कृत्रिम प्रतिरक्षा प्रणाली: Difference between revisions

From Vigyanwiki
No edit summary
 
Line 136: Line 136:
*[http://www.research.ibm.com/antivirus/ आईबीएम एंटीवायरस रिसर्च] कंप्यूटर सुरक्षा के लिए एआईएस में प्रारंभिक कार्य।
*[http://www.research.ibm.com/antivirus/ आईबीएम एंटीवायरस रिसर्च] कंप्यूटर सुरक्षा के लिए एआईएस में प्रारंभिक कार्य।


{{DEFAULTSORT:Artificial Immune System}}[[Category: कृत्रिम प्रतिरक्षा प्रणाली| कृत्रिम प्रतिरक्षा प्रणाली]]
{{DEFAULTSORT:Artificial Immune System}}


 
[[Category:Created On 26/07/2023|Artificial Immune System]]
 
[[Category:Machine Translated Page|Artificial Immune System]]
[[Category: Machine Translated Page]]
[[Category:Pages with script errors|Artificial Immune System]]
[[Category:Created On 26/07/2023]]
[[Category:Templates Vigyan Ready]]
[[Category:Vigyan Ready]]
[[Category:Webarchive template wayback links|Artificial Immune System]]
[[Category:कृत्रिम प्रतिरक्षा प्रणाली| कृत्रिम प्रतिरक्षा प्रणाली]]

Latest revision as of 09:51, 11 August 2023

कृत्रिम बुद्धिमत्ता में, कृत्रिम प्रतिरक्षा प्रणाली (एआईएस) कशेरुक प्रतिरक्षा प्रणाली के सिद्धांतों और प्रक्रियाओं से प्रेरित कम्प्यूटेशनल रूप से बुद्धिमान, नियम-आधारित मशीन सीखना प्रणाली का वर्ग होता है। इस प्रकार समस्या-समाधान में उपयोग के लिए एल्गोरिदम को सामान्यतः प्रतिरक्षा प्रणाली की सीखने और मैमोरी की विशेषताओं के आधार पर तैयार किया जाता है।

परिभाषा

कृत्रिम प्रतिरक्षा प्रणाली (एआईएस) का क्षेत्र प्रतिरक्षा प्रणाली की संरचना और कार्य को कम्प्यूटेशनल प्रणालियों में सम्मिलित करने और गणित, इंजीनियरिंग और सूचना प्रौद्योगिकी से कम्प्यूटेशनल समस्याओं को हल करने की दिशा में इन प्रणालियों के अनुप्रयोग की जांच करने से संबंधित होती है। इस प्रकार एआईएस बायो-प्रेरित गणना और प्राकृतिक गणना का उप-क्षेत्र होता है, अतः जो यंत्र अधिगम में रुचि रखता है और कृत्रिम बुद्धिमत्ता के व्यापक क्षेत्र से संबंधित होता है।

कृत्रिम प्रतिरक्षा प्रणाली (एआईएस) अनुकूली प्रणालियां होती हैं, जो सैद्धांतिक प्रतिरक्षा विज्ञान और देखे गए प्रतिरक्षा कार्यों, सिद्धांतों और मॉडलों से प्रेरित होते हैं, जिन्हें समस्या समाधान के लिए क्रियान्वित किया जाता है।.[1]

एआईएस कम्प्यूटेशनल प्रतिरक्षा विज्ञान और सैद्धांतिक जीवविज्ञान से भिन्न होती है जो प्रतिरक्षा प्रणाली को उत्तम रूप से समझने के लिए कम्प्यूटेशनल और गणितीय मॉडल का उपयोग करके प्रतिरक्षा विज्ञान का अनुकरण करने से संबंधित होता है, चूँकि ऐसे मॉडल ने एआईएस के क्षेत्र के प्रारंभ की और प्रेरणा के लिए उपजाऊ जमीन प्रदान करना जारी रखा जाता है। अंत में, डीएनए गणना जैसे अन्य क्षेत्रों के विपरीत, एआईएस का क्षेत्र गणना के लिए सब्सट्रेट के रूप में प्रतिरक्षा प्रणाली की जांच से संबंधित नहीं होती है।

