מערכת חיסון מלאכותית – הבדלי גרסאות

תוכן שנמחק תוכן שנוסף

בשורה

גרסה מ־23:34, 25 בפברואר 2017

בנושא של בינה מלאכותית, מערכות חיסון מלאכותיות (AIS) הן קבוצה של מערכות בינה ממוחשבות, מערכות לומדות המבוססות על כללים שקיבלו את השראתם מיסודות ותהליכים של מערכת החיסון של בעלי החוליות. האלגוריתמים לרוב מבוססים על מאפייני מערכת החיסון בתחומי הלמידה וזיכרון לשימוש בפתירת בעיות.

הגדרה

התחום של מערכות חיסון מלאכותיות (AIS) עוסק בפישוט הפעילות ומבנה של מערכת החיסון למערכות ממוחשבות, כמו כן היא גם חוקרת את יכולות של המערכות האלו לטובת פתירת בעיות חישוביות מטכנולוגיות מתמטיות, הנדסיות ומידע. מערכת חיסון מלאכותית (AIS) הינו תת-תחום של ביולוגיה בהשראת מחשוב ומחשוב טבעי עם עניין בלמידת מחשב ושיוך לתחום הרחב יותר בנושא של בינה מלאכותית.

מערכת חיסון מלאכותית הינה מערכת מסתגלת בהשראת תאוריית מערכת החיסון וציון פונקציות חיסון, שיטות ומודלים, אשר חלים על פתרון בעיות.^[1]

מערכת חיסון מלאכותית (AIS) שונה מתורת החיסון הממוחשבת וביולוגיה התאורטית שקשורים להדמיות חיסוניות בשימוש במודלים מתמטיים לטובת הבנה טובה יותר של מערכת החיסון, למרות שמודלים כאלו הפיקו את התחום של מערכת חיסון מלאכותית וממשיכים לתת השראה.

התחום של מערכת חיסון מלאכותית (AIS) לא מתעניין עם המחקר של מערכת החיסון ברמה המחשבי, כמו מחשוב DNA.

היסטוריה

תחום מערכת חיסון מלאכותית (AIS) פרץ באמצע שנות ה-80 עם מאמרים שנכתבו על ידי פרמר, פקרד ופרלסון (1986) וכמו כן ע"י ברסיני וורלה (1990) על מערכות חיסון. עם זאת רק באמצע שנות ה-90 תחום מערכת חיסון מלאכותית עמד כתחום בפני עצמו.

פוסטר וקפרט פרסמו את מאמרם הראשון בנושא מערכת חיסון מלאכותית בשנת 1994, ודסגופטה ניהל מחקר נרחב על אלוגרימתי סלקציה שליליים. הונט וקוק כתבו מודלים של רשת חיסון בשנת 1995; טימיס וניל המשיכו לפתח את המחקר ועשו כמה שיפורים. מחקריהם של דה-קסטרו וון ז'ובן וכן גם של ניקוסיה וקוטלו על ברירת השבטים הפכו לראויים לציון בשנת 2002. הספר הראשון בנושא של מערכת חיסון מלאכותית נכתב על-ידי דסגופטה בשנת 1999.

כיום, תאוריות חדשות בתחומי מערכת חיסון מלאכותית כמו תאוריית סכנה ואלגוריתמים שהושפעו על ידי המערכת חיסון המוטבעת נחקרים. אומנם יש כאלו שמאמינים שהתאוריות החדשות האלו לא באמת מציעות אלגוריתמים שבאמת חדשים ביחס לאלגוריתמים שכבר קיימים בתחום מערכת חיסון מלאכותית. טענה זאת ניתנת לוויכוח, והוויכוח נותן את אחד הכוחות המניעים העיקריים לפיתוחים בתחום מערכת חיסון מלאכותית. התפתחויות אחרות בנושא כוללות את החקר בהתנוונות במודלים של מערכת חיסון מלאכותית,^[2]^[3] אשר מונע על ידי התפקיד המשוער שלו בלמידה והתפתחות.^[4]^[5]

במקור מערכת חיסון מלאכותית (AIS) ניסו למצוא הפשטות בתהליכים שנמצאים במערכת החיסון. ממש לאחרונה, מערכת חיסון מלאכותית משומשת יותר למפות את התהליכים הביולוגיים וכן בליישם אלגוריתמים של חסינות לבעיות ביו-אינפורמטיביים.

