Уикипедия

Изкуствена имунна система

Изкуствена имунна система (на английски: artificial immune systems) е понятие от изкуствения интелект, с което се означават клас интелигентни системи, вдъхновени от принципите на имунната система при гръбначните животни, в частност човека, и процесите, протичащи в нея. Изследването на изкуствените имунни системи включва абстрахирането на структурата и функцията на имунната система за адаптирането им към изчислителни системи и изучаване на приложенията на тези системи за решаването на изчислителни задачи от областта на математиката, инженерните науки и информационните технологии. Областта на изучаване на изкуствените имунни системи е пресечна точка на биологично вдъхновените изчисления и машинното обучение като подобласти на изкуствения интелект.

Изкуствените имунни системи са адаптируеми системи, вдъхновени от теоретичната имунология и наблюдаваните имунни функции, принципи и модели, които са приложени към решаването на задачи.[1]

История на понятието редактиране

Изкуствените имунни системи се появяват в средата на 1980-те в статии на Farmer, Packard и Perelson (1986) и Bersini и Varela (1990), посветени на имунни мрежи. Като самостоятелна област на изследвания се обособяват през 1990-те в трудовете на Forrest et al. (върху негативна селекция) и Kephart et al.[2], които публикуват първите статии за изкуствени имунни системи през 1994, последвани от общирните изследвания на Dasgupta върху алгоритмите за негативна селекция. Hunt и Cooke изследват модели на имунни мрежи през 1995; Timmis и Neal продължават и подобряват работата им. През 2002 година известност добиват трудовете на De Castro и Von Zuben и на Nicosia и Cutello, посветени на клоналната селекция. Първата монография, посветена на изкуствените имунни системи, е под редакцията на Dasgupta през 1999. Сред скорошните разработки в областта са изследването на дегенеративните процеси в моделите на изкуствени имунни системи,[3][4][5][6]

Първоначално, изследванията над изкуствените имунни системи имат за цел да открият ефикасни абстракции на процесите, протичащи в имунна система, но впоследствие интересът се премества върху моделирането на биологични процеси и прилагането на имунните алгоритми към задачи от биоинформатиката.

Техники редактиране

Разпространените техники са вдъхновени от конкретни теории в областта на имунологията, които обясняват функцията и поведението на адаптивната имунна система при бозайниците.

  • Алгоритъм на отрицателната селекция: вдъхновен от процесите на положителна и отрицателна селекция, които настъпват по време на съзряването на T-клетките в тимуса. Отрицателната селекция се отнася до идентификацията и програмираното самоунищожаване (апоптоза) на самореагиращите клетки, т.е. T-клетки, които могат да атакуват собствените тъкани на организма. Този клас алгоритми типично се използват в задачи за класификация и разпознаване на образи, където пространството на задачата се моделира като неизвестно допълнение към наличното знание. Например в случая на приложение за откриване на аномалии, алгоритъмът подготвя набор от примерни детектори, тренирани над нормални (неаномални) образци, които моделират и откриват непознати или аномални образци.[8]
  • Алгоритми за имунни мрежи: вдъхновени от теорията за идиотипичната мрежа, предложена от Нилс Кай Йерне, която описва регулацията на имунната система чрез антиидиотипични антитела (антитела, които разпознават други антитела). Този клас алгоритми се използват за клъстеризация, визуализация на данните, управление и оптимизация и имат някои общи характеристики с изкуствените невронни мрежи.[9]
  • Алгоритъм на дендритните клетки: този алгоритъм се базира на абстрактен модел на дендритните клетки, резултат от изследване и моделиране на различни аспекти на функционирането им, от нивото на молекулните мрежи налични в клетката, до нивото на поведението присъщо на цяла популация от клетки. В рамките на алгоритъма, информацията е гранулирана на различни нива, което се постига с многомащабна обработка.[10]

