SISTEMA INMUNITARIO ARTIFICIAL

Sistema inmunitario artificial

son una clase de máquinas de aprendizaje basado en reglas computacionalmente inteligentes, inspiradas en los principios y procesos del sistema inmunitario vertebral. Los algoritmos son típicamente modelados a partir de las características de aprendizaje y memorización del sistema inmunitario para la solución de problemas.

Las técnicas comunes están inspiradas en teorías inmunológicas concretas que explican el funcionamiento y el comportamiento del sistema inmunitario adquirido mamífero.

-Algoritmo de selección clonal: Una clase de algoritmos inspirados en la teoría de selección clonal de la inmunidad adquirida que explica cómo los linfocitos B y T mejoran su respuesta a antígenos con el tiempo mediante la maduración de la afinidad. Estos algoritmos se enfocan en los atributos Darwinistas de la teoría donde la selección está inspirada por la afinidad de las interacciones antígeno-anticuerpo, la reproducción está inspirada en la división celular, y la variación está inspirada en la hipermutación somática. 

-Algoritmo de selección Negativa: Inspirado en el proceso de selección positiva y negativa que ocurre durante la maduración de celulas T en el timo llamado tolerancia de célula T. La selección negativa se refiere a la identificación y eliminación (apoptosis) de células autoinmunes, es decir, las células T pueden seleccionar y atacar tejidos propios. Por ejemplo, en el caso de la detección de anomalias del algoritmo prepara un conjunto de ejemplo de detectores de patrones entrenados a partir de patrones normales (no-anómalos) que modelan y detectan patrones ocultos o anómalos.

-Algoritmos de Redes Inmunes: Algoritmos inspirados en la teoría de la red idiopatica propuesta por Niels Kaj Jerne que describe la regulación del sistema inmunitario por anticuerpos anti-idiopáticos (anticuerpos que seleccionan para otros anticuerpos). Esta clase de algoritmos se enfocan en las estructuras de la red de grafo implicadas donde los anticuerpos (o un anticuerpo que produce células) representan los nodos y el algoritmo de entrenamiento implica crecer o podar aristas entre los nodos basándose en la afinidad (semejanza en el espacio de representación de los problemas).

-Algoritmos de Células Dentríticas: Es un ejemplo de un algoritmo inspirado en la inmunidad desarrollado utilizando una aproximación de multi-escala. Este algoritmo está basado en un modelo abstracto de células dentríticas. El DCA es abstraído e implementado a través de un proceso de examen y modelación de varios aspectos del funcionamiento de las células dendríticas, desde las redes moleculares presentes dentro de la célula hasta el comportamiento globalmente exhibido por una población de células. Dentro del DCA la información está granulada en diferentes capas, conseguidas a través de procesamiento multi-escala.

Referencia: Rescatado de 

https://es.wikipedia.org/wiki/Sistema_inmunitario_artificial