Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf
-
Upload
vinicius-pereira -
Category
Documents
-
view
27 -
download
1
Transcript of Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf
![Page 1: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/1.jpg)
Sistemas Imunológicos Artificiais
Professora: Gisele L. PappaEstágio Docência: Mirlaine Crepalde
Computação Natural
![Page 2: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/2.jpg)
Sistema Imunológico: Princípios e Teorias
• Componentes Biológicos: – Linfócitos (anticorpos)
• Células-B: maturação na medula óssea– Processo de clonagem e mutação
• Células-T: maturação no Thymus– Antígenos: ativam sistema imunológico
• Reconhecimento e Ligação:– Afinidade: complementariedade, interações
![Page 3: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/3.jpg)
Sistema Imunológico: Princípios e Teorias
• Adaptação– Clonal selection
• Mutação• Reatividade Cruzada
– Maturação• Discriminação Self/Nonself
– Maturação das células-T no Thymus através da seleção negativa
• Teoria das Redes Imunológicas
![Page 4: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/4.jpg)
Um Framework para SIA
Algoritmos
Afinidade
Representação
Aplicação
Solução
AIS
Forma-Espaço
Binário
Inteiro
Real
Simbólico
[De Castro and Timmis, 2002]
![Page 5: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/5.jpg)
Um Framework para SIA
Algoritmos
Afinidade
Representação
Aplicação
Solução
AIS
[De Castro and Timmis, 2002]
Euclidiana
Manhattan
Hamming
rbc
r-chunks
![Page 6: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/6.jpg)
Um Framework para SIA
Algoritmos
Afinidade
Representação
Aplicação
Solução
AIS
[De Castro and Timmis, 2002]
Modelos de Medula
Seleção e Clonagem
Seleção Negativa
Redes Imunológicas
![Page 7: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/7.jpg)
Forma-Espaço• Um anticorpo pode reconhecer
qualquer antígeno cujo complemento está dentro de uma região α ao seu redor (o limiar de afinidade ou reatividade cruzada)
• Isso resulta em um volume ve conhecido como região de reconhecimento do anticorpo
α
ve
V
S
A camada de representação
ve
ve
α
α
[Perelson,1989]
![Page 8: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/8.jpg)
Camada de Afinidade• O grau de interação entre um anticorpo e um antígeno ou entre
dois anticorpos pode ser avaliado utilizando uma medida de distância ou afinidade
• A escolha da medida de afinidade é importante porque:• Ela altera a topologia da forma-espaço• Ela deve levar em consideração o problema sendo resolvido e os
dados disponíveis• Células podem sofrer mutação de acordo com a afinidade
A camada de afinidade
![Page 9: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/9.jpg)
A camada de algoritmos• Modelos da Medula
– Usado para gerar repositórios de células e moléculas• Seleção e Clonagem
– Utilizado para controlar como os componentes do sistema imunológico interagem com antígenos
• Seleção negativa– Utilizado para gerar reportórios de células capazes de reconhecer self e
non-self• Modelos de Redes (dinâmicos)
– Contínuos– Discretos
A camada de Algoritmos
![Page 10: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/10.jpg)
Exemplos de Representação e Matching
• Distância Hamming
![Page 11: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/11.jpg)
Exemplos de Representação e Matching
![Page 12: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/12.jpg)
Exemplos de Representação e Matching
![Page 13: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/13.jpg)
Modelo da Medula
• É na medula que todas as células do sistema imunológico são criadas
• Geram “células” aleatoriamente– Como a inicialização da população de um AG
• Podem utilizar bibliotecas de genes– Essa bibliotecas podem trazer conhecimento a
priori sobre o problema
![Page 14: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/14.jpg)
1A 1B 1C 1D 2A 2B 2C 2D
1C 2B
1C 2B
Library 1 Library 2
![Page 15: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/15.jpg)
Algoritmos de Seleção Negativa• Define Self como um padrão de atividade normal ou comportamento
estável de um sistema / processo (S)• Objetivo:
– Gerar um conjunto de dectores R que não casam com os padrões em S.• Monitora novas observações de S procurando por mudanças.
