Sztuczne systemy immunologiczne. Wybrane zastosowania w zadaniach diagnostycznych
Małgorzata Kuchta, Andrzej Sokołowski
rok wydania: 2013
stron: 185
format: B5
oprawa: miękka
wydawnictwo: Wydawnictwo Politechniki Śląskiej
W monografii przedstawiono charakterystykę badań ukierunkowanych na analizę i weryfikację możliwości zastosowania sztucznych systemów immunologicznych do optymalizacji, klasyfikacji i detekcji anomalii. Przedstawiono też dyskusję możliwości rozszerzenia pola zastosowań wybranych mechanizmów sztucznych systemów immunologicznych. Próby praktycznych zastosowań tych systemów zrealizowano na przykładzie wybranych zadań związanych z diagnostyką obrabiarki i procesu skrawania.
SPIS TREŚCI:
1. WSTĘP 7
2. WYBIÓRCZA CHARAKTERYSTYKA ZASTOSOWAŃ SZTUCZNEJ INTELIGENCJI 11
3. WYBRANE ZAGADNIENIA W UJĘCIU LITERATUROWYM 27
3.1. Definicje podstawowych pojęć 27
3.2. Układ odpornościowy 29
3.2.1. Istota funkcjonowania układu immunologicznego 30
3.2.2. Odporność wrodzona 32
3.2.3. Odporność nabyta 34
3.2.4. Odpowiedź typu komórkowego 36
3.2.5. Odpowiedź humoralna 38
3.3. Zastosowania sztucznych systemów immunologicznych 40
3.3.1. Optymalizacja 41
3.3.2. Sterowanie robota 44
3.3.3. Detekcja anomalii 48
3.3.4. Rozpoznawanie obrazów 53
3.3.5. Klasyfikacja 55
3.3.6. Zastosowania z innymi metodami sztucznej inteligencji 56
4. ZASTOSOWANE ALGORYTMY 59
4.1. Algorytm CLONALG 59
4.2. System klasyfikujący oparty na algorytmie Rlais 62
4.3. System klasyfikujący oparty na algorytmie aiNet 64
4.4. Algorytm negatywnej selekcji 68
4.4.1. Reprezentacja danych 69
4.4.2. Aktywacja receptorów 71
4.4.3. Generowanie receptorów 72
5. OPTYMALIZACJA 74
5.1. Testy wstępne 74
5.2. System wnioskowania rozmytego typu Mamdani 80
5.3. Optymalizacja wybranych parametrów systemu wnioskowania rozmytego - testy wstępne 82
5.3.1. Zadanie testowe 83
5.3.2. Weryfikacja podejścia 86
5.4. Optymalizacja systemów wnioskowania rozmytego stosowanych w diagnostyce 88
5.4.1. Klasyfikacja stanu wierteł podczas wiercenia wielowrzecionowego 88
5.4.2. Diagnostyka odkształceń termicznych szlifierki 92
5.5. Podsumowanie 97
6. KLASYFIKACJA 99
6.1. Testy wstępne 99
6.2. Metody doboru wartości parametru NAT 106
6.3. System klasyfikujący do kilku klas oparty na algorytmie Rlais 112
6.4. Klasyfikacja stanu wierteł podczas wiercenia wielowrzecionowego 116
6.5. Klasyfikacja z zastosowaniem algorytmu aiNet 120
6.5.1. System klasyfikujący do kilku klas oparty na algorytmie aiNet 124
6.5.2. System klasyfikujący stan wierteł 125
6.6. Wnioski i uogólnienia 126
7. DETEKCJA ANOMALII 128
7.1. Charakterystyka wstępna 128
7.2. Parametry algorytmu selekcji negatywnej 132
7.2.1. Liczność zbioru receptorów i liczba identycznych bitów 133
7.2.2. Określenie wartości szerokości okna 135
7.2.3. Problem wartości anomalii - próg anomalii 138
7.2.4. Podsumowanie podrozdziału 142
7.3. Badania cieplne osi posuwu sterowanej numerycznie 143
7.3.1. Testy wstępne 143
7.4. Próba rozszerzenia zastosowań algorytmu selekcji negatywnej 146
7.4.1. Algorytm negatywnej selekcji z normalizacją przebiegów 148
7.4.2. Algorytm negatywnej selekcji dla podrealizacji 149
7.4.3. Algorytm negatywnej selekcji dla znormalizowanych podrealizacji 152
7.4.4. Podsumowanie podrozdziału 152
7.5. Detekcja anomalii w sygnale drgań 154
7.6. Podsumowanie 157
8. ZAKOŃCZENIE 159
BIBLIOGRAFIA 164
SPIS RYSUNKÓW 173
STRESZCZENIE 184
