بهبود طبقهبندی کنند هی الهام گرفته شده از سیستم ایمنی بدن به کمک AdaBoost

سیست مهای ایمنی مصنوعی (AIS) شاخه جدیدی از هوش مصنوعی است که با الهام گرفتن از سیستم ایمنی بدن الگوریتم هایی را در زمینه های مختلف هوش مصنوعی ارائه م یکند. از جمله می توان الگوریتم 2AIRS را که برای طبق هبندی بکار می رود، نام برد. قسمتی از کار سیستم ایمنی رهاسازی لنفوسیتها در خون است. دو نوع مختلف از این لنفوسیتهابنامT-cell ها و B-cell ها با گردش در خون، شناسایی عوامل و بیگانه و تولید سلولهای ماندگار نوعی ایمنی دائمی به وجودمیآورند. الگوریتمAIRS باتوجه به این شیوه، سعی در یادگیری الگوهای ورودی دارد. این الگوریتم با ایجاد نوعی مکانیزم رقابتی، سلولهای ایمنی که بهترین طبقهبندی را انجام میدهد تکثیر می کند و زنده نگه میدارد. نهایتاً از این سلولها به عنوان طبقهبندی کننده استفاده می کند. در این مقاله تقویت کنندهAdaboost بر نسخه اصلاح شدهی AIRS اعمال شده است. این نسخه ازAIRS سرعت یادگیری را افزایش داده و به بهبود نتایج در مقایسه با طبقه بندی کنندهAIRS ساده میانجامد. بهبود نتایج روی مجموعه دادههای استانداردIris وDiabetes , Glass نشان داده شده است. نتایج به دست آمده حاکی از بهبود 07/ 0 روی مجموعه داده Glass مقدار 04/ 0روی Diabetes و در مورد دیگر 0/01 است.

کلیدواژه ها:

سیستم های ایمنی مصنوعی ، ، طبقه بندیکننده ، یادگیری با ناظر ، AIRS ، سلولهای حافظه ARB4