Obliczenia z wykorzystaniem sztucznej inteligencji
Transkrypt
Obliczenia z wykorzystaniem sztucznej inteligencji
Obliczenia z wykorzystaniem sztucznej inteligencji wykład V Sztuczne systemy immunologiczne Joanna Kołodziejczyk 2016 Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 1 / 51 Wprowadzenie Plan wykładu 1 Wprowadzenie Definicje Historia 2 Elementy IS 3 Działanie IS 4 AIS 5 Zastosowania 6 Literatura Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 2 / 51 Wprowadzenie Definicje Definicja Artificial immune system Dziedzina badań próbująca połączyć immunologię i nauki inżynierskie poprzez tworzenie aplikacji realizujących techniki matematycznego i komputerowego modelowania systemu immunologicznego. Zmienia się abstrakcyjny model w algorytm i stosuje do rozwiązywania zadań. Powstałe systemy do przetwarzania informacji są efektywne, rozproszone posiadające zdolność uczenia się i adaptacji. Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 3 / 51 Wprowadzenie Definicje Trzy szkoły Systemy in silico Tworzenie systemów symulacji biologicznych systemów immunologicznych i naśladowanie tego co dokładnie robią biologiczne systemy, np. komputerowy system zabezpieczeń rozróżniający elementy własne i obce. Metafora Szukanie w systemie biologicznym inspiracji i tworzenie systemów obliczeniowych, które mogą być dalekie od analogi do systemu biologicznego. Modelowanie Próba zrozumienia funkcjonowania systemu biologicznego i opisania go za pomocą modelu matematycznego, czy komputerowego. Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 4 / 51 Wprowadzenie Historia Modelowanie systemów immunologicznych I etap Korzenie dziedziny sięgają wczesnych prac teoretycznych nad immunologią, dzięki którym powstały modele sieci, które miały symulować pamięć immunologiczną. Badania prowadzone przez: J. Doyne Farmera Alana Perelsona Francisco Varela Osiągnięcia były kontrowersyjne dla immunologów, ale stały się interesujące dla informatyków. Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 5 / 51 Wprowadzenie Historia Symulowanie systemów immunologicznych II etap Hugues Bersini (teoria sieci immunologicznych, modelowanie pamięci immunologicznej i algorytmiczne próby ich naśladowania) Stephanie Forrest (systemy bezpieczeństwa, detekcja włamań poprzez naśladowanie umiejętności sieci immunologicznych do odróżniania komórek własnych od obcych) byli prekursorami połączenia biologi i informatyki. Inne nazwiska: J.E. Hunt i D.E. Cooke, 1996 D. Dasgupta, 1997, Sławomir T. Wierzchoń, 1999 Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 6 / 51 Wprowadzenie Historia Praktyczne zastosowania Symantec — Digital Immune System http: //www.symantec.com/avcenter/reference/dis.tech.brief.pdf STARLAB — rozwiązywanie zadań maszynowego uczenia się i wnioskowania w czasie rzeczywistym, w tym system zabezpieczeń pomieszczeń biurowych (odczyt danych z kamer). System wczesnego wykrywania awarii np. w samolotach. Klasyfikacja dokumentów. Inteligentna nawigacja. Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 7 / 51 Wprowadzenie Historia Co powoduje, iż systemy zaczęły cieszyć się zainteresowaniem inżynierów niepowtarzalność: każdy osobnik opisuje system o wyjątkowych cechach rozpoznawanie „obcych”: molekuły, które nie są natywne dla ciała (zazwyczaj niekorzystne) są identyfikowane i eksterminowane wykrywanie anomalii: rozpoznanie patogenów i reakcja na nie choć organizm nigdy się z nimi nie spotkał system rozproszony: komórki systemu krążą w ciele i nie są centralnie nadzorowane wykrywanie niedoskonałości: system jest elastyczny i dopasowuje się do sytuacji (pojawiających się patogenów) i nie jest wymagana znajomość bezwzględna wzorca uczenie ze wzmocnieniem i pamięć systemu: IS uczy się wzorców patogenów, by w przyszłości reagować szybciej i silniej na ponowne ich pojawienie się. Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 8 / 51 Wprowadzenie Historia Metafora immunologiczna — proste odwołanie do znanych problemów klasyfikator: Rozpoznanie struktur własnych i obcych. Rozpoznanie obcej struktury w organizmie zapoczątkowuje ciąg reakcji celem usunięcia zagrożenia, co należy widzieć jako rozwiązanie problemu. optymalizacja: szuka się przeciwciał wiążących patogen (zbiór rozwiązań zadania). analiza danych: zbiór konkretnych danych można utożsamić ze zbiorem patogenów. Ich rozpoznanie i zapamiętanie jest równoważne utworzeniu ich „wewnętrznego obrazu”. Stosując pojęcie sieci idiotypowej otrzymuje się grafową strukturę reprezentującą istotne relacje między poszczególnymi danymi. Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 9 / 51 Elementy IS Plan wykładu 1 Wprowadzenie 2 Elementy IS 3 Działanie IS 4 AIS 5 Zastosowania 6 Literatura Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 10 / 51 Elementy IS Warstwy SI 1 skóra 2 bariera fizjologiczna: łzy, temperatura 3 wrodzony układ (innate immune system): nie podlega modyfikacjom, rozpoznaje głównie obce komórki: bakterie, wirusy. Składa się z komórek żernych (makrofagów) i dopełniacza (complement), który wspomaga pracę przeciwciał. Reakcja tego układu zazwyczaj poprzedza reakcję kolejnej warstwy. 4 system adaptacyjny (adaptive immune system): jego elementami są limfocyty, czyli białe ciałka krwi nazywane detektorami antygenów (patogeny rozpoznane przez limfocyty). Ich rolą jest też eliminacja antygenów. Limfocyty generowane są losowo i przez algorytm selekcji klonalnej pozostają tylko takie, których receptory mają określoną specyfikę. Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 11 / 51 Elementy IS Wielowarstwowa struktura SI Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 12 / 51 Elementy IS Odporność i odpowiedzi Odporność nieswoista jest zapewniana przez warstwę pierwszą, drugą i trzecią systemu immunologicznego swoista jest zapewniana przez warstwę czwartą SI. Odpowiedź organizmu pierwotna: na patogen wprowadzony do organizmu po raz pierwszy, wolna: pierwsze skutki można obserwować po kilku dniach od momentu zainfekowania, usuwanie do trzech tygodni; wtórna: dzięki pamięci (jej natura słabo poznana) reakcja szybka i skuteczna. Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 13 / 51 Elementy IS Narządy układu odpornościowego Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 14 / 51 Elementy IS Komórki IS Komórki IS powstają w szpiku kostnym, tam dojrzewają i migrują do organów wraz z krwią i limfą. http://multimedia.mcb.harvard.edu/ Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 15 / 51 Elementy IS Limfocyty Limfocyty przynależność: białe ciałka krwi; zadanie: rozpoznać i zniszczyć patogeny; analogia: niezależne, niepodlegające centralnemu sterowaniu detektory krążące w płynach ustrojowych organizmu; antygen: patogen rozpoznany przez limfocyty. Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 16 / 51 Elementy IS Limfocyty typu B funkcja: produkowanie i wydzielanie przeciwciał (immunoglobuliny) jako odpowiedź na zewnętrzne białka, takie jak bakterie, wirusy czy komórki rakowe. niepowtarzalność: każda komórka B jest zaprogramowana do produkcji specyficznych przeciwciał. pamięć: w dojrzałym stadium przekształcają się w komórki plazmatyczne (pamięciowe). odpowiedź typu humoralnego: po podaniu antygenu, limfocyty typu B po kooperacji z limfocytem typu T uaktywniają się i podlegają klonowaniu. lokalizacja: nie przechodzą przez grasicę. Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 17 / 51 Elementy IS Limfocyty typu T lokalizacja: dojrzewają w grasicy (thymus). funkcja: rozpoznanie „swój-obcy”, sterują przebiegiem różnych reakcji immunologicznych, regulują działania innych komórek podpopulacje: Limfocyty wspomagające (aktywują komórki B) Limfocyty supresyjne (T killers) eliminują obce komórki poprzez perforowanie ich błony komórkowej i wstrzykiwanie szkodliwej chemii, bez ich kontroli nad procesem obronnym dochodzi do reakcji alergicznych (reakcja autoimmunologiczna) pierwotne zadania komórek T: wydzielanie substancji: cytokin (w tym limfokin i monokin). Substancje te wpływają na wzrost, poliferację i pobudzanie komórek układu odpornościowego. Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 18 / 51 Elementy IS Inne komórki Naturalni zabójcy Tak jak komórki zabójcy typu T zawierają zestaw substancji chemicznych działających śmiercionośnie na obce komórki. Ich atak rozpoczyna się bez rozpoznania specyficznego antygenu. Głównie atakują komórki rakowe i różnego typu infekcje. http://www.youtube.com/watch?v=HNP1EAYLhOs Makrofagi Inaczej komórki żerne. Jedną z ich funkcji jest rozpoczęcie procesu odpowiedzi immunologicznej. Granulocyty To ok. 60% wszystkich krwinek białych we krwi. W zależności od barwnikochłonności wyróżnia się granulocyty obojętnochłonne (neutrolile, mikrofagi), kwasochłonne (eozynofile) i zasadochłonne (bazofile). Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 19 / 51 Działanie IS Plan wykładu 1 Wprowadzenie 2 Elementy IS 3 Działanie IS 4 AIS 5 Zastosowania 6 Literatura Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 20 / 51 Działanie IS Jak system immunologiczny chroni organizm 1. Makrofagi wędrują przez organizm i wchłaniają oraz trawią napotkane antygeny i rozkładają je na peptydy. Kawałki owych peptydów pojawiają się na powierzchni komórki. 2. Tymczasem inne komórki krwi, limfocyty T posiadają receptory, które pozwalają im na rozpoznanie różnych kombinacji peptydów. Takie rozpoznanie aktywuje limfocyt T do wydzielenia limfokinów (sygnału chemicznego), który mobilizuje inne komórki. 3. Na ten sygnał odpowiadają limfocyt B, które na swojej powierzchni mają receptory, ale jednego typu. W przeciwieństwie do limfocytów T potrafią rozpoznać części antygenu swobodnie unoszące się w płynach ustrojowych. Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 21 / 51 Działanie IS Jak system immunologiczny chroni organizm 4. Limfocyt B dzieli się i przekształca w komórkę plazmatyczną, która wydziela proteiny przeciwciał, mających taką formę jak receptory. 4. Poprzez połączenie z antygenami przeciwciała neutralizują je lub niszczą. 5. Niektóre komórki typu B i T stają się komórkami pamięci, by wzmocnić reakcję systemu odpornościowego w chwili, gdy ponownie pojawi się ten sam antygen. Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 22 / 51 Działanie IS Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 23 / 51 Działanie IS Molekuła przeciwciała (Ab) Limfocyt typu B ma na swojej powierzchni około 100 000 receptorów (przeciwciał). Przypominają literę „Y”. Każde ramię jest zbudowane z dwóch łańcuchów. Częścią zmienną są ramiona litery „Y”. Wiązanie z antygenem jest możliwe tylko wówczas, gdy osiągnie się określony stopień powinowactwa (stopień dopasowania). Limfocyty aktywują się tylko w sytuacji, gdy spełnione są wszystkie warunki: liczba związanych receptorów przekracza pewną wartość progową gdy stopień dopasowania (receptor-antygen) jest dostatecznie wysoki gdy pojawi się sygnał od limfocytu T. Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 24 / 51 Działanie IS Limfocyt B Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 25 / 51 Działanie IS Wprowadzanie różnorodności w B komórkach Z oszacowań wynika, że organizm dysponuje liczbą 108 protein, natomiast wymagana jest znajomość 1016 . W B komórkach występują dwa mechanizmy na zróżnicowanie tych komórek: rekombinacja: pseudolosowy proces polegający na rekombinacji segmentów DNA (łańcucha ciężkiego) odbywa się jeszcze przed kontaktem komórki z antygenem mutacja (w b. dużej liczbie) występuje podczas poliferacji. Dziennie powstaje 107 nowych limfocytów. Więc średnio co 10 dni układ odpornościowy generuje nowy zbiór limfocytów. Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 26 / 51 Działanie IS Zasady selekcji klonalnej Nowe komórki B, są kopią swoich rodziców (klonowanie) z niewielkimi zmianami wynikającymi z hipermutacji. Eliminacja limfocytów noszących receptory reagujące na własne białka. Rozmnożenie i różnicowanie poprzez kontakt dojrzałych komórek z antygenem. Przechowywanie klonów. http://www.youtube.com/watch?v=bfL6ORCVuF4 Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 27 / 51 Działanie IS Pamięć immunologiczna Natura pamięci nadal nie jest znana. Choć komórki B z chwilą zwalczenia infekcji są usuwane z organizmu, wtórna reakcja jest prawie natychmiastowa. Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 28 / 51 Działanie IS Teorie pamięci immunologicznej Długowieczność Komórki pamięciowe mają okres życia równy długości życia organizmu. Stymulacja Komórki pamięciowe są ciągle stymulowane przez obce proteiny, pozwala to im przez lata pozostać aktywnymi. Z reakcją wtórną jest związany fakt, że antygeny niekoniecznie takie same (zbliżone) mogą też aktywować odpowiednie komórki B (pamięć adresowana pamięcią asocjacyjną— rozpoznanie na podstawie niepełnego opisu). Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 29 / 51 Działanie IS Dojrzewanie swoistości układu immunologicznego Uczenie się i zapamiętywanie struktur jest zadaniem B komórek. Cykl uaktywnionej B komórki to (aktywacja, poliferacja, dyferencjacja): dzieli się i produkuje krótko żyjące klony. klony podlegają hipermutacji somatycznej - intensywna mutacja zmierzająca do zbudowania jak najbardziej dopasowanych receptorów. Mutacja obejmuje: mutację punktową, usuwanie krótkich odcinków, wymianę sekwencji. klony są: usuwane z organizmu (słabe dopasowanie) lub przekształcają się w komórki plazmatyczne lub pamięciowe. Z najnowszych badań wynika, iż nie wszystkie słabe klony są usuwane, są też edytowane i wówczas poprawiane. Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 30 / 51 Działanie IS Zasady selekcji klonalnej Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 31 / 51 Działanie IS Autoantygeny - selekcja negatywna W wyniku hypermutacji mogą powstawać przeciwciała rozpoznające antygeny własne organizmu (odpowiedź autoimmunologiczna). Proces ten jest regulowany z udziałem T komórek. W trakcie dojrzewania w grasity T limfocytom prezentowane są proteiny własnego organizmu. Jeżeli są rozpoznawane, to usuwa się je w drodze selekcji negatywnej. Dalej proces selekcji jest przekazywany na komórki B, które wymagają do aktywacji dwóch bodźców: (1) odpowiedni poziom aktywacji receptorów, (2) jak i sygnału od komórki T (wysyłany pod wpływem dopasowania tego co wykryła w antygenie komórka B z pamięcią komórki T (kostymulacja)). Brak sygnału od komórki T oznacza śmierć komórki B. Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 32 / 51 Działanie IS Edytowanie komórek B Przed wyborem komórki w selekcji klonalnej może nastąpić rekombinacja receptora na poziomie łańcucha lekkiego (ciężkiego). Genom ssaka składa się z około 1 mln genów i tylko niektóre kodują przeciwciała. Część zmienna jest kodowana przez geny V(ariable) i J(oining), a ciężka dodatkowo przez gen D(iversity). Zarodkowe DNA zawiera biblioteki genów, z których można zbudować 18 mln przeciwciał. Geny leżą oddalone od siebie rozdzielone niekodującymi odcinkami DNA. Ostateczna forma łańcucha ciężkiego — geny zbliżają się do siebie na drodze rekombinacji. Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 33 / 51 AIS Plan wykładu 1 Wprowadzenie 2 Elementy IS 3 Działanie IS 4 AIS Opis ogólny systemu CLONALG Negative selection Immune Networks 5 Zastosowania 6 Literatura Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 34 / 51 AIS Opis ogólny systemu Sztuczny system immunologiczny Reprezentacja komponentów systemu Sztuczna reprezentacja komórek B i T oraz antygenów. Najczęściej wykorzystuje się tylko komórki typu B, które zawierają tylko jedno przeciwciało (B cell = Ab). Operuje się na populacji przeciwciał. Miernik dopasowania Określenie jak dobrze dany system rozwiązuje swoje zadanie (miara wiązania Ab, Ag). Miara interakcji osobnika z otoczeniem, najczęściej wyrażany w postaci funkcji dopasowania, zbiór bodźców wejściowych. Procedury adaptacyjne Wykonywane algorytmy prowadzące do rozwiązania zadania. Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 35 / 51 AIS Opis ogólny systemu Reprezentacja Ab Sztuczny Ab, to zbiór cech stanowiących dziedzinę problemu. Są reprezentowane jako: wektor liczb rzeczywistych, całkowitych (optymalizacja problemów kombinatorycznych, optymalizacja wielokryterialna, interpolacja funkcji, niektóre systemy bezpieczeństwa) wektory binarne (obiekty w systemach rozpoznawania wzorców, jako opis matrycy pikseli, z których złożony jest wzorzec) listy obiektów (data mining) sieci neuronowe Ag jest reprezentowany jak Ab lub jako funkcja. Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 36 / 51 AIS Opis ogólny systemu Miernik dopasowania Koncepcja przestrzeni kształtów Kształt, to punkt w L-wymiarowej przestrzeni problemu (L cech przeciwciała). Populacja N-osobników tworzy zbiór punktów w tej przestrzeni. Antygeny są reprezentowane przez punkty opisujące dopełnienie Ab. — próg dopasowania. Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 37 / 51 AIS Opis ogólny systemu Odległości pomiędzy Ab i Ag Dla reprezentacji wektorowej stosuje się miary: euklidesową, Hamminga lub Manhattan. Funkcje z argumentami reprezentującymi przeciwciało i antygen lub tylko obiekt opisujący przeciwciało. Natomiast wartości funkcji, adekwatne do opisywanego problemu najczęściej z R. Dla problemów optymalizacji taką miarą jest funkcja celu. Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 38 / 51 AIS Opis ogólny systemu Procedury adaptacyjne Selekcja klonalna CLONALG (CLONal selection ALGorithm) opt-IA (optimization Immune Algorithm) Selekcja negatywna Sieci immunologiczne (aiNet) Algorytmy hybrydowe AIS + AG AIS + ANN Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 39 / 51 AIS CLONALG O algorytmie CLONALG Twórca: de Castro and Von Zuben Zastosowania: optymalizacja i rozpoznawanie wzorców. Inspiracja: naśladują selekcję klonalną. Założenia: Liczba klonów proporcjonalna do dopasowania, siła mutacji jest odwrotnie proporcjonalna do dopsowania. Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 40 / 51 AIS CLONALG Schemat Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 41 / 51 AIS CLONALG Pseudokod input: S = set of patterns to be recognised, n= the number of worst elements to select for removal output: M = set of memory detectors capable of classifying unseen patterns 1 Create an initial random set of antibodies, A 2 forall patterns in S do 2.1 Determine the affinity with each antibody in A 2.2 Generate clones of a subset of the antibodies in A with the highest affinity. 2.3 The number of clones for an antibody is proportional to its affinity 2.4 Mutate attributes of these clones to the set A , and place a copy of the highest affinity antibodies in A into the memory set, M 2.5 Replace the n lowest affinity antibodies in A with new randomly generated antibodies Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 42 / 51 AIS Negative selection O algorytmie negative selection Twórca: S. Forrest 1994 Zadanie: wygenerowanie zbioru detektorów, które rozpoznają pewien wzorzec S (są do niego komplementarne). Inspiracja: naśladują tworzenie limfocytów T w grasicy, które są dedykowane do rozpoznawania tylko obcych białek. Zastosowania: Klasyfikacja Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 43 / 51 AIS Negative selection Schemat Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 