Искусственная иммунная система

В области интеллекта искусственного искусственные иммунные системы (AIS) представляют собой класс вычислительно интеллектуальных систем машинного обучения, основанных на правилах, вдохновленных принципами и процессами иммунной системы позвоночных . Алгоритмы обычно моделируются по характеристикам обучения и памяти иммунной системы для использования при решении проблем .

Определение [ править ]

Область искусственных иммунных систем (ИИС) занимается абстрагированием структуры и функций иммунной системы для вычислительных систем и исследованием применения этих систем для решения вычислительных задач в области математики, инженерии и информационных технологий. AIS — это подобласть биологических вычислений и естественных вычислений , занимающаяся машинным обучением и принадлежащая к более широкой области искусственного интеллекта .

Искусственные иммунные системы (ИИС) — это адаптивные системы, основанные на теоретической иммунологии и наблюдаемых иммунных функциях, принципах и моделях, которые применяются для решения проблем. ^[1]

AIS отличается от вычислительной иммунологии и теоретической биологии , которые занимаются моделированием иммунологии с использованием вычислительных и математических моделей для лучшего понимания иммунной системы, хотя такие модели положили начало области AIS и продолжают обеспечивать благодатную почву для вдохновения. Наконец, область AIS не занимается исследованием иммунной системы как субстрата для вычислений, в отличие от других областей, таких как вычисления ДНК .

История [ править ]

AIS появился в середине 1980-х годов благодаря статьям Фармера, Паккарда и Перельсона (1986) и Берсини и Варела (1990) об иммунных сетях. Однако только в середине 1990-х годов АИС стала самостоятельной областью. Форрест и др. (при отрицательном отборе ) и Kephart et al. ^[2] опубликовали свои первые статьи по AIS в 1994 году, а Дасгупта провел обширные исследования алгоритмов отрицательного выбора. Хант и Кук начали работу над моделями иммунной сети в 1995 году; Тиммис и Нил продолжили эту работу и внесли некоторые улучшения. Работы Де Кастро, фон Зубена, Никосии и Кутелло (по клональной селекции ) стали заметными в 2002 году. Первая книга об искусственных иммунных системах была отредактирована Дасгуптой в 1999 году.

новые идеи в области AIS, такие как теория опасности и алгоритмы, основанные на врожденной иммунной системе В настоящее время также исследуются . Хотя некоторые считают, что эти новые идеи еще не предлагают какой-либо по-настоящему «новой» абстракции, помимо существующих алгоритмов AIS. Однако это горячо обсуждается, и эти дебаты представляют собой одну из основных движущих сил развития АИС на данный момент. Другие недавние разработки включают исследование вырождения в моделях AIS. ^[3]^[4] что мотивировано его предполагаемой ролью в открытом обучении и эволюции. ^[5]^[6]

Первоначально AIS намеревался найти эффективные абстракции процессов, происходящих в иммунной системе , но в последнее время он стал интересоваться моделированием биологических процессов и применением иммунных алгоритмов для решения задач биоинформатики.

В 2008 году Дасгупта и Нино ^[7] опубликовал учебник по иммунологическим вычислениям , в котором представлен сборник современных работ, связанных с методами, основанными на иммунитете, и описывается широкий спектр приложений.

Техники [ править ]

Общие методы основаны на конкретных иммунологических теориях, которые объясняют функцию и поведение млекопитающих адаптивной иммунной системы .

