(42-1) 14 * << * >> * Русский * English * Содержание * Все выпуски

Применение искусственной иммунной системы для распознавания зрительных образов
Михерский Р.М.

 

Крымский федеральный университет имени В.И. Вернадского, Симферополь, Россия

 PDF, 494 kB

DOI: 10.18287/2412-6179-2018-42-1-113-117

Страницы: 113-117.

Аннотация:
Рассмотрена возможность применения искусственных иммунных систем для распознавания зрительных образов. Разработан и программно реализован новый алгоритм искусственной иммунной системы, позволяющей с помощью Web-камеры в режиме реального времени распознавать такие образы. Экспериментально показано, что данная система может быть успешно применена для распознавания как лиц людей, так и любых других объектов. Обсужден вопрос о применении искусственной иммунной системы в высокопроизводительных системах параллельных вычислений. К преимуществам разработанной искусственной иммунной системы можно отнести высокую скорость обучения системы новым образам, а также возможность обучения системы новому образу в любой момент её работы. Эти преимущества открывают возможность создания систем искусственного интеллекта, обучающихся в режиме реального времени.

Ключевые слова:
искусственная иммунная система, распознавание зрительных образов, параллельные вычисления, искусственный интеллект.

Цитирование:
Михерский, Р.М. Применение искусственной иммунной системы для распознавания зрительных образов / Р.М. Михерский // Компьютерная оптика. – 2018. – Т. 42, № 1. – С. 113-117. – DOI: 10.18287/2412-6179-2018-42-1-113-117.

Литература:

  1. Немков, Р.М. Разработка нейросетевых алгоритмов инвариантного распознавания образов : дисс. ... канд. техн. наук : 05.13.18 / Немков Роман Михайлович. – Ставрополь, 2015. – 162 с.
  2. Kalmanje, K.K. Immunized adaptive critic for an autonomous aircraft control application / K.K. Kalmanje, J. Neidhoefer. – In Book: Artificial immune systems and their applications / ed. by D. Dasgupta. – Berlin, Heidelberg: Springer-Verlag Inc., 1999. – P. 221-240. – DOI: 10.1007/978-3-642-59901-9_12.
  3. Knight, T. AINE: an immunological approach to data mining / T. Knight, J. Timmis // Proceedings IEEE International Conference on Data Mining, 2001 (ICDM 2001). – 2001. – P. 297-304. – DOI: 10.1109/ICDM.2001.989532.
  4. Kim, J. Towards an artificial immune system for network intrusion detection: An investigation of dynamic clonal selection / J. Kim, P.J. Bentley // Proceedings of the 2002 Congress on Evolutionary Computation (CEC '02). – 2002. – P. 1244-1252. – DOI: 10.1109/CEC.2002.1004382.
  5. Garrett, S.M. How do we evaluate artificial immune systems? / S.M. Garrett // Evolutionary Computation. – 2005. – Vol. 13, Issue 2. – P. 145-178. – DOI: 10.1162/1063656054088512.
  6. Брюховецкий, А.А. Применение моделей искусственных иммунных систем для решения задач многомерной оптимизации / А.А. Брюховецкий, А.В. Скатков. – В кн.: Оптимізація виробничних проце­сів: зб. наук. пр. / под ред. Є.В. Пашкова, В.Я. Копп, В.К. Марігодова. – Севастополь : Вид-во Севастоп. нац. техн. ун-ту, 2010. – Вип. 12. – С. 119-122.
  7. Gao, X.Z. Clonal optimization-based negative selection algorithm with applications in motor fault detection / X.Z. Gao, S.J. Ovaska, X. Wang, M.-Y. Chow // Neural Computing and Applications. – 2009. – Vol. 18, Issue 7. – P. 719-729. – DOI: 10.1007/s00521-009-0276-9.
  8. Бардачев, Ю.Н. Использование положений теории опасности в искусственных иммунных системах / Ю.Н. Бардачев, А.А. Дидык // Автоматика. Автоматизация. Электротехнические комплексы и системы. – 2007. – № 2. – С. 107-111.
  9. Hunt, J.E. Learning using an artificial immune system / J.E. Hunt, D.E. Cooke // Journal of Network and Computing Applications. – 1996. – Vol. 19, Issue 2. – P. 189-212. – DOI: 10.1006/jnca.1996.0014.
  10. Dasgupta, D. Recent advances in artificial immune systems: Models and applications / D. Dasgupta, S. Yu, F. Nino // Applied Soft Computing. – 2011. – Vol. 11, Issue 2. – P. 1574-1587. – DOI: 10.1016/j.asoc.2010.08.024.
  11. Станкевич, Л.А. Иммунологическая система обеспечения безопасности гуманоидного робота / Л.А. Станкевич, А.Б. Казанский. – В кн.: Труды XVII научно-технической конференции «Экстремальная робототехника». – СПб.: Изд-во СПбГПУ, 2006. – С. 145-152.
  12. Georgia Tech face database [Electronical Resource]. – URL: http://www.anefian.com/research/face_reco.htm (request date 13.03.2017).
  13. Luh, G. Face recognition based on artificial immune networks and principal component analysis with single training image per person / G. Luh // Immune Computation. – 2014. – Vol. 2, Number 1. – P. 21-34.
  14. Intel® Core i5-3200 Mobile Processor Series [Electronical Resource]. – URL: http://www.intel.com/content/dam/sup­port/us/en/documents/processors/corei5/sb/core_i5-3200_m.pdf (request date 20.01.2017).
  15. NVIDIA представляет самый быстрый в мире ускоритель для анализа данных и научных вычислений [Электронный ресурс]. – URL: http://www.nvidia.ru/object/tesla-k80-dual-gpu-accelerator-oct-14-2014-ru.html (дата обращения 20.01.2017).

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: journal@computeroptics.ru ; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20