Prof. d r hab. inż. Jó z e f G aw lik, prof. zw. PK
P olitechnika K rakow ska ; fi ! ;
Katedra Inżynierii P ro cesó w P rodukcyjnych
R E C E N ZJA
rozpraw y dokto rskie j m g r inż. M ałgorzaty Kuchta, nt.: „Z asto so w an ie sztu czn ych system ó w im m u n o lo g iczn y c h w w yb ranych zad an iach d ia g n o s ty c z n y c h ”
P rom otor rozpraw y doktorskiej: dr hab. inż. A ndrzej S okołow ski, prof. Pol. Śl.
P odstaw a o praco w a nia: zlecenie dziekana W ydziału M e ch an iczn eg o T echnologicznego n r R M T 0 -2 1 /D 0 0 6 /1 1/12 z dnia 13.10.2011 r.
1. Z akres i s fo rm u ło w an ie tem atu rozpraw y
P rzedstaw iona do recenzji rozpraw a zaw iera w części zasad n icze j 134 strony plus 4 strony w ykazu bibliografii (47 pozycji) oraz 2 strony streszczenia w j. polskim i w j . angielskim . Praca składa się z ośm iu rozdziałów .
W e w s tę p ie A uto rka rozpraw y krótko sch arakteryzow ała rolę sztucznych system ów im m unologicznych (S S I) w za uto m a tyzow a n ych układach obróbkow ych.
K om entarza i w yja śn ie nia w ym a g a stw ierdzenie D oktorantki że „ze w zg lę du na m ałą wiedzę na tem at m a te ria łó w n a rzęd zio w ych i konstrukcyjnych, p ro c e s skra w a nia a w szcze gó ln o ści zużycie ostrza s ta ły się m n ie j przew idyw alne". A ka p it (str.6 )za czyna ją cy się od słów „ W celu za pew nienia s z y b k o ś c i . . . ” je s t stylistycznie błędny, a przez to niejasny w treści. Także stw ierdzenie, że SSI „... są m etaforą b iologicznego u k ła d u ..." je s t m oim zdaniem niezbyt trafne, bow iem m e tafo ra to inaczej „przenośnia, która m oże być bogatsza w treści od obiektu, do którego się odnosi. N a tom iast SSI są uproszczonym m odelem sytem u biologicznego. W arto by też we w stępie dać z e sta w ien ie stoso w a n ych skró tów i ich objaśnień.
R o zd ział 2 - przegląd literatu ry zaw iera analizę system u o d p o rn ościo w e g o człow ieka i w ybranych za sto so w a ń „...w z o ro w a n y c h na je g o m echanizm ach". W tym stw ierdzeniu D oktorantka potw ierdza, że SSI je s t w łaśnie uproszczonym m odelem układu biologicznego.
W początkow ej fazie analizy literatury D oktoranta w p ro w a dza podstaw ow e pojęcia z zakresu biolog iczn ych system ów im m unologicznych, które są potem w ykorzystyw ane w dalszej części pracy. S zczególnie interesujący, z punktu w id ze nia m ożliw ości zastosow ań technicznych, je s t układ odpornościow y, będący rozproszonym system em przetw arzania inform acji i m ającym zd o ln o ść uczenia się oraz dosto sow yw a nia do zm ie n n e g o otoczenia (jego cechy to: ro zproszona i progow a detekcja, detekcja anom alii, a daptacyjność, sam oorganizacja, prosta re prezentacja w ie d zy przez detektory, unikalność). N abyta o dp o rn ość im m unologiczna charakteryzuje się szereg cech, ja k np.: rozpoznaw anie antygenu, aktyw acja lim focytów , elim inacja antygenów , zapam iętyw anie, które to cechy m ogą być w ykorzystane do rozpoznaw ania i e w e n tu a ln e g o korygow ania stanu system ów technicznych. Z aś takie w łaściw ości ja k u nikaln o ść i pam ięć dają podstaw ę do stosow ania sztucznych system ów im m unologicznych w tech n iczn ych układach ze „sztuczną inteligencją".
S ztuczne system y im m un o lo giczne są zn acznym uproszczeniem złożonych, naturalnych układów o dp o rn ościo w ych i dlatego są one tw orzone na bazie w yb ra nych cech i m e chanizm ów system u odporn ościo w e g o. G łów ne zastosow ania SSI s p ro w ad za ją się najczęściej do rozw iązyw ania problem ów :
• optym alizacji: fun kcji num erycznych, kom binatorycznej, u kładów robotyki i sterow ania; • detekcji: anom alii, w irusów , ochrony kom puterów ;
• klasyfikacji: dot. grupow ania, system ów uczących się, syste m ó w bioinform atycznych, p rzetw arzania - ro zpoznaw ania obrazów , układów sieciow ych (sieci odkryć).
