicklung der assoziativen Datenstruktur zusätzlich einen Verweis auf eine tabellarische Inhaltsdaten- bank bspw. für einen Link zu einem Quellendokument, aus welchem das Wissen generiert wurde.
Die Ein- und Ausgabe des neuronalen Netzes zum Nutzer erfolgt über ein intuitives Dialogsystem, mit welchem das in einem Server beinhaltete neuronale Netz über Kommunikationsverbindungen für Daten, insbesondere vorteilhaft einschliesslich des Internets, verbunden ist. Vorteilhaft wird das neuronale Netz selbst ausschliesslich über die Eingabe eines standardisierten streng chronologischen Streams generiert, indem für jedes Element, welches vorteilhaft mit einem zugeordneten eindeutigen Zeitindex identifiziert wird, das zur Definition dienende Wechselwirkungspaar < Quantität | Qualität > geeignet direkt oder indirekt über Zeiger gespeichert, die angegebenen Bezüge zu anderen Elementen gespeichert und generiert sowie vorteilhaft über Zeiger zeitlich rückwärts, optional auch zusätzlich zeitlich vorwärts, verwie- sen werden. Jedes neu eingegebene Element ist mit einem anfangs normierten Gewicht bewertet. Günstig ist es, zur Definition eines Elements den Zeitindex zu verwenden sowie das Wechselwirkungspaar und die angegebenen Bezüge nutzerspezifisch gegen Manipulation zu signieren. Vorteilhaft können alle notwendigen Informationen zur Ausgabe wieder in den standardisierten streng chronologischen Stream überführt werden. Dadurch ist die Übertragung auf bzw. die Synchronisation von mehreren neuronalen Netzen über Kommunikationsverbindungen und über eine Verschlüsselung des Streams die Datensicherheit gewährleistet. Insbesondere können halbseitig gespiegelte neuronale Netze diesen Stream zusätzlich zu ihren internen Streams einlesen.
Die Entwicklungssysteme gehen über orientierte Bezüge hierarchisch von einem Wurzelsystem aus, durch Mengenoperationen (OR. AND. NOT) auseinander hervor, wobei das die Entwicklung kennzeichnende Entwicklungssystem über die Teilmenge aller Teilmengen <Quantität | Qualität > der Bezugssysteme festgelegt ist und die Gattung über eine diese beinhaltende Mengenrelation bestimmt ist, bspw. über die Teilmenge aller Vereinigungsmengen von Quantität und Qualität oder die Teilmenge jeweils eines dieser Mengen aller Bezugssysteme. Das Wechselwirkungspaar < Quantität | Qualität > definiert über die verbale Definition die Entwicklung und damit genau die Wissensmenge, welche die Quantität auf die Qualität und umgekehrt die Qualität auf die Quantität abbildet, also innerhalb der Kreuzmenge aller Quantitäten und aller Qualitäten eine Teilmenge ausbildet. Im idealen Grenzfall ist diese Abbildung mathematisch eineindeutig. Diese dem ideal definierten Merkmal zugeordnete Wissensmenge ist notwendig maximal, da im anderen Fall nicht alle zur Gattung gehörenden Quantitäten oder Qualitäten obige Bedingung erfüllen.
Das neuronale Netz ist mit den Elementen zur Definition von Wissensmengen eine assoziative Datenstruktur, welche durch die Eingabe und Modifikation von Bezügen zwischen Entwicklungen ausgebildet und inkrementell erweitert wird, wobei die bereits eingetragenen Entwicklungen rückwärtig zur Definiti- on weiterer Entwicklungen dienen. Die Bildung einer weiteren Entwicklung innerhalb der assoziativen Datenstruktur entspricht der Addition von eingetragenen Elementen unter Neueintrag eines weiteren Elements, welches bezüglich der Merkmale über die Teilmengenbildung und bezüglich des Gewichts über die gewöhnliche Addition über alle jeweils durch die Bezüge bewerteten Gewichte der Bezugselemente definiert ist. Entsprechend ist dieses Gewicht rekursiv über alle Bezüge berechenbar. Das Negativ- element ergibt sich jeweils bezüglich eines Elements aus den zugeordneten Ausschlussmerkmalen als NOT-Element mit negativen Gewicht. Das Nullelement ist die < Alles | Nichts > enthaltene Wurzelentwicklung mit dem Gewicht 0. Die Änderung des Status einer Entwicklung ergibt sich indirekt durch eine Bewertung seiner Bezüge und entspricht der Multiplikation mit einer Zahl, welche bezüglich der Bewertung eines Bezugs als die gewöhnliche und bezüglich der Merkmale der Bezugsentwickiung als die Anzahl der Teilmengenbildung mit sich selbst definiert ist, wobei vorteilhaft von der Deutung einer Realisierungswahrscheinlichkeit zur Verwendung dieses Bezugs für eine konkrete Entwicklung ausgegangen wird und die Realisierungswahrscheinlichkeit 0 als gleichwahrscheinlich zu interpretieren ist. Eine Multiplikation mit Eins entspricht somit der Multiplikation mit der Identität und einer mit Null der mit dem Nullelement. Vorteilhaft zur Deutung als Realisierungswahrscheinlichkeit ist eine Abbildung der reellen Zahlen der Bewertung in das Intervall (-1. 1 ), mit den Bedeutungen: 1 = sicher verwendet; -1 sicher nicht verwendet. Der gebrochenzahlige Anteil entspricht einer flächenhaften Realisierungswahrscheinlichkeit für eine konkrete Entwicklung.
Die Entwicklungen und die Bezüge bzw. die Bezugsentwicklungen sind über eine Teilmengenrelation in Form eines Wechselwirkungspaares in der Form <Quantität | Qualität > bezüglich des Bedeutungsinhalts definiert, wobei diese verbal mit Begriffen vorgenommen ist, die optional über Operatoren AND, OR, NOT verknüpft sind. Die Teilmengenrelation jedes Elements bestimmt für eine Entwicklung ein Entwicklungssystem < Lösung | Aufgabe >. bestehend aus einem konkretisierten oder der Kombination mehrerer Bezugssysteme < Mittel | Wirkung > als Merkmale. Die Elemente beinhalten oder sind mit tabellarischen Datenbanken verknüpft, welche die verbale Definition, den Index der Bezugselemente, den Zeitindex, den Nutzerindex sowie optional den Kurztitel, die Kurzbeschreibung und weitere den Elementen zugeordnete unveränderbare Angaben beinhalten.
Für die Ein- und Ausgabe der Wissensmengen wird über das Dialogsystem mit dem Nutzer im wesentli- chen mit den verbalen Wechselwirkungspaaren und der sich aus den bezogenen Entwicklungen ergebenden assoziative Datenstruktur operiert, zur Analyse und Verwaltung im neuronalen Netz selbst im wesentlichen mit den zugeordneten Koordinaten, welche sich durch die Bezüge der Entwicklungen sowie aus deren Bewertung durch die Abbildung der dynamischen assoziativen Datenstruktur des neuronalen Netzes im Hilbertraum ergeben. Demnach werden bei der Analyse und Verwaltung auch Wissensmengen berücksichtigt, die keine direkten Bezüge zueinander haben, wenn ihre Koordinaten den Analyse- bzw. Verwaltungsbedingungen genügen. Dadurch ist es computergestützt möglich, alle von dem neuronalen Netz erfassten Wissensmengen gleichermassen und eindeutig zu verwalten und zu analysieren. Jede einer bezogenen Entwicklung zugeordnete Wissensmenge ist über sein Element des neuronalen Netzes durch genau einen Koordinatenvektor charakterisiert, welcher vorteilhaft diesen direkt oder verknüpft zugeord- net und somit Teil des Elements ist. Die Wissensmengen können rechentechnisch vom neuronalen Netz neben den Bezügen zueinander auch über ihre Koordinaten verwaltet werden, welche insbesondere die Grundlage für gegenseitige Analysen darstellen. Als Analysemethoden werden in der Vektorrechnung übliche Methoden (Prüfung ob innerhalb einer Kugel, innerhalb eines Raumwinkelbereiches, Projektion auf bestimmte Vektoren) angewandt, die insbesondere auf der Berechnung eines Skalarprodukts basieren. Die Berechnung von Vektoren bzw. Wissensmengen mit bestimmten Eigenschaften ist möglich bspw. über die Orthogonal ität mit Hilfe des SCHMIDT'schen Verfahrens. Vor der Berechnung können optional Filter bestimmte Elemente ausblenden oder umgewichten. Dadurch sind insbesondere ähnliche Entwicklungen (Raumwinkel), naheliegende Entwicklungen (Kugel), Entwicklungsschwerpunkte (Häufungen), Entwicklungsfreiräume (Leerstellen), Entwicklungsumgehungen (Orthogonal isierungen), Trends (mittle- rer Raumwinkel der Folgeentwicklungen der Kugel um Häufungen) usw. über die Gesamtheit der Wissensbasis oder über speziell gefilterte Teilmengen möglich, bspw. zur Konkurrenzanalyse.
Jeder mit dem neuronalen Netz kommunizierende Nutzer ordnet bei der Angabe oder bei der Bewertung von < Quantität | Qualität > auf Basis seines persönlichen Wissens eine konkrete Entwicklung dieser Wissensmenge zu oder nicht, wobei er zumindest unbewusst bestrebt ist, ein bestimmtes sich aus dem Anwendungsfall ergebendes Mass zu extremieren. Diese Zuordnungen bilden die trainierenden Eingabedaten des neuronalen Netzes. Sie weisen naturgemäss jeweils nur einen geringen Informationsgehalt und untereinander eine hohe Redundanz auf. Das neuronale Netz bildet sich bei jeder Eingabe und Bewertung bezüglich seiner assoziativen Datenstruktur dynamisch um. Dadurch wird von dem neuronalen Netz über sehr viele Eingaben verschiedener Nutzer die beschriebene Wissensmenge statistisch unabhängig aufakkumuliert und "rauschgemindert", indem eine wiederholt gleichartig zugeordnete Entwicklung diese notwendig konkretisiert. Über gerichtete Bezüge auf bereits eingetragene Bezugsentwicklungen werden die diese definierenden vVissensmengen miteinander verknüpft und begrenzen somit die beschriebenen Wissensmengen der Entwicklung. Eine Konkretisierung der Wissensmenge der Bezugsentwicklungen führt dadurch auch zu einer Konkretisierung der anfänglich nur durch die Bezugsgattung begrenzten Wissensmenge der Entwicklung selbst.
Da ein idealeres Wechselwirkungspaar notwendig eine höhere flächenhafte Wahrscheinlichkeit aufweist, dass eine konkrete Entwicklung innerhalb der Teilmenge statt nur innerhalb einer der diese bildenden Mengen beinhaltet ist, wird dieses nach einer Akkumulation höher bewertet sein. Je konkreter eine Entwicklung definiert, bzw. eine Frage gestellt wurde, um so höher wird statistisch deren Bewertung und die Qualität, bzw. der Aussagegehalt der Antwort sein. Hohe Bewertungen korreiieren statistisch mit hohen absoluten Massen. Neu eingetragene Entwicklungen befinden sich notwendig am Ende der assoziativen Datenstruktur bzw. auf dem Rand eines Hilbertraumes. Durch die für Neueinträge oder Anfragen vorteil- hafte und deshalb statistisch vom Nutzer angestrebte hohe Bewertung, welches einer funktionalen Zielfunktion über einem Ende der assoziativen Datenstruktur dem Rand eines Hilbertraumes als Mass entspricht, ist statistisch eine Konvergenz zu diesem Extremum gegeben. Entsprechend des RITZ'schen Verfahrens konvergiert die zugrundeliegende assoziative Datenstruktur als solche zu der notwendig existierenden idealen Klassifikation des Wissens. Deshalb eignet sich dieses neuronale Netz nebenbei als Basis eines sich stets dynamisch dem Wissenstand anpassenden automatischen Klassifizierungssystem, indem dieses aus den Hauptbezügen der Netzstruktur generiert wird.
