INTRODUCCION A LOS SISTEMAS INMUNES ARTIFICIALES

1
INTRODUCCION A LOSSISTEMAS INMUNES ARTIFICIALES

• Ing. Óscar Miguel Alonso M.
• Lab. de Investigación en Sistemas Inteligentes
• Depto. de Ingeniería de Sistemas e Industrial
• Universidad Nacional, Sede Bogotá
• omalonsom_at_unal.edu.co

2
Agenda Modulo AIS

• Charla 1 Introducción a AIS
• Charla 2 Selección negativa
• Charla 3 Selección clonal y redes inmunes
  artificiales
• Charla 4 Aplicaciones

3
Agenda

• Sistemas Bioinspirados y AIS
• El Sistema Inmune Natural
• Sistemas Inmunes Artificiales
• Selección Negativa
• Selección clonal
• Redes Inmunes Artificiales

4
Sistemas Bioinspirados

• "Living organism are consummate problem solvers.
  They exhibit a versatility that puts the best
  computer programs to shame"
• John H Holland

5
Sistemas Bioinspirados
6
Sistema Inmune Natural
Antígenos
Elementos capaces de inducir la respuesta del
sistema inmune
7
Sistema Inmune Natural
8
Componentes Principales
Anticuerpos
Célula B
Célula T
Macrófago
9
(No Transcript)
10
Características del Sistema Inmune

• Distinción entre moléculas propias y extrañas
  (Clasificación)
• Capacidad de reacción ante antígenos no vistos
  previamente (Aprendizaje)

• Memoria Inmunológica
• Procesamiento paralelo y altamente distribuido
• Extracción de características

POSEE PROPIEDADES MUY INTERESANTES DESDE EL PUNTO
DE VISTA COMPUTACIONAL!!
11
Sistemas Inmunes Artificiales

• Los sistemas inmunes artificiales (AIS) son una
  abstracción del sistema inmune humano
• Abstracciones
• Selección Negativa
• Selección Clonal
• Redes Inmunes Artificiales

12
Selección Negativa

• El sistema inmune es capaz de diferenciar entre
  elementos del cuerpo y elementos extraños y
  potencialmente dañinos.
• Sirve para desarrollar sistemas de clasificación
  de anomalías Clasifica una serie de entradas en
  normales y anormales
• Para el entrenamiento solo requiere ejemplos de
  entradas normales.

13
Selección Negativa

• Inspiración Maduración de las Células T en el
  timo
• Las células T se desarrollan en la medula ósea
  mediante un proceso de variación genética
  pseudo-aleatoria. Luego pasan por un proceso de
  maduración en el Timo.
• Las células que reaccionen contra células del
  cuerpo son destruidas.
• Las demás salen para cumplir funciones
  inmunológicas en el cuerpo.

14
Selección Negativa Selección de las células T
en el Timo
15
Selección Negativa Detección
16
Selección Negativa Generación de Detectores
17
Selección Negativa Generación de Detectores
18
Selección Negativa Monitoreo de Datos
19
Selección Clonal

• El sistema inmune no posee anticuerpos para todos
  los posibles antígenos. Debe desarrollar nuevos
  anticuerpos rápidamente cuando un nuevo antígeno
  aparece.
• Utilizado para optimización el mecanismo
  original optimiza la afinidad entre los
  anticuerpos y un antígeno dado.

20
Selección Clonal

• Inspirado en el mecanismo de maduración de la
  afinidad de las células B
• Las células B que reconocen un antígeno (aun
  parcialmente) se estimulan y se reproducen.
• Reproducción de las células B (asexual y
  dependiente del nivel de afinidad)
• Altas tasas de mutación (mutación hipersomática)
• A través de este proceso evolutivo se generan
  anticuerpos adecuados en corto tiempo.

21
Selección Clonal
22
Redes Inmunes Artificiales

• Cuando un antígeno aparece por segunda vez, el
  sistema inmune posee anticuerpos adecuados para
  ese antígeno y la respuesta del sistema es mucho
  más rápida.
• Busca obtener una población de anticuerpos que
  refleje la distribución espacial de la población
  de antígenos (datos de entrada) que se le
  presentan al sistema.

23
Redes Inmunes Artificiales Respuesta Primaria y
Secundaria
24
Redes Inmunes Artificiales Respuesta Primaria

• Inspirada en la teoría de redes idiotípicas
  propuesta por Jerne y retomada por Perelson.
• Explica la memoria del sistema inmune mediante un
  mecanismo de retroalimentación

25
Redes Inmunes Artificiales Teoría de Redes
Inmunes

• Las células B se co-estimulan entre sí
• De esta forma se genera la memoria inmunológica

26
Redes Inmunes Artificiales Teoría de Redes
Inmunes
27
Redes Inmunes Artificiales Algoritmo

• Poblacional el resultado es un conjunto de
  detectores que cumplen una tarea de forma
  conjunta
• Múltiples iteraciones se presentan sucesivamente
  los antígenos (datos de entrada)

28
Redes Inmunes Artificiales Algoritmo

• Se evoluciona un conjunto de células B, las
  cuales interactúan con los antígenos y entre
  ellas.
• El resultado del algoritmo es el conjunto de
  células B
• Aplicadas a agrupamiento, clasificación,
  compresión de datos, optimización entre otras.

29
GRACIAS