1. Randomly initialise the network

1. Randomly initialise the network population;
2. For each antigenic pattern in P apply the CLONALG algorithm
that will return a set of memory cells (M*) and their coordinates
for the current antigen;
3. Determine the affinity (degree of matching) among all the
individuals of M*;
4. Eliminate all but one of the individuals in M* whose affinities
are greater than a given threshold. The purpose of this process
is to eliminate redundancy in the network by suppressing selfrecognising
elements;
5. Concatenate the remaining individuals of the previous step
with the remaining individuals found for each antigenic pattern
presented. This will result in a large population of memory
individuals M;
6. Determine the affinity of the whole population M and suppress
all but one of the self-recognising elements. This will result in
a reduced final population of memory cells that recognise and
follow the spatial distribution of the antigens.
7. Repeat Steps 2 to 6 until a pre-defined stopping criterion is met,
such as a minimum pattern recognition or classification error.

ผลลัพธ์ (ไทย) 1:

1. initialise ประชากรเครือข่าย แบบสุ่ม2. สำหรับแต่ละรูปแบบ antigenic ใน P ใช้อัลกอริทึม CLONALGที่จะส่งกลับชุดของเซลล์หน่วยความจำ (M *) และพิกัดของพวกเขาสำหรับตรวจหาการปัจจุบัน3. กำหนดความสัมพันธ์ (องศาของการจับคู่) จากทั้งหมดบุคคลของ M *4. กำจัดแต่บุคคลทั้งหมดใน M affinitiesมีขนาดใหญ่กว่าขีดจำกัดที่กำหนด วัตถุประสงค์ของกระบวนการนี้คือการ กำจัดความซ้ำซ้อนในเครือข่าย โดยเมื่อ selfrecognisingองค์ประกอบ5. นำบุคคลที่เหลือของขั้นตอนก่อนหน้านี้กับบุคคลที่เหลือพบในแต่ละรูปแบบ antigenicการนำเสนอ จะเป็นผลในประชากรขนาดใหญ่ของหน่วยความจำบุคคล M6. กำหนดความสัมพันธ์ของประชากรทั้งหมด M และระงับแต่องค์ประกอบ recognising ตนเองอย่างใดอย่างหนึ่ง นี้จะส่งผลเซลล์หน่วยความจำที่รู้สุดท้ายประชากรลดลง และทำตามการกระจายของ antigens7. ทำซ้ำขั้นตอน 2 ถึง 6 จนกระทั่งเป็นไปตามเงื่อนไขการหยุดที่กำหนดไว้ล่วงหน้าเช่นมีรูปแบบต่ำสุดจำแนกหรือจัดประเภทข้อผิดพลาด

ผลลัพธ์ (ไทย) 2:

1. สุ่ม initialise ประชากรเครือข่าย;
2 สำหรับแต่ละรูปแบบแอนติเจนใน P ใช้อัลกอริทึม CLONALG
ที่จะกลับมาเป็นชุดของเซลล์หน่วยความจำ (M *) และพิกัดของพวกเขา
สำหรับแอนติเจนในปัจจุบัน
3 ตรวจสอบความเป็นพี่น้องกัน (ระดับของการจับคู่) ในทุก
บุคคลของ M *
4 กำจัดทั้งหมด แต่หนึ่งในบุคคลใน M * มีความพอใจ
มากกว่าเกณฑ์ที่กำหนด วัตถุประสงค์ของกระบวนการนี้
คือการกำจัดความซ้ำซ้อนในเครือข่ายโดยการปราบปราม selfrecognising
องค์ประกอบ;
5 Concatenate บุคคลที่เหลืออยู่ของขั้นตอนก่อนหน้า
กับบุคคลที่เหลือพบในแต่ละรูปแบบแอนติเจน
ที่นำเสนอ ซึ่งจะส่งผลในประชากรขนาดใหญ่ของหน่วยความจำ
บุคคล M;
6 ตรวจสอบความสัมพันธ์ของประชากรทั้งหมด M และปราบปราม
ทั้งหมด แต่หนึ่งในองค์ประกอบที่ตัวเองตระหนักถึง ซึ่งจะส่งผลในการ
ลดลงของประชากรสุดท้ายของเซลล์หน่วยความจำที่รับรู้และ
ปฏิบัติตามการกระจายของแอนติเจน.
7 ทำซ้ำขั้นตอน 2-6 จนกว่าจะมีการกำหนดไว้ล่วงหน้าหยุดเกณฑ์จะพบ
เช่นการจดจำรูปแบบขั้นต่ำหรือข้อผิดพลาดในการจัดหมวดหมู่

ผลลัพธ์ (ไทย) 3:

1 . สุ่ม initialise ประชากรเครือข่าย ;
2 สำหรับแต่ละชนิดในรูปแบบ P ใช้ clonalg ขั้นตอนวิธี
จะกลับชุดของเซลล์หน่วยความจำ ( M * ) และพิกัด
สำหรับแอนติเจนปัจจุบัน ;
3 กำหนดความสัมพันธ์ ( ระดับของการจับคู่ ) ในบรรดาบุคคลของ M *
;
4 กำจัดทั้งหมด แต่หนึ่งในบุคคลใน M * ที่มี affinities
มากกว่าเกณฑ์ที่กำหนด .วัตถุประสงค์ของขั้นตอนนี้คือการขจัดความซ้ำซ้อน
ในเครือข่าย โดยไม่ใช้ selfrecognising
องค์ประกอบ ;
5 หันอากาศเหลือบุคคล
ขั้นตอนก่อนหน้านี้กับอีกบุคคลที่พบในแต่ละชนิดรูปแบบ
นำเสนอ นี้จะส่งผลให้ประชากรขนาดใหญ่ของความทรงจำ
บุคคล M ;
6 ศึกษาความสัมพันธ์ของประชากรทั้งหมด และระงับ
Mทั้งหมด แต่หนึ่งในตนเองตระหนักถึงองค์ประกอบ นี้จะมีผลในการลดลงของประชากรเซลล์สุดท้าย

ตามความทรงจำที่รับรู้และการกระจายเชิงพื้นที่ของแอนติเจน .
7 ทำซ้ำขั้นตอนที่ 2 ถึง 6 แบ่งเกณฑ์หยุดจนกว่าจะพบ
เช่นรูปแบบขั้นต่ำหรือการยอมรับข้อผิดพลาด