Die Angabe des Bezugs schränkt jedes definierte Wechselwirkungspaar auf die Menge eines jeweiligen Bezugsystems ein, welches optional auch die Gattung der Entwicklung festlegt. Dabei ist ein idealer Bezug gleichwertig mit einem idealen Bezugssystem, welches mit allen Wechselwirkungspaaren eineindeutig bestimmt ist, also der Qualität eindeutig die Quantität und umgekehrt zugeordnet ist. Bei den in der Praxis auftretenden realen Bezügen ist dies üblicherweise nicht gegeben, jedoch ist die Wahrscheinlichkeit, dass bezüglich aller Bezüge mit einem gegebenen beinhalteten Begriff eine konkrete Realisierung von der Wissensmenge des Bezugssystems Gebrauch macht, bei idealen Bezügen maximal. In diesem Sinne konvergiert über die Vielzahl der Eingaben und Bewertungen die assoziative Datenstruktur zum wahren Sachverhalt, welcher durch ideale Bezüge bzw. idealen Systeme ausgebildet ist und keine Redundanz aufweist, ohne diesen jemals zu erreichen. Die Bezüge sind vorteilhaft normiert gewichtet und mit einem, optional durch Wahrscheinlichkeitsangaben Fuzzy basierenden, Status versehen, welcher optional selbst aus mehreren nach Wahrscheinlichkeiten gewichteten normierten Bezügen besteht. Dadurch kön- nen verschiedenartige Bewertungsgruppen gefiltert und umgewichtet werden.
Vorteilhaft wird die Entwicklung bzw. das Element mit einem Kurztitel versehen. Es ist auch zur Verbesserung der Lesbarkeit für den Nutzer günstig, eine Kurzbeschreibung der konkret angedachten und in der Wissensmenge beinhalteten Entwicklung beizufügen. Ebenso ist es günstig, neue definierende Quantitä- ten bzw. Qualitäten auf der Basis der durch angegebene Bezüge vorbekannten Quantitäten bzw. Qualitäten begrifflich festzulegen, wobei logische Operatoren AND, OR, NOT verwendet werden können. Dadurch wird nebenbei vom neuronalen Netz automatisch je ein Thesaurus für Quantitäten bzw. Qualitäten generiert, welcher diese Begriffe hierarchisch strukturiert und entsprechend des Gewichts der sie verwendenden Elemente bewertet beinhaltet.Des weiteren kann in diesen Beschreibungen und Definitionen, welche die Wissensbasis des neuronalen Netzes darstellen, in üblicher Weise textorientiert und über linguistisch sinnvolle Verknüpfungen im Kontext nach Begriffen recherchiert werden. Dazu wird vorteilhaft je eine rechts- und linkgeordnete indizierte Liste mit Verweis auf den Zeitindex des Elements oder ein Zeiger auf diesen generiert, welcher den Begriff beinhaltet. Mehrsprachigkeit kann dabei berücksichtigt werden. Ebenso ist es denkbar, basierend auf einer Analyse der Syntax und Semantik in den Definiti- onen jedes Wechselwirkungspaars, verbunden mit den beiden Thesauren für die Begriffe der Quantität bzw. der Qualität, diese verbalen Definitionen mit einer signifikant hohen Wahrscheinlichkeit in mathematisch logische Terme von Begriffen zu transformieren, welche schliesslich rekursiv über die Bezugselemente rechentechnisch aufgelöst werden, um vereinfachte Definitionen zu erhalten oder Widersprüche zu selektieren. Vorteilhaft werden alle Elemente dynamisch gespeichert und über eine über Zeiger verket- tete Liste dynamisch verwaltet. Jedes Element besitzt ein eindeutig zugeordnetes NOT-Element, welches vorteilhaft durch einen Zeiger auf dasselbe Wechselwirkungspaar verwaltet wird. Das NOT-Element bezeichnet genau die von der Wissensmenge des zugeordneten Elements ausgeschlossene Wissensmenge, welche bspw. bei der Bildung von Elementen mit Alternativen unter Nutzung der DE MORGAN'schen Formeln oder bei Ausschliessungselementen benötigt wird. Es ist günstig, bei der Generierung eines Elements sogleich das zugeordnete NOT-Element zu generieren. Dieses kann günstig über ein Flag, bspw. das LSB des Zeitindex vom zugeordneten Element unterschieden werden.
Die Generierung der Bezüge selbst erfolgt günstig über eine Intervallschachtelung zur Ermittlung des dem Zeitindex in der konkreten assoziativen Datenstruktur zugeordneten Speicherbereiches des Bezugs- elements und der ein bzw. wechselseitigen Verkettung dieser über Zeiger. Die jedem einzelnen Element optional zugeordneten Rückwärts- bzw. Vorwärtsbezüge selbst werden vorteilhaft wiederum über dynamische Listen verwaltet. Die Bezüge selbst wiederum werden vorteilhaft mit dynamisch gespeicherten Bewertungen versehen, welche wiederum über dynamisch verkettete Listen verwaltet werden. Die Bewertungen sind vorteilhaft nutzerspezifisch, wodurch günstig eine gleichartige und eine statistisch abhängige Mehrfachbewertung vermieden wird. Eine binäre Bewertung ist speichertechnisch günstig über das LSB des eindeutigen Nutzerindex realisierbar. Ein mögliches Bewertungsgewicht kann optional über den Nutzerindex ermittelt und berücksichtigt werden.
Über die bei der Eingabe bzw. Bewertung zugeordneten Zeitindizes sind eindeutige und belegbare Zu- Ordnungen des Nutzers zu einem Eintrag gegeben, Manipulationen (zeitliche Häufungen) zur Bewertung selektier- und unterdrückbar (Zeitsperre) sowie über eine, vorteilhaft exponentielle. zeitliche Abklingfunktion der Bewertungen ein evolutionäres Verhalten der assoziativen Datenstruktur realisierbar. Der Koordinatenvektor jedes Elements kann rekursiv über die Vektoraddition aller mit dem jeweiligen Gewicht bewerteten Koordinatenvektoren der Bezugselemente ermittelt werden. Es ist jedoch zur Optimie- rung von Rechenzeit vorteilhaft, diesen in einem temporären dynamischen Speicherbereich zu verwalten, auf dessen Beginn oder Ende ein Koordinatenzeiger des Elements verweist. Für den vorteilhaft wiederum als dynamisch verkettete Liste aufgebauten Koordinatenvektor ist es wiederum zur Minimierung des benötigten Speicherplatzes vorteilhaft, nur die jeweils notwendigen Koordinaten mit und geordnet nach ihrem Index abzuspeichern. Entsprechend der verwendeten und im neuronalen Netz implementierten Definition für eine Metrik, Norm und Skalarprodukt - es eignen sich bspw. die euklidischen für den n- dimensionalen Raum, wobei jede Neuentwicklung eine neue Dimension eröffnet - können diese für die Analyse und Verwaltung wichtigen Grossen rechentechnisch einfach berechnet werden. Es ist günstig, die Norm jedes Elements mit diesem temporär zu speichern.
Beinhaltet ist dieses neuronale Netz zum Wissensmanagement insbesondere in einem zentraler Server, welcher für die Mehrzahl der Nutzer über das Internet kostenfrei oder optional über Einbindung eines sicheren e-Commerce Systems für Informations- und Finanzdienstleitungen kostenpflichtig zur Verfügung steht und entsprechende sachliche Einträge oder Anfragen zu Wissen bedient. Der zur Eingabe dienende chronologische Stream wird bei der Benutzung des neuronalen Netzes durch einen Nutzer vom Dialogsystem generiert, indem dieser bspw. einzutragende Wissensmengen über die Eingabe von bezogenen Entwicklungen definiert, auf Entwicklungen bezogene Anfragen an das neuronale Netz stellt, neue Bezüge angibt oder Bewertungen vornimmt. Da die assoziative Datenstruktur selbst durch den eingegebenen chronologischen Stream stets verändert wird ist es günstig, allen optionalen temporären Datenbereichen der verschiedenartigen Listenelemente den Zeitindex ihrer letzten Berechnung zuzuordnen. Dadurch muss die bei einer Änderung notwendig werdende rekursive Neuberechnung nur über die wirklich veränderten Bereiche der assoziativen Datenstruktur ausgeführt werden, was die benötigten Berech- nungsschritte minimiert. Dazu wird der Berechnungszeitindex mit den jeweilig zugeordneten Zeitindizes dieser Datenbereiche verglichen. Es ist vorteilhaft, für einzelne, vom aktuellen Berechnungszeitindex abweichende Berechnungszeitindizes, bspw. für spezielle Berechnungen in der Vergangenheit, die Benut- zung der temporären Datenbereiche auszuschliessen, also die gesamte assoziative Datenstruktur rekursiv zu berechnen.
Das Verfahren geht von einer Vielzahl von Eintragungen bzw. Bewertungen aus. welche von einer Vielzahl von Nutzern erweiternd und trainierend in die assoziative Datenstruktur des neuronalen Netzes eingetragen werden und diese somit über derartige Eingaben modifizieren. Das neuronale Netz selbst stellt über die implementierten Operatoren die Konvergenz der assoziativen Datenstruktur sicher und führt Verwaltungen und Analysen aus. Im übertragenen Sinn wird durch das neuronale Netz der durch unsachliche Angaben "verrauschte" Eingabestrom von verschiedenen Nutzern statistisch zum wahren Sachverhalt geringer Redundanz verdichtet und letztendlich ein Expertensystem ausgebildet sowie vom neuronale Netz Analysen von Entwicklungen im Hilbertraum der Elemente durchgeführt, die als Punkte betrachtet werden und Koordinaten aufweisen. In einem ersten Schritt wird die Entwicklung durch Bezüge zu einem oder mehreren nächstliegend erscheinenden Bezugssystemen über Wechseiwirkungspaare festgelegt und vom neuronalen Netz als Element im Raum der Entwicklungen eingetragen. In einem weiteren Schritt wird durch eine Entscheidung eines weiteren Nutzers über die Zuordnung eines neuen Bezugs oder die Bewertung über die sachliche Richtigkeit des Bezugs der Status dieses Bezugs geändert und damit eine weitere trainierende Eingabe für das neuronale Netz erzeugt. In einem weiteren Schritt, welcher durch eine Vielzahl von Nutzern eine Vielzahl vorstehender Schritte zu jeweils zugeordneten Entwicklungen beinhaltet und demnach eine Vielzahl statistisch unabhängiger Eingabedaten darstellt, werden die Bezüge der assoziativen Datenstruktur vom neuronalen Netz sukzessive angepasst und das neuronale Netz dynamisiert, welches statistisch zu den idealen Bezügen konvergiert und somit ein Expertensystem ausbildet, welches eine sinkende Redundanz aufweist. In einem weiteren Schritt werden zum Zwecke der Verwaltung und Analyse vom neuronalen Netz Operationen von Mengen im Raum der Entwicklungen durchgeführt oder überwacht, wodurch Definitionsbereiche der Wissensmengen festgelegt und Masse zwischen einzelnen Entwicklungen berechnet werden. Die Masse werden derart definiert, dass sie im jeweiligen Anwendungsfall auf Grund von Gesetzmässigkeiten der Realität einer statistisch notwendigen Konvergenz zu einem Extremum unterliegen.