A utorka rozpraw y przedstaw ia szereg d otychczasow ych zasto so w a ń sztucznych system ów im m unologicznych, pre zen tow an ych w literaturze, ja k np.: optym alizację funkcji w ielom odalnych, fun kcji niestacjonarnych, w yznaczanie w ielkości partii produkcji, sterow anie robotem , d etekcji w irusó w kom puterow ych, d etekcji b łędów lotu sam olotu, m onitorow anie
zużycia narzędzia podczas frezow ania, system u rozpoznaw ania obrazów , system u klasyfikacji E-mail, klasyfikacji d okum entów , połączenia SSI z sieciam i n euronow ym i (sieciam i RBF, sieciam i ze w ste czną pro pa g acją błędów ) oraz system ów z logiką rozm ytą.
Biorąc pod uw agę prze dsta w io ną analizę stanu w ie d zy nt. m ożliw ości zastosow ań sztucznych syste m ó w im m un o lo gicznych w yb ó r tem atu ro zp raw y uznaję za trafny z p o zn aw czeg o punktu w id zen ia oraz p o tencjalnych je g o za s to s o w a ń w złożonych system ach te ch n iczn ych .
Na p o d staw ie tej części ro zp raw y dokto rskiej stw ierd zam , że Pani m g r inż. M ałgorzata K uchta o p an o w ała na w ys o k im poziom ie um iejętn o ść syste m a tyc zn e j a n alizy zło żo n eg o problem u b ad aw czeg o o c h arakterze in terd yscyp lin arn ym .
W ro zd ziale 3 A utorka rozpraw y określiła cel i zakres pracy. CeJem nadrzędnym je st analiza i je d n o c z e ś n ie w e ryfika cja m ożliw ości za stosow ania SSI do optym alizacji, klasyfikacji oraz detekcji anom alii. T ak sform ułow any cel sugeruje, że o prócz analizy (co nie budzi w ątpliw ości) nastąpi także w e ryfika cja m ożliw ości zasto so w a nia SSI do optym alizacji anom alii. N asuw a się zatem pytanie, czy i ze w zględu na ja k ie kryte riu m je s t sens optym alizow ać anom alie?
S precyzow ane trzy cele szczegółow e nie budzą zastrzeżeń, n ato m ia st św iadczą o dobrym przygotow aniu m e ryto ryczn ym D oktorantki do podjęcia za p ro p o n o w a n e g o tem atu rozprawy.
P rzedstaw iając za kre s pracy A utorka rozpraw y zw ięźle objaśnia m erytoryczną zaw artość poszczególnych rozdziałów .
Z w racam uwagę, że o m a w ia ją c ro zd ział sió d m y dot. id e n ty fik a c ji a n o m a lii w szeregach czasow ych, w zdaniu: „A n a liz o w a n o rów nież w p ływ w ie lko ści anom alii", n a le ży użyć sform ułow ania „w p ły w w a rto ś c i a n o m a lii” (pojęcie „w ie lk o ś ć ” m a in n y za kre s znaczeniow y, np. w ielkość fizyczna ja k o p e w n a cecha, a nie w artość liczbow a).
W ro zd ziale 4 zo sta ły przedstaw ione cztery a lgorytm y za sto so w a ne do rozw iązyw ania zadań podjętych w o piniow anej pracy doktorskiej.
Należy do nich je s t algorytm C LO N A LG (C LO N al selection A LG o rith m - rys.4.1) bazujący na: • selekcji i klonow aniu najbardziej stym ulow anych przeciw ciał;
• śm ierci nie stym ulo w a n ych przeciw ciał, co odpow iada pom inięciu rozw iązań o malej w artości fun kcji celu;
• dojrzew aniu sw oistości (hiperm utacji);
• ponow nej selekcji klonów, selekcji proporcjonalnej do ich dop a sow an ia z antygenem ; • pow staw aniu i u trzym aniu zróżnicow ania w celu w yjścia z optim um lokalnego.
W tym p rzypadku antygen reprezentuje ocenę problem u inżyn ierskie go (w artość funkcji celu). D opasow anie poszczególnych przeciw ciał je s t d efin io w a ne za pom ocą odległości H am m inga (w zór 4.1).
A lgorytm C LO N A LG po odpow iedniej m odyfikacji (rys.4.2) m oże być zasto so w a ny do rozw iązyw ania zadań optym alizacji.
Drugim z za pro p o n o w a n ych a lg orytm ów je s t system kla syfiku jący oparty na algorytm ie Rlais, którego istotą jest:
• zasto so w a nie sieci B kom órek do utw orzenia pam ięci im m unologicznej;
• klonow anie i m utacja B kom órek B kom órki żyją kilka dni i po zw a lcze niu infekcji są usuw ane z org an izm u ) pod w pływ em stym ulacji p ochodzącej od prezentow anych antyg en ó w i sąsiednich kom órek sieci;
• usuw anie n ie efe ktyw nych kom órek.
