Нечеткие системы

Искусственные иммунные системы

Искусственные иммунные системы основаны на моделировании естественных биологических иммунных систем, которые хорошо умеют различать свои клетки (принадлежащие данному организму) от чужих клеток (антигенов), вторгшихся в организм [1].При обнаружении антигена проявляется адаптивная природа иммунных систем, которые запоминают структуру встречающихся антигенов для их эффективного распознания в будущем. В настоящее время для естественных иммунных систем разработаны следующие основные модели:

1) Классическая теория иммунной системы, согласно которой иммунная системы различает свои и чужие клетки с помощью лимфоцитов, производимых в лимфоидных органах. Эти лимфоциты учатся связывать чужеродные гены.

2) Клональная теория отбора, где активные B-клетки производят антитела с помощью процесса клонирования. При этом производимые клоны могут также мутировать.

3) Теория опасности основана на том, что иммунная система обладает способностью различать опасные и не опасные антигены.

4) Теория сетей предполагает, что B-клетки образуют сеть. Когда B-клетка реагирует на антиген, то она становится активной и стимулирует остальные B-клетки, которые соединены с ней в сети.

Искусственные иммунные системы моделируют некоторые аспекты естественных иммунных систем. Это касается, прежде всего процесса распознавания чужих клеток. При этом, как правило. Используются приведенные выше основные модели естественных систем. Одним из главных приложений искусственных иммунных систем является распознавание различных аномалий в данных, включая обнаружение случаев мошенничества и компьютерных вирусов.

Нечеткие системы моделируют нечеткий вывод, который присущ естественным системам. Классическая теория множеств и логика основаны на двоичной системе {0,1}, которая накладывает ограничения на логический вывод. Однако человеческое мышление по своей природе нечетко.

Введение нечетких множеств и нечеткой логики позволяют моделировать нечеткие рассуждения (вывод). В нечетом множестве элемент принадлежит данному множеству с некоторой степенью достоверности. Нечеткая логика позволяет из нечетких фактов произвести нечеткий вывод новых нечетких фактов, где каждому факту соответствует своя степень достоверности. Неопределенность в нечетких системах относится к нестатистической неопределенности, которую не следует путать со статистической неопределенностью. Статистическая неопределенность основана на вероятностных законах, в то время как нестатическая неопределенность базируется на неясности, неточности или двусмысленности. Статистическая неопределенность может быть разрешена путем наблюдений. Нестатистическая неопределенность является внутренним свойством системы и не может быть изменена или разрешена посредством наблюдений.

Контрольные вопросы

Какие основные направления существуют в вычислительном интеллекте?

На чем основаны модели вычислительного интеллекта?

Что такое нейронная сеть?

Какова математическая модель искусственного нейрона?

На чем основаны методы эволюционного вычисления?

Какие существуют операторы генетического алгоритма?

Что такое роевой интеллект и на чем он основан?

Что понимается под нечеткими системами?

1. Скобцов Ю.А. Основы эволюционных вычислений. Донецк: ДонНТУ, 2008. – 326с.

Дата добавления: 2014-01-05