בשנת 2008, דסגופטה ונינו ^[6] הוציאו לאור ספר לימוד על מחשוב מערכת החיסון המציג מאגר של חקר עדכני ביחס לטכניקות המבוססות על חסינות ומתאר מגוון רחב של שימושים.

שיטות

השיטות הנפוצות הושפעו על ידי תאוריות מערכות החיסון ספציפיות שמתארות את הפונקציה והתנהגות של מערכת החיסון האדפטיבי של יונקים.

אלוגריתם ברירת השבטים: אלגוריתם שהושפע על ידי תאוריית הברירות שבטים של חסינות שמתארת איך לימפוציטים מסוג B ו-T המשפרים את התגובה שלהם לאנטיגנים לאורך זמן הנקרא התבגרות הזיקה (AFFINITY MATURATION). האלגוריתמים האלו מתרכזים על התכונות הדארוויניות של התאוריה כאשר בחירה הושפעה על ידי זיקה של אינטראקציית של נוגדנים אנטיגנים. התפתחות מושפעת על ידי חילוק תאים, וואריאציה שהושפעה על ידי היפרמוטציה של תאי גוף. אלגוריתמים ברירת שבטים הינם לרוב משומשים לתחומים של זיהוי רצפים.^[7]

אלגוריתם מיון שלילי : הושפע על ידי תהליך המיון החיובי ושלילי שמתבצע לאורך ההתבגרות של תאי T בתימוס הנקרא סיבולת תא T. מיון שלילי מתייחס לזיהוי ומחיקה של תאים המגיבים לעצמם, כלומר תאי T שעלולות לתקוף רקמת תאים. הסוג הזה של אלגוריתמים משומשות לרוב למיון וזיהוי רצפים בתחומי בעיות כשאזור הבעיה מבוססת על מידע קיים. לדוגמא, במקרה של זיהוי תחום יוצא דופן האלגוריתם מכין סט של מזהיי רצפים שמזהים רצפים לא צפויים או יוצאי דופן.^[8]

אלגוריתמים של רשת חיסון :אלגוריתמים שהושפעו על ידי תאוריית הרשת האידיוטופי שהוצג על ידי נילס קוו ג'רן שמתאר את הרגולציה של רשת החיסון על ידי נוגדנים אנטי-אידיוטופים. הסוג הזה של אלגוריתם מתרכז על גרף המערכת שבוא נוגדנים מייצגים את ה צמתים האלגוריתם המאמן מתקשר לגדילת או לקיצוץ צדדים בין הצמתים. אלגוריתמים רשת החיסון משומשים בהתאספות, ראית מידע, שליטה, ואופטימיזציה של תחומים וחולקים תכונות עם רשתות עצביות מלאכותיות.^[9]

אלוגריתם התא הדנדריטי:אלוגריתם התא הדנדריטי (DCA) הינו דוגמא של אלגוריתם חיסוני שפותח באמצעות שימוש בגישה רבת היקף. האלגוריתם מבוסס על מודל של תא דנדריטי (DCs). אלוגריתם התא הדנדריטי עובר תהליך של בחינת אספקטים שונים של פעילות של תאים דנדריטים (DC), מהרשת המולקולרי שנמצא בתוך התא להתנהגות של קבוצת תאים כקבוצה. באלוגריתם התא הדנדריטי מידע מתפרק במספר שכבות, בעזרת עיבוד רב היקפי. .^[10]