इतिहास

एआईएस सन्न 1980 के दशक के मध्य में प्रतिरक्षा नेटवर्क पर फार्मर, पैकर्ड और पेरेलसन (1986) और बेर्सिनी और वेरेला (1990) द्वारा लिखे गए लेखों के साथ उभरा होता है। चूँकि, सन्न 1990 के दशक के मध्य में ही एआईएस अपने आप में क्षेत्र बन गया था। इस प्रकार फॉरेस्ट एट अल. (ऋणात्मक चयन पर (प्रतिरक्षा विज्ञान)) और केफार्ट एट अल।[2] 1994 में एआईएस पर अपना पहला पेपर प्रकाशित किया और दासगुप्ता ने ऋणात्मक चयन एल्गोरिदम पर व्यापक अध्ययन किया। हंट और कुक ने 1995 में इम्यून नेटवर्क मॉडल पर काम प्रारंभ किया; टिमिस और नील ने यह काम जारी रखा और कुछ सुधार किये। डी कास्त्रो और वॉन ज़ुबेन और निकोसिया और कटेलो का काम (क्लोनल चयन पर) 2002 में उल्लेखनीय हो गया। कृत्रिम प्रतिरक्षा प्रणाली पर पहली पुस्तक 1999 में दासगुप्ता द्वारा संपादित की गई थी।

वर्तमान में, एआईएस तर्ज पर नए विचारों, जैसे खतरे के सिद्धांत और जन्मजात प्रतिरक्षा प्रणाली से प्रेरित एल्गोरिदम का भी पता लगाया जा रहा है। चूँकि कुछ लोगों का मानना ​​है कि ये नए विचार अभी तक उपस्तिथा एआईएस एल्गोरिदम के अतिरिक्त कोई वास्तविक 'नया' सार प्रस्तुत नहीं करते हैं। चूँकि, इस पर गरमागरम बहस चल रही है, और यह बहस इस समय एआईएस विकास के लिए मुख्य प्रेरक शक्तियों में से प्रदान करती है। अन्य हालिया विकासों में एआईएस मॉडल में अध:पतन (जीव विज्ञान) की खोज सम्मिलित है,[3][4] जो खुली शिक्षा और विकास में इसकी परिकल्पित भूमिका से प्रेरित है।[5][6] मूल रूप से एआईएस ने प्रतिरक्षा प्रणाली में पाई जाने वाली प्रक्रियाओं के कुशल सार को खोजने के लिए निर्धारित किया था, किन्तु हाल ही में, यह जैविक प्रक्रियाओं के मॉडलिंग और जैव सूचना विज्ञान समस्याओं के लिए प्रतिरक्षा एल्गोरिदम को क्रियान्वित करने में रुचि ले रहा है।

2008 में, दासगुप्ता और नीनो [7] प्रतिरक्षाविज्ञानी संगणना पर पाठ्यपुस्तक प्रकाशित की जो प्रतिरक्षा-आधारित विधिों से संबंधित अद्यतन कार्य का सार-संग्रह प्रस्तुत करती है और विभिन्न प्रकार के अनुप्रयोगों का वर्णन करती है।

विधि

सामान्य विधिें विशिष्ट प्रतिरक्षाविज्ञानी सिद्धांतों से प्रेरित होती हैं जो स्तनधारी अनुकूली प्रतिरक्षा प्रणाली के कार्य और व्यवहार की व्याख्या करती हैं।

