В представленной статье рассматривается единый подход к построению искусственной иммунной системы (ИИС), который включает построение модели и алгоритма ИИС. Модель включает представление элементарного элемента (лимфоцита), алгоритм реализации и аффинность (функция приспособленности или целевая функция). Рассматривается предложенная модель для реализации задачи распознавания единичных символов. Сравнивается точность вычислений с другими методами, особенно с нейронными сетями. Описывается структура программного комплекса.
Искусственная иммунная система, модель, алгоритм, лимфоциты, аффинность, объектно-ориентированная модель, сеть, иммунная память.
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. Астахова, И. Ф. Модели распознавания образов на основе нечетких нейронных сетей. Практическое применение [Текст] / И. Ф. Астахова, В. А. Мищенко, А. В. Краснояров. - 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. Роджерс, Д. Алгоритмические основы машинной графики [Текст] / Д. Роджерс. - М. : Мир, 1989. - С. 54-63.
7. LeCun, Y. The MNIST Database of handwritten digits // Y. LeCun, C. C. Cortes, J.C. Burges. - Режим доступа: 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. Астахова, И. Ф. Применение искусственных иммунных систем для распараллеливания процесса вычисления [Текст] / И.Ф. Астахова, С.А. Ушаков // Информационные технологии. - 2014. - № 4. - С. 3-6.
14. Троелсен, Э. Язык программирования C# 5.0 и платформа.NET 4.5 [Текст] / Э. Троелсен. - М. : «Вильямс», 2013. - 1312 с.