ראה גם

בנוי בהשראה ביולוגית מחשוב
אימונולוגיה חישובית
אינטליגנציה חישובית
תגובתי חיפוש אופטימיזציה
חישוב אבולוציוני
Immunocomputing
טבעי חישוב
נחיל מודיעין
למידה מסווג מערכת
שלטון המבוסס על למידת מכונה

הערות

תבנית:Reflist

המלצות

ג ' יי. די חקלאי, נ פקרד, ו. א. Perelson, (1986) "המערכת החיסונית, הסתגלות, למידה חישובית", Physica D, vol. 2, pp. 187-204
ה. Bersini, פ. ג ' ורלה, רמזים על אדפטיבית לפתרון בעיה ללמוד מן החיסונית רשתות. במקביל פתרון בעיות מן הטבע, הסדנה הראשונה PPSW 1, דורטמונד, FRG, אוקטובר, 1990.
ד. Dasgupta (עורך), מערכת חיסונית מלאכותית והיישומים שלהם, ספרינגר-וורלאג, Inc. ברלין, בינואר 1999, ISBN 3-540-64390-7
V. Cutello וג ' ניקוסיה (2002) "מערכת החיסון גישה קומבינטורית אופטימיזציה בעיות" הרצאה הערות במדעי המחשב, ספרינגר vol. 2527, עמ'. 361-370.
L. N. דה קסטרו. פ. ג ' יי פון Zuben, (1999) "מערכת חיסונית מלאכותית: חלק א '- בסיסי תיאוריה ויישומים", בית הספר של מחשוב והנדסת חשמל, אוניברסיטת מדינה של Campinas, ברזיל, לא. DCA-RT 01/99.
ס גארט (2005) "איך אנחנו להעריך מערכת חיסונית מלאכותית?" האבולוציה חישוב, vol. 13, לא. 2, pp. 145-178. http://mitpress.mit.edu/journals/pdf/EVCO_13_2_145_0.pdf
V. Cutello, ג', ניקוסיה, מ Pavone, ג ' יי Timmis (2007) החיסונית האלגוריתם עבור מבנה חלבון חיזוי על סריג דגמים, IEEE פעולות חישוב אבולוציוני, vol. 11, לא. 1, pp. 101-117. http://www.dmi.unict.it/nicosia/papers/journals/Nicosia-IEEE-TEVC07.pdf

קישורים חיצוניים

AISWeb: באינטרנט הבית של מערכת חיסונית מלאכותית מידע על AIS באופן כללי וקישורים מגוון רחב של משאבים, כולל ICARIS סדרת כנסים, קוד, ללמד חומר ואת אלגוריתם תיאורים.
אמן: רשת עבור מערכת חיסונית מלאכותית מספק מידע על בריטניה AIS רשת, אמן. הוא מספק תמיכה טכנית ופיננסית, על AIS בבריטניה ומעבר, ומטרתה לקדם AIS פרויקטים.
המחשב מערכות החיסון קבוצת באוניברסיטת ניו-מקסיקו בראשות סטפני פורסט.
AIS: מערכת חיסונית מלאכותית קבוצת באוניברסיטת ממפיס בראשות Dipankar Dasgupta.
IBM אנטי וירוס מחקר מוקדם לעבוד AIS עבור אבטחת המחשב.