Източници редактиране

  1. ↑ de Castro, Leandro N. Artificial Immune Systems: A New Computational Intelligence Approach. Springer, 2002. ISBN 978-1-85233-594-6. с. 57–58.
  2. ↑ Kephart, J. O. A biologically inspired immune system for computers // Proceedings of Artificial Life IV: The Fourth International Workshop on the Synthesis and Simulation of Living Systems. MIT Press, 1994, 130–139 с.
  3. ↑ Andrews and Timmis. A Computational Model of Degeneracy in a Lymph Node // Lecture Notes in Computer Science 4163. 2006. DOI:10.1007/11823940_13. с. 164.
  4. ↑ Mendao. The Immune System in Pieces: Computational Lessons from Degeneracy in the Immune System // Foundations of Computational Intelligence (FOCI). 2007. с. 394–400. Посетен на 11 март 2011.
  5. ↑ Edelman and Gally. Degeneracy and complexity in biological systems // Proceedings of the National Academy of Sciences of the United States of America 98 (24). 2001. DOI:10.1073/pnas.231499798. с. 13763–13768.
  6. ↑ Whitacre. Degeneracy: a link between evolvability, robustness and complexity in biological systems // Theoretical Biology and Medical Modelling 7 (6). 2010. DOI:10.1186/1742-4682-7-6. Посетен на 11 март 2011.
  7. ↑ de Castro, L. N. Learning and Optimization Using the Clonal Selection Principle (PDF) // IEEE Transactions on Evolutionary Computation, Special Issue on Artificial Immune Systems 6 (3). IEEE, 2002. DOI:10.1109/tevc.2002.1011539. с. 239 – 251.
  8. ↑ Forrest, S. Self-nonself discrimination in a computer // Proceedings of the 1994 IEEE Symposium on Research in Security and Privacy. 1994, 202 – 212 с. Архив на оригинала от 2021-03-09 в Wayback Machine.
  9. ↑ Timmis, J. An artificial immune system for data analysis // BioSystems 55 (1). 2000. DOI:10.1016/S0303-2647(99)00092-1. с. 143 – 150.
  10. ↑ Greensmith, J. Artificial Dendritic Cells: Multi-faceted Perspectives (PDF) // Human-Centric Information Processing Through Granular Modelling. 2009. с. 375 – 395. Архивиран от оригинала на 2011-08-09. Посетен на 2017-07-19.

Литература редактиране

  • J.D. Farmer, N. Packard and A. Perelson, (1986) „The immune system, adaptation and machine learning“, Physica D, vol. 2, pp. 187 – 204
  • H. Bersini, F.J. Varela, Hints for adaptive problem solving gleaned from immune networks. Parallel Problem Solving from Nature, First Workshop PPSW 1, Dortmund, FRG, октомври 1990.
  • D. Dasgupta (Editor), Artificial Immune Systems and Their Applications, Springer-Verlag, Inc. Berlin, January 1999, ISBN 3-540-64390-7
  • V. Cutello and G. Nicosia (2002) „An Immunological Approach to Combinatorial Optimization Problems“ Lecture Notes in Computer Science, Springer vol. 2527, pp. 361 – 370.
  • L. N. de Castro and F. J. Von Zuben, (1999) „Artificial Immune Systems: Part I – Basic Theory and Applications“, School of Computing and Electrical Engineering, State University of Campinas, Brazil, No. DCA-RT 01/99.
  • S. Garrett (2005) How Do We Evaluate Artificial Immune Systems? Архив на оригинала от 2011-06-29 в Wayback Machine.. Evolutionary Computation, vol. 13, no. 2, pp. 145 – 178.
  • V. Cutello, G. Nicosia, M. Pavone, J. Timmis (2007) An Immune Algorithm for Protein Structure Prediction on Lattice Models Архив на оригинала от 2012-02-08 в Wayback Machine., IEEE Transactions on Evolutionary Computation, vol. 11, no. 1, pp. 101 – 117.
    Тази страница частично или изцяло представлява превод на страницата Artificial immune system в Уикипедия на английски. Оригиналният текст, както и този превод, са защитени от Лиценза „Криейтив Комънс – Признание – Споделяне на споделеното“, а за съдържание, създадено преди юни 2009 година – от Лиценза за свободна документация на ГНУ. Прегледайте историята на редакциите на оригиналната страница, както и на преводната страница, за да видите списъка на съавторите. ​

ВАЖНО: Този шаблон се отнася единствено до авторските права върху съдържанието на статията. Добавянето му не отменя изискването да се посочват конкретни източници на твърденията, които да бъдат благонадеждни.​

Взето от „https://bg.wikipedia.org/w/index.php?title=Изкуствена_имунна_система&oldid=11966482“.