مقاله مدلهای محاسباتی عصبی از تأثیرات جانبی ناحیة آسیب دیده مغز

اختصاصی از یارا فایل مقاله مدلهای محاسباتی عصبی از تأثیرات جانبی ناحیة آسیب دیده مغز دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود در "پایین مطلب"

فرمت فایل: word (قابل ویرایش و آماده پرینت)
تعداد صفحات:36

اختلال ناگهانی در منطقه ای از مغز، مثلاً در اثر سکته های مغزی، باعث نقصهای عصبی مستقیماً مطابق با منطقة آسیب دیده می شود و آسیب درست از این منطقه شروع میشود. به علاوه دیگر نقصهای بالینی که به عنوان نقصها یا تأثیرات دوم یا Secondarg remote نامیده می شوند. وی قسمتهای بی عیب باقیمانده از مغز تأثیر خود را می گذراند. (برای مثال به علت قطع شدن ارتباط آنها با ناحیه آسیب دیده) این پدیده به عنوان diashisis نامیده شده است. diashisis (نقص  الکتریکی و functional که بعلت آسیب در قشر مغز آغاز می شود و در منطقه ای دورتر از منطقه آسیب دیده نیز این آسیب را می توان فهمید منطقه ای که خود آسیب می بیند وی از لحاظ عصبی (ارتباط عصبی ) به آن اتصال دارد.

این پدیده باعث شده ، خصوصاً در مورد ارتباط بین نیمکره چپ و راست مغز، مسأله ویژه ای که در ارتباط با هر یک از نیمکره ها وجود دارد باعث مشکل در فهم و درک پدیده شود. این مقاله بعضی از مدلهای Neurocouputetional  اخیر را مورد مطالعه قرار داده (اثر و کیفیت diashisis) مدل ارائه شده تنها یک مدلی است که همه خصوصیت دیگر بین نیمکره ها و همه اثر diashisis را شرح می دهد. در انتها، نتایج تأثیرات زیرقشری نیمکره چپ و راست روی خصوصیت نیمکره ها مورد بررسی قرار می گیرد.

1- مقدمه: Stoke : یا (سکته مغزی) ، اختلال ناگهانی است که در جریان supply کردن خون برای مغز بوجود می آید. زمانیکه یک سد ناگهانی در برابر جریان خون در سرخرگهای مغزی ایجاد می شود متعاقب آن باعث کمبود خون رسانی به آن ناحیه شده و ایسکمیک مغزی را به دنبال دارد. سکته مغزی یکی از بیماریهای شایع در نورولوژی است. برای مثال سومین عامل مرگ در کشور آمریکاست و اغلب موارد باعث نقص در بستر کرونیک (نقص در سیستم عصبی ، عضلانی قلبی ) اختلاف در زبان و صحبت کردن و مشکلات حافظه ای را به دنبال دارد. این باعث شده که توجه بسیار زیادی روی تحقیقات در مورد این مطلب در طی چند دهة اخیر صورت گیرد. اکثر این تحقیقات به دنبال اصلاح کردن یافته ها و دانسته ها درباره مکانیسم و پاتوفیزیولوژی این بمیاری (strake) هستند. یافته ها این تحقیقات در اکثر موارد بسیار پیچیده و حتی بسیار مورد بحث و جدل بوده اند.

در حال حاضر یک تردید ذاتی دربارة اینکه چه فاکتورها و عواملی باعث می شوند که ناحیه آسیب دیدة اولیه به بافتهای مجاور مغز گسترش یابد، وجود دارد.

پیچیده بودن مغز در حین سکته مغزی باعث شده به این نتیجه برسیم که مدلهای Computational می توانند ابزار بسیار قدرتمندی برای درک عمیق ما دربارة Stroke باشد. محدودیت دربارة تکنولوژی مدلهای عصبی و علم نورد سیانتیفیک Neurosaentific باعث شده بوجود آوردن و ساختن جزئیات مدل غیرممکن و غیر عملی باشد.

هر چند که ثابت شده که مطالعه روی بعضی قسمتهای بخصوص از سکته مغزی ممکن می باشد. (یا مثل دیگر اختلالات نورولوژیک ]2و1[ ) بوسیله مدلهای عصبی برای مثال یافته های بسیاری از مدلهای عصبی ]30007[ روی این متمرکز شده اند که قشر آسیب ایده چطور روی بافتهای مجاور، فعالیتهای  و حرکتی آن را مختل می کند.