  • क्लोनल चयन एल्गोरिथ्म: अर्जित प्रतिरक्षा के क्लोनल चयन सिद्धांत से प्रेरित एल्गोरिदम का वर्ग जो बताता है कि कैसे बी और टी लिम्फोसाइट्स समय के साथ एंटीजन के प्रति अपनी प्रतिक्रिया में सुधार करते हैं जिसे आत्मीयता परिपक्वता कहा जाता है। ये एल्गोरिदम सिद्धांत के डार्विनवाद गुणों पर ध्यान केंद्रित करते हैं जहां चयन एंटीजन-एंटीबॉडी इंटरैक्शन की आत्मीयता से प्रेरित होता है, प्रजनन कोशिका विभाजन से प्रेरित होता है, और भिन्नता दैहिक अतिउत्परिवर्तन से प्रेरित होती है। क्लोनल चयन एल्गोरिदम सामान्यतः अनुकूलन (गणित) और पैटर्न पहचान डोमेन पर क्रियान्वित होते हैं, जिनमें से कुछ समानांतर पहाड़ी चढ़ाई और पुनर्संयोजन ऑपरेटर के बिना आनुवंशिक एल्गोरिदम से मिलते जुलते हैं।[8]
  • ऋणात्मक चयन एल्गोरिथ्म: थाइमस में टी कोशिकाओं की परिपक्वता के समय होने वाली धनात्मक और ऋणात्मक चयन प्रक्रियाओं से प्रेरित, जिसे केंद्रीय सहिष्णुता कहा जाता है। ऋणात्मक चयन से तात्पर्य स्व-प्रतिक्रिया करने वाली कोशिकाओं की पहचान और विलोपन (apoptosis ) से है, अर्थात् टी कोशिकाएं जो स्वयं ऊतकों का चयन कर सकती हैं और उन पर हमला कर सकती हैं। एल्गोरिदम के इस वर्ग का उपयोग सामान्यतः वर्गीकरण और पैटर्न पहचान समस्या डोमेन के लिए किया जाता है जहां समस्या स्थान को उपलब्ध ज्ञान के पूरक में तैयार किया जाता है। उदाहरण के लिए, विसंगति का पता लगाने वाले डोमेन के स्थिति में एल्गोरिदम सामान्य (गैर-विसंगति) पैटर्न पर प्रशिक्षित अनुकरणीय पैटर्न डिटेक्टरों का समूह तैयार करता है जो अनदेखी या विसंगतिपूर्ण पैटर्न का मॉडल और पता लगाता है।[9]
  • प्रतिरक्षा नेटवर्क एल्गोरिदम: नील्स काज जर्न द्वारा प्रस्तावित मूर्खतापूर्ण नेटवर्क सिद्धांत से प्रेरित एल्गोरिदम जो एंटी-इडियोटाइपिक एंटीबॉडी (एंटीबॉडी जो अन्य एंटीबॉडी के लिए चयन करते हैं) द्वारा प्रतिरक्षा प्रणाली के विनियमन का वर्णन करता है। एल्गोरिदम का यह वर्ग नेटवर्क ग्राफ़ संरचनाओं पर ध्यान केंद्रित करता है जहां एंटीबॉडी (या एंटीबॉडी उत्पादक कोशिकाएं) नोड्स का प्रतिनिधित्व करती हैं और प्रशिक्षण एल्गोरिदम में एफ़िनिटी (समस्या प्रतिनिधित्व स्थान में समानता) के आधार पर नोड्स के मध्य किनारों को बढ़ाना या काटना सम्मिलित होता है। इम्यून नेटवर्क एल्गोरिदम का उपयोग क्लस्टरिंग, डेटा विज़ुअलाइज़ेशन, नियंत्रण और अनुकूलन डोमेन और कृत्रिम तंत्रिका नेटवर्क के साथ गुणों को साझा करने में किया गया है।[10]
  • द्रुमाकृतिक कोशिकाएं एल्गोरिदम: डेंड्राइटिक सेल एल्गोरिदम (डीसीए) बहु-स्तरीय दृष्टिकोण का उपयोग करके विकसित प्रतिरक्षा प्रेरित एल्गोरिदम का उदाहरण है। यह एल्गोरिदम डेंड्राइटिक कोशिकाओं (डीसी) के अमूर्त मॉडल पर आधारित है। डीसीए को कोशिका के अंदर उपस्तिथ आणविक नेटवर्क से लेकर संपूर्ण कोशिकाओं की जनसंख्या द्वारा प्रदर्शित व्यवहार तक, डीसी फलन के विभिन्न पहलुओं की जांच और मॉडलिंग की प्रक्रिया के माध्यम से सारगर्भित और कार्यान्वित किया जाता है। डीसीए के अंदर जानकारी को विभिन्न परतों में वर्गीकृत किया जाता है, जिसे बहु-स्तरीय प्रसंस्करण के माध्यम से प्राप्त किया जाता है।[11]

यह भी देखें

टिप्पणियाँ

  1. 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.
  2. Kephart, J. O. (1994). "A biologically inspired immune system for computers". Proceedings of Artificial Life IV: The Fourth International Workshop on the Synthesis and Simulation of Living Systems. MIT Press. pp. 130–139.
  3. Andrews and Timmis (2006). "A Computational Model of Degeneracy in a Lymph Node". कृत्रिम प्रतिरक्षा प्रणाली. pp. 164–177. doi:10.1007/11823940_13. ISBN 978-3-540-37749-8. S2CID 2539900. {{cite book}}: |journal= ignored (help)
  4. Mendao; et al. (2007). "The Immune System in Pieces: Computational Lessons from Degeneracy in the Immune System". 2007 IEEE Symposium on Foundations of Computational Intelligence. pp. 394–400. doi:10.1109/FOCI.2007.371502. ISBN 978-1-4244-0703-3. S2CID 5370645. {{cite book}}: |journal= ignored (help)
  5. Edelman and Gally (2001). "जैविक प्रणालियों में विकृति और जटिलता". Proceedings of the National Academy of Sciences of the United States of America. 98 (24): 13763–13768. Bibcode:2001PNAS...9813763E. doi:10.1073/pnas.231499798. PMC 61115. PMID 11698650.
  6. Whitacre (2010). "Degeneracy: a link between evolvability, robustness and complexity in biological systems". Theoretical Biology and Medical Modelling. 7 (6): 6. doi:10.1186/1742-4682-7-6. PMC 2830971. PMID 20167097.
  7. Dasgupta, Dipankar; Nino, Fernando (2008). Immunological Computation: Theory and Applications. CRC Press. p. 296. ISBN 978-1-4200-6545-9.
  8. de Castro, L. N.; Von Zuben, F. J. (2002). "Learning and Optimization Using the Clonal Selection Principle" (PDF). IEEE Transactions on Evolutionary Computation. 6 (3): 239–251. doi:10.1109/tevc.2002.1011539.
  9. Forrest, S.; Perelson, A.S.; Allen, L.; Cherukuri, R. (1994). "Self-nonself discrimination in a computer" (PDF). Proceedings of the 1994 IEEE Symposium on Research in Security and Privacy. Los Alamitos, CA. pp. 202–212.
  10. Timmis, J.; Neal, M.; Hunt, J. (2000). "An artificial immune system for data analysis" (PDF). BioSystems. 55 (1): 143–150. doi:10.1016/S0303-2647(99)00092-1. PMID 10745118.
  11. Greensmith, J.; Aickelin, U. (2009). Artificial Dendritic Cells: Multi-faceted Perspectives (PDF). pp. 375–395. CiteSeerX 10.1.1.193.1544. doi:10.1007/978-3-540-92916-1_16. ISBN 978-3-540-92915-4. S2CID 11661259. Archived from the original (PDF) on 2011-08-09. Retrieved 2009-06-19. {{cite book}}: |journal= ignored (help)