– Testa os detectores em relação a S. – Se existe um casamento, uma mudança deve ter ocorrido no
comportamento do sistema.• Definir o limiar de reconhecimento (afinidade ε)
![Page 16: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/16.jpg)
Fase de Censoriamento
Self Strings(S)
Generate random
Strings (R0)Detector Set (R)
Reject
Match
Yes
No
![Page 17: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/17.jpg)
Fase de Monitoramento
Protected Strings
(S*)
Detector Set (R)
Nonself Detected
Match
Yes
![Page 18: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/18.jpg)
Real-Valued Negative Selection Algorithm (RNS)
• Atributos pertencem ao espaço [0,1]• Movimento dos detectores para cubrir ao
máximo o espaço nonself• Matching de um detector r e o conjunto self
é baseada na vizinhança de r no conjunto S• Idade é associada aos detectores• Direção do movimento é ponderada por
– η(t)=η0e-t/τ
![Page 19: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/19.jpg)
Cobertura dos Detectores: abordagem recente V-Detector
![Page 20: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/20.jpg)
Ilustrando...
Match10111000
Don’t Match1101
•Regra de r bits contíguos, com r = 2
![Page 21: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/21.jpg)
Aplicação Clássica de Seleção Negativa
• Detecção de anomalias• Domínio de segurança de computadores• Classificação onde classes há duas classes e
há desbalanceamento de representantes• Reconhecer o que é self /non-self
– Usa seleção negativa para criar um conjunto de detectores
![Page 22: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/22.jpg)
Segurança: Mapeamento do Sistema Imunológico Real para o ArtificialSistemas Imunológico Sistema Imunológico ArtificialCélulas T, B e anticorpos Detectores representados por um string de
bitsCélula de Memória Detector de memóriaAntígeno (Nonself) string de bitsCasamento Utilizando a regra de r bits contíguos
Tolerância Algoritmo de seleção negativa
![Page 23: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/23.jpg)
Segurança de Redes
• Broadcast em LANs• Proteger a LAN de intrusos• SIA precisa monitorar o
tráfico da rede e identificar intrusos
• Conexão é uma tripla:– <fonte, destino, porta>
![Page 24: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/24.jpg)
Segurança de Computadores• Self são conexões normais que acontecem durante um determinado período de tempo• SIA deve aprender a distinguir o que é normal do que não é• O conjunto de conexões normais (self) é definido dinamicamente
– Os dectores de non-self são produzidos através de seleção negativa durante um período de tolerância
![Page 25: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/25.jpg)
Avaliação• Hofmeyr & Forrest, 2000• Testado em subredes de 50 computadores• Dados coletados por 50 dias
– Mais de 2.3 milhões de conexões TCP, filtradas para 1.5
• Conexão representada por um string de 49 bits• Conjunto de non-selfs tinha apenas 7 intrusões• Número baixos de conexões normais detectadas como
ataques (2 por dia)
![Page 26: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/26.jpg)
Diagnóstico de Câncer de Mama• Gonzàlez and Dasgupta, 2003• RNS + Rede Neural• 683 amostras de células com 10 características• Dois conjuntos: 271 para treino (benignas) e 412 para
teste (mistas)• Usa o algoritmo RNS para gerar 400 detectores (nonself
- malignos)• Usa as 400 amostras malignas + 271 amostras benignas
para treinar a rede
![Page 27: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/27.jpg)
Parâmetros• ε: limiar de afinidade : 0.1• N: número de detectores • T: idade máxima de maturidade : 5• η0: valor inicial da taxa de atualização : 1
• τ: controla decaimento da taxa de atualização • k: o número de vizinhos que define o self-match : 1 • max_it : 400
![Page 28: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/28.jpg)
Seleção e Clonagem –Clonalg
1. Inicialização 2. Apresentação dos antígenos