این مدلها ، نتایجی که داده اند بیشتر مبتنی بر مشاهده های بعدی روی مطالعات حیوانی بوده ]9/8[ دیگر مدلهای Computational به عنوان متدهای مرتبط استفاده شده است برای آزمایش کردن: (به عنوان مثال : چطور تغییرات بیوشیمیایی / بیوفیزیکی که بافت آسیب دیده مغز اتفاق می افتد،‌می تواند اختلال اولیه را  و چطور آنها می توانند نامتقارن بودن چپ و راست فعالیت الکتریکی که از مغز ثبت می شود، توضیح دهند. ]12[

یکی از موضوعات مهمی که دربارة Stroke وجود دارد و بعنوان یکی از  حل نشده، باقیمانده است مکانیزمهایی است که دربارة اثر اختلال در ناحیه دورتر وجود دارند: مطابق با موضوع، سکته به دلیل نقص سیستم نورولوژیک مستقیماً قابل پخش به نواحی آسیب ددیه است. بعضی دیگر از نقصهای کلینیکی (clinical) مطابق با اختلال (secondar fictional) در فاصله دورتری از ناحیه آسیب دیده مغزی دیده می شوند. که حتی از لحاظ ارتباط عصبی دوم از یکدیگر جدا می باشند. (پدیدة diaschisis ) مکانیزمهای تأثیرات cmote ، خصوصاً که مورد interaetion بین  چپ و راست مغز باعث شده که فهم ها در درک تئوریهای ویژه femispheric با مشکل مواجه شود.

تحقیق درمورد مدلها و تئوریهای محاسباتی باز شناسی اشیاء 14 ص

اختصاصی از یارا فایل تحقیق درمورد مدلها و تئوریهای محاسباتی باز شناسی اشیاء 14 ص دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 15

مدلها و تئوریهای محاسباتی باز شناسی اشیاء

چکیده:

در این مقالة مروری، سعی ما بر آن است که اصول بازشناسی اشیاء و نحوه ی انجام آن توسط سیستم بینایی بیولوژیکی (زیستی) را به اختصار بیان کنیم؛ که این مورد یکی از اهداف رایانه و هوش مصنوعی نیز می باشد. در همین حال نگاهی به تئوریها و مدلهای محاسباتی بازشناسی اشیاء خواهیم داشت که در آنها ایدة اصلی به نوعی از سیستم بینایی گرفته شده است یا به عبارتی دیگر از مدلها و تئوریهایی که از نگاه بیولوژیکی، قابل باور هستند.

کلمات کلیدی:

بازشناسی اشیاء؛ سیستم بینایی بیولوژیک تئوریها؛ مدلها؛

1ـ معرفی

بینایی کامپیوتر، به خوبی می تواند نمونه های محدودی از بازشناسی اشیاء را، هم دسته بندی و هم شناسایی کند. در عین حال سیستمی که قادر به دسته بندی اقسام اشیاء در تصاویر پیچیده باشد و هم چنین بتواند تصاویری همانند چهرة انسان را در سطحی برابر با توانایی بشر، در شرایط مختلف نور و زاویه دید بازشناسی کند، قادر به گذراندن تست «Turing» برای بینایی می باشد. جای تعجب نیست که آن چنان سیستم منعطف و جامعی هنوز موضوع چشم انداز علم است. باز شناسی اشیاء، در بالاترین نقطة سلسله مراتب اعمال بینایی قرار دارد و در حالت کلی یک مسئله محاسباتی پیچیده است، که نقش مهمی در ساختار نهایی ماشین های هوشمند خواهد داشت. بدون اغراق، این مسئله موضوع پیچیده تر و بدون جوابی برای علوم اعصاب شناختی نیز می باشد.

شناسایی و دسته بندی دو عمل مهم در بازشناسی هستند. کدام یک از عمل آسانتر و انجام آن در اولویت است؟ جواب این سؤال در علوم اعصاب شناختی متفاوت از پاسخ آن در بینایی کامپیوتر است. معمولاً تکنیک های بینایی کامپیوتر شناسایی را بسیار آسانتر دریافتند ـ همچنان که کمپانی های بسیاری، سیستم های شناسایی چهره را به راحتی می فروشند ـ ولی امر دسته بندی را تقریباً غیر ممکن می داند. حال آنکه روانشناسان و علوم اعصاب شناسان این داستان را بر عکس بیان می کنند: بدین صورت که در سیستم های بینایی بیولوژیک، طی پروسه بازشناسی، دسته بندی به نظر مرحله ای ساده تر و مقدم تر

نسبت به شناسایی به شمار می رود.

تئوری های بازشناسی اشیاء، بر یک پدیدة مشترک تحت عنوان بازنمایی استوارند. باور عمومی بر این است که، یک بازنمایی خوب، منجر به بازشناسی کامل می شود و دیگر امور مربوط به بینایی را نیز تسریع می کند. برای حل مسئلة بازنمایی نوعی تطابق بین مجموعة اشیاء بیