Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/9088
Τίτλος: Ευφυείς Τεχνικές Ανάλυσης Δεδομένων Βασισμένες Σε Μοντέλα Του Ανοσοποιητικού Συστήματος
Συγγραφείς: Αριστείδης Λαναρίδης
Σταφυλοπάτης Ανδρέας-Γεώργιος
Λέξεις κλειδιά: μηχανική μάθηση
τεχνητά ανοσοποιητικά συστήματα
εξελικτικοί αλγόριθμοι
αναγνώριση προτύπων
πολυκριτηριακή βελτιστοποίηση
Ημερομηνία έκδοσης: 27-Ιου-2017
Περίληψη: Το ανοσοποιητικό σύστημα είναι ένα σύμπλεγμα μορίων, κυττάρων και οργάνων που έχει σκοπό να προστατέψει το οργανισμό από παθογόνα που εισβάλλουν σε αυτόν. Η ικανότητα αναγνώρισης των παθογόνων αυτών δεν είναι εγγενής, αλλά αποκτάται μέσω ενός πολύπλοκου μηχανισμού μάθησης, ο οποίος προσαρμόζει τα αντισώματα στην αναγνώριση συγκεκριμένου τύπου αντιγόνων. Παράλληλα ωστόσο, οι εισβάλλοντες μικροοργανισμοί μεταλλάσσονται με ταχείς ρυθμούς, και για να γίνεται αποτελεσματικά η αντιμετώπισή τους πρέπει ο μηχανισμός αυτός να είναι σε θέση να γενικεύσει την ικανότητα αναγνώρισης σε παθογόνα με παρόμοια, ελλιπή ή αλλοιωμένη μορφή. Ταυτόχρονα με αυτή την εξειδικευμένη απόκριση, το σύστημα πρέπει να ρυθμίζει την ποικιλότητα του πληθυσμού των αντισωμάτων του, ώστε να είναι ικανά, στο σύνολό τους, να αναγνωρίζουν ένα ευρύ φάσμα αντιγόνων, χωρίς παράλληλα να αναγνωρίζονται μεταξύ τους, ώστε να καθίσταται δυνατός ο διαχωρισμός των υγιών ιστών του οργανισμού από τα παθογόνα. Οι ιδιότητες αυτές της μάθησης, γενίκευσης, ανοχής σε θόρυβο, και διαχείρισης της ποικιλομορφίας είναι ιδιαίτερα χρήσιμες και για ένα σύστημα υπολογιστικής νοημοσύνης, και το ανοσοποιητικό σύστημα έχει αποτελέσει έμπνευση για μία αντίστοιχη κατηγορία αλγορίθμων, τα Τεχνητά Ανοσοποιητικά Συστήματα. Αντικείμενο της παρούσας διατριβής είναι η διερεύνηση αυτού του υπολογιστικού παραδείγματος, και η προσαρμογή του σε καίρια προβλήματα της υπολογιστικής νοημοσύνης.Το χαρακτηριστικότερο από αυτά τα προβλήματα είναι η ταξινόμηση προτύπων, με μεγάλο εύρος εφαρμογών που εκτείνονται από την όραση και την ταξινόμηση κειμένων μέχρι τη βιοπληροφορική. Στο πρόβλημα αυτό εστιάζει η πρώτη προτεινόμενη μεθοδολογία, δημιουργώντας έναν ταξινομητή προτύπων που βασίζεται σε κανόνες. Για τη μορφή των κανόνων προτείνεται δευτεροβάθμια επιφάνεια, βασισμένη στη γενίκευση της έλλειψης σε μεγαλύτερο αριθμό διαστάσεων με ασαφή συνάρτηση συμμετοχής. Για την αξιολόγηση των κανόνων αυτών ορίζεται κριτήριο το οποίο συνδυάζει το ποσοστό ορθών ταξινομήσεων, ώστε η ικανότητα αναγνώρισης να αυξάνεται με την πάροδο του χρόνου, και το πλήθος των προτύπων που καλύπτονται, ώστε να αποφεύγεται η δημιουργία μεγάλου πλήθους μικρών κανόνων η οποία οδηγεί σε φαινόμενα υπερεκπαίδευσης. Παράλληλα, στο κριτήριο ενσωματώνεται ο βαθμός στον οποίο έχει αντιμετωπιστεί το κάθε αντιγόνο ως εκείνη τη στιγμή, ενισχύοντας την αναζήτηση νέων περιοχών του χώρου προβλήματος. Επιπλέον, αξιοποιούνται οι μηχανισμοί του υπολογιστικού παραδείγματος για την αφαίρεση κανόνων που υστερούν ως προς τις επιδόσεις τους και υποβαθμίζουν τη συνολική ποιότητα του ταξινομητή, ή παρουσιάζουν μεγάλη ομοιότητα μεταξύ τους και δε συμβάλλουν στην ποικιλομορφία του. Τέλος, προτείνεται τρόπος αρχικοποίησης των κανόνων που βασίζεται στον βαθμό στον οποίο το κάθε πρότυπο έχει καλυφθεί ως εκείνη τη στιγμή, υποβοηθώντας την εξαντλητική κάλυψη του χώρου του προβλήματος.Ένα ακόμα σημαντικό πρόβλημα της υπολογιστικής νοημοσύνης αφορά τη βελτιστοποίηση συναρτήσεων. Ωστόσο, σε πολλά προβλήματα δεν επαρκεί η βελτιστοποίηση ενός μοναδικού ζητουμένου, αλλά εμφανίζονται πολλαπλά και συνήθως αντικρουόμενα κριτήρια. Σε τέτοια προβλήματα το ζητούμενο είναι η εύρεση ενός συνόλου λύσεων που αποτελούν βέλτιστους συμβιβασμούς μεταξύ των κριτηρίων αυτών, και το οποίο ονομάζεται μέτωπο \tl{Pareto} του προβλήματος. Η διαδικασίας εύρεσης των λύσεων αυτών χαρακτηρίζεται πολυκριτηριακή βελτιστοποίηση, και αποτελεί ένα από τα σημαντικότερα ερευνητικά θέματα, με πλήθος εφαρμογών που περιλαμβάνουν την μακροοικονομία, τη σχεδίαση μηχανών και τον αυτόματο έλεγχο. Οι υπάρχοντες αλγόριθμοι παρουσιάζουν μειωμένες επιδόσεις σε προβλήματα με μεγάλους χώρους απόφασης, ενώ παράλληλα καλύπτουν μικρό τμήμα του ιδανικού μετώπου σε κάποια προβλήματα, ενώ δεν αποδίδουν ικανοποιητικά το σχήμα του σε άλλα. Για την αντιμετώπιση των προβλημάτων αυτών προτείνεται μεθοδολογία που εξετάζει την επίδραση που έχει το εύρος τιμών της κάθε μεταβλητής του χώρου απόφασης στην τιμή της προς βελτιστοποίηση συνάρτησης, και στη συνέχεια καθορίζει τη μείωση του εύρους μετάλλαξης συναρτήσει του χρόνου κατά τρόπο που να επιτυγχάνεται ο επιθυμητός ρυθμός σύγκλισης στο αντικειμενικό χώρο του προβλήματος. Για την κατανομή των λύσεων προτείνεται κριτήριο που βασίζεται στην ατομική συνεισφορά κάθε λύσης στο συνολικό υπερ-όγκο που καλύπτει το προτεινόμενο μέτωπο. Το κριτήριο ορίζεται κατά τρόπο που να εξασφαλίζεται ότι αποδίδονται μεγαλύτερες τιμές σε λύσεις που βρίσκονται στα άκρα του μετώπου, ή είναι κρίσιμες για να αποδώσουν το σχήμα του.Οι επιδόσεις των προτεινόμενων μεθόδων αξιολογούνται με την χρήση δύο εκτενών συνόλων πειραμάτων. Για το πρόβλημα της ταξινόμησης προτύπων, επιλέγονται μία σειρά προβλημάτων αναφοράς που έχουν χρησιμοποιηθεί εκτενώς στη βιβλιογραφία, τα οποία επεκτείνονται ενσωματώνοντας και προβλήματα με πολύ μεγαλύτερο πλήθος χαρακτηριστικών και κατηγοριών. Η προτεινόμενη μέθοδος συγκρίνεται με τους χαρακτηριστικότερους αλγορίθμους που βασίζονται σε κανόνες, καθώς και με Μηχανές Διανυσμάτων Υποστήριξης, και οι επιδόσεις αξιολογούνται με τη χρήση πολλαπλών στατιστικών δοκιμών. Για το πρόβλημα της πολυκριτηριακής βελτιστοποίησης γίνεται χρήση των δύο γνωστότερων συνόλων προβλημάτων αξιολόγησης, στα οποία ωστόσο το πλήθος των μεταβλητών έχει αυξηθεί σημαντικά. Επιπλέον, εξετάζεται μία σειρά επιλεγμένων προβλημάτων με πολύ μεγαλύτερους χώρους απόφασης, στα οποία το ιδανικό μέτωπο είναι εξαιρετικά δύσκολο να καλυφθεί σε όλο του το εύρος. Το πειραματικό μέρος ολοκληρώνεται με την εφαρμογή της μεθόδου σε ένα μηχανολογικό πρόβλημα. Στο σύνολο τους, τα αποτελέσματα των πειραμάτων διαφωτίζουν τις επιλογές που έγιναν στη σχεδίαση των μεθοδολογιών και επιβεβαιώνουν ότι επιτυγχάνονται οι στόχοι στους οποίους εστιάζει η διατριβή.
URI: http://artemis-new.cslab.ece.ntua.gr:8080/jspui/handle/123456789/9088
Εμφανίζεται στις συλλογές:Διδακτορικές Διατριβές - Ph.D. Theses

Αρχεία σε αυτό το τεκμήριο:
Αρχείο ΜέγεθοςΜορφότυπος 
PD2017-0020.pdf4.09 MBAdobe PDFΕμφάνιση/Άνοιγμα


Όλα τα τεκμήρια του δικτυακού τόπου προστατεύονται από πνευματικά δικαιώματα.