
- •Основные направления исследований в области искусственного интеллекта.
- •Свойства и отношения. Классификация отношений.
- •Представление знаний и работа с ними. Обзор языков представления знаний.
- •Знания экспертов. Экспертные системы (области применения). Архитектура эс.
- •Система представления знаний.
- •Фреймы. Семантические сети. Классификация базовых понятий сс. Сущности и отношения.
- •Логическая модель представления знаний. Декларативное и процедурное представление знаний. Система логического вывода (слв).
- •Система приобретения знаний. Подсистемы объяснения эс. Организация интерфейса в эс. Жизненный цикл эс.
- •Данные и знания. Управление знаниями.
- •Исчисление предикатов. Правила вывода на основе исчисления предикатов.
- •Нечеткая логика. Модели нечеткой логики.
- •Онтологии. Разработка концептуальной модели предметной области на основе онтологического подхода.
- •Программные агенты и мультиагентные системы.
- •Стохастический подход к описанию неопределенностей.
- •Байесовские сети доверия.
- •Основы искусственных нейронных сетей. Обучение персептрона.
- •Процедура обратного распространения. Сети встречного распространения.
- •Слои Кохоненна
- •Слой Гроссберга
- •Применение стохастических методов для обучения искусственных нейронных сетей.
- •Сети Хопфилда.
- •Ассоциативная память. Адаптивная резонансная теория. Оптические нейронные сети.
- •Описание apt
- •Задачи распознавания образов. Когнитрон и неокогнитрон.
- •Структура
- •Алгоритмы обучения нейронных сетей. Обучение с учителем и без учителя. Самоорганизация. Алгоритмы обучения
- •Цель обучения
- •Обучение с учителем
- •Обучение без учителя
- •Нейронная сеть Хемминга. Нейронная сеть Хебба.
- •Генетические алгоритмы. Адаптивные методы поиска.
- •Алгоритмы роевого интеллекта. Алгоритм роя частиц.
- •Метод пчелиной колонии
- •Моделирование перемещения бактерий
- •Муравьиный алгоритм
- •Жадные алгоритмы
- •Эволюционные вычисления и эволюционное программирование
- •Алгоритм имитации отжига
- •Меметический алгоритм
- •Алгоритм культурного обмена
- •Системы поддержки принятия решений
- •Многомерные данные и olap-технологии
Моделирование перемещения бактерий
Одной из наиболее изученных бактерий является бактерия Е. Coli [8], которая живёт в кишечнике большинства млекопитающих (в том числе и в кишечнике человека). Бактерия Е. Coli при соответствующих условиях может самовоспроизводиться (расщепляться) за 20 мин. Движение бактерии Е. Coli обеспечивается шестью или более жгутиками, вращающимися с частотой 100...200 об/с, каждый из которых управляется своим собственным биологическим «мотором».
Примерная схема движения бактерии выглядит следующим образом: когда «мотор» работает в одну сторону, все жгутики у бактерии складываются и вращаются вместе, и бактерия движется прямолинейно. В конце пробега бактерия останавливается, «мотор» переключается и начинает работать в другую сторону. Жгутики растопыриваются и «бултыхаются» независимо друг от друга. Бактерия при этом переориентируется в пространстве случайным образом. После этого «мотор» опять переключается и начинает работать в ту сторону, в которую жгутики работают вместе, и возникает следующий отрезок прямолинейного движения.
Хемотаксис - это двигательная реакция бактерии в ответ на появление в среде аттрактанта (аттрактант - вещество, привлекающее бактерий) или репеллента (репеллент - вещество, отпугивающее бактерий). В естественных условиях аттрактантами являются вещества, полезные для бактерий репеллентами - те, которые бактериям вредны.
При наличии пространственных изменений концентрации аттрактантов или репеллентов частота кувырканий, а следовательно, и длина свободного пробега бактерии изменяются. Длина свободного перемещения бактерии плывущей в сторону возрастающей концентрации аттрактанта, увеличивается, а при движении в сторону возрастающей концентрации репеллента уменьшается.
Таким образом, можно выделить следующие хемотаксические действия бактерии Е. Coli:
если бактерия находится в нейтральной среде, то чередуются кувырки и передвижения, за счёт чего выполняется поиск;
если бактерия перемещается по градиенту аттрактанта, то перемещение продолжается в этом же направлении. Таким образом, обеспечивается поиск более благоприятной окружающий среды;
если происходит перемещение в направлении, противоположном градиенту репеллента, то обеспечивается избегание неблагоприятной окружающей среды.
Таким образом, бактерия может перемещаться в областях с полезным» веществами и в то же время избегать опасных веществ. Сенсоры, используемые Е. Coli, - белковые рецепторы, которые являются очень чувствительными (незначительное изменение в концентрации полезных веществ может вызвать существенное изменение в поведении бактерии).
От рецепторов сигналы поступают на метилакцептирующие белки, которые собирают все сигналы от рецепторов, и результирующий сигнал выходит на «мотор» жгутика, который управляет движением бактерии в зависимости от соотношения полезных и опасных веществ в окружающей среде.
Бактерии часто умирают или расстворяются, и это должно учитываться при моделировании их деятельности. Мутации у Е. Coli происходят в нормальных условиях приблизительно 10'7 ген в поколение.
E.Coli могут формировать сложные устойчивые пространственно- временные структуры в некоторых полутвердых полезных средах. Бактерии могут поглощать питательные вещества по их радиусу, начиная от внешней границы заканчивая серединой, даже в случае, если бактерии были изначально размещены в центре питательных веществ. Кроме того, при определённых I условиях они могут скрывать притягивающие сигналы от клетки к клетке, за счёт чего они группируются и защищают друг друга. Таким образом, эти бактерии могут группироваться в колонии.