संदर्भ

  • जे.डी. फार्मर, एन. पैकर्ड और ए. पेरेलसन, (1986) "प्रतिरक्षा प्रणाली, अनुकूलन और मशीन लर्निंग", फिजिका डी, वॉल्यूम। 2, पृ. 187-204
  • एच. बेर्सिनी, एफ.जे. वेरेला, अनुकूली समस्या समाधान के संकेत प्रतिरक्षा नेटवर्क से प्राप्त हुए. प्रकृति से समानांतर समस्या समाधान, पहली कार्यशाला पीपीएसडब्ल्यू 1, डॉर्टमुंड, एफआरजी, अक्टूबर, 1990
  • डी. दासगुप्ता (संपादक), कृत्रिम प्रतिरक्षा प्रणाली और उनके अनुप्रयोग, स्प्रिंगर-वेरलाग, इंक. बर्लिन, जनवरी 1999, ISBN 3-540-64390-7
  • वी. कुटेलो और जी. निकोसिया (2002) "संयुक्त अनुकूलन समस्याओं के लिए प्रतिरक्षाविज्ञानी दृष्टिकोण" कंप्यूटर विज्ञान में व्याख्यान नोट्स, स्प्रिंगर खंड। 2527, पृ. 361-370.
  • एल.एन. डी कास्त्रो और एफ.जे. वॉन ज़ुबेन, (1999) "कृत्रिम प्रतिरक्षा प्रणाली: भाग I-मूलभूत सिद्धांत और अनुप्रयोग", स्कूल ऑफ गणना और इलेक्ट्रिकल इंजीनियरिंग, स्टेट यूनिवर्सिटी ऑफ़ कैंपिनास, ब्राज़ील, नंबर डीसीए-आरटी 01/99।
  • एस. गैरेट (2005) "हम कृत्रिम प्रतिरक्षा प्रणाली का मूल्यांकन कैसे करते हैं?" विकासवादी संगणना, खंड। 13, नहीं. 2, पृ. 145-178.http://mitpress.mit.edu/journals/pdf/EVCO_13_2_145_0.pdf Archived 2011-06-29 at the Wayback Machine
  • वी. क्यूटेलो, जी. निकोसिया, एम. पावोन, जे. टिमिस (2007) एन इम्यून एल्गोरिथम फॉर प्रोटीन स्ट्रक्चर प्रेडिक्शन ऑन लैटिस मॉडल्स, आईईईई ट्रांजेक्शन्स ऑन इवोल्यूशनरी कंप्यूटेशन, वॉल्यूम। 11, नहीं. 1, पृ. 101-117. https://web.archive.org/web/20120208130715/http://www.dmi.unict.it/nicosia/papers/journals/Nicosia-IEEE-TEVC07.pdf
  • विलालोबोस-एरियस एम., कोएलो सी.ए.सी., हर्नांडेज़-लेर्मा ओ. (2004) बहुउद्देश्यीय कृत्रिम प्रतिरक्षा प्रणाली एल्गोरिदम का अभिसरण विश्लेषण। इन: निकोसिया जी., कटेलो वी., बेंटले पी.जे., टिमिस जे. (संस्करण) कृत्रिम प्रतिरक्षा प्रणाली। आईसीएआरआईएस 2004। कंप्यूटर विज्ञान में व्याख्यान नोट्स, खंड 3239। स्प्रिंगर, बर्लिन, हीडलबर्ग। डीओआई https://doi.org/10.1007/978-3-540-30220-9_19

बाहरी संबंध