ПРИМЕНЕНИЕ ИСКУССТВЕННЫХ ИММУННЫХ СИСТЕМ В ЗАДАЧЕ РАСПОЗНАВАНИЯ ОБРАЗОВ

Ирина Федоровна Астахова; Екатерина Сергеевна Вернер

doi:10.17308/sait/1995-5499/2026/1/77-85

Authors

Irina. F. Astachova Voronezh State University
Ekaterina S. Verner Voronezh State University

DOI:

https://doi.org/10.17308/sait/1995-5499/2026/1/77-85

Keywords:

artificial immune systems, pattern recognition, convolutional neural networks, machine learning, affinity, lymphocyte, antigen

Abstract

This article discusses approaches to building image recognition systems. Machine learning algorithms are currently one of the most popular objects of study in modern science. In the task of image recognition, it is necessary to choose an algorithm that would automate the classification of objects in an image and at the same time would not require any large computing power from computer equipment. To solve this problem, two approaches are proposed: a neural network approach and one based on the use of artificial immune systems. The research is directly related to the implementation of industrial robot vision systems for MGK INTECHROS JSC. The article describes the model of the artificial immune system, its main components and the affinity function, defined as the Hamming distance, and considers the algorithm for learning how to classify objects in an image. The architecture of a convolutional neural network used to compare the results of work on validation data is also presented. Conclusions are drawn about the need for preprocessing data, such as highlighting borders using the Canny filter, removing the background on images, binarization, or turning to gray. In the course of the work, models trained on noisy input images are also compared, and conclusions are drawn about the possibility of using each type of model. This work aims to evaluate the possibility of using artificial immune systems in the classification task. The classification accuracy is compared using neural networks and artificial immune systems.

Author Biographies

Irina. F. Astachova, Voronezh State University

DSc in Technical Sciences, Professor, Professor of Department of applied mathematics, Informatics and Mechanics
Ekaterina S. Verner, Voronezh State University

a 3nd year postgraduate student at the Department of Computer Mathematics

References

1. Вернер Е. С. Алгоритм работы искусственной иммунной системы / Е. С. Вернер [и др.] // Математика, информационные технологии, приложения: сборник трудов Межвузовской научной конференции молодых ученых и студентов, Воронеж, 27 апреля 2022 г. – Воронеж : Научная книга, 2022. – C. 23–25.

2. Вернер Е. С. Алгоритм распознавания образов с использованием искусственной иммунной системы / Е. С. Вернер [и др.] // Актуальные проблемы прикладной математики, информатики и механики : сборник трудов – Воронеж : Издательство «Научно исследовательские публикации», 2023. – C. 180–185.

3. Вернер Е. С. Системы технического зрения / Е. С. Вернер [и др.]; // Математика, информационные технологии, приложения: сборник трудов Межвузовской научной конференции молодых ученых и студентов, Воронеж, 24-25 апреля 2024 г. – Воронеж : Научная книга, 2024. – C. 135–139.

4. Ушаков С. А. Разработка и исследование алгоритмов решения задач распознавания на основе искусственных иммунных систем: дис. ... канд. техн. наук / C. А. Ушаков. – Воронеж, 2015. – 138 с.

5. Astachova I. F., Ushakov S. A., Hitskova Ju. V. The Application of Artificial Immune System for solving the identification problem // Applied Mathematics,Computational Science and Systems Engineering (AMCSE 2016), 2016. ITM Webof Conference Vol. 9, PaperID 02003 (2017). – P. 1–5 DOI: 101051/70902.tmconf/20170902003.

6. Разработка модели обучающей системы и алгоритмов ее функционирования с помощью интеллектуальных методов: дис. ... канд. физ-мат. наук / Е. И. Киселева. – Воронеж, 2018. – 138 с.

7. Астахова И. Ф. Применение искусственных иммунных систем для распараллеливания процесса вычисления / И. Ф. Астахова, С. А. Ушаков //. Информационные технологии. – 2014. – № 4. – С. 3–6.

8. Селеменев А. В. Применение искусственных иммунных систем для обнаружения сетевых вторжений / А. В. Селеменев, И. Ф. Астахова [и др.] // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. – 2019. – № 2. – С. 50–56. – URL: DOI: https://doi.org/10.17308/sait.2019.2/1289.

9. Ушаков С. А. Искусственные иммунные системы для решения задачи распознавания / С. А. Ушаков, И. Ф. Астахова // Актуальные проблемы прикладной математики, информатики и механики: 129 дополнительная секция: Сб. трудов межд. конф. – Воронеж : Издательско-полиграфический центр ВГУ, 2011. – С. 36–40.

10. Искусственные иммунные системы и их применение: сб. статей / под ред. Д. Дасгупты – М. : Физматлит, 2006. – 344 с.

11. Чернышов Ю. А. Искусственные иммунные системы: обзор и современное состояние / А. Ю.Чернышов, Г. В. Григорьев, Н. Н. Венцов // Программные продукты и системы. – 2014. – № 4. – C. 136–142.

12. Лутц М. Программирование на Python / М. Лутц. – Пер. с англ. – 4-е изд. – СПб. : Символ-Плюс, 2011. – 992 с.

13. Марчук Г. И. Математические модели в иммунологии. Вычислительные методы и эксперименты / Г. И. Марчук. – М. : Наука, 1991. – 304 с.

14. Федоров А. Бинаризация чёрно-белых изображений: состояние и перспективы развития / А. Федоров // Интеллектуальные технологии и системы. – 2002. –(http:// philippovich.ru/Library/Books/ITS/wwwbook/ ist4b/its4/index2.htm).

15. Хайкин С. Нейронные сети: полный курс, 2e издание.: Пер. с англ. С. Хайкин. – М. : «Вильямс», 2006. – 1104 с.

16. Artificial Immune Systems and Their Applications / D. Dasgupta (Editor) – Berlin : Springer-Verlag, 1999. – 320 p. 17. Скобцов Ю. А. Введение в искусственные иммунные системы. – СПб. : ГУАП, 2022. – 211 с.