M iarą dop a sow an ia d w óch kom órek, reprezentow anych przez liczby rzeczyw iste, je st odległość e uklidesow a (w zór 4.3). P aram etram i system u są: liczba iteracji określająca ile razy prezentow ane będą dane tre nu ją ce oraz param etr N AT repre zen tujący stopień dopasow ania sieci, tj. zadaną w a rto ść progow ą. A lgorytm eksploracyjnej analizy danych je s t szczegółow o opisany w pracy, a je g o sch em at je s t przedstaw iony na rys.4.3. E fektem realizacji algorytm u je s t tw orzenie kom órek pam ięci, które są w yko rzystyw ane do klasyfikacji (rys.4.4.).
T rzecim algorytm em je s t system klasyfikujący oparty na a lg orytm ie aiN et (rys.4.5), stosujący m echanizm y algorytm u R lais oraz uw zględniający d ojrzew anie sw oistości. Służy on do budow y pam ięci im m unologicznej. W celu zm niejszenia liczby podobnych do siebie klonów je s t obliczane w za je m n e ich d op a sow an ie (w zory 4.11 4.12), a n astępnie usuw ane są klony, których o dleg ło ść od innych nie przekracza pew nej zadanej w a rto ści (rys.4.6). D odatkow ym o graniczeniem je s t przyjęta m aksym alna liczba e le m en tó w pam ięci. K lasyfikacja je s t d okonyw ana wg algorytm u - rys.4.7.
C zw artym z za pro p o n o w a n ych algorytm ów je s t algorytm negatyw nej selekcji, bazujący na zachow aniu się lim fo cytó w typu T, które odpow iadają za o d różn ia nie m o le kuł w łasnych od obcych, za graża ją cych organizm ow i. A lgorytm negatyw nej selekcji o bejm uje kilka głów nych kroków (rys.4.9), tj.:
• utw orzenie zbioru reprezen tujące g o w łasne epitopy (fra g m e nty antygenu łączące się b ezpośrednio z przeciw ciałem ). Z biór ten m oże re p re zen tow ać w yniki pom iarów ch arakte ryzu ją cych popraw ny stan system u (urządzenia lub procesu);
• utw orzenie zbioru losow o w yge ne ro w a nych receptorów ;
• utw orzenie zbioru receptorów , które nie rozpoznają ża dnego elem entu, ch a ra kte ryzu ją ceg o popraw ny stan system u;
• m onitorow anie zbioru, którego stanam i są ła ń cu ch y re p re ze n tu ją ce aktualny stan system u i dla którego utw orzono zb ió r receptorów .
Celem detekcji anom alii je s t w ięc spraw dzenie, czy dany epito p je s t nadal praw idłow y, czy też został za in fe ko w a n y (w ów czas nastąpiło p rzekroczenie zadanej w a rto ści progow ej), co objaw ia się m o d yfikacją ła ń cuch a reprezentującego aktu a ln y stan m onitorow a n eg o system u.
R eprezentacja danych dotyczących stanu procesu je s t za pisyw an a w postaci binarnej (przykłady kodow ania: rys.4.10 - rys.4.14), a praw do p od o b ień stw o rozpoznania w ybranego łańcucha przez re ce pto r określa w z ó r 4.16. Z b ió r re ceptorów je s t gen e ro w an y losowo. Liczba receptorów je s t zależna od długości w ektora w e jściow ego (rys.4.15).
C h arakterystyka p o szczeg ó ln ych alg o rytm ó w zo stała p rzed staw io n a zw ięźle, a ró w n o cześn ie p rzejrzyście, co p o tw ierdza dobre p rzy g o to w a n ie A u to rki ro zp raw y do analizy i syn tezy za g ad n ie ń d otyczących an alizy stanu zło żo n ych system ó w tech n iczn ych .
R o zd ział 5 zaw iera przykła dy zadań optym alizacyjnych opraco w a ne przez D oktorantkę. S kuteczność algorytm u C LO N A LG została przetestow ana na przykła dzie optym alizacji czterech funkcji w ie lo m o d aln ych (rys.5.1 oraz w zory 5.1 5.4). W a nalizow anych przykładach algorytm zn ajdo w a ł optim a globalne po liczbie do 100 iteracji. Interesujące są w yniki badań w pływ u p aram etrów algorytm u na w a rto ść najlepiej d opasow anego klonu (odpow iada to znalezionem u m aksim um funkcji) oraz na średnią w artość d opasow ania sieci. W p ły w param etrów , tj.: w spółczynnika klonow ania (3, rozm iaru zbioru a ntyg en ó w od 1 do 100 elem entów , w spółczynnika hiperm uta cji oraz udziału p rocentow ego (liczby) losow o w yg enerow anych klonów na średnie d op a sow an ie sieci kom órek pam ięci im m un o lo giczne j zo sta ł przedstaw iony na rys.5.4. W ynika z niego, że im w iększa w a rto ść w sp ó łczynn ika hiperm utacji oraz w spółczynnika p tym szybciej kom órki pam ięci zbliżają się do m aksim um oraz szybciej rośnie średnie dop a sow an ie sieci, a także im w iększy je s t udział procentow y losow o w yg enerow anych klonów tym w iększa je s t w a rto ść średniego dopasow ania sieci.
N asuw a się pytanie, czy w obec takiego trendu w pływ u b adanych w sp ó łczynn ikó w na dopasow anie s ie c i n a le ż y p o s z u k iw a ć m aksym alnych w a rto ści tych w spółczynników , czy też istnieją w tym p rz y p a d k u p e w n e ograniczenia odnoszące się do s tru k tu ry i funkcjonow ania sieci?
Należy podkreślić, że algorytm skutecznie ro zw ią zyw a ł zada n ie poszukiw ania optim um globalnego, g dyż nie za trzym yw a ł się na optim ach lokalnych, a m aksym alna odchyłka wyniku obliczeniow ego od m a ksim u m glo ba ln eg o nie przekraczała 2%.
Interesujące są w yn iki za stosow ania SSI do w sp o m ag a nia optym alizacji bazy reguł system u logiki rozm ytej. F u nkcjonow anie system u logiki rozm ytej o strukturze M am dani (FL-M , rys.5.8) zależy od kilku czynników , tj.: sposobu g en erow ania reguł, realizacji operacji
logicznych, rodzaju konkluzji, sposobu przeprow adzenia treningu, liczby w e jść do system u, liczby funkcji przyn ale żn ości dla w ejść, rodzaju funkcji przynależności. D oktorantka poddała analizie i p ro cedurze optym alizacyjnej konkluzje reguł oraz fun kcje przynależności w ejść i wyjść. R ozw ażany był system logiki rozm ytej FL-M z dw om a w ejściam i, dla których każdem u z nich przypisano 5 gau sso w skich funkcji przynależności (rys.5.9) Do w yjść przypisano trzy gaussow skie fu n kcje p rzynależności (rys.5.10). Do w yostrzania za sto so w a no m etodę środka ciężkości. F unkcją kryterium była sp raw ność klasyfikacji system u FL. P opulacja początkow a składała się z pięciu ko m ó re k pam ięci. T estow any był w p ływ p aram etró w algorytm u C LO N A LG (w spółczynnika klo n ow a n ia p, w sp ó łczynn ika hiperm utacji, liczby losow o w ygenerow anych klonów oraz rozm iaru zbioru a ntyg en ó w - liczby p oczątkow ych syste m ó w logiki rozm ytej) na spraw ność system u FL. Dane w zorcow e do treningu system u FL przedstaw ia rys.5.11.
W następnym cyklu badań A uto rka rozpraw y poddała analizie i ocen ie sposób generow ania bazy reguł. W yg e n e ro w a n a została m aksym alna liczba 25 reguł, do których zostały przypisane konkluzje, przekszta łco n e na kod binarny. P ołączenie kodów binarnych 25 konkluzji tw orzy kod kom órki pam ięci im m un o lo giczne j, z których każda re prezentuje inny system FL, czyli tw orzy zbiór konkluzji reguł system u. Funkcją kryterium je s t sp ra w no ść system u, a jej m aksim um w św ietle badań w ynosi 85% . Na rys.5.12 + rys.5.15 zo sta ły p rze dsta w io ne w yniki spraw ności klasyfikacji dla różnych w artości w spółczynnika hiperm utacji, liczby iteracji, w artości w spółczynnika klonow ania (3 oraz udziału losow ych klonów.
Sądzę, że b y ło b y in teresu ją ce p rze dsta w ie nie tych za le ż n o ś c i (w szcze g ó ln o ś c i ry s .5.13) w układzie przestrzennym , g dyż w ów czas w yraźnie u ja w niłb y się c h a ra k te r tych zmian. A naliza p rze dsta w io nych w y k re s ó w sugeruje, że m oże to b yć p o w ierzchn ia siodłow a.
W kolejnych etapach badań D oktorantka za p rop o no w a ła trzysto pn io w ą procedurę optym alizacyjną (rys.5.17) obejm ującą: konkluzje reguł, a następnie szerokości oraz położenia środków funkcji p rzynależności w e jść i szerokości oraz położenia środków funkcji przynależności w yjść. Z astoso w a na procedura optym alizacyjna została zw eryfikow ana w zadaniu analizy p rzynależności zbioru punktów do dw óch klas (rys.5.18). D oktorantka stw ierdziła, że korzystniejszym rozw iązaniem je s t optym a liza cja je d n o stop n io w a niż trzysto pn io w a ” .
Sądzę je d n a kże , iż p rz y tak niew ielkich różnicach p o m ię d z y u zy s k a n y m i sp ra w no ścia m i (0,62% oraz 1,25% ) stw ierdzenie to nie je s t w p e łn i upraw nione, b ow iem bra k je s t in form a cji 0 tym, czy system ka żdo ra zo w o i z taką sam ą d okładnością będ zie d o ko n yw a ł kla syfika cji analizow anych zbiorów . W dalszych opracow aniach w arto b y też ro zw a żyć za stosow anie p ro c e d u ry o p tym a liza cji w ie lo kryte ria ln e j do w yznaczenia w a rto ś c i p a ra m e tró w SSI.
Zaprop o no w a n y przez D oktorantkę system logiki rozm ytej z o s ta ł także zasto so w a ny do klasyfikacji stanu zużycia ostrzy w ierteł. W iertła zostały podzielone na trzy grupy: niezużyte, częściow o zużyte i zużyte. Dane pom iarow e były podzielone na dw a zbiory (każdy o liczności 80): trenujący i testujący. Na w ejściu i w yjściu system u przypisane były g au sso w skie funkcje przynależności. Do w yo strza n ia w yn ikó w za sto so w a no m etodę środka ciężkości. Porów nanie spraw ności system ów klasyfikujących: FL-M (optym alizacja trzysto pn io w a ), FL-M (optym alizacja je d no stop n io w a) oraz FL o strukturze T akag i-S u g en o przedstaw ia rys.5.20.
Podobnie p rze prow a d zon e próby zastosow ania system u FL-M do dia gn o styki odkształceń term icznych szlifierki (rys.5.23 - rys.5.24) w skazują na m o żliw ość uzyskania pozytyw nych efektów ich zastosow ania, ale też w skazują na ce lo w ość p ro w ad ze nia d alszych badań n a d ich rozw ojem i udoskonalaniem . J e ś li P a n i m g r inż. M. K uchta będzie w p rz y s z ło ś c i zajm ow ała się diagnostyką odkszta łce ń term icznych o brab ia re k (a je s t to p ro b le m bardzo isto tn y 1 rów nocześnie złożony), to p ro po n uję zapoznanie się także z o p ra c o w a n ia m i na ten tem at zespołu prof. J. Ję d rze je w skie g o z P olite ch n iki W rocła w skiej (np. p u b lik a c je w: C IR P- Annals, Jo u rn a l o f M achinę E ngineering, Inżynieria M aszyn).
R o zd ział 6 zaw iera testy klasyfikacji z za sto so w a niem SSI. P ierw szy etap o bejm ow ał testy z za stosow aniem algorytm u R lais do rozpoznaw ania przyn ale żn ości do klasy w przypadku różnego kształtu g ra n icy pom iędzy klasam i, a także dla przyp ad kó w różnego rozm ieszczenia punktów repre zen tujących daną klasę. A nalizie zo stały poddane kształty gra nicy w postaci
okręgu, elipsy, nerki oraz dw óch grup ograniczonych ro złącznym i o kręgam i (rys.6.1). P rzedstaw iona, obsze rn a analiza spraw ności klasyfikacji dla różnych w a rto ści param etru NAT i różnej liczby iteracji (przykład rys.6.2, także tab.6.1, i inne) dała podstaw ę do w yznaczenia zakre sów param etru N A T dla osiągnięcia m aksym alnych sp raw ności klasyfikacji (rys.6.10 rys .6 .1 1) oraz za p ro p o n o w a n ia m etod doboru w artości param etru N AT (rys.6 .1 3 rys.6 .1 3). P orów nanie spra w no ści klasyfikacji dla różnych m etod (rys.6 .1 4 rys.6 .1 5) w ykazuje, że m ożliw e je s t uzyskanie 100 % spraw ności. P orów nanie spra w no ści klasyfikacji (rys.6 .1 6) z za stosow aniem SSI z system am i FL-M potw ierdza, że opraco w a na przez A uto rkę rozpraw y procedura daje bardzo d obre efekty.
Drugi etap zaw iera badania za stosow ania SSI do klasyfikacji przy trzech znanych klasach zbiorów oraz je d n e j nieznanej. Z aprop o no w a n y system bazuje na trzech klasyfikatorach im m unologicznych. Je st to zatem rozszerzenie m ożliw ości stoso w a n ia SSI do zadań klasyfikacji. Dane tre ning o w e w układzie 2D zostały prze dsta w io ne rys .6 .1 7, a dla układu 3D na rys.6 .1 9. D oktorantka zaprop o no w a n a odpow iednią do tych zadań strukturę system u klasyfikującego (rys.6 .1 8). Istotnym problem em dla uzyskania w yso kie j spraw ności klasyfikacji je s t w yb ó r param etru NAT, co potw ierdzają w yniki zaw arte w ta b .6 .2 i tab .6 .3 oraz porów nanie tych spraw ności dla różnych p ro ced u r w yboru teg o param etru (rys.6.20). Zw raca uw agę m ożliw ość osiągnięcia w a rto ści spraw ności klasyfikacji bliskich 100% dla przypadku klasyfikacji 3D. A utorka rozpraw y zw raca uw agę rów nież na o graniczenia w d ob o rze tego param etru podając, że: „... zró żn icow an ie w artości NAT m ożna je d n a k w y ko rzysta ć tylko w przypadku klas okrągłych (2D) lub o kształcie kuli (3D )” .
O pracow ana m etoda została przetestow ana na p rzykładzie klasyfikacji stanu w ierteł podzielonych na trzy g rupy (przykład przedstaw iony w rozdz.5). W yd zie lo ny z o sta ł zb ió r danych trenujących (rys.6.22). Na bazie trzech kla syfikatorów im m un o lo gicznych zo sta ł skonstruow any system kla syfiku jący trzy stany narzędzia. U zyskane, m aksym alne spraw ności klasyfikacji (rys.6.23 i rys.6.24) w yn o siły ok. 79% . D oktorantka podjęła próby budow y system u klasyfikującego, u m o żliw ia ją ce go osiągnięcie w yższych spra w no ści (rys.6.25 i rys.6.26), bow iem z punktu w id ze nia praktycznych zastosow ań d ia gn o styczn ych w a żn e je s t stw ierdzenie, w którym m om encie należy w yco fać narzędzie z eksploatacji, aby nie d op ro w a dzić do jego zużycia ka ta stro ficzn eg o (w ytrzym ałościow ego). B adania te d o p ro w a dziły do w yboru system u bazującego na dw óch klasyfikatorach im m unologicznych, pozw ala ją ce go na uzyskanie spraw ności na poziom ie nieco pow yżej 83% (tab.6.4).
T rzeci etap z za sto so w a niem algorytm u aiN et o bejm uje analizę w pływ u w spółczynnika tłum ienia o s (progu supresji) oraz o d (progu naturalnej śm ierci kom órki) na spraw ność klasyfikacji (system wg koncepcji - rys.4.4). R ozw ażane były przypadki różnego rodzaju granicy pom iędzy klasam i (okrąg, elipsa, nerka, dwa okręgi) podobnie, ja k to m iało m iejsce z za sto so w a niem algorytm u R lais. W yniki zo stały udoku m e nto w a ne na rys.6.27 + rys.6.33. M aksym alne w a rto ści sp raw ności klasyfikacji dla różnych z b io ró w tre nu ją cych dla dobranych param etrów N AT (na podstaw ie danych w eryfikujących) za w ie ra ły się w przedziale od ok. 93% do 100% (tab6.6).
I w tym przypadku opraco w a ny system zo sta ł za sto so w a ny do klasyfikacji stanu wierteł. P orów nanie spra w no ści klasyfikacji uzyskanych dla system ów opartych na algorytm ie R lais oraz aiN et (rys.6.34) w ska zu je na w yższą sp raw ność a lg orytm u R lais, sięgająca ok.82% dla system u opartego na dw óch klasyfikatorach binarnych.
W podsum ow aniu tej części B adań A utorka rozpraw y m iędzy innym i stw ierdza, że: „...w przypadku system u logiki rozm ytej niem ożliw e byłoby zb ud o w a nie klasyfikatora bazując na danych repre zen tujących tylko je d n ą klasę, co je s t dużym atutem kla syfika to ró w opartych na sztucznych system ach im m u n o lo g iczn ych ” . Istotnym za g a d nien ie m je s t w yb ó r w artości param etrów NAT, a s oraz a d na podstaw ie oceny spra w no ści klasyfikacji danych w eryfikujących.
R o zd ział 7 - d etekcja a n o m alii zaw iera analizę w pływ u stru ktury system u detekcji anom alii oraz w ybranych p a ra m e tró w algorytm u na sp raw ność w ykryw an ia tych anom alii w szeregach czasow ych. W badaniach w stę pn ych została w ybrana funkcja liniow a (p a ra m etry sym ulacji
-tab7.1). U zyskano 100% dete kcję dla każdej sym ulacji. W kolejnych testa ch analizow ane były przebiegi składające się z 10 punktów z w pro w a dzo n ym i anom aliam i (rys.7.1) dla różnych układów aktyw ow anych ła ń cu ch ó w (rys.7.2 * rys.7.3). i w tym przyp ad ku uzyskano 100% skuteczności detekcji.
