nach oben

Erschienen in:

2024 | OriginalPaper | Buchkapitel

Naturinspiriertes Computing: Anwendungsbereich und Anwendungen von künstlichen Immunsystemen zur Analyse und Diagnose komplexer Probleme

verfasst von : K. R. Dasegowda, Akshar Radhakrishnan, Majji Rambabu, Sameera Peri, Karthick Vasudevan, H. Prabhavathi, Mohammed Abdul Kareem

Erschienen in: Von der Natur inspirierte intelligente Datenverarbeitungstechniken in der Bioinformatik

Verlag: Springer Nature Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Zusammenfassung

Das interdisziplinäre Feld der naturinspirierten Informatik ist eine Kombination von Naturinformatikwissenschaften aus Biologie, Chemie, Physik, Ingenieurwesen und Mathematik, die die Entwicklung neuer Rechenhardware, Algorithmen oder Wetware für Diagnose, Problemlösung, Verhaltensweisen von Organismen und Synthese von Mustern ermöglicht. Künstliche Immunsysteme (AIS) sind ein Teilgebiet der biologisch inspirierten Informatik durch maschinelles Lernen und künstliche Intelligenz (KI). AIS ist ein neuer Algorithmus, der aus den Prinzipien des menschlichen Immunsystems entwickelt wurde. Das AIS konzeptualisiert die Struktur und Funktion des Immunsystems für Rechensysteme und untersucht die Anwendungen des Immunsystems zur Lösung von Rechenproblemen. AIS ist ein dynamisches Forschungsgebiet, das für Fehlererkennung, Diagnose, Optimierungsprobleme verwendet wird, und verschiedene Ansätze zu AIS haben vielfältige Anwendungen. In diesem Kapitel haben wir versucht, die Rolle von AIS bei der Datenanalyse und der Bereitstellung von Lösungen für komplexe diagnostische Probleme zu beschreiben.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Überblick und Klassifizierung von auf Schwarmintelligenz basierenden naturinspirierten Rechenalgorithmen und deren Anwendungen in der Krebserkennung und -diagnose

Nächstes Kapitel Naturinspiriertes Computing: Fledermausecholokation zum BAT-Algorithmus

Aldhaheri S, Alghazzawi D, Cheng L, Alzahrani B, Al-Barakati A (2020) Deepdca: novel network-based detection of IoT attacks using artificial immune system. Appl Sci 10(6):1909CrossRef

Al-Enezi JR, Abbod MF, Alsharhan S (2011) Artificial immune systems-models, algorithms and applications

Alizadeh E, Meskin N, Khorasani K (2016) A negative selection immune system inspired methodology for fault diagnosis of wind turbines. IEEE Trans Cybern 47(11):3799–3813CrossRef

Almufti SM (2019) Historical survey on metaheuristics algorithms. International Journal of Scientific World. 7(1):1CrossRef

Ariff NM, Khalid NE, Hashim R, Noor NM (2016) Selfish gene algorithm versus genetic algorithm: a review. In: IOP conference series: materials science and engineering, vol 160, no 1. IOP Publishing, p 012098

Bayar N, Darmoul S, Hajri-Gabouj S, Pierreval H (2015) Fault detection, diagnosis and recovery using artificial immune systems: a review. Eng Appl Artif Intell 1(46):43–57CrossRef

Brabazon A, O’Neill M, McGarraghy S (2015) Artificial immune systems. In: Natural computing algorithms. Springer, Berlin, Heidelberg, S 301–332

De Castro LN, Von Zuben FJ (2000) The clonal selection algorithm with engineering applications. In: Proceedings of GECCO, vol 2000, S 36–39

Chen H, Zhang Q, Luo J, Xu Y, Zhang X (2020) An enhanced bacterial foraging optimization and its application for training kernel extreme learning machine. Appl Soft Comput 1(86):105884CrossRef

Chiroma H, Herawan T, Fister I Jr, Fister I, Abdulkareem S, Shuib L, Hamza MF, Saadi Y, Abubakar A (2017) Bio-inspired computation: Recent development on the modifications of the cuckoo search algorithm. Appl Soft Comput 1(61):149–173CrossRef

Çipe F, Arısoy ES, Correa AG (2022) Immunological Responses to Infection. In: Pediatric ENT infections. Springer, Cham, S 3–17

Daudi J (2015) An overview of application of artificial immune system in swarm robotic systems. Adv Robot Autom 4(1)

De Lacerda MG, de Araujo Pessoa LF, de Lima Neto FB, Ludermir TB, Kuchen H (2021) A systematic literature review on general parameter control for evolutionary and swarm-based algorithms. Swarm Evol Comput 1(60):100777CrossRef

Falcón-Cardona JG, Coello CA (2020) Indicator-based multi-objective evolutionary algorithms: a comprehensive survey. ACM Comput Surveys (CSUR) 53(2):1–35CrossRef

Fan X, Sayers W, Zhang S, Han Z, Ren L, Chizari H (2020) Review and classification of bio-inspired algorithms and their applications. J Bionic Eng 17(3):611–631CrossRef

Fernandez-Leon JA, Acosta GG, Rozenfeld A (2014) How simple autonomous decisions evolve into robust behaviours?: a review from neurorobotics, cognitive, self-organized and artificial immune systems fields. Biosystems 1(124):7–20CrossRef

Gendreau M, Potvin JY (eds) (2010) Handbook of metaheuristics. Springer, New YorkMATH

Greensmith J, Aickelin U, Tedesco G (2010) Information fusion for anomaly detection with the dendritic cell algorithm. Inf Fusion 11(1):21–34CrossRef

Hooper LV, Littman DR, Macpherson AJ (2012) Interactions between the microbiota and the immune system. Science 336(6086):1268–1273

Ishida Y (1990) Fully distributed diagnosis by PDP learning algorithm: towards immune network PDP model. In: 1990 IJCNN international joint conference on neural networks. IEEE, S 777–782

Iwasaki A, Medzhitov R (2015) Control of adaptive immunity by the innate immune system. Nat Immunol 16(4):343–353CrossRef

Jegadeeshwaran R, Sugumaran V (2015) Brake fault diagnosis using clonal selection classification algorithm (CSCA)—A statistical learning approach. Eng Sci Technol Int J 18(1):14–23

Jim LE, Islam N, Gregory MA (2022) Enhanced MANET security using artificial immune system based danger theory to detect selfish nodes. Comput Secur 1(113):102538CrossRef

Kar AK (2016) Bio inspired computing—A review of algorithms and scope of applications. Expert Syst Appl 15(59):20–32CrossRef

Kashani AR, Camp CV, Rostamian M, Azizi K, Gandomi AH (2021) Population-based optimization in structural engineering: a review. Artif Intell Rev 4:1–08

Knight T, Timmis J (2001) AINE: an immunological approach to data mining. In: Proceedings 2001 IEEE international conference on data mining. IEEE Computer Society, S 297–297

Kogut MH, Lee A, Santin E (2020) Microbiome and pathogen interaction with the immune system. Poult Sci 99(4):1906–1913CrossRef

Li W, Wang GG (2021) Elephant herding optimization using dynamic topology and biogeography-based optimization based on learning for numerical optimization. Eng Comput 4:1–29

Li G, Jin Y, Akram MW, Chen X, Ji J (2018) Application of bio-inspired algorithms in maximum power point tracking for PV systems under partial shading conditions—A review. Renew Sustain Energy Rev 1(81):840–873CrossRef

Liu J, Tsui KC (2006) Toward nature-inspired computing. Commun ACM 49(10):59–64CrossRef

Luo Q, Wang H, Zheng Y, He J (2020) Research on path planning of mobile robot based on improved ant colony algorithm. Neural Comput Appl 32(6):1555–1566CrossRef

Misaghi M, Yaghoobi M (2019) Improved invasive weed optimization algorithm (IWO) based on chaos theory for optimal design of PID controller. J Comput Des Eng 6(3):284–295

Mohapatra S, Khilar PM (2020) Immune inspired fault diagnosis in wireless sensor network. In: Nature inspired computing for wireless sensor networks. Springer, Singapore, S 103–116

Molina D, Poyatos J, Ser JD, García S, Hussain A, Herrera F (2020) Comprehensive taxonomies of nature-and bio-inspired optimization: Inspiration versus algorithmic behavior, critical analysis recommendations. Cogn Comput 12(5):897–939CrossRef

Müller V, De Boer RJ, Bonhoeffer S, Szathmáry E (2018) An evolutionary perspective on the systems of adaptive immunity. Biol Rev 93(1):505–528CrossRef

Niu B, Wang H (2012) Bacterial colony optimization. Discrete Dyn Nat Soc

Nunoo-Mensah H, Boateng KO, Gadze JD (2018) The adoption of socio-and bio-inspired algorithms for trust models in wireless sensor networks: a survey. Int J Commun Syst 31(7):e3444CrossRef

Pérez J, Cabrera JA, Castillo JJ, Velasco JM (2018) Bio-inspired spiking neural network for nonlinear systems control. Neural Netw 1(104):15–25CrossRefMATH

Rostami M, Berahmand K, Nasiri E, Forouzandeh S (2021) Review of swarm intelligence-based feature selection methods. Eng Appl Artif Intell 1(100):104210CrossRef

Sam-Yellowe TY, Sam-Yellowe TY (2021) Immunology: overview and laboratory manual. Springer

Siddique N, Adeli H (2015) Nature inspired computing: an overview and some future directions. Cogn Comput 7(6):706–714CrossRef

Somayaji A, Hofmeyr S, Forrest S (1998) Principles of a computer immune system. In: Proceedings of the 1997 workshop on new security paradigms, S 75–82

Theocharopoulou G, Giannakis K, Papalitsas C, Fanarioti S, Andronikos T (2019) Elements of game theory in a bio-inspired model of computation. In: 2019 10th International conference on information, intelligence, systems and applications (IISA). IEEE, S 1–4

Timmis J, Hone A, Stibor T, Clark E (2008) Theoretical advances in artificial immune systems. Theoret Comput Sci 403(1):11–32MathSciNetCrossRefMATH

Wang H, Wang W, Xiao S, Cui Z, Xu M, Zhou X (2020) Improving artificial bee colony algorithm using a new neighborhood selection mechanism. Inf Sci 1(527):227–240MathSciNet

Yadav A, Vishwakarma DK (2020) A comparative study on bio-inspired algorithms for sentiment analysis. Clust Comput 23(4):2969–2989CrossRef

Zedadra O, Guerrieri A, Jouandeau N, Spezzano G, Seridi H, Fortino G (2018) Swarm intelligence-based algorithms within IoT-based systems: a review. J Parallel Distrib Comput 1(122):173–187CrossRef

Titel: Naturinspiriertes Computing: Anwendungsbereich und Anwendungen von künstlichen Immunsystemen zur Analyse und Diagnose komplexer Probleme
verfasst von: K. R. Dasegowda
Akshar Radhakrishnan
Majji Rambabu
Sameera Peri
Karthick Vasudevan
H. Prabhavathi
Mohammed Abdul Kareem
Verlag: Springer Nature Singapore
Buch: Von der Natur inspirierte intelligente Datenverarbeitungstechniken in der Bioinformatik
Print ISBN: 978-981-9978-07-6

Electronic ISBN: 978-981-9978-08-3

Copyright-Jahr: 2024
DOI: https://doi.org/10.1007/978-981-99-7808-3_8

Springer Professional

Zusammenfassung

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"

Premium Partner