Es ist vorteilhaft, den Nutzer bereits während der verbalen Formulierung des Wechselwirkungspaares des Eintrags bzw. der Anfrage mit Recherchenergebnissen aus der Wissensbasis zu gerade eingetragenen Begriffen zu informieren, aufweiche der Nutzer anschliessend gegebenenfalls Bezug nehmen wird.
Dadurch wird die assoziative Datenstruktur stets etwas erweitert und das neuronale Netz trainiert. Letzteres wird günstigerweise über eine implizite positive Bewertung der Wissensmenge einer angegebenen Bezugsentwicklung realisiert, da eine Bezugnahme eine subjektiv positive Bewertung der durch das Wechselwirkungspaar beschriebenen Entwicklung darstellt. Des weiteren sind explizite Bewertungen, vorzugsweise binäre, und die Angabe weiterer Bezüge durch dritte Nutzer möglich und günstig für das Training des neuronalen Netzes. Bei besonderer Berechtigung, bspw. auf Grund einer Qualifikation oder hoheitlicher Berufung als Professor oder Prüfer, kann eine Bewertung mit einem prüferspezifisch höheren Bewertungsgewicht (im weiteren Prüfung) erfolgen. Zur optionalen manuellen Prüfung einer Entwicklung durch einen Nutzer wird vorteilhaft die Gesamtheit der Bezugsentwicklungen daraufhin geprüft, ob nach subjektiver Wertung des Prüfers die Entwicklung in den einzelnen Wissensmengen der Bezugsentwicklungen enthalten ist, also von deren Lehren Gebrauch macht. Die Wirkung der Bewertungen spezieller Länder, Ämter. Prüfer, Nutzer usw. können optional nachträglich über spezielle Filter unterschiedlich umgewichtet werden.
Für Dienstleister günstig sind erweiterte Analysmöglichkeiten und für grössere Firmen separate neuronale Netze, die mit dem zentralen neuronalen Netz über eine Kommunikationsverbindung verbunden und optional halbseitig gespiegelt sind. Hoheitliche Strukturen besitzen vorteilhaft neben der Prüfungsberechtigung spezielle, auf das jeweilige Spezialwissensgebiet zur Beschreibung der realen Welt angepasste, Systeme bspw. für Patentwesen, Makroökonomie, Marketing und Gentechnik. Im weiterbildenden spe- ziellen Anwendungsfall der Genanalyse werden Gensequenzen mit den zugeordneten erkannten Biofunktionen eingelesen, in der Makroökonomie Einzelwirtschaften und zugeordnete Tätigkeitsfelder und in der Marktanalyse Produkte und zugeordnete Kundenbedürfnisse. Das zur Konvergenz dieser hierarchisch auseinander hervorgehenden Entwicklungen entsprechend dem RITZ'schen Verfahren notwendige extre- male Funktional als Mass ist als Gesetzmässigkeit der Realität entsprechend durch die sich aus der Neu- gier des Menschen über den Erfindergeist ergebende absolute "Erfindungshöhe", durch die sich aus der Triebkraft der Natur im Überlebenskampf ergebende biologische Evolution, durch das sich aus der Gesellschaftsordnung des Menschen ergebende Streben nach finanziellem Reichtum und die sich aus der Trägheit des Menschen ergebenden Lebensansprüche gegeben. Der zur Eingabe dienende Stream kann zur Eingabe eines Nutzers über ein Dialogsystem alternativ oder vorteilhaft ergänzend auch im Preprozessing aus Inhaltsdatenbanken generiert werden, in welchen Wissen von bezogenen Entwicklungen verborgen beinhaltet ist und welche durch ihre weitgehend einheitliche Strukturierung und spezifische Formulierung dieses Wissen mit einer hinreichenden Signifikanz über eine computergestützte automatische Projektion aus ihrem Kontext in das Format des Streams zu konvertieren ermöglichen. Als besonders geeignet sollten sich Patentdokumentationen im Textformat erweisen, wobei dem angegebenen Stand der Technik, der Aufgabe und dem Wesen der Erfindung bzw. dem kennzeichnenden Teil der Schutzansprüche mit ihren typischen Formulierungen, sowie deren anzahlmässige Zuordnung zu insbesondere niedrigen Bezugsnummern eine besondere Bedeutung zukommt. Es ist vorteil- haft, bereits beim Preprozessing die gewöhnlichen Recherchenmöglichkeiten und den Thesaurus über der Wissensbasis des neuronalen Netzes zu benutzen, um die entsprechend signifikanten Textstellen heraus- zufiltern. Diese sollten bezüglich ihrer Begriffe stets ein hohes Konkretisierungsniveau aufweisen. Ebenso ist es günstig, derartiges Wissen mit einem Verweis auf den zugrunde liegenden Inhalt einer Inhaltsdatenbank, bspw. die Patentnummer, zu versehen sowie den zuerkannten Zeitrang zu vermerken, was insbe- sondere bei Analysen im Patentwesen nützlich ist. Eine weitere Quelle zur automatischen Generierung von Streams sollten die Patentklassifikation und Fachlexika darstellen.
Zur Verwendung im l'a' ntwesen, bei welchem Wissen bzw. Entwicklungen verwaltet werden, die in Patenten. Gebrauchsmustern oder techn. Druckschriften offengelegt sind oder optional Schutzrechte darstellen, nimmt das neuronale Netz zumindest unterstützend eine computergestützte Prüfung, amtliche Verwaltung, Überwachung, Pflege, Recherche oder Aufarbeitung des Weltwissens in einem Klassifizierungssystem vor und ist als sachliches Expertensystem üblichen tabellarischen Datenbanken zum Patentwesen übergeordnet und vorteilhaft mit diesen verknüpft. Dazu werden durch den Erfinder als Nutzer zur Definition seiner als Wechselwirkungspaar definierten Entwicklung Bezüge angegeben und in der assozi- ativen Datenstruktur computergestützt verwaltet, denen Teilaufgaben zugeordnet sind, welche der Erfinder endgültig oder nachträglich aus dem Pool der ursprünglichen Kurzbeschreibung festlegt, die über ein Wechselwirkungspaar ein Bezugssystem bestimmen und rückwärtig zur Definition von weiteren Bezugssystemen verwendet werden, wobei sich der Schutzbereich des Entwicklungssystems aus der Teilmenge aller Bezugssysteme bestimmt. Dabei wird automatisch vom neuronalen Netz über Funktionale des Hilbertraumes und der Zeitindizes eine "Erfindungshöhe" und eine "Neuheit" zwischen einzelnen oder allen eingetragenen Entwicklungen berechnet und dazu der Status jedes einzelnen Bezugs berücksichtigt. Durch Angaben Dritter oder amtlicher Prüfung als zusätzliche Eingabe für das neuronale Netz wird die assoziative Datenstruktur inkrementell erweitert oder modifiziert, wobei die Entwicklung des aktuellen Wissensstandes bei der sachlichen Prüfung mit der Zeit zur Redundanzsenkung führt.
Besonders für Anwendungen im Patentwesen ist es vorteilhaft, zur Problematik der Geheimhaltung eine entsprechende Verschlüsselung, Identifizierung des Berechtigten und Authentifizierung der Eingaben über implementierte kryptologische Verfahren sicherzustellen. Mit dem beim Eintrag angelegten eindeutigen Zeitindex und einem eindeutigen Nutzerindex kann vorteilhaft mit diesen beiden Indizes die Au- thentizität der Definition und der Bezüge gewährleistet und diese optional verschlüsselt werden. Eine Offen legungsschonfrist könnte über einen entsprechenden Zeitfilter bei der Ausgabe gewährleistet werden. Das Wissen eines Schutzrechts bzw. eines Anspruchs könnte als Kopie mit unveränderbaren ab- schliessenden Bezügen mit einem besonderen Flag gekennzeichnet werden. Eine Unterteilung der Elemente in Dokumente und Urkunden ist vorteilhaft, wobei die Urkunden zu einem bestimmten Zeitpunkt als Kopie aus einzelnen Dokumenten hervorgehen und die Bezüge der Urkunden einen zeitweise konstan- ten Status und optional die Datenbanken der Urkunden eine Verknüpfung mit Registern und/oder einen eindeutigen Verweis auf Inhaltsdatenbanken aufweisen, wobei optional Urkunden, die sich über Bezüge auf andere Entwicklungssysteme beziehen, abhängige Urkunden gleichen Zeitrangs der Urkunden darstellen. Urkunden nehmen demnach nur indirekt über die Dynamik ihrer Bezugsdokumente an der Dynamik der assoziativen Datenstruktur teil, bezüglich ihrer Bezüge sind sie eingefroren, wodurch unter Aus- schluss einer rückwärtigen Betrachtungsweise die aktuell konkretisierte assoziative Datenstruktur benutzt werden kann. Bezüglich eines derartigen Schutzrechtswissens ist zu einem gegebenen Zeitindex gegenüber der assoziativen Datenstruktur optional eine rechentechnisch definierte sachliche "Neuheit" bezüglich des resultierenden logischen Terms der definierenden Begriffe der Gesamtheit der signifikanten Bezüge sowie eine rechentechnisch definierte sachliche "Erfindungshöhe" über Funktionale wie dem Skalarprodukt berechenbar, bspw. als orthogonaler Abstand vom Trend aller nächstliegenden Entwicklungen, ohne eine abschliessende Aussage über diese Rechtsbegriffe zu treffen. Für Schutzrechtswissen wäre des weiteren ein Verweis auf das zugeordnete Schutzrecht oder das amtliche Register mit dem Rechtsstand sinnvoll.
Neben dem neuronalen Netz aus aufeinander bezogenen und gewichteten Elementen, welches rechentechnisch als assoziative Datenstruktur dynamisch im linearen Speicherbereich eines Rechners angelegt ist, wobei jedem Element als Bedeutungsinhalt eine Definition einer Entwicklung zugeordnet ist, diese Definition über eine Mengenrelation eines Wechselwirkungspaares, vorzugsweise in der Form < Qualität | Quantität >. verbal die Entwicklung und damit die Wissensmenge definiert und diese Elemente vorzugsweise einen Hilbertraum ausbilden, ist die elementenweise Zuordnung von ergänzenden verbalen Textfeldern vorteilhaft, welche den Bedeutungsinhalt der Wissensmenge obiger Definition kurz erläutern und schlagwortartig verkürzt darstellen.
Diese ergänzenden Textfelder sind bereits bei der KI-Recherche über der assoziativen Datenstruktur hilfreich, da sie über die Nutzerschnittstelle des Rechners den Nutzer bei der Auswahl entsprechend signifikanter Bezüge zur Definition der zu recherchierenden Entwicklung unterstützen, welche die primäre Suchanfrage für das Kl-System bilden. Nach jeder KI-Recherche liefert das neuronale Netz in Echtzeit die zugeordneten naheliegenden und ähnlichen Entwicklungen und schätzt rechentechnisch eine prinzi- pielle Neuheit und Erfindungshöhe ab. Zur Entwicklung einer Innovation passt der Nutzer vorteilhaft sukzessive die Definition der Bezüge seiner Entwicklung derart an, dass sie eine möglichst umfassende Wissensmenge mit möglichst wenig Bezügen bei gleichermassen hoch bewerteter Erfindungshöhe und absoluter Neuheit ergeben. Damit fokussiert der Nutzer seine Innovation auf ein aussichtsreich erscheinendes Wissensgebiet.
Da jede Entwicklung als Element der assoziativen Datenstruktur über signifikant gewichtete Bezüge auf die, die einzelnen Merkmale der Entwicklung definierenden, vorbekannten Bezugsentwicklungen verweist, kann rekursiv die Definitionsstruktur einer Entwicklung aufgelöst werden. Durch eine vorteilhafte Dynamik der Datenstruktur, welche durch ständige Benutzung zu geringer Redundanz und damit zu einem höheren Wahrheitsgehalt konvergiert, folgt diese Definitionsstruktur weitestgehend dem aktuellen vorbekannten Wissensstand. Die Definitionen der Bezugsentwicklung erster Ordnung (Eltern) sollten im allgemeinen zur ausreichenden Offenbarung des verwendeten Wissensstandes für einen späteren Nachnutzer der Entwicklung als Innovation hinreichen, es können jedoch auch die Definitionen der Bezugsentwicklung zweiter Ordnung (Grosseltern) und weiterer Ordnungen verwendet werden. Damit wird der Nutzer bei der Ausarbeitung einer Schutzrechtsanmeldung mit ausreichendem Offenbarungsinhalt unterstützt.
Die verbalen Definitionen der Wechselwirkungspaare der Mengenrelation, vorzugsweise in der Form < Mittel | Wirkung >, in Verbindung mit erläuternden und schlagwortartig verkürzten Textfeldern erlaubt in Verbindung mit dem prinzipiell einheitlichen Aufbau einer Schutzrechtsanmeldung und entsprechender Standardfloskeln sowie den Angaben zur Identifikation und der Adresse des Nutzers die rechnergestützte Generierung einer Schutzrechtsanmeldung mit allen wesentlichen Bestandteilen wie Antrag mit Bezeichnung des Anmelders/Erfinders und der Adresse, Beschreibung mit Kurztitel. Stand der Technik, Aufgabe, Lösung, Ausführungsbeispiel sowie der Ansprüche und der mancherorts erforderlichen Kurzfassung. Die durch die rechnergestützte Generierung der provisorischen Anmeldung fehlerhafte Grammatik ist bezüglich einer prioritätsbegründenden sachlichen Hinterlegung der Innovation unschädlich. Eine derartige provisorische Anmeldung kann über moderne Telekommunikationsmittel wie FAX und falls später möglich über Datenverbindungen unverzüglich bei den entsprechenden Schutzrechtsannahmestellen prioritätsbegründend angemeldet werden. Eine Unterschrift ist dafür nicht sofort erforderlich, kann aber bedarfsweise durch eine elektronische Unterschrift ersetzt werden. Zur Begründung des Anmeldetages bedarf es keiner Gebührenzahlung, so dass im Bedarfsfall unter Inanspruchnahme der Priorität dieser provisorischen Anmeldung eine den üblichen Gepflogenheiten entsprechende Nachanmeldung innerhalb eines Jahres getätigt werden kann. Dafür wird eine optionale Veröffentlichungsschonfrist des Entwick- lungseintrags in der Datenstruktur bis zu 18 Monaten vorgesehen und diese bis zu diesem Zeitpunkt auf den Nutzer personifiziert sicher verschlüsselt abgelegt.
Weitere vorteilhafte Weiterbildungen der Erfindung bestehen in der Ausführung der Textfelder als:
• KS: Kurztitel (der Entwicklung) • KB: Kurzbeschreibung (der Entwicklung) und der Ausführung der verbalen Definition der Mengenrelation der Wissensmenge < Lösung | Aufgabe > als:
• KL: Kurzlösung (der Entwicklung)
• LD: Lösungsdefinition (der Lösung) • KA: Kurzaufgabe (der Entwicklung)
• AD: Aufgabendefinition (der Aufgabe)
Vorteilhaft wird diese Erfindung integriert in ein rechnergestütztes und über Internet/Intranet zugängliches und gegebenenfalls über e-commerce entgeldlich abrechenbares Wissensmanagementsystem für Recherchen und Analysen im sachlich-technischen Bereich, insbesondere für Patentdokumente. Der Nutzer mit einer gedanklichen Realisierung in Form einer konkreten Entwicklung bedient dieses Wissensmanagementsystem in nachfolgenden groben Schritten:
• Der Nutzer überlegt, welches Aufgabe der Lösung Ihrer Realisierung zugeordnet ist.
• Der Nutzer trägt eine geeignete Kurzbezeichnung für das Aufgabe und die Lösung ein. • Der Nutzer definiert beide Kurzbezeichnungen mit einfachen verbalen Satzsequenzen.
• Das Wissensmanagementsystem bietet dem Nutzer dazu eine Auswahl vorbekannter Entwicklungen an, wobei textlich übereinstimmende Begriffe hervorgehoben sind.
• Wenn die Realisierung des Nutzers auf einzelnen angebotenen Entwicklungen basiert, setzt dieser zur Definition der Begriffe in Aufgabe und Lösung mittels Markierung einen Bezug auf diese. • Das Wissensmanagementsystem verfeinert im vorhergehenden Schritt sukzessive die Auswahl und der Nutzer die Definition.
• Das Wissensmanagementsystem bestimmt über die KI-Recherche die Lage der Entwicklung im Wissensraum und berechnet mathematisch exakt naheliegende und ähnlich Entwicklungen. Das Wissens- managementsystem zeigt dem Nutzer die nähere Entwicklungsumgebung an, ermöglicht das Wandern über deren Bezüge, die vollständige Anzeige aller Textfelder und gibt optional einen Link auf die Quelldokumente der jeweiligen Entwicklungen, bspw. auf Patentdokumente.
• Über die Berechnung einer absoluten Neuheit und einer Erfindungshöhe kann der Nutzer das Innovationspotential abschätzen und gegebenenfalls über eine Neudefinition die Entwicklung verändern. • Ergänzend zu obiger Recherche gibt der Nutzer optional: Titel und Kurzbescheibung seines Eintrags sowie seine persönliche Identifikation und Adresse ein, um seine Urheberschaft zu sichern und eine prioritätsbegründende provisorische Schutzrechtsanmeldung zu ermöglichen. Das Wissensmanagementsystem trägt diesen Eintrag individuell verschlüsselt in die Datenbasis ein, wobei dieser Eintrag erst nach Ablauf einer Offenlegungsschonfrist öffentlich verfügbar wird. Anschliessend erfolgt optio- nal die rechnergestützte Generierung einer provisorischen Schutzrechtsanmeldung und deren unverzügliche Übermittlung zu den Schutzrechtsannahmestellen.
• Das Wissensmanagementsystem ermöglicht des weiteren rechnergestützt verschiedene im Patentwesen übliche Analysen von Entwicklungen zueinander, insbesondere über Entwicklungen aus rechtsbeständigen Schutzrechten auch eine Unterstützung für Schutzrechtsverletzungsanalysen.
Die Textfelder sind jeweils für Bezüge B oder die Entwicklung E ausgeführt als Strukturen fester Länge:
• KS: Kurztitel (der Entwicklung), etwa 30 Zeichen
• KB: Kurzbeschreibung (der Entwicklung), etwa 300 Zeichen
• KL: Kurzlösung (der Entwicklung), etwa 30 Zeichen • LD: Lösungsdefinition (der Lösung), etwa 150 Zeichen
• KA: Kurzaufgabe (der Entwicklung), etwa 30 Zeichen
• AD: Aufgabendefinition (der Aufgabe), etwa 150 Zeichen
Durch sukzessive Eingaben des Nutzers und der Vorschläge des Wissensmanagementsystems sowie darauf aufbauenden KI-Recherchen wird letztendlich die Entwicklung E beispielsweise mit drei Bezügen B gebildet über: UND Bl ODER B2 UND NICHT B3, wobei B2 ein Quelldokument XXX besitzt
Der Nutzer trägt diese Entwicklung ergänzt um seine persönlichen Angaben NAME, ADRESSE sowie um KS, KB mit über persönlicher Verschlüsselung sichergestellter Veröffentlichungsschonfrist von 18 Monaten in die Datenstruktur ein. Das Kl-System berechnet über mathematische Algorithmen eine hinreichende Erfindungshöhe und bestätigt die Neuheit, so dass eine Schutzrechtsanmeldung dem Nutzer empfohlen wird, welcher sich dem Vorschlag anschliesst. Daraufhin generiert der Rechner nachfolgende provisorische Schutzrechtsanmeldung und übersendet diese über eine Kommunikationsverbindung an eine Schutzrechtsannahmestelle, wobei zur Verdeutlichung die Textbausteine KURSIV eingefügt sind:
"Antrag auf Erteilung eines Patents
Anmelder und alleiniger Erfinder: NAME Zustelladresse: ADRESSE KT
Gattung der Erfindung: Die Erfindung bezeichnet ein KT.
Stand der Technik:
Vorbekannt ist KTBl mit KLBl, welcher KABl ist. Weiter vorbekannt ist KTB2 mit KLB2, welcher KAB2 aus der Druckschrift XXX vorbekannt ist. Weiter vorbekannt ist KTB3 mit KLB3, welcher KAB3.
Aufgabe:
Aufgabengemäss ist die KTE KAE. KLE gemäss des Schutzanspruchs löst diese Aufgabe.
Lösung: Dazu wird im wesentlichen ein KTBl mit KLBl, welcher KABl ODER ein KTB2 mit KLB2 welcher KAB2 UND NICHT ein KTB3 mit KLB3, welcher KAB3 ausgeführt als KLE, indem DLE bewirkt, dass dieser DAE.
Vorteilhafte Ausführungsform: Vorteilhaft wird die KTE ausgeführt als KLBl , indem DLBl bewirkt, dass dieser DABl. KBBl. ODER die KTE wird ausgeführt indem DLB2 bewirkt, dass dieser DAB2. KBB2. UND NICHT die KTE wird ausgeführt indem DLB3 bewirkt, dass dieser DAB3. KBB3. Dadurch ist die KTE KAE. KBE.
Anspruch: KTE, welche als KLBl ODER als KLB2 UND NICHT als KLB3 ausgeführt ist, dadurch gekennzeichnet, dass diese als KLE ausgeführt ist.
Kurzfassung:
Die Erfindung bezeichnet ein KTE. Aufgabengemäss ist die KTE KAE. KBE
Erfinderbenennung:
Bezeichnung der Erfindung: KTE
Erfinder: NAME: ADRESSE
Das Recht auf das Schutzrecht ist auf den Anmelder übergegangen durch: Erfinder ist Anmelder"
Eine derartige provisorische Schutzrechtsanmeldung begründet einen Anmeldetag, dessen Priorität für eine den üblichen Gepflogenheiten entsprechende Nachanmeldung in Anspruch genommen werden kann. Die erfolgreich übermittelte provisorische Schutzrechtsanmeldung wird dokumentenecht als Beleg ausgegeben, bspw. ausgedruckt.
Die folgenden Figuren 1-6 versuchen, die Erfindung zu verdeutlichen, ohne dass diese dadurch beschränkt wird oder auf alle in der Beschreibung angegebenen wesentlichen Merkmale Bezug genommen werden kann und soll. Nach Fig. 1 besteht ein neuronales Netz 1 zum computergestützten Wissensmanagement aus (üblicherweise als Neuronen bzw. Knoten bezeichneten) aufeinander bezogenen und gewichteten Elementen 2, welche durch ihre speziellen Eigenschaften einen Hilbertraum 3 ausbilden und denen vorzugsweise ein Koordinatenvektor 4 zugeordnet ist, welcher beim Wurzelelement vorteilhaft [0] gewählt wird.
Nach Fig. 2 ist jedem einzelnen Element 2 der entsprechenden Einzelheit in Fig. 1 ein Bedeutungsinhalt zugeordnet, welcher als spezielle Form der Definition der Entwicklung als Wechselwirkungspaar 5 ausgebildet ist. und vorzugsweise eine Quantität 6 und eine Qualität 7 beschreibt, und damit über deren Teilmenge genau die Wissensmenge 8 definiert, welche die Quantität 6 auf die Qualität 7 und die Qualität 7 auf die Quantität 6 abbildet. Über gerichtete Bezüge 9 auf bereits eingetragene Bezugsentwicklungen werden diese dort definierten Wissensmengen 8, 10 miteinander verknüpft und begrenzen somit die beschriebene Wissensmenge 1 1 der sich darauf beziehenden Entwicklung. Eine Konkretisierung der Wissensmengen 8, 10 der Bezugsentwicklungen führt dadurch auch zu einer Konkretisierung der anfänglich nur durch die Bezugsgattung 12 begrenzten Wissensmenge 1 1 der sich darauf beziehenden Entwick- lung selbst.
Nach Fig. 3 dient der zur Eingabe benutzte Stream 13 in Form eines Datenstroms, welcher streng chronologisch die Definition in Form eines Wechselwirkungspaares 5 und die Bezüge 9 auf bereits eingetragene Elemente 2 beinhaltet, zur inkrementellen Erweiterung des neuronalen Netzes, indem in die im linearen Speicherbereich 14 des Computers dynamisch über verkettete Listen 15 verwalteten assoziativen Datenstruktur neue Strukturelemente 16 eingefügt und über computerspezifische Zeiger 17 verknüpft werden. Vorteilhaft bilden ein Element 2 und ein NOT-Element 18 ein Paar 19, welches auf das Wechselwirkungspaar 5 zeigt und vorteilhaft eine Koordinatenliste 20 beinhaltet, welche die Koordinaten des Elements 2 beinhaltet, die invertiert den Koordinaten des NOT-Elements entsprechen. Jedem Element 2 und jedem NOT-Element 18 ist vorteilhaft eine Rückbezugsliste 21 und eine Vorwärzbezugsliste 22 zugeordnet, wobei den Bezugslisten 21 , 22 vorteilhaft Bewertungslisten 23 zugeordnet sind.
Nach Fig. 4 ermöglicht ein Dialogsystem über eine intuitive Oberfläche 24 die Eingabe von bzw. die Anfrage zu Entwicklungen über die Definition 25 des verbalen Wechselwirkungspaares und die Angabe von Bezügen. Dabei wird vorteilhaft quasisimultan vom neuronalen Netz eine Auswahl 26 von Elementen 2 bereits in der Wissensbasis erfasster Entwicklungen mit in den Definitionen 25 enthaltenen ähnlichen Begriffen angeboten, aus welcher einzelne Bezüge zu verwendeten Begriffen über einen Schalter 27 getätigt werden können. Innerhalb der angebotenen Auswahl 26 von Entwicklungen kann jeweils eine markiert werden, zu welcher die lokale Umgebung 28 der direkt verbundenen oder der naheliegenden Elemente 2 der assoziativen Datenstruktur angezeigt wird, vorteilhaft graphisch unter Darstellung des Abstands zwischen einzelnen Entwicklungen und deren Kurztiteln. In der lokalen Umgebung 28 kann über eine Untermarkierung zwischen den einzelnen Entwicklungen gewandert werden, wobei die Definition 25 und Kurzbeschreibung 29 dieser angezeigt wird. Nach vollständiger Definition 25 wird das Wechselwirkungspaar und die Bezüge signiert und über den Stream in die assoziative Datenstruktur des neuro- nalen Netzes integriert. In weiteren Tools 30 ermöglicht das Dialogsystem in ähnlicher oder üblicher Weise intuitiv die Eingabe oder Ausgabe eines Logins, eines Filters, einer textbasierten Suche, eine rekursive Eingabe von allgemeineren Entwicklungen zur Vorabdefinition von Begriffen, die Eingabe von zusätzlichen Bezügen und von Bewertungen, die Ausgabe der Strukturdaten der eingetragenen, direkt bezogenen Entwicklungen, insbesondere Koordinatenangaben des Elements zur Merkmalsanalyse der Entwicklung, Angabe deren zugeordnete Masse, bspw. mit Hilfe von Skalarprodukten berechnete "Erfin- dungshöhe" zu nächstliegenden (Kugel) oder nächstähnlichen (Raumwinkel) eingetragenen Entwicklungen, mit Hilfe der Norm ermittelter "Konkretisierungsgrad" und mit Hilfe der Zeitindizes von gleichen Tennen aus Begriffen gleicher Bedeutung berechneter "Zeitrang" dieser. Bei den Analysen werden optional mehrere Entwicklungen (geeignet ausgewählt, gefiltert) berücksichtigt, wobei auch eine Analyse für einem zurückliegenden Zeitpunkt möglich ist. bei welcher alle Elemente jüngeren Zeitindizes unberücksichtigt bleiben und sich demzufolge die assoziative Datenstruktur in einer zurückliegenden Struktur darstellt.
Nach Fig. 5 wird die dynamische Umstrukturierung beschrieben. Die assoziative Datenstruktur besteht aus Elementen (hier Dokumente und Urkunden), welche von älteren Dokumenten ausgehend über Bezüge von Merkmalen A. B, ... strukturiert und zur Initialisierung TO (31 ) signifikant bewertet sind. Zu Tl (32) wird zur Eintragung einer Urkunde I ein dazu notwendiger endgültigen Bezug C auf Dokument II und das zugeordnete nichtoffenge legte Dokument (I) eingetragen. Die Urkunde I' stellt eine abhängige Urkunde I' zur Urkunde I dar. Zu T2 (33) ist bspw. nach der Prüfung einer später angemeldeten Urkunde III, bezüglich des Dokuments II für ein äquivalentes Merkmal C ein älterer Bezug C als der des Bezugsdokuments IV signifikant, was eine Abwertung des alten Bezugs C und eine geänderte assoziative Datenstruktur ergibt. Zu T3 (34) wird nach der Offenlegung des Dokument I erkennbar, dass alle Merkmale C;E;F vom Dokument III bereits vollständig durch das Dokument I vorweggenommen sind, und von einem Nutzer bspw. einem Prüfer, wird ein neuer signifikanter Bezug C, E, F zum Dokument I eingetragen. Somit wird die
Urkunde III mit jüngeren endgültigen Bezug C, E, F zu Dokument V wegen fehlender Neuheit löschungsreif.
Fig. 6 beschreibt speziell Analysen im Patentwesen: Zur Ermittlung der "Erfindungshöhe" der Urkunde III werden zum Prioritätszeitpunkt (35) die Äste der einzelnen Merkmale rekursiv über ihre als Bezugselemente dienenden offengelegten Dokumente II, IV, V bewertet, wodurch über die sich damit ergebenden Koordinaten eine Berechnung möglich ist. Zur Ermittlung der "Neuheit" der Urkunde III wird zum aktuellen Zeitpunkt (36) in der assoziativen Datenstruktur bezüglich des zugeordneten Dokuments III der Zeitrang der Gesamtheit aller Merkmale der fixierten Bezüge C, E, F untersucht.
Mit der beispielhaften Entwicklung E und den beispielhaften Bezügen B l bis B3 und deren ebenfalls beispielhaften Textfeldern:
KTE: Antirostschraube
KBE: Eine übliche Stahlschraube bildet keinen Rost, wenn ihre Oberfläche mit einem galvanisch aufge- brachten Überzug aus Nickel versehen ist. KLE: Nickelschraube
DLE: galvanisch aufgebrachter Überzug aus Nickel auf eine Gewindeschraube KAE: nichtrostend DAE: bildet keinen Rost
KTB \ Schraube
KBB 1 : Eine Schraube weist einen drehformschlüssigen Gewindestift auf
KLBl : Gewindestift
DLB 1 : Stift mit Aussengewinde KAB 1 : drehformschlüssig DAB 1 Schraubbewegung ist alleiniger Freiheitsgrad
KTB2 Schraube
KBB2 Eine Schraube ist mit ihrem Spiralzvhnder in ein Innengewinde eindrehbar
KLB2 Spiralzvhnder
DLB2 Zylindermantel ist spiralartig ausgeformt
KAB2 eindrehbar
DAB2 Möglichkeit einer Drehung mit axialer Translation als Quelldokument ist XXX eingetragen
KTB3 Antriebsschraube
KBB3 Eine Antriebsschraube erzeugt als Propeller mit seiner Drehung eine Bewegung flutder Medien KLB3 Propeller
DLB3 schraubenförmiges Antriebsmittel für fluide Medien KAB3 erzeugt Strömung
DAB3 Drehung erzeugt Bewegung eines Flutds
wird als Ausfuhrungsbeispiel rechnergestutzt folgende provisorische Schutzrechtsanmeldung generiert und beim Patentamt per FAX eingereicht
"Antrag auf Erteilung eines Patents
Anmelder und alleiniger Erfinder Steiner, Ralf
Zustelladresse Baianstrasse 389 81549 München, Deutschland
A ntirostschraube
Gattung der Erfindung
Die Erfindung bezeichnet ein Anttrostschraube Stand der Technik
Vorbekannt ist Schraube mit Gewindestift, welcher drehformschlusstg ist Weiter vorbekannt ist Schraube mit Spiralzvhnder welcher eindrehbar aus der Druckschrift XXX vorbekannt ist Weiter vorbekannt ist
Antriebsschraube mit Propeller, welcher erzeugt Strömung
Aufgabe Aufgabengemäss ist die Anttrostschraube nichtrostend Ntckelschraube gemass des Schutzanspruchs lost diese Aufgabe
Losung
Dazu wird im wesentlichen ein Schraube mit Gewtndesttft, welcher drehformschlusstg ODER ein
Schraube mit Spiralzvhnder welcher eindrehbar UND NICHT ein Antriebsschraube mit Propeller, wel- eher erzeugt Strömung ausgeführt als Ntckelschraube, indem galvanisch aufgebrachter Überzug aus
Nickel auf eine Gewindeschraube bewirkt dass dieser bildet keinen Rost
Vorteilhafte Ausfuhrungsform
Vorteilhaft wird die Anttrostschraube ausgeführt als Schraube, indem Stift mit Aussengewinde bewirkt, dass dieser Schraubbewegung ist alleiniger Freiheitsgrad Eine Schraube weist einen drehformschlussi- gen Gewtndesttft auf ODER die Anttrostschraube wird ausgeführt indem Zylindermantel ist spiralartig ausgeformt bewirkt, dass dieser Möglichkeit einer Drehung mit axialer Translation Eine Schraube ist mit ihrem Spiralzvhnder in ein Innengewinde eindrehbar UND NICHT die Anttrostschraube wird ausgeführt indem schraubenförmiges Antriebsmittel f r fluide Medien bewirkt, dass dieser Drehung erzeugt Bewegung eines Fluids Eine Antriebsschraube erzeugt als Propeller mit seiner Drehung eine Bewegung fluider Medien Dadurch ist die Anttrostschraube nichtrostend Eine übliche Stahlschraube bildet keinen Rost, wenn ihre Oberflache mit einem galvanisch aufgebrachten Überzug aus Nickel versehen ist
Anspruch
/ Anttrostschraube, welche als Schraube oder als Schraube und nicht als Antriebsschraube ausgeführt ist, dadurch gekennzeichnet, da diese als Nickelschraube ausgeführt ist
Kurzfassung
Die Erfindung bezeichnet ein Anttrostschraube Aufgabengemäss ist die Anttrostschraube nichtrostend Eine übliche Stahlschraube bildet keinen Rost wenn ihre Oberflache mit einem galvanisch aufgebrachten Überzug aus Nickel versehen ist
Erfinderbenennung
Bezeichnung der Erfiuαi'iig Anttrostschraube
Erfinder Steiner, Ralf Baianstrasse 389 81549 München Deutschland Das Recht auf das Schutzrecht ist auf den Anmelder übergegangen durch Erfinder ist Anmelder"
Bezugszeichen:
1 neuronales Netz
2 Elemente 3 Hilbertraum
4 Koordinatenvektor
5 Wechselwirkungspaar
6 Quantität
7 Qualität 8 Wissensmenge einer Bezugsentwicklung
9 Bezug
10 Wissensmenge einer weiteren Bezugsentwicklung
1 1 Wissensmenge der Entwicklung
12 Bezugsgattung 13 Stream
14 Speicherbereich
15 verkettete Liste
16 Strukturelement
17 computerspezifische Zeiger 18 NOT-Element
19 Paar 0 Koordinatenliste 1 Rückbezugsliste 2 Vorwärzbezugsliste 3 Bewertungsliste 4 intuitive Oberfläche 5 Definition 6 Auswahl 7 Schalter 8 Umgebung 9 Kurzbeschreibung 0 Tool 1 Zeitpunkt T0 2 Zeitpunkt Tl 3 Zeitpunkt T2 4 Zeitpunkt T3 5 Prioritätszeitpunkt 6 aktueller Zeitpunkt

Claims

Patentansprüche
1. Neuronales Netz zum computergestützten Wissensmanagement, wobei das neuronale Netz (1) aus aufeinander bezogenen und gewichteten Elementen (2) besteht, welches rechentechnisch als assoziative Datenstruktur dynamisch im Speicherbereich (14) eines Computers angelegt ist, und den einzelnen Elementen (2) ein Bedeutungsinhalt zugeordnet ist, dadurch gekennzeichnet,
- dass jedem Element (2) als Bedeutungsinhalt eine Definition (25) einer Entwicklung zugeordnet oder diese direkt beinhaltet ist,
- dass diese Definition (25) eine Teilmenge in Form eines Wechselwirkungspaares (5) ausbildet, wel- ches optional in der Form < Quantität (6) | Qualität (7) > über seine verbale Definition (25) die Entwicklung und damit genau die Wissensmenge (1 1) definiert, welche die Quantität (6) auf die Qualität (7) und die Qualität (7) auf die Quantität (6) abbildet und
- dass die Elemente (2) einen Hilbertraum (3) ausbilden.
2. Neuronales Netz zum computergestützten Wissensmanagement nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet,
- dass ein Operator zur Berechnung eines Skalarprodukts zwischen je zwei Elementen (2) implementiert ist, welcher optional die Form des euklidischen für den n-dimensionalen Raum aufweist,
- dass vom neuronalen Netzes ( 1 ) zu jedem Element (2) ein zugeordnetes NOT-Element ( 18) mit nega- tivem Gewicht des Elements (2) generierbar ist, welches genau die von der Wissensmenge (1 1 ) des zugeordneten Elements (2) ausgeschlossene Wissensmenge bezeichnet, und optional mit dem Element (2) als Paar ( 19) generiert ist,
- dass im neuronalen Netz (1 ) ein Neueintrag eines Elements (2) als eine Addition und eine Bewertung eines Bezugs (9) als eine Multiplikation im Hilbertraum (3) implementiert ist und - dass vom neuronalen Netz (1 ) für jedes Element (2) ein Mass berechenbar und optional mit diesem gespeichert ist.
3. Neuronales Netz zum computergestützten Wissensmanagement nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, - dass dem Element (2) genau ein Koordinatenvektor (4) zugeordnet ist oder diesen direkt beinhaltet, welcher optional über Rekursionen im neuronalen Netz ( 1 ) berechnet wird,
- dass optional der Koordinatenvektor (4) als dynamisch verkettete Liste (15) ausgebildet ist und optional nur die notwendigen Koordinaten mit und nach ihrem Zeitindex geordnet beinhaltet,
- dass optional jedes Element (2) beim Eintrag einen eindeutigen Zeitindex und einen eindeutigen Nutzerindex beinhaltet,
- dass optional eine Verschlüsselung, Identifizierung des berechtigten Nutzers und Authentifizierung der Eingaben über implementierte kryptologische Verfahren sichergestellt ist, wobei optional mit Hilfe des Zeitindex und des Nutzerindex die Authentizität der Definition und der Bezüge (9) gewährleistet und diese optional verschlüsselt sind, - dass optional über einen temporären Datenbereich der verschiedenartigen Listenelemente der Berechnungszeitindex ihrer letzten Berechnung zugeordnet ist, wobei dieser Berechnungszeitindex optional vor Ausführung der Berechnung mit dem aktuellen Berechnungszeitindex verglichen wird und
- dass optional jedes Element (2) einen Verweis auf den zugeordneten Eintrag einer Inhaltsdatenbank aufweist, welcher als Grundlage zur Generierung des Wissens diente.
4. Neuronales Netz zum computergestützten Wissensmanagement nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet,
- dass das neuronale Netz ( 1 ) Bestandteil eines Servers ist.
- dass es optional über das Internet und optional über Einbindung eines sicheren e-Commerce Systems über ein Dialogsystem mit einem Nutzer verbunden ist,
- dass optional die Eingabe für das neuronale Netz ( 1 ) über einen chronologischen Stream (13) erfolgt,
- dass optional separate dezentrale neuronale Netze ( 1 ') mit dem zentralen neuronalen Netz ( 1 ) über eine Kommunikationsverbindung verbunden und optional halbseitig gespiegelt sind und
- dass optional das Dialogsystem eine intuitive Oberfläche (24) aufweist, welche als Eingabe für das neuronale Netz (1 ) eine Definition (25) des Wechselwirkungspaares (5), aus einer Auswahl (26) über
Schalter (27) selektierte Bezüge (9) und optional einen Kurztitel und eine Kurzbeschreibung (29) sowie als Ausgabe die graphische Anzeige einer lokalen Umgebung (28) von direkt verbundenen und/oder unverbundenen Elementen (2) in der assoziativen Datenstruktur gestattet sowie weitere Tools (30) aufweist.
5. Neuronales Netz zum computergestützten Wissensmanagement nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet,
- dass dem neuronalen Netz (1 ) speziell angepasste Systeme für Anwendungen im Patentwesen, Makroökonomie, Marktanalyse oder Genanalyse zugeordnet sind, - dass speziell für eine Anwendung im Patentwesen optional über einen entsprechenden Zeitfilter bei der Ausgabe eine Offenlegungsschonfrist realisiert ist, optional das Wissen eines Schutzrechts als Kopie mit unveränderbaren abschliessenden Bezügen (9), Definitionen (25) und mit einem besonderen Flag gekennzeichnet ist, optional bezüglich eines derartigen Schutzrechtswissens zu einem gegebenen Zeitindex gegenüber der assoziativen Datenstruktur eine rechentechnisch definierte sachliche Neuheit bezüglich der Gesamtheit der signifikanten Bezüge (9) sowie eine rechentechnisch definierte sachliche
Erfindungshöhe über Masse berechenbar ist, und optional ein Verweis auf das zugeordnete amtliche Register mit dem Rechtsstand beinhaltet ist.
6. Neuronales Netz zum computergestützten Wissensmanagement nach einem der vorhergehenden An- sprüche, dadurch gekennzeichnet,
- dass den einzelnen Elementen jeweils ein ergänzendes verbales Textfeld zugeordnet ist. welches den Bedeutungsinhalt der Wissensmenge obiger Definition kurz erläutert oder schlagwortartig verkürzt darstellt, wobei optional den einzelnen Elementen sowohl erläuternde als auch verkürzende Textfelder in Form von Kurztitel und Kurzbeschreibung zugeordnet sind. - dass optional jedes Teil des Wechseiwirkungspaares in eine Kurzfassung und eine Definition unterteilt ist und diesen ein Textfeld zugeordnet ist.
7. Neuronales Netz zum computergestützten Wissensmanagement nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, - dass dem neuronalen Netz Mittel zur Telekopie und/oder Fernübertragung von Textdaten zugeordnet sind und
- dass optional Mittel zur Unterstützung elektronischer Unterschriften vorhanden sind.
8. Verfahren für ein neuronales Netz zum computergestützten Wissensmanagement, dadurch gekenn- zeichnet, dass - in einem Schritt eine erweiternde Eingabe an das neuronale Netz (1) erfolgt, welche optional zuvor in einen Stream (13) konvertiert wurde,
- in einem weiteren Schritt durch Zugriff auf einen linearen Speicherbereich (14) des Computers, die Verwendung und Arithmetik von computerspezifischen Zeigern (17) auf Teile dieses Speicherbereichs (14) und einen für Rekursionen über die gesamte assoziative Datenstruktur ausreichend grossen Stack eine Verknüpfung und inkrementelle Erweiterung der assoziativen Datenstruktur des neuronalen Netzes ( 1) um diese Eingabe erfolgt,
- in einem weiteren Schritt das Gewicht der Elemente (2) aktualisiert bzw. berechnet wird, wobei der Neueintrag eines Elements (2) einer Addition und die Bewertung eines Bezugs (9) einer Multiplikati- on unter Verwendung der implementierten Operatoren zur Berechnung der Metrik, Norm und Ska- larprodukt im Hilbertraum entspricht, welche vorzugsweise als euklidische für den n-dimensionalen Raum ausgebildet sind,
- in einer optionalen Vielzahl der vorhergehenden Schritte statistisch eine Konvergenz der assoziativen Datenstruktur des neuronalen Netzes (1 ) zu geringer Redundanz erfolgt, - in einem weiteren Schritt unter Verwendung der Operatoren zur Berechnung der Metrik, Norm und Skalarprodukt im Hilbertraum über die Berechnung von Massen vom neuronalen Netz ( 1 ) eine Verwaltung von und/oder Analyse zwischen einzelnen Elementen (2) vorgenommen wird,
- in einem letzten Schi itt die Ergebnisse der Verwaltung oder Analyse ausgegeben werden.
9. Verfahren für ein neuronales Netz zum computergestützten Wissensmanagement nach einem der vorhergehenden Verfahrensansprüche, dadurch gekennzeichnet,
- dass alle Elemente (2) dynamisch gespeichert und über eine über Zeiger (17) verkettete Liste (15) dynamisch verwaltet werden,
- dass jedes Element (2) ein eindeutig zugeordnetes NOT-Element (18) besitzt, welches optional einen Zeiger ( 17) auf dasselbe Wechsel wirkungspaar (5) aufweist und optional mit der Generierung des E- lements (2) generiert wird, wobei sich optional das NOT-Element (18) im LSB des Zeitindex vom zugeordneten Element (2) unterscheidet,
- dass optional die Generierung der Bezüge (9) selbst über eine Intervalls«; ijjchtelung zur Ermittlung des dem Zeitindex in der konkreten assoziativen Datenstruktur zugeordneten Speicherbereiches ( 14) des Bezugselements erfolgt und
- dass diese optional über Zeiger (17) ein- oder wechselseitig verkettet werden, wobei diese optional über dynamische Bezugslisten (21 , 22) verwaltet werden,
- dass die Bezüge (9) selbst optional mit dynamisch gespeicherten, optional nutzerspezifischen, Bewertungen versehen werden, welche optional über das LSB des eindeutigen Nutzerindex ausgebildet sind und welche optional über dynamisch verkettete Bewertungslisten (23) verwaltet werden,
- dass die Operatoren zur Berechnung der Metrik, Norm und Skalarprodukt im Hilbertraum vom neuronalen Netz ( 1 ) auf rekursiv ermittelte Koordinaten und/oder auf Koordinatenvektoren (4) der Elemente (2) angewandt werden und optional die Analysen auf Methoden der Vektorrechnung beruhen und
- dass optional vom neuronalen Netz ( 1 ) aus den am meisten signifikanten Bezügen (9) der assoziativen Datenstruktur und den zugeordneten Elementen (2) ein Klassifizierungssystem generiert wird.
10. Verfahren für ein neuronales Netz zum computergestützten Wissensmanagement nach einem der vorhergehenden Verfahrensansprüche, dadurch gekennzeichnet,
- dass über die intuitive Oberfläche (24) bereits während der Eingabe der Definition (25) des Wechsel- wirkungspaares (5) vom neuronalen Netz (1) eine Auswahl (26) von Elementen (2) ausgegeben wird, welche ähnliche Begriffe wie in der Definition (25) beinhalten, wobei optional ein durch den Nutzer geschalteter Bezug (9) auf ein Element (2) vom neuronalen Netz ( 1 ) als trainierende Eingabe benutzt wird,
- dass optional neue, die beschriebene Wissensmenge (1 1) definierende Quantitäten (6) bzw. Qualitäten (7) auf der Basis der durch angegebene Bezüge (9) vorbekannten Quantitäten (6) bzw. Qualitäten (7) durch den Nutzer begrifflich festgelegt werden, wobei optional Operatoren AND, OR, NOT verwendet werden, diese optional vom neuronalen Netz (1) über eine Analyse der Syntax und Semantik in mathematisch logische Terme von Begriffen transformiert und rekursiv über die Bezugselemente rechentechnisch aufgelöst werden, wobei optional daraus vom neuronalen Netz (1) je einen Thesaurus für Quantitäten (6) bzw. Qualitäten (7) generiert wird, welcher diese Begriffe hierarchisch strukturiert und entsprechend des Gewichts der sie verwendenden Elemente (2) bewertet beinhaltet,
- dass optional jedem Element (2) durch den Nutzer eine konkrete in der beschriebenen Wissensmenge (1 1 ) beinhaltete Entwicklung als Kurzbeschreibung (29) und ein Kurztitel beigefügt wird, wobei optional in den Kurzbeschreibungen (29) und Definitionen (25) in üblicher Weise textorientiert und/oder über linguistisch sinnvolle Verknüpfungen im Kontext nach Begriffen recherchiert werden kann, wobei optional dazu vom neuronalen Netz (1 ) je eine rechts- und linkgeordnete indizierte Liste der Begriffe mit Verweis auf den Zeitindex des diesen beinhaltenden Elements (2) oder ein Zeiger (17) auf diesen generiert wird und
- dass optional der zur Eingabe dienende Stream (13) im Preprozessing automatisch aus textbasierten Inhalten von Inhaltsdatenbanken generiert wird, indem eine computergestützte automatische verdichtende Projektion aus dem Kontext des Inhalts in das Format des Streams (13) erfolgt, wobei optional beim Preprozessing automatisch die Recherchenmöglichkeiten und der Thesaurus über der Wissensbasis des neuronalen Netzes (1) verwendet werden.
1 1. Verfahren für ein neuronales Netz zum computergestützten Wissensmanagement nach einem der vorhergehenden Verfahrensansprüche, wobei die Innovation als spezielle Entwicklung über ein rechnergestütztes Wissensmanagementsystem über verbale Definitionen und Bezüge zu anderen vorbekannten Entwicklungen dargestellt wird, dadurch gekennzeichnet, dass - in einem optionalen ersten Verfahrensschritt über die vom Wissensmanagementsystem berechnete und dem Nutzer ausgegebene Neuheit und Erfindungshöhe die Innovation bezüglich hohen Innovationspotentials vom Nutzer sukzessive fokussiert wird,
- in einem weiteren Verfahrensschritt vom Nutzer die Angaben zur Identität und Adresse des Nutzers sowie sämtliche Textfelder eingegeben werden, - in einem weiteren Verfahrensschritt die Entwicklung als Innovation in das Wissensmanagementsystem eingetragen wird, wobei diese optional über eine Veröffentlichungsschonfrist nutzerspezifisch sicher verschlüsselt unzugänglich ist,
- in einem optionalen weiteren Verfahrensschritt rechnergestützt unter Verwendung von Standardfloskeln eine provisorische Schutzrechtsanmeldung generiert wird und - in einem optionalen letzten Verfahrensschritt diese unverzüglich an eine Schutzrechtsannahmestelle übertragen wird, wobei optional diese Anmeldung mit einer elektronischen Unterschrift signiert wird.
12. Verwendung des neuronalen Netzes zum computergestützten Wissensmanagement nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, - dass es im Patentwesen als Expertensystem für sachliche Entscheidungen, zur Verwaltung oder für Analysen dient, wobei das Wechselwirkungspaar (5) zwischen Lösungen und Aufgaben bzw. Mittel und Wirkungen im technischen Gebiet ausgebildet ist, oder
- dass es in der Makroökonomie als Expertensystem für wirtschaftliche Entscheidungen, zur Verwal- tung oder für Analysen dient, wobei das Wechselwirkungspaar (5) zwischen wirtschaftlich trennbaren
Einzelwirtschaften und Tätigkeitsfeldern ausgebildet ist, oder
- dass es im Marketing als Expertensystem für Vertriebsentscheidungen, zur Verwaltung oder für Analysen dient, wobei das Wechselwirkungspaar (5) zwischen Produkten und Kundenbedürfnissen ausgebildet ist, oder - dass es in der Gentechnik als Expertensystem für die DNS-Sequenzierung, zur Verwaltung oder für
Analysen dient, wobei das Wechselwirkungspaar (5) zwischen Gensequenzen und Biofunktionen ausgebildet ist, oder
- dass es in der Innovationsförderung zur Schutzrechtsanmeldung von innovativen Entwicklungen bei Schutzrechtsannahmestellen ausgebildet ist.
HIERZU 5 SEITEN ZEICHNUNGEN
PCT/DE2000/001669 1999-05-24 2000-05-24 Neuronales netz zum computergestützten wissensmanagement WO2000072256A2 (de)

Priority Applications (5)

Application Number Priority Date Filing Date Title
EP00943636A EP1222625B1 (de) 1999-05-24 2000-05-24 Neuronales netz zum computergestützten wissensmanagement
AU58041/00A AU5804100A (en) 1999-05-24 2000-05-24 Neuronal network for computer-assisted knowledge management
DE50012539T DE50012539D1 (de) 1999-05-24 2000-05-24 Neuronales netz zum computergestützten wissensmanagement
US09/979,684 US7092857B1 (en) 1999-05-24 2000-05-24 Neural network for computer-aided knowledge management
DE10081401T DE10081401D2 (de) 1999-05-24 2000-05-24 Neuronales Netz zum Computergestützten Wissensmanagement

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
DE19923622A DE19923622A1 (de) 1998-08-31 1999-05-24 Neuronales Netz zum rechnergestützten Wissenmanagement
DE19923622.4 1999-05-24
EP99116789A EP0984364A3 (de) 1998-08-31 1999-08-31 Neuronales Netz zum computergestützten Wissensmanagement
EP99116789.1 1999-08-31
DE19964094A DE19964094A1 (de) 1999-12-31 1999-12-31 Neuronales Netz zur Unterstützung von Innovationen
DE19964094.7 1999-12-31

Publications (2)

Publication Number Publication Date
WO2000072256A2 true WO2000072256A2 (de) 2000-11-30
WO2000072256A3 WO2000072256A3 (de) 2002-04-04

Family

ID=27219157

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/DE2000/001669 WO2000072256A2 (de) 1999-05-24 2000-05-24 Neuronales netz zum computergestützten wissensmanagement

Country Status (6)

Country Link
US (1) US7092857B1 (de)
EP (1) EP1222625B1 (de)
AT (1) ATE322723T1 (de)
AU (1) AU5804100A (de)
DE (2) DE10081401D2 (de)
WO (1) WO2000072256A2 (de)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AT501028A1 (de) * 2001-09-27 2006-05-15 Siemens Ag Oesterreich Verfahren und vorrichtung zur bewertung von börsekursen
DE10291392B4 (de) * 2001-02-15 2007-08-16 Metalife Ag Verfahren, System und Datenträger zur Erzeugung von Korrelationen und/oder Interaktionen und/oder Wissen aus einer Vielzahl von durchsuchten Datensätzen
US8992227B2 (en) 2001-04-28 2015-03-31 Manchester Metropolitan University Methods and apparatus for analysing the behaviour of a subject
EP2909756A1 (de) 2012-10-19 2015-08-26 Patent Analytics Holding Pty Ltd System und verfahren zur präsentation und visuellen navigation durch netzwerkdatensätze
CN108431832A (zh) * 2015-12-10 2018-08-21 渊慧科技有限公司 利用外部存储器扩增神经网络

