با سلام

به طور کلی، سیستم‌های ایمنی مصنوعی جزء الگوریتم‌های الهام گرفته شده از بیولوژی هستند. این نوع الگوریتم‌ها، الگوریتم‍هایی کامپیوتری هستند که اصول و ویژگی‌های آنها نتیجه بررسی در خواص وفقی و مقاومت نمونه‌ها بیولوژیکی است. سیستم ایمنی مصنوعی نوعی الگو برای یادگیری ماشین است. یادگیری ماشین، توانایی کامپیوتر برای انجام یک کار با یادگیری داده‌ها یا از روی تجربه است. سیستم ایمنی مصنوعی توسط کاسترو به صورت زیر تعریف شده است:

سیستم های وفقی که با الهام از ایمونولوژی نظری و توابع، اصول و مدل های ایمنی مشاهده شده به وجود آمده‌اند و برای حل مسائل مورد استفاده قرار می‌گیرند.

دی کاسترو و تیمیس تعریف بالا را برای AIS برگزیده اند و سه نکته را برشمردند که در هر الگوریتم ایمنی مصنوعی باید لحاظ شود:

۱٫ در هر الگوریتم ایمنی مصنوعی، حداقل باید یک جزء ایمنی مانند لنفوسیت ها وجود داشته باشد.

۲٫ در هر الگوریتم ایمنی مصنوعی باید ایده ای برگرفته از بیولوژی نظری یا تجربی استفاده شود.

۳٫ الگوریتم ایمنی مصنوعی طراحی شده باید به حل مسئله ای کمک کند.

بر اساس این سه ضابطه، دیکاسترو و تیمیس، اولین الگوریتم های ایمنی مصنوعی را در سال ۱۹۸۶ طراحی کردند. در همان سال فارمر مدلی برای تئوری شبکه ایمنی ارائه کرد و بر اساس این مدل اعلام کرد که “سیستم ایمنی قادر به یادگیری، به خاطر سپردن و تشخیص الگوست.” بعد از ادعای فارمر، توجه به AIS به عنوان یک مکانیزم یادگیری ماشین شروع شد. پس از آن به تدریج AIS، در زمینه‌های مختلف وفق پذیر و جذاب بودن خود را نشان داد. سیستم ایمنی علاوه بر توانایی تشخیص الگو، صفات دیگری از قبیل یادگیری، حافظه، خود سازماندهی و از منظر مهندسی، خصوصیات دیگری مانند تشخیص بی‌قاعدگی، تحمل خطا، توزیع‌پذیری و مقاومت بالا نیز دارد که در صورتی که AIS به طور صحیح ایجاد شود، AIS هم دارای این ویژگی‌ها خواهد بود.

دانلود این فیلم آموزشی در ادامه مطلب…

از زمان آغاز بحث AIS، این سیستم برای اهداف متنوعی به کار گرفته شده است می‌توان اکثر این کاربردها را تحت سه عنوان بزرگ دسته‌بندی کرد. این سه عنوان عبارتند از:

۱٫ تشخیص بی قاعدگی

۲٫ بهینه سازی

۳٫ داده کاوی (کلاس بندی ، خوشه بندی و …)