Алгоритм клонального отбора : класс алгоритмов, вдохновленный теорией клонального отбора приобретенного иммунитета, который объясняет, как В- и Т- лимфоциты улучшают свою реакцию на антигены с течением времени, называемое созреванием аффинности . Эти алгоритмы сосредоточены на дарвиновских атрибутах теории, согласно которой отбор основан на сродстве взаимодействий антиген-антитело, размножение основано на делении клеток , а вариации основаны на соматической гипермутации . Алгоритмы клонального отбора чаще всего применяются в областях оптимизации и распознавания образов , некоторые из которых напоминают параллельное восхождение на холм и генетический алгоритм без оператора рекомбинации. ^[8]
Алгоритм отрицательного отбора : основан на процессах положительного и отрицательного отбора, которые происходят во время созревания Т-клеток в тимусе и называются толерантностью Т-клеток . Отрицательный отбор относится к идентификации и удалению ( апоптозу ) самореагирующих клеток, то есть Т-клеток, которые могут выбирать и атаковать собственные ткани. Этот класс алгоритмов обычно используется для задач классификации и распознавания образов, где проблемное пространство моделируется в дополнение к доступным знаниям. Например, в случае области обнаружения аномалий алгоритм подготавливает набор образцовых детекторов шаблонов, обученных на нормальных (неаномальных) шаблонах, которые моделируют и обнаруживают невидимые или аномальные шаблоны. ^[9]
Алгоритмы иммунной сети : алгоритмы, вдохновленные теорией идиотипических сетей, предложенной Нильсом Каем Джерном , которая описывает регуляцию иммунной системы с помощью антиидиотипических антител (антител, которые выбирают другие антитела). Этот класс алгоритмов фокусируется на структурах сетевых графов, где антитела (или клетки, продуцирующие антитела) представляют узлы, а алгоритм обучения включает в себя увеличение или сокращение ребер между узлами на основе сходства (сходства в пространстве представления задач). Алгоритмы иммунной сети использовались в областях кластеризации, визуализации данных, управления и оптимизации, а также разделяли свойства с искусственными нейронными сетями . ^[10]
Алгоритмы дендритных клеток . Алгоритм дендритных клеток (DCA) является примером иммунного алгоритма, разработанного с использованием многомасштабного подхода. Этот алгоритм основан на абстрактной модели дендритных клеток (ДК). DCA абстрагируется и реализуется посредством процесса изучения и моделирования различных аспектов функции DC, от молекулярных сетей, присутствующих внутри клетки, до поведения, демонстрируемого популяцией клеток в целом. В DCA информация гранулируется на разных уровнях, что достигается за счет многомасштабной обработки. ^[11]

См. также [ править ]

Примечания [ править ]

^ де Кастро, Леандро Н.; Тиммис, Джонатан (2002). Искусственные иммунные системы: новый подход к вычислительному интеллекту . Спрингер . стр. 57–58. ISBN 978-1-85233-594-6 .
^ Кефарт, Дж. О. (1994). «Биологическая иммунная система для компьютеров». Труды искусственной жизни IV: Четвертый международный семинар по синтезу и моделированию живых систем . МТИ Пресс. стр. 130–139.
^ Эндрюс и Тиммис (2006). «Вычислительная модель дегенерации лимфатического узла». Искусственные иммунные системы . Конспекты лекций по информатике. Том. 4163. стр. 164–177. дои : 10.1007/11823940_13 . ISBN 978-3-540-37749-8 . S2CID 2539900 .
^ Мендао; и др. (2007). «Иммунная система по частям: вычислительные уроки деградации иммунной системы». Симпозиум IEEE 2007 г. по основам вычислительного интеллекта . стр. 394–400. дои : 10.1109/FOCI.2007.371502 . ISBN 978-1-4244-0703-3 . S2CID 5370645 . {{cite book}}: |journal= игнорируется ( помогите )
^ Эдельман и Галли (2001). «Вырождение и сложность биологических систем» . Труды Национальной академии наук Соединенных Штатов Америки . 98 (24): 13763–13768. Бибкод : 2001PNAS...9813763E . дои : 10.1073/pnas.231499798 . ПМК 61115 . ПМИД 11698650 .
^ Уитакр (2010). «Вырождение: связь между эволюционируемостью, устойчивостью и сложностью биологических систем» . Теоретическая биология и медицинское моделирование . 7 (6): 6. дои : 10.1186/1742-4682-7-6 . ПМК 2830971 . ПМИД 20167097 .
^ Дасгупта, Дипанкар; Нино, Фернандо (2008). Иммунологические вычисления: теория и приложения . ЦРК Пресс. п. 296. ИСБН 978-1-4200-6545-9 .
^ де Кастро, Л.Н.; Фон Зубен, Ф.Дж. (2002). «Обучение и оптимизация с использованием принципа клонального отбора» (PDF) . Транзакции IEEE в эволюционных вычислениях . 6 (3): 239–251. дои : 10.1109/tevc.2002.1011539 .
^ Форрест, С.; Перельсон, А.С.; Аллен, Л.; Черукури, Р. (1994). «Дискриминация себя-не-себя в компьютере» (PDF) . Материалы симпозиума IEEE 1994 года по исследованиям в области безопасности и конфиденциальности . Лос Аламитос, Калифорния. стр. 202–212.
^ Тиммис, Дж.; Нил, М.; Хант, Дж. (2000). «Искусственная иммунная система для анализа данных» (PDF) . БиоСистемы . 55 (1): 143–150. Бибкод : 2000BiSys..55..143T . дои : 10.1016/S0303-2647(99)00092-1 . ПМИД 10745118 .
^ Гринсмит, Дж.; Айкелин, У. (2009). «Искусственные дендритные клетки: многогранные перспективы». Человекоцентричная обработка информации посредством детального моделирования (PDF) . Исследования в области вычислительного интеллекта. Том. 182. стр. 375–395. CiteSeerX 10.1.1.193.1544 . дои : 10.1007/978-3-540-92916-1_16 . ISBN 978-3-540-92915-4 . S2CID 11661259 . Архивировано из оригинала (PDF) 9 августа 2011 г. Проверено 19 июня 2009 г.