^ de Castro, Leandro N.; Timmis, Jonathan (2002). Artificial Immune Systems: A New Computational Intelligence Approach. Springer. pp. 57–58. ISBN 978-1-85233-594-6.
^ Andrews and Timmis (2006). "A Computational Model of Degeneracy in a Lymph Node". Lecture Notes in Computer Science. 4163: 164. doi:10.1007/11823940_13.
^ Mendao; et al. (2007). "The Immune System in Pieces: Computational Lessons from Degeneracy in the Immune System". Foundations of Computational Intelligence (FOCI): 394–400. {{cite journal}}: |access-date= מצריך גם |url= (עזרה)
^ Edelman and Gally (2001). "Degeneracy and complexity in biological systems". Proceedings of the National Academy of Sciences of the United States of America. 98 (24): 13763–13768. doi:10.1073/pnas.231499798.
^ Whitacre (2010). "Degeneracy: a link between evolvability, robustness and complexity in biological systems". Theoretical Biology and Medical Modelling. 7 (6). doi:10.1186/1742-4682-7-6. נבדק ב-2011-03-11.
^ Dasgupta, Dipankar; Nino, Fernando (2008). CRC Press. p. 296. ISBN 978-1-4200-6545-9. {{cite book}}: חסר או ריק |title= (עזרה)Missing or empty |title= (עזרה)
^ de Castro, L. N.; Von Zuben, F. J. (2002). "Learning and Optimization Using the Clonal Selection Principle" (PDF). IEEE Transactions on Evolutionary Computation, Special Issue on Artificial Immune Systems. IEEE. 6 (3): 239–251. doi:10.1109/tevc.2002.1011539.
^ {{cite conference}}: Empty citation (עזרה)
^ Timmis, J.; Neal, M.; Hunt, J. (2000). "An artificial immune system for data analysis". BioSystems. 55 (1): 143–150. doi:10.1016/S0303-2647(99)00092-1. PMID 10745118.
^ Greensmith, J.; Aickelin, U. (2009). "Artificial Dendritic Cells: Multi-faceted Perspectives" (PDF). Human-Centric Information Processing Through Granular Modelling: 375–395.

[1] Castro, Leandro N.; Timmis, Jonathan (2002). Artificial Immune Systems: A New Computational Intelligence Approach. Springer. pp. 57–58. ISBN 978-1-85233-594-6.

[Andrews_and_Timmis-2] Andrews and Timmis (2006). "A Computational Model of Degeneracy in a Lymph Node". Lecture Notes in Computer Science. 4163: 164. doi:10.1007/11823940_13.

[Mendao_et_al.-3] Mendao; et al. (2007). "The Immune System in Pieces: Computational Lessons from Degeneracy in the Immune System". Foundations of Computational Intelligence (FOCI): 394–400. {{cite journal}}: |access-date= מצריך גם |url= (עזרה)

[Edelman_and_Gally-4] Edelman and Gally (2001). "Degeneracy and complexity in biological systems". Proceedings of the National Academy of Sciences of the United States of America. 98 (24): 13763–13768. doi:10.1073/pnas.231499798.

[Whitacre-5] Whitacre (2010). "Degeneracy: a link between evolvability, robustness and complexity in biological systems". Theoretical Biology and Medical Modelling. 7 (6). doi:10.1186/1742-4682-7-6. נבדק ב-2011-03-11.

[6] Dasgupta, Dipankar; Nino, Fernando (2008). CRC Press. p. 296. ISBN 978-1-4200-6545-9. {{cite book}}: חסר או ריק |title= (עזרה)Missing or empty |title= (עזרה)

[7] Castro, L. N.; Von Zuben, F. J. (2002). "Learning and Optimization Using the Clonal Selection Principle" (PDF). IEEE Transactions on Evolutionary Computation, Special Issue on Artificial Immune Systems. IEEE. 6 (3): 239–251. doi:10.1109/tevc.2002.1011539.

[8] {{cite conference}}: Empty citation (עזרה)

[9] Timmis, J.; Neal, M.; Hunt, J. (2000). "An artificial immune system for data analysis". BioSystems. 55 (1): 143–150. doi:10.1016/S0303-2647(99)00092-1. PMID 10745118.

[10] Greensmith, J.; Aickelin, U. (2009). "Artificial Dendritic Cells: Multi-faceted Perspectives" (PDF). Human-Centric Information Processing Through Granular Modelling: 375–395.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]