Aprenda Algoritmo de Seleção Negativa | Sistemas Imunológicos Artificiais

Definição

O algoritmo de seleção negativa é inspirado no sistema imunológico biológico, que distingue próprio de não-próprio. Os linfócitos T que reagem ao próprio são eliminados, restando apenas aqueles capazes de reconhecer invasores estrangeiros. O algoritmo define o próprio (dados normais), gera detectores que não correspondem ao próprio e os utiliza para detectar anomalias.

O processo envolve três etapas:

Gerar um conjunto representativo de amostras do próprio para capturar o comportamento normal do sistema;
Criar um grande número de detectores aleatórios;
Eliminar detectores que correspondam ao próprio, restando detectores ativos que sinalizam anomalias quando correspondem a novos dados.


              12345678910111213141516171819202122232425262728293031323334
            
import random

def generate_random_detector(length):
    """Generate a random binary string detector of given length."""
    return ''.join(random.choice('01') for _ in range(length))

def match(detector, self_set, r):
    """
    Returns True if detector matches any string in self_set
    with at least r contiguous matching bits.
    """
    for self_str in self_set:
        for i in range(len(self_str) - r + 1):
            if detector[i:i+r] == self_str[i:i+r]:
                return True
    return False

def negative_selection(self_set, num_detectors, length, r):
    """
    Generate detectors that do not match any self string
    with at least r contiguous matching bits.
    """
    detectors = []
    while len(detectors) < num_detectors:
        detector = generate_random_detector(length)
        if not match(detector, self_set, r):
            detectors.append(detector)
    return detectors

# Example usage:
self_set = ['11001', '10011', '11100']
detectors = negative_selection(self_set, num_detectors=5, length=5, r=3)
print("Generated detectors:", detectors)

Pontos Fortes e Limitações do Algoritmo de Seleção Negativa

O algoritmo de seleção negativa oferece um método direto para detecção de anomalias, inspirado em sistemas imunológicos. Principais pontos fortes:

Capacidade de detectar anomalias desconhecidas ao focar em dados fora do conjunto próprio;
Não requer conhecimento prévio de padrões anômalos, apenas uma definição clara do conjunto próprio.

Limitações incluem:

A geração de detectores torna-se lenta à medida que o conjunto próprio cresce;
Menor eficácia para dados de alta dimensionalidade ou contínuos devido à cobertura esparsa do não-próprio;
Potencial para falsos positivos ou negativos se o conjunto próprio não for totalmente representativo ou se os detectores forem mal definidos.

Apesar dessas questões, o algoritmo de seleção negativa é uma ideia central em sistemas imunológicos artificiais e detecção robusta de anomalias.

Tudo estava claro?

Obrigado pelo seu feedback!

Seção 4. Capítulo 2

Pergunte à IA

Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo

Awesome!

Completion rate improved to 6.25

Deslize para mostrar o menu