Ссылки [ править ]

Дж. Д. Фармер, Н. Паккард и А. Перельсон, (1986) « Иммунная система, адаптация и машинное обучение », Physica D, vol. 2, стр. 187–204.
Х. Берсини, Ф. Дж. Варела, Советы по адаптивному решению проблем, полученные от иммунных сетей . Параллельное решение проблем из природы, Первый семинар PPSW 1, Дортмунд, ФРГ, октябрь 1990 г.
Д. Дасгупта (редактор), Искусственные иммунные системы и их применение, Springer-Verlag, Inc., Берлин, январь 1999 г., ISBN 3-540-64390-7
В. Кутелло и Г. Никосия (2002) « Иммунологический подход к задачам комбинаторной оптимизации » Конспекты лекций по информатике, Springer vol. 2527, стр. 361–370.
Л. Н. де Кастро и Ф. Дж. Фон Зубен, (1999) «Искусственные иммунные системы: Часть I - Основная теория и приложения», Школа вычислительной техники и электротехники, Государственный университет Кампинаса, Бразилия, № DCA-RT 01/99.
С. Гарретт (2005) «Как мы оцениваем искусственные иммунные системы?» Эволюционные вычисления, том. 13, нет. 2, стр. 145–178. http://mitpress.mit.edu/journals/pdf/EVCO_13_2_145_0.pdf Архивировано 29 июня 2011 г. в Wayback Machine.
В. Кутелло, Дж. Никосия, М. Павоне, Дж. Тиммис (2007) Иммунный алгоритм для прогнозирования структуры белка на решетчатых моделях, Транзакции IEEE по эволюционным вычислениям, том. 11, нет. 1, стр. 101–117. https://web.archive.org/web/20120208130715/http://www.dmi.unict.it/nicosia/papers/journals/Nicosia-IEEE-TEVC07.pdf
Вильялобос-Ариас М., Коэльо САС, Эрнандес-Лерма О. (2004) Анализ конвергенции многокритериального алгоритма искусственной иммунной системы. В: Никосия Г., Кутелло В., Бентли П.Дж., Тиммис Дж. (ред.) Искусственные иммунные системы. ICARIS 2004. Конспекты лекций по информатике, том 3239. Springer, Берлин, Гейдельберг. DOI https://doi.org/10.1007/978-3-540-30220-9_19

Внешние ссылки [ править ]

AISWeb: Интернет-сайт искусственных иммунных систем. Информация об AIS в целом и ссылки на различные ресурсы, включая серию конференций ICARIS, код, учебные материалы и описания алгоритмов.
ARTIST: Сеть искусственных иммунных систем. Предоставляет информацию о сети AIS Великобритании, ARTIST. Он обеспечивает техническую и финансовую поддержку AIS в Великобритании и за ее пределами, а также стремится продвигать проекты AIS.
Компьютерные иммунные системы. Архивировано 20 февраля 2017 г. в группе Wayback Machine Group Университета Нью-Мексико под руководством Стефани Форрест .
AIS: Группа искусственных иммунных систем в Университете Мемфиса, возглавляемая Дипанкаром Дасгуптой.
IBM Antivirus Research Ранние работы в области AIS для компьютерной безопасности.

