An artificial immune system for the identification of polymer materials based on near infrared (NIR) spectra

• Autorzy: Rabiej M. , Biniaś W.

Identyfikatory

DOI

dx.doi.org/10.14314/polimery.2014.575

Warianty tytułu

PL

Sztuczny system immunologiczny do identyfikacji materiałów polimerowych na podstawie ich widm w bliskiej podczerwieni (NIR

• Konferencja: International Conference X-ray investigations of polymer structure (9 ; 03-06.12.2013 ; Zakopane, Poland)
• Języki publikacji: EN

Abstrakty

EN

This work presents an immune algorithm elaborated for the identification of polymers based on their NIR spectra. It uses the mechanisms and rules typical of natural immune systems. The identification of a polymer consists of a comparison of its NIR spectrum with reference spectra contained in a database. The algorithm acts in two stages. In the first stage, it compares the positions of the main absorption bands in the investigated spectrum with those of spectra from the database. Based on this comparison, the most similar reference spectra are selected. In the second stage, the shape of the numerical derivative of the investigated spectrum is compared with the shapes of the derivatives of the reference spectra selected in the first stage. Our investigations have shown that the algorithm is very effective and reliable. The algorithm can be used both for the identification of polymers in large databases and for the protection of such databases from an uncontrolled expansion.

PL

W pracy przedstawiono sztuczny system immunologiczny, należący do metod sztucznej inteligencji, przeznaczony do identyfikacji polimerów na podstawie ich widm w bliskiej podczerwieni (NIR). Analiza widm polega na porównaniu zgodności nieznanego widma z widmami zapisanymi w bazie danych, przy użyciu odpowiedniego algorytmu. Struktura algorytmu i działanie poszczególnych procedur naśladują strukturę naturalnego układu immunologicznego. Podobnie jak w naturalnych systemach, identyfikacja jest dokonywana na dwóch etapach. W pierwszym etapie przeprowadzana jest wstępna selekcja widm, realizowana za pomocą procedury odpowiadającej działaniu limfocytu T. Do wykonania tego zadania zastosowano filtry cyfrowe i pochodne numeryczne. W drugim etapie uruchamiana jest procedura odpowiadająca działaniu limfocytu B, której zadaniem jest wybranie spośród wyselekcjonowanych widm takiego, którego pochodna ma kształt najbardziej zbliżony do kształtu pochodnej nieznanego widma. W tym celu algorytm dzieli porównywane pochodne widm (antygen i przeciwciało) na małe fragmenty, czyli paratopy i epitopy, dla każdego z nich oblicza wskaźniki podobieństwa, takie jak: współczynnik determinacji (R²), współczynnik Kendalla (t), stosunek pól pod krzywymi (A), średni błąd względny (W) oraz sumę kwadratów różnic pochodnych. Na podstawie tych miar ocenia stopień dopasowania kolejnych paratopów i epitopów, a następnie stopień dopasowania antygenu i przeciwciała oraz poziom stymulacji. Zamiast klonowania i hipermutacji algorytm wykonuje lokalne przeszukiwanie każdego pasma widma. Widma, dla których stopień dopasowania przekroczy zadany próg są rozwiązaniem zadania. Przeprowadzone testy wykazały wysoką efektywność i niezawodność opracowanego algorytmu. Algorytm może służyć do identyfikacji polimerów w dużych bazach danych, a także do zabezpieczania baz danych przed wprowadzeniem kilku widm tego samego polimeru.

Słowa kluczowe

EN

artificial immune system; immune algorithm; near infrared spectra; NIR; polymer identification

PL

sztuczny system immunologiczny; algorytm immunologiczny; bliska podczerwień; NIR; identyfikacja polimeru

• Wydawca: Sieć Badawcza Łukasiewicz – Instytut Chemii Przemysłowej
• Czasopismo: Polimery
• Rocznik: 2014
• Tom: T. 59, nr 7-8
• Strony: 575--579
• Opis fizyczny: Bibliogr. 11 poz., rys.

Twórcy

autor

Rabiej M.

• University of Bielsko-Biała, Willowa 2, 43-309 Bielsko-Biała, Poland

autor

Biniaś W.

• University of Bielsko-Biała, Willowa 2, 43-309 Bielsko-Biała, Poland

Bibliografia

• [1] Pasquini C.: J. Braz. Chem. Soc. 2003, 14, 198, http://dx.doi.org/10.1590/S0103-50532003000200006
• [2] Hindle P.H.: Proc. Control Qual. 1997, 9, 105.
• [3] Savitzky A., Golay M.J.E.: Anal. Chem. 1964, 36, 1627, http://dx.doi.org/10.1021/ac60214a047
• [4] Wierzchoń S.T.: „Sztuczne systemy immunologiczne”, Akademicka Oficyna Wydawnicza EXIT, Warszawa 2001, pp. 87—106.
• [5] “Artificial Immune Systems and Their Applications” (Ed. Dasgupta D.), Springer Verlag, Berlin 1999.
• [6] De Castro L.N., Timmis J.: “Artificial Immune Systems: A New Computational Intelligence Approach”, Springer 2002.
• [7] Biermann G., Ziegler H.: Anal. Chem. 1986, 58, 536, http://dx.doi.org/10.1021/ac00294a008
• [8] Rabiej M.: Solid State Phenomena 2013, 203—204, 189, http://dx.doi.org/10.4028/www.scientific.net/SSP.203-204.189
• [9] Jones R.: Analyst 1987, 112, 1495, http://dx.doi.org/10.1039/an9871201495
• [10] Rabiej M.: J. Appl. Cryst. 2013, 46, 1136, http://dx.doi.org/10.1107/S0021889813015987
• [11] Kendall M.G.: “Rank Correlation Methods”, Charles Griffin & Company Limited, London 1948.