Kolejne 10 sym ulacji zostało przeprow adzonych dla każdej kom binacji p aram etrów w celu w eryfikacji liczebności zbioru re ceptorów dla różnej liczby ide ntyczn ych bitów (rys.7.4). Na ich podstaw ie została w yzn a czon a liczebność zbioru re ceptorów um o żliw ia ją ca osiągnięcie 100% detekcji ła ń cuch ó w z ano m a lia m i (rys.7.5). Zagadnieniem o w iększej złożoności je s t detekcja funkcji m a tem atycznych: sinus oraz logarytm icznej (rys.7.6 * rys.7.8). P odczas detekcji m ogą m ieć m iejsce dwa rodzaje b łędów - z niedocenienia (I rodzaju) oraz z przecenienia (II rodzaju). W ykonane testy detekcji anom alii dla różnych w a ru nkó w (rys.7.9 rys .7 .1 2) potw ierdziły, że istnieje m ożliw ość osią gn ię cia 100% trafności detekcji, aczkolw iek w ym a g a to stosow ania dużej liczby identycznych bitów i przedziałów , a to z kolei m oże znacznie w yd łu ża ć czas niezbędny na w ykrycie anom alii.
W celu określenia w pływ u w ielkości anom alii (różnicy pom ięd zy w a rto ścią przebiegu w zorcow ego i m onitorow a n eg o ) na sp raw ność jej w ykryw ania zo sta ły p rzeprow adzone testy funkcji logarytm icznej. D obór p aram etrów (szerokości okna, liczby przedziałów , liczby identycznych bitów ) algorytm u (rys.7 .1 3 * rys.7.14 oraz tab .7 .4 ) zw ią za ny je st z w pływ em czułości system u na poziom zakłóceń. W a żn e je s t ustalenie przez użytkow nika progu anom alii, którego p rzekroczenie pow oduje identyfikację tejże anom alii. Je st to d ość trudne zadanie z uwagi na brak m ożliw ości dobrania szerokości przedziału tak, aby ściśle odpow iadała ona progow ej w artości anom alii.
Złożonym przebiegiem , który został poddany testom była fu n kcja poliharm oniczna (rys.7.16). Na podstaw ie przeprow adzonych sym ulacji D oktorantka w ykazała, że popraw na identyfikacja anom alii je s t m ożliw a w sytuacji, gdy liczba id entycznych b itów w ynosi % długości łańcucha za w ie ra ją ceg o anom alie.
W eryfikacja praktycznego zastosow ania algorytm u negatyw nej selekcji w diagnostyce technicznej została p rzeprow adzona na przykładzie badań cieplnych sterow anej num erycznie osi posuw u (rys.7 .1 7). R ozpatryw any był przyrost tem peratury, a nie jej w a rto ści bezw zględne. Z łożoność tego zada n ia d ia gn o styczn e go w ynika z w pływ u kinem atycznych w aru nkó w prow adzenia badań na przyrosty tem peratury. D latego też A uto rka rozpraw y zaproponow ała aby w badaniach przetestow ać:
• klasyczny algorytm negatyw nej selekcji;
• algorytm negatyw nej selekcji z norm alizacją p rzebiegów do przedziału [0 1];
• algorytm negatyw nej selekcji dla podrealizacji nie dłuższych, niż d łu go ść przedziału w zorcow ego;
• algorytm negatyw nej selekcji dla znorm alizow anych podrealiazacji.
Param etry, dla których osiągnięto popraw ną detekcję anom alii dla poszczególnych przypadków zostały ze sta w ion e odpow iednio w tab.7.9 + tab.7.12, zaś liczbę błędów dla w yszcze g óln io n ej liczby prze dzia łó w odpow iednio na rys.7.22 rys.7.23 oraz na rys.7.26 * rys.rys.7.27. S ynte tyczny algorytm detekcji anom alii w badaniach przyrostu tem peratury przedstaw ia rys.7.28. W yniki tych badań w skazują, że d ecyd u ją cy w p ływ na uzyskanie zadow alających e fe któ w identyfikacji anom alii (w yelim inow anie popełniania błędów II rodzaju) ma w ybór przebiegu w zo rco w e go i p aram etry je g o rejestracji.
W przypadku detekcji anom alii w sygnale drgań istotnym p aram etrem je s t próg anom alii. A naliza błędu b ezw zglę d ne g o pom iędzy przebiegiem o kreślonym na podstaw ie m atem atycznego m odelu a przebiegiem za re jestrow a n ym (rys.7.33) w skazuje, że nie w ystę po w a ły błędy I rodzaju. Liczba błędów II rodzaju była zależna od zakresu danych trenujących, które m ożna za w ę zić do 1 okresu a nalizow anego sygnału.