a. Afinidadeb. Seleção,clonagem e expansãoc. Maturação da afinidaded. Meta-dinâmica
3. Ciclo
![Page 29: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/29.jpg)
1. Inicialização
2. Apresentação dos antígenosa. Afinidadeb. Seleção,clonagem e
expansão– Maturação da afinidaded. Meta-dinâmica
3. Ciclo
Clonalg
• Cria aleatoriamente uma população (P) de anticorpos
![Page 30: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/30.jpg)
1. Inicialização2. Apresentação dos antígenos
a. Afinidadeb. Seleção,clonagem e
expansão– Maturação da afinidaded. Meta-dinâmica
3. Ciclo
Clonalg
• Para cada padrão (antígeno) no conjunto de dados S faça:
![Page 31: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/31.jpg)
1. Inicialização2. Apresentação dos antígenos
a. Afinidadeb. Seleção,clonagem e
expansãoc. Maturação da afinidaded. Meta-dinâmica
3. Ciclo
Clonalg
• Apresenta o antígeno para população P e calcula a afinidade com cada anticorpo
![Page 32: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/32.jpg)
1. Inicialização2. Apresentação dos antígenos
a. Afinidadeb. Seleção,clonagem e
expansãoc. Maturação da afinidaded. Meta-dinâmica
3. Ciclo
Clonalg
• Seleciona os n1 anticorpos com maior afinidade em P
• Gera clones desses anticorpos com probabilidade proporcional a anfinidade com o antígeno (qto maior afinidade, mais clones)
![Page 33: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/33.jpg)
1. Inicialização2. Apresentação dos antígenos
a. Afinidadeb. Seleção,clonagem e
expansão– Maturação da afinidaded. Meta-dinâmica
3. Ciclo
Clonalg
• Muta cada clone• Adiciona os indivíduos mutados a
população P• Seleciona novamente os melhores
indivíduos para serem mantidos como memória do antígeno apresentado
![Page 34: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/34.jpg)
1. Inicialização2. Apresentação dos antígenos
a. Afinidadeb. Seleção,clonagem e
expansãoc. Maturação da afinidaded. Meta-dinâmica
3. Ciclo
Clonalg
• Substitui um número n2 de indivíduos com afinidade baixa por novos indivíduos gerados aleatoriamente
![Page 35: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/35.jpg)
1. Inicialização2. Apresentação dos antígenos
a. Afinidadeb. Seleção,clonagem e
expansãoc. Maturação da afinidaded. Meta-dinâmica
3. Ciclo
Clonalg
• Repete passo 2 até um critério de parada ser encontrado
![Page 36: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/36.jpg)
Otimização vs Aprendizagem
• Otimização– Assume que existe uma função a ser otimizada,
e que cada anticorpo correponde a um valor dessa função
• Aprendizagem ou Reconhecimento de padrões– Assume que existe um conjunto de padrões a
serem reconhecidos ou aprendidos (conjunto S de antígenos)
![Page 37: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/37.jpg)
Reconhecimento de Caracteres
• Gerar um conjunto de detectores capazes de reconhecer dígitos simples
![Page 38: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/38.jpg)
•Representação: cada indivíduo é um bit de strings (120)
• Usa distância Hamming como métrica de similaridade• 10 anticorpos (P) • max_it: 500• n1=5, n2=0
• Nc=(β.N)/i, β=10
=
=
100111101111101101100101010010010011011000010010101101101101
5
4
3
2
1
ppppp
P
![Page 39: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/39.jpg)
Evolução dos Detectores
![Page 40: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/40.jpg)
Redes Imunológicas
![Page 41: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/41.jpg)
Redes Imunológicas
• Algoritmos que vimos até agora propõe um sistema imunológico em estado de espera, que apenas se torna ativo quando invadido
• Redes propõe um sistema imunológico dinâmico, i.e, ativo mesmo quando não está em perigo
![Page 42: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/42.jpg)
Redes Imunológicas
• Primeiro modelo de redes imunológicas naturais foi proposto por Jerne (1974)
• Primeiro modelo computacional de redes contínuas foi proposto em 1986– Baseado em equações diferenciais do modelo
