In particular, models had only one type of cages , they applied V-lymphocytes. The distribution and a decentralization were the second feature for using artificial immune systems. This article is devoted to creation the artificial immune system (AIS), the creation model and algorithm of IIS is considered. The model for realization of a problem is consid-ered. Accuracy of calculations is compared to other methods, especially to neural networks. The structure of a program complex is described.
artificial immune system, model, algorithm, lymphocytes, affinity, object-oriented model, network, immune memory.
I. Введение
В середине 1980-х годов в работах Фармера, Паккарда и Перельсона [1] появляются первые модели искусственных иммунных систем. В биологии и медицине иммунные системы представляют собой сложнейшие децентрализованные системы, способные решать задачу обеспечения жизнедеятельности организма в условиях агрессивной, все время меняющейся окружающей среды. Это наиболее молодая из концепций, пришедших в информатику из биологии. Главной причиной сложности искусственных иммунных систем является сложность самой теории иммунологии в медицине и биологии, а также вычислительная сложность создания моделей искусственных иммунных систем. Основа искусственных иммунных систем сформировалась только к середине 1990-х годов. В 1994 г. выходит статья Кепхарта [2], описывающая алгоритм негативного отбора, в 1999 г. выходит первая книга (сборник статей) по искусственным иммунным системам [3]. В 2000-х гг. появляется несколько моделей искусственных иммунных систем, использующих в своей основе их упрощенные естественные варианты. В частности, почти во всех таких моделях применяется только один тип клеток – В-лимфоциты. Вторая особенность использования искусственных иммунных систем при решении технических задач заключается в том, что не уделяется внимание таким свойствам иммунной системы как распределенность и децентрализованность.
1. Farmer, J. D. The immune system, adaptation and machine learning / J. D. Farmer, N. Packard, A. Perelson. Physica D. - Vol. 2. - P. 187-204.
2. Kephart, J. O. A biologically inspired immune system for computers / J. O. Kephart. Proceedings of Artificial Life IV: The Fourth International Workshop on the Synthesis and Simulation of Living Systems. - 1994. - P. 130-139.
3. Artificial Immune Systems and Their Applications / D. Dasgupta (Editor) - Berlin : Springer-Verlag, 1999. - 320 p.
4. Astakhova, I. F. Modeli raspoznavaniya obrazov na osnove nechetkikh neyronnykh setey. Prakticheskoe primenenie [Tekst] / I. F. Astakhova, V. A. Mishchenko, A. V. Krasnoyarov. - Berlin : Palmarium Academic Publishing. - 2013. - 104 c.
5. Otsu, N. A threshold selection methods from grey-level histograms / N. Otsu. IEEE Transactions on Pattern Analysis and Machine Intelligence. - Vol. 9. - 1979. - P. 62-66.
6. Rodzhers, D. Algoritmicheskie osnovy mashinnoy grafiki [Tekst] / D. Rodzhers. - M. : Mir, 1989. - S. 54-63.
7. LeCun, Y. The MNIST Database of handwritten digits. Y. LeCun, C. C. Cortes, J.C. Burges. - Rezhim dostupa: http://yann.lecun.com/exdb/mnist/
8. Ciresan, C. D. Deep Big Simple Neural Nets Excel on Handwritten Digit Recognition / C. D. Ciresan, U. M. Dan, L. M. Gambardella, J. Schmidhuber. Neural Computation. - 2010. - Vol. 22 (12).- P. 3207-3220.
9. Keysers, D. Deformation models for image recognition / D. Keysers, T. Deselaers, C. Gollan, H. Ney. IEEE Transactions on Pattern Analysis and Machine Intelligence. - 2007. - Vol. 29(8).- P. 1422-1435.
10. Kussul, E. Improved method of handwritten digit recognition tested on MNIST database / E. Kussul, T. Baidyk. Image and Vision Computing. - 2004. - Vol. 22 (12).- P. 971-981.
11. LeCun, Y. Gradient-Based Learning Applied to Document Recognition / Y. LeCun, L. Bottou, Y. Bengio, P. Haffner. Proceedings of the IEEE. - 1998. - Vol. 86(11).- P. 2278-2324.
12. Zhang, B. Fast k-Nearest Neighbor Classification Using Cluster-Based Trees / B. Zhang, S.N. Srihari. IEEE Transactions on Pattern Analysis and Machine Intelligence. - 2004. - Vol. 26 (4).- P. 525-528.
13. Astakhova, I. F. Primenenie iskusstvennykh immunnykh sistem dlya rasparallelivaniya protsessa vychisleniya [Tekst] / I.F. Astakhova, S.A. Ushakov. Informatsionnye tekhnologii. - 2014. - № 4. - S. 3-6.
14. Troelsen, E. Yazyk programmirovaniya C# 5.0 i platforma.NET 4.5 [Tekst] / E. Troelsen. - M. : «Vil´yams», 2013. - 1312 s.