R ozpraw ę zam yka ro zd zia ł 8 - podsum ow anie, w którym D oktorantka w ska zu je na efekty przeprow adzonych badań i m ożliw ości ich praktycznych za sto so w a ń ja k o efektyw nej alternatyw y w odn ie sie niu do innych m etod sztucznej inteligencji.
O cena m eto d yczn ej koncepcji pracy
W opiniow anej rozpraw y d oktorskiej dają się w yróżnić następujące, głów ne obszary:
analizę stanu w ie d zy z zakresu budow y i fun kcjo n ow an ia system u im m unologicznego człow ieka;
charakte rystykę d o tych czaso w ych zastosow ań sztucznych syste m ó w im m unologicznych w p rocedurze optym a liza cyjn e j, robotyce i innych w yb ranych za ga d nien ia ch technicznych; analizę system ów i a lg orytm ów stosow anych w za daniach klasyfikacji zbiorów , optym alizacji i diagnostyce;
opracow anie i w e ryfika cję algorytm icznych p ro ced u r syste m ó w klasyfikujących i id entyfikujących w ystę p u ją ce odchylenia (anom alie) od przyjętych, w zorcow ych przebiegów ;
opracow anie p rzykła dó w za stosow ań sztucznych syste m ó w im m unologicznych w d iagnostyce technicznej.
Na podstaw ie p rzedstaw ionej analizy rozpraw y dokto rskie j i sposobu rozw iązyw ania postaw ionych zadań badaw czych, m eto d yczn ą ko n cep cję ro zp raw y do kto rskiej oceniam w pełni p ozytyw nie, albow iem zaw iera ona te o re tyczn ą analizę złożonych, in terdyscyplinarnych p ro ble m ó w diagnostycznych, opraco w a nie i zw e ryfiko w a nie niezbędnych a lgorytm ów oraz zaleceń stosow ania zaprop o no w a n ych m etod.
Za o ryg in aln y i w ażn y pod w zg lęd em naukow ym oraz utylitarn ym w kład D oktorantki w rozw iązanie p o staw io n eg o problem u b ad aw czeg o uznaję:
u system atyzow anie i tw órcze w yko rzysta nie w iedzy z za kre su fun kcjo n ow an ia naturalnych system ów im m unologicznych;
opracow anie w łasnych, oryginalnych a lg orytm ów bazujących na sztucznych system ach im m unologicznych i ich zastosow anie do d iagnostyki odchyleń (anom alii) w system ach technicznych.
P odsum ow ując całość rozpraw y doktorskiej stw ierdzam , że za d an ie b adaw cze, które podjęła D o kto ran tka stan o w i istotne w zb o g a ce n ie w ied zy z zakresu rozw oju i zasto so w ań m etod sztu czn ej inteligencji w system ach tech n iczn y c h . W yn iki badań w skazu ją na m o żliw o ści za sto so w an ia p ro p o n o w an ych m etod d iag n o styczn ych w budow ie i e ksp lo atacji m aszyn o raz au to m atyce i robotyce.
2. O cena ko ń co w a ro zp raw y d oktorskiej
O piniow ana praca d oktorska należy do w ażn eg o obszaru badaw czego, zw iązanego z za stosow aniam i m etod sztucznej inteligencji w tech n ice i te ch n o lo g ii (w szczególności w technologii m echanicznej).
D oktorantka w yka za ła że osiągnęła w ysoki poziom um iejętności analizy i syntezy złożonych problem ów naukow ych, system atyzacji w iedzy na potrzeby rozw iązań teoretycznych i technicznych. W yka za ła też, że m ożliw e je s t praktyczne za sto so w a nie opracow anych procedur d ia gnostycznych. Pani m gr inż. M ałgorzata K uchta o panow ała now oczesne m etody i narzędzia badaw cze, niezbędne do prow adzenia prac naukow ych oraz rozw iązyw ania złożonych pro ble m ó w naukow ych i technicznych. R o zp raw ę do kto rską zaliczam do w yró żn iających się o p raco w ań . N ieliczne uchybienia edycyjne za zna czyłe m w tekście i przekazałem A utorce.
O p in io w an a ro zp raw a do kto rska posiada o ryg in aln e cechy now ości i w alo ry u tylitarne. Na p o d staw ie p o w yższych stw ierd zeń w yrażam opinię, że rozpraw a doktorska m gr inż. M ałg o rzaty K uchta nt.: „Z asto so w an ie sztu czn ych s y s te m ó w im m u n o lo g iczn ych w w yb ran ych za d an ia c h d ia g n o s ty c zn y c h ” spełnia w ym a g a n ia ustaw y o stopniach n aukow ych i ty tu le nauko w ym oraz o stopniach i tytu le w za kre s ie sztuki (Dz. U. n r 65, Poz. 595, z dnia 14.03.2003 r.) i w n o s zę o d o p u szczen ie jej A utorki do pu b liczn ej obrony.