de Jerne– Construída para simular a rede imunológica
natural, não para ser utilizada como um algoritmo para resolver problemas
![Page 43: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/43.jpg)
Redes Imunológicas Discretas
• Em redes imunológicas, existem 2 tipos de interações:
1. Com os antígenos (externa)2. Com os outros elementos da rede (interna)
• Existem diversos modelos de redes discretas
– Aqui discutiremos a aiNet (Artificial Imune Network)
![Page 44: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/44.jpg)
aiNet
• Existe uma população de antígenos S que deve ser reconhecida por um conjunto P de células que formam a rede
• Ambos antígenos e anticorpos são representados por um vetor de números reais
![Page 45: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/45.jpg)
1. Inicialização2. Apresentação dos antígenos
a. Afinidadeb. Seleção,clonagem e
expansãoc. Maturação da afinidaded. Meta-dinâmicae. Interação de clonagemf. Supressão de clonagem
3. Interações da rede4. Supressão da rede5. Diversidade6. Ciclo
aiNET
De Castro and Von Zuben, 2000
Idêntico ao Clonalg
![Page 46: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/46.jpg)
1. Inicialização2. Apresentação dos antígenos
a. Afinidadeb. Seleção,clonagem e
expansãoc. Maturação da afinidaded. Meta-dinâmicae. Interação de clonagemf. Supressão de clonagem
3. Interações da rede4. Supressão da rede5. Diversidade6. Ciclo
aiNET
• Determina a afinidade entre todos os elementos da memória de clonagem
![Page 47: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/47.jpg)
1. Inicialização2. Apresentação dos antígenos
a. Afinidadeb. Seleção,clonagem e
expansãoc. Maturação da afinidaded. Meta-dinâmicae. Interação de clonagemf. Supressão de clonagem
3. Interações da rede4. Supressão da rede5. Diversidade6. Ciclo
• Elimina todos os clones cujas afinidades são menores que um dado limiar. Incorpora o restante dos clones na rede
aiNET
![Page 48: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/48.jpg)
1. Inicialização2. Apresentação dos antígenos
a. Afinidadeb. Seleção,clonagem e
expansãoc. Maturação da afinidaded. Meta-dinâmicae. Supressão de clonagem
3. Interações da rede4. Supressão da rede5. Diversidade6. Ciclo
aiNET
• Determina a similaridade entre cada par de anticorpos da rede
![Page 49: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/49.jpg)
1. Inicialização2. Apresentação dos antígenos
a. Afinidadeb. Seleção,clonagem e
expansão– Maturação da afinidaded. Meta-dinâmicae. Supressão de clonagem
3. Interações da rede4. Supressão da rede5. Diversidade6. Ciclo
aiNET
• Elimina todos os anticorpos da rede cuja afinidade seja menor que um limiar pré-definido
![Page 50: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/50.jpg)
1. Inicialização2. Apresentação dos antígenos
a. Afinidadeb. Seleção,clonagem e
expansãoc. Maturação da afinidaded. Meta-dinâmicae. Supressão de clonagem
3. Interações da rede4. Supressão da rede5. Diversidade6. Ciclo
aiNET
• Introduz novos anticorpos a população P
![Page 51: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/51.jpg)
1. Inicialização2. Apresentação dos antígenos
a. Afinidadeb. Seleção,clonagem e
expansãoc. Maturação da afinidaded. Meta-dinâmicae. Supressão de clonagem
3. Interações da rede4. Supressão da rede5. Diversidade6. Ciclo
aiNET
• Repete os passos 2 a 5 para um determinado número de iterações
![Page 52: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/52.jpg)
aiNET em Otimização Multi-modal
Initial population
Final population
![Page 53: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/53.jpg)
Resultados
aiNET CLONALG
![Page 54: Computação Natural - Aula 13 - Sistemas Imunológicos Artificiais.pdf](https://reader033.fdocumentos.tips/reader033/viewer/2022051416/55cf9925550346d0339bd861/html5/thumbnails/54.jpg)
Agradecimento
• A maioria desses slides foi retirado das notas de aula de John Timmis.