An alternative formulation of the artificial immune recognition system learning algorithm

Abstract

Ο AIRS είναι ένας αλγόριθμος μάθησης με επίβλεψη που έχει δείξει οτί μπόρει να πετύχει ανταγωνιστικά αποτελέσματα σε κάποια γνωστά σετ δεδομένων. Ο σκοπός αυτής της παρούσας εργασίας είναι η παρουσίαση μιας εναλλακτικής διαμόρφωσης του αλγορίθμου AIRS, συνοδευόμενη από μια συγκριτική μελέτη με έμφαση στη αξιολόγηση της ακρίβειας ταξινόμησης, της δυνατότητας μείωσης των δεδομένων και της αλγοριθμικής αποδοτικοτητάς, ακολουθούμενη από εκτίμηση, μέσω πειραματικών αποτελεσμάτων, της διαφοράς απόδοσης μεταξύ της προτεινόμενης εκδοχής του αλγορίθμου και του αυθεντικού AIRS ταξινομητη. Η σύγκριση υποδηλώνει οτί η προτεινόμενη εκδοχή έχει σημαντικό πλεονέκτημα απόδοσης σε σχέση με τον πρωτότυπο αλγόριθμο και περαιτέρω αναζήτηση της κύριας λειτουργικότητας του αλγορίθμου θα μπορούσε να εντοπίσει και να αντιμετωπίσει ανεπάρκειες του AIRS, βελτιώνοντας περαιτέρω την απόδοση του.