44 / 51 AIS Negative selection Pseudokod input: Sseen = set of seen known self elements output: D = set of generated detectors 1 repeat until Stopping criteria has been met 2 Randomly generate potential detectors and place them in a set P 3 Determine the affinity of each member of P with each member of the self set Sseen 4 If at least one element in S recognises a detector in P according to a recognition threshold 4.1 then the detector is rejected, otherwise it is added to the set of avaliable detectors D Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 45 / 51 AIS Immune Networks O algorytmie Idiotypic network Twórca: Jerne (1973) i Farmer et al (1986) Zadanie: można wykorzystywać do tworzenia różnorodności w systemie. Inspiracja: budowane na przesłance, że przeciwciała mogą pasować do innych przeciwciał tak dobrze jak do antygenów. Podobieństwa antygenów tworzą sieć podobieństw. Zastosowania: Analiza danych (np. system polecania filmów o pewnym podobieństwie, a jednak różnorodności). Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 46 / 51 AIS Immune Networks Pseudokod input: S = set of patterns to be recognised, nt — network affinity threshold, ct — clonal pool threshold, h — number of highest affinity clones, a — number of new antibodies to introduce output: N — set of memory detectors capable of classifying unseen patterns 1 Create an initial random set of network antibodies, N 2 repeat until Stopping criteria has been met 2.1 forall patterns in S do 2.1.1 Determine the affinity with each antibody in A 2.1.2 Generate clones of a subset of the antibodies in N with the highest affinity. The number of clones for an antibody is proportional to its affinity. 2.1.3 Mutate attributes of these clones to the set A and place h number of the highest affinity clones into a clonal memory set, C 2.1.4 Eliminate all elements of C whose affinity with the antigen is less than a predefined threshold ct 2.1.5 Determine the affinity amongst all the antibodies in C and eliminate those antibodies whose affinity with each other is less than the threshold ct 2.1.6 Incorporate the remaining clones of C into N 2.2 determine the affinity between each pair of antibodies in N and eliminate all antibodies whose affinity is less than the threshold nt 2.3 Introduce a random number of randomly generated antibodies and place into N Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 47 / 51 Zastosowania Plan wykładu 1 Wprowadzenie 2 Elementy IS 3 Działanie IS 4 AIS 5 Zastosowania 6 Literatura Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 48 / 51 Zastosowania Przykład zastosowania Systemy zabezpieczeń — bezpośrednie przeniesienie koncepcji — wirusy i detekcja włamań. Jeden z wcześniejszych przykładów Network Intrusion Detection by Hofmeyr and Forrest (2000). Zadanie: ochrona sieci komputerowej przed nieautoryzowanym dostępem. Typy komórek Ab i Ag i komórki pamięci. Reprezentacja i miara odległości: ciąg binarny i odległość Hamminga. Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 49 / 51 Literatura Plan wykładu 1 Wprowadzenie 2 Elementy IS 3 Działanie IS 4 AIS 5 Zastosowania 6 Literatura Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 50 / 51 Literatura Wykorzystana literatura (do samodzielnego studiowania) Leandro N. de Castro, Fernando J. Von Zuben, Learning and Optimization Using the Clonal Selection Principle EE Transactions on Evolutionary Computation, Special Issue on Artificial Immune Systems, vol. 6, n. 3, pp. 239-251, 2002 Anna Świtalska Sztuczne systemy immunologiczne - zastosowanie w optymalizacji kombinatorycznej http: // www. ipipan. waw. pl/ ~stw/ ais/ ks/ index. html AISWeb AISWeb, The Online Home of Artificial Immune Systems http: // www. artificial-immune-systems. org/ algorithms. shtml Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 51 / 51