免疫计算与自然计算.ppt

主讲老师：龚涛 信息科学与技术学院 2010年3月 主教材：《人工智能及其应用》(第3版，研究生用书) 网上课程：/taogong 按照IEEE国际学术界的观点，人工免疫系统是计算智能的研究领域之一，而计算智能是人工智能的研究领域之一，因此人工免疫系统是人工智能的子集。 (1) 人工免疫系统与模式识别的关系 (2) 人工免疫系统与神经网络的关系 (3) 人工免疫系统在计算智能学科中的地位 自然免疫系统具有天生的、并行的、非线性识别能力，在正常的免疫应答条件下能有效地区分自体和异体。由于人工免疫系统是由自然免疫系统启发而来的，因此人工免疫系统也应该具有较强的模式识别功能，特别是对未知异体的识别。 人工免疫系统的自进化学习机制用来设计了免疫算法和免疫学习机制，以提高算法对入侵模式识别的效率和正确率，实验表明该算法具有较好的识别未知模式的能力。 人工免疫系统是一种新的计算智能分支，可用于模式识别。 对于人类而言，免疫系统和神经网络都具有以下相似的智能特征；由于人工免疫系统是由自然免疫系统启发而来的，人工神经网络是由人类神经网络启发而来的，所以人工免疫系统和人工神经网络具有相似点。 免疫系统和神经网络都是由大量不同类型的细胞组成的，人类免疫系统中淋巴细胞的数量和神经网络中神经元的数量级别相当。 免疫系统和神经网络都利用细胞的差异性对大量不同的激励产生相应的响应。 免疫系统和神经网络都具备记忆能力，它们对事件的记忆可以长达多年，都能通过学习调整其行为。 在IEEE计算智能学会里有人工免疫系统研究组，主席是Dasgupta D.。这说明IEEE学会将人工免疫系统当作计算智能学科的分支之一。 蔡自兴在《人工智能及其应用》第三版研究生用书中将免疫计算作为计算智能这一章的一节，说明将免疫计算看作计算智能的分支之一，这一观点与IEEE计算智能学会的观点是一致的。 免疫计算是受自然界灵感启发而产生的新兴计算分支之一，量子计算、DNA计算、进化计算和神经计算等新兴计算机制也都是受自然系统启发而来的，这样传统的计算正扩展为自然计算 (Natural Computation，NC)。 人工智能的发展离不开坚实的数学基础，数理系统本身也需要发展完善，有时必须消除各个数学分支之间的冲突，自然计算就是在自然的启示下对数学基础的一种系统化。 人工免疫系统的建模、算法设计和仿真以及应用开发就是利用计算机的免疫算法模拟自然免疫计算的机制。 生物免疫系统是一个复杂、自适应和具有较高智能的系统，其组成结构的复杂性在组分数量上不亚于大脑的复杂性。因此，生物免疫系统的模型构建，是一个复杂、艰巨、长期的努力过程，对人类和自然界都是十分重要的。 (1) 生物免疫系统的经典模型 (2) 人类免疫系统的可视化免疫模型 固有免疫响应曾被认为是一种有限的响应，通过简单的“吸收并杀死”机制来容忍感染，以给予主体时间，来启动特定的体液免疫和细胞免疫。 Netea等使用白色念珠菌构建主体模式识别系统和入侵微生物病原体之间的复杂交互模型。 免疫系统按照一种调节方式对细菌作出反应，并消除它们，但免疫系统不会对自体抗原作出反应。抗原清除之后，几种调节机制开始运作，以终止对外来抗原的反应，让免疫系统回到基本状态，并维护无反应性或者叫做对自体抗原的耐受性。 特定T细胞和B细胞如何对感染响应、为什么响应以及什么时候响应都遵循清楚的规则，由此Zinkernagel等讨论了受体特异性和抗原的参数。 为了从自然计算的角度研究人类免疫系统，提出了人类免疫系统的可视化3层模型，这种模型与计算机仿真是无缝衔接的。 一般来说，从自然界到计算机，异体抗原映射为计算机病毒或故障；自体抗原映射为扩展的正常组件；噬菌细胞映射为对象消除器，例如操作系统的文件删除命令；抗体映射为免疫艾真体 (immune agent，IA)；记忆细胞映射为存储器；特征匹配映射为数据库查询；模式识别映射为神经网络等的学习与推理；B细胞群和T细胞群映射为并行计算机。 免疫系统的典型状态包括病毒入侵或基因病变前机体的正常新陈代谢、病毒入侵和基因病变对机体的损害、固有免疫响应、自适应免疫响应、机体自修复。 以抗蠕虫病毒为实际应用背景，提出免疫计算新模型及其免疫算子在静态Web系统中的应用方法。抗蠕虫病毒Web系统的正常模型构建为蠕虫病毒的检测和受损系统的自修复提供了依据，抗蠕虫病毒Web免疫系统的实际应用验证了抗蠕虫病毒免疫计算的可行性和实用性。 控制器的噪音、故障同样可以