[1] де Кастро, Леандро Н.; Тиммис, Джонатан (2002). Искусственные иммунные системы: новый подход к вычислительному интеллекту . Спрингер . стр. 57–58. ISBN 978-1-85233-594-6 .

[2] Кефарт, Дж. О. (1994). «Биологическая иммунная система для компьютеров». Труды искусственной жизни IV: Четвертый международный семинар по синтезу и моделированию живых систем . МТИ Пресс. стр. 130–139.

[Andrews_and_Timmis-3] Эндрюс и Тиммис (2006). «Вычислительная модель дегенерации лимфатического узла». Искусственные иммунные системы . Конспекты лекций по информатике. Том. 4163. стр. 164–177. дои : 10.1007/11823940_13 . ISBN 978-3-540-37749-8 . S2CID 2539900 .

[Mendao_et_al.-4] Мендао; и др. (2007). «Иммунная система по частям: вычислительные уроки деградации иммунной системы». Симпозиум IEEE 2007 г. по основам вычислительного интеллекта . стр. 394–400. дои : 10.1109/FOCI.2007.371502 . ISBN 978-1-4244-0703-3 . S2CID 5370645 . {{cite book}}: |journal= игнорируется ( помогите )

[Edelman_and_Gally-5] Эдельман и Галли (2001). «Вырождение и сложность биологических систем» . Труды Национальной академии наук Соединенных Штатов Америки . 98 (24): 13763–13768. Бибкод : 2001PNAS...9813763E . дои : 10.1073/pnas.231499798 . ПМК 61115 . ПМИД 11698650 .

[Whitacre-6] Уитакр (2010). «Вырождение: связь между эволюционируемостью, устойчивостью и сложностью биологических систем» . Теоретическая биология и медицинское моделирование . 7 (6): 6. дои : 10.1186/1742-4682-7-6 . ПМК 2830971 . ПМИД 20167097 .

[7] Дасгупта, Дипанкар; Нино, Фернандо (2008). Иммунологические вычисления: теория и приложения . ЦРК Пресс. п. 296. ИСБН 978-1-4200-6545-9 .

[8] де Кастро, Л.Н.; Фон Зубен, Ф.Дж. (2002). «Обучение и оптимизация с использованием принципа клонального отбора» (PDF) . Транзакции IEEE в эволюционных вычислениях . 6 (3): 239–251. дои : 10.1109/tevc.2002.1011539 .

[9] Форрест, С.; Перельсон, А.С.; Аллен, Л.; Черукури, Р. (1994). «Дискриминация себя-не-себя в компьютере» (PDF) . Материалы симпозиума IEEE 1994 года по исследованиям в области безопасности и конфиденциальности . Лос Аламитос, Калифорния. стр. 202–212.

[10] Тиммис, Дж.; Нил, М.; Хант, Дж. (2000). «Искусственная иммунная система для анализа данных» (PDF) . БиоСистемы . 55 (1): 143–150. Бибкод : 2000BiSys..55..143T . дои : 10.1016/S0303-2647(99)00092-1 . ПМИД 10745118 .

[11] Гринсмит, Дж.; Айкелин, У. (2009). «Искусственные дендритные клетки: многогранные перспективы». Человекоцентричная обработка информации посредством детального моделирования (PDF) . Исследования в области вычислительного интеллекта. Том. 182. стр. 375–395. CiteSeerX 10.1.1.193.1544 . дои : 10.1007/978-3-540-92916-1_16 . ISBN 978-3-540-92915-4 . S2CID 11661259 . Архивировано из оригинала (PDF) 9 августа 2011 г. Проверено 19 июня 2009 г.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]