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8005740B2 (en) 2002-06-03 2011-08-23 Research Affiliates, Llc Using accounting data based indexing to create a portfolio of financial objects
US8374951B2 (en) 2002-04-10 2013-02-12 Research Affiliates, Llc System, method, and computer program product for managing a virtual portfolio of financial objects
US7587352B2 (en) 2002-04-10 2009-09-08 Research Affiliates, Llc Method and apparatus for managing a virtual portfolio of investment objects
US7792719B2 (en) * 2004-02-04 2010-09-07 Research Affiliates, Llc Valuation indifferent non-capitalization weighted index and portfolio
US7747502B2 (en) 2002-06-03 2010-06-29 Research Affiliates, Llc Using accounting data based indexing to create a portfolio of assets
US8374937B2 (en) 2002-04-10 2013-02-12 Research Affiliates, Llc Non-capitalization weighted indexing system, method and computer program product
US7620577B2 (en) * 2002-06-03 2009-11-17 Research Affiliates, Llc Non-capitalization weighted indexing system, method and computer program product
US8589276B2 (en) 2002-06-03 2013-11-19 Research Afiliates, LLC Using accounting data based indexing to create a portfolio of financial objects
AU2003258556A1 (en) * 2003-08-01 2005-03-16 Centrum Fur Ertragsoptimierung Aktiengesellschaft Measuring method and pattern recognition machine for identifying a vector characteristic of business management of a subject of knowledge and method and machine for automatically characterizing a subject of knowledge from the point of view of business management
US9015093B1 (en) 2010-10-26 2015-04-21 Michael Lamport Commons Intelligent control with hierarchical stacked neural networks
US8775341B1 (en) 2010-10-26 2014-07-08 Michael Lamport Commons Intelligent control with hierarchical stacked neural networks
WO2013028935A1 (en) * 2011-08-23 2013-02-28 Research Affiliates, Llc Using accounting data based indexing to create a portfolio of financial objects
CN103064008B (zh) * 2012-12-26 2016-01-20 浙江大学 一种基于希尔伯特-黄变换的非线性模拟电路软故障诊断方法
US9785886B1 (en) 2017-04-17 2017-10-10 SparkCognition, Inc. Cooperative execution of a genetic algorithm with an efficient training algorithm for data-driven model creation
US10963790B2 (en) 2017-04-28 2021-03-30 SparkCognition, Inc. Pre-processing for data-driven model creation
US10410121B2 (en) * 2017-10-25 2019-09-10 SparkCognition, Inc. Adjusting automated neural network generation based on evaluation of candidate neural networks
US20190138890A1 (en) * 2017-11-08 2019-05-09 Ping Liang Expandable and real-time recofigurable hardware for neural networks and logic reasoning
CN108763445B (zh) * 2018-05-25 2019-09-17 厦门智融合科技有限公司 专利知识库的构建方法、装置、计算机设备和存储介质
US10685286B1 (en) 2019-07-30 2020-06-16 SparkCognition, Inc. Automated neural network generation using fitness estimation
US20230019194A1 (en) * 2021-07-16 2023-01-19 Dell Products, L.P. Deep Learning in a Virtual Reality Environment
CN116938644A (zh) * 2022-03-31 2023-10-24 华为技术有限公司 一种信号处理方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0378115A2 (de) * 1989-01-06 1990-07-18 Hitachi, Ltd. Neuronaler Rechner
US4967369A (en) * 1988-06-07 1990-10-30 Jourjine Alexander N Variable capacity transmission medium
EP0493292A2 (de) * 1990-12-11 1992-07-01 International Business Machines Corporation Verfahren und Gerät mit Vorausschau für vorhersagendes Wählen mit einem neuronalen Netzwerk
US5410716A (en) * 1989-03-28 1995-04-25 Mitterauer; Bernhard Computation system for the simulation of the cerebral cortex
US5659666A (en) * 1994-10-13 1997-08-19 Thaler; Stephen L. Device for the autonomous generation of useful information

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0468229A3 (en) * 1990-07-27 1994-01-26 Hnc Inc A neural network with expert system functionality
US6400996B1 (en) * 1999-02-01 2002-06-04 Steven M. Hoffberg Adaptive pattern recognition based control system and method
DE19715503A1 (de) * 1997-04-14 1998-10-15 Siemens Ag Integriertes Rechner- und Kommunikationssystem für den Anlagenbereich
GB2344446A (en) * 1998-12-02 2000-06-07 Mars Inc Classifying currency items

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4967369A (en) * 1988-06-07 1990-10-30 Jourjine Alexander N Variable capacity transmission medium
EP0378115A2 (de) * 1989-01-06 1990-07-18 Hitachi, Ltd. Neuronaler Rechner
US5410716A (en) * 1989-03-28 1995-04-25 Mitterauer; Bernhard Computation system for the simulation of the cerebral cortex
EP0493292A2 (de) * 1990-12-11 1992-07-01 International Business Machines Corporation Verfahren und Gerät mit Vorausschau für vorhersagendes Wählen mit einem neuronalen Netzwerk
US5659666A (en) * 1994-10-13 1997-08-19 Thaler; Stephen L. Device for the autonomous generation of useful information

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10291392B4 (de) * 2001-02-15 2007-08-16 Metalife Ag Verfahren, System und Datenträger zur Erzeugung von Korrelationen und/oder Interaktionen und/oder Wissen aus einer Vielzahl von durchsuchten Datensätzen
US8992227B2 (en) 2001-04-28 2015-03-31 Manchester Metropolitan University Methods and apparatus for analysing the behaviour of a subject
AT501028A1 (de) * 2001-09-27 2006-05-15 Siemens Ag Oesterreich Verfahren und vorrichtung zur bewertung von börsekursen
AT501028B1 (de) * 2001-09-27 2008-08-15 Siemens Ag Oesterreich Verfahren und vorrichtung zur bewertung von börsekursen
EP2909756A1 (de) 2012-10-19 2015-08-26 Patent Analytics Holding Pty Ltd System und verfahren zur präsentation und visuellen navigation durch netzwerkdatensätze
US9767160B2 (en) 2012-10-19 2017-09-19 Patent Analytics Holding Pty Ltd System and method for presentation and visual navigation of network data sets
US10565215B2 (en) 2012-10-19 2020-02-18 Patent Analytics Holding Pty Ltd System and method for presentation and visual navigation of network data sets
CN108431832A (zh) * 2015-12-10 2018-08-21 渊慧科技有限公司 利用外部存储器扩增神经网络

Also Published As

Publication number Publication date
DE10081401D2 (de) 2002-12-05
US7092857B1 (en) 2006-08-15
ATE322723T1 (de) 2006-04-15
EP1222625A2 (de) 2002-07-17
EP1222625B1 (de) 2006-04-05
AU5804100A (en) 2000-12-12
DE50012539D1 (de) 2006-05-18
WO2000072256A3 (de) 2002-04-04

Similar Documents

Publication Publication Date Title
WO2000072256A2 (de) Neuronales netz zum computergestützten wissensmanagement
EP1783633B1 (de) Suchmaschine für eine ortsbezogene Suche
DE112018005725T5 (de) Daten-deidentifikation auf der grundlage eines erkennens von zulässigen konfigurationen für daten-deidentifikationsprozesse
DE10356399B4 (de) Datenverarbeitungssystem
DE60032258T2 (de) Bestimmen ob eine variable numerisch oder nicht numerisch ist
EP1264253B1 (de) Verfahren und anordnung zur modellierung eines systems
DE19963123B4 (de) Analytisches Informationssystem
DE102021127398A1 (de) Beziehungserkennung und -quantifizierung
WO2002061615A2 (de) Rechnersystem
WO2021190715A1 (de) Computerimplementiertes verfahren und verteiltes speichersystem zum bereitstellen vertrauenswürdiger datenobjekte
EP0984364A2 (de) Neuronales Netz zum computergestützten Wissensmanagement
EP1094405A2 (de) Verfahren zum Erzeugen einer dynamischen Auswahlmaske für den Abruf von Daten aus einer Datenbank
WO2001071577A2 (de) Verfahren zum auffinden von objekten
Yu Improving Knowledge Accessibility on the Web-from Knowledge Base Augmentation to Search as Learning
EP1376402A2 (de) System zur Visualisierung eines Portfolios
EP1098273A2 (de) Elektronisches Kartenvorverkaufssystem
DE19940990C2 (de) Netzwerk
EP0833263A2 (de) Datenbank, Verfahren zum Ableiten einer Datenbank und Verfahren zur Abfrage einer Datenbank
DE19964094A1 (de) Neuronales Netz zur Unterstützung von Innovationen
DE102019200474A1 (de) Eingabesystem und Verfahren zur Sicherstellung einheitlicher Begriffskonventionen in einer für mehrere Benutzer zugänglichen Anwendung
WO2004095313A1 (de) Datenverarbeitungssystem für benutzerfreundliche datenbank-recherchen
Haffner Request prediction and hyperlink proposals: methodologies and mathematics behind web applications
DE102017007331A1 (de) Verfahren zur Mensch-Maschine-Interaktion in Bewertungssysemen
DE102022124990A1 (de) Datenbank eines Rechners
EP3716578A1 (de) Verfahren und eine vorrichtung zum ansteuern eines technischen geräts mit einem optimalen modell

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A2

Designated state(s): AE AL AM AT AU AZ BA BB BG BR BY CA CH CN CR CU CZ DE DK DM EE ES FI GB GD GE GH GM HR HU ID IL IN IS JP KE KG KP KR KZ LC LK LR LS LT LU LV MA MD MG MK MN MW MX NO NZ PL PT RO RU SD SE SG SI SK SL TJ TM TR TT TZ UA UG US UZ VN YU ZA ZW

AL Designated countries for regional patents

Kind code of ref document: A2

Designated state(s): GH GM KE LS MW MZ SD SL SZ TZ UG ZW AM AZ BY KG KZ MD RU TJ TM AT BE CH CY DE DK ES FI FR GB GR IE IT LU MC NL PT SE BF BJ CF CG CI CM GA GN GW ML MR NE SN TD TG

121 Ep: the epo has been informed by wipo that ep was designated in this application
DFPE Request for preliminary examination filed prior to expiration of 19th month from priority date (pct application filed before 20040101)
WWE Wipo information: entry into national phase

Ref document number: 09979684

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 2000943636

Country of ref document: EP

AK Designated states

Kind code of ref document: A3

Designated state(s): AE AL AM AT AU AZ BA BB BG BR BY CA CH CN CR CU CZ DE DK DM EE ES FI GB GD GE GH GM HR HU ID IL IN IS JP KE KG KP KR KZ LC LK LR LS LT LU LV MA MD MG MK MN MW MX NO NZ PL PT RO RU SD SE SG SI SK SL TJ TM TR TT TZ UA UG US UZ VN YU ZA ZW

AL Designated countries for regional patents

Kind code of ref document: A3

Designated state(s): GH GM KE LS MW MZ SD SL SZ TZ UG ZW AM AZ BY KG KZ MD RU TJ TM AT BE CH CY DE DK ES FI FR GB GR IE IT LU MC NL PT SE BF BJ CF CG CI CM GA GN GW ML MR NE SN TD TG

WWP Wipo information: published in national office

Ref document number: 2000943636

Country of ref document: EP

REF Corresponds to

Ref document number: 10081401

Country of ref document: DE

Date of ref document: 20021205

WWE Wipo information: entry into national phase

Ref document number: 10081401

Country of ref document: DE

NENP Non-entry into the national phase

Ref country code: JP

WWG Wipo information: grant in national office

Ref document number: 2000943636

Country of ref document: EP