44、人工免疫模型：网络理论与危险理论解析

人工免疫模型：网络理论与危险理论解析

1. 网络理论模型

在网络理论模型中，不同的人工免疫模型展现出了各自的特点和优势。

1.1 余弦相似度替代欧氏距离

在某些模型中，AINE 里使用的欧氏距离被两个会话模式之间的余弦相似度所取代。余弦相似度 $\vartheta$ 对于两个向量 $x$ 和 $y$ 的定义如下：
$\vartheta (x, y) = \frac{\sum_{k=1}^{|x|} x_ky_k}{\sqrt{\sum_{k=1}^{|x|} x_k \times \sum_{k=1}^{|y|} y_k}}$
其中，$x_k$ 和 $y_k$ 分别是向量 $x$ 和 $y$ 中第 $k$ 个属性的值。

1.2 动态加权 B 细胞人工免疫系统（DWB - Cell AIS）

大多数现有的基于网络的人工免疫系统（AIS）模型由许多相互连接的 B 细胞组成。这些连接的 B 细胞形成的网络需要维护，但往往网络中 B 细胞的数量会超过模型需要学习的训练模式数量，导致 B 细胞之间的连接数量增加，使得模型难以扩展，在某些情况下也无法适应动态环境。

有研究提出了一种可扩展且能适应动态环境的网络 AIS 模型，即动态加权 B 细胞（DWB - Cells）模型。一个 DWB - Cell 代表一个影响区域，其权重函数会随着抗原呈现给网络的时间以及 DWB - Cell 与呈现抗原之间的距离的增加而减小。

该模型还将动态刺激/抑制因子纳入 DWB - Cell 的刺激水平中，以控制网络中 DWB - Cell 的增殖和冗余。如果旧的子网没有被当前传入的抗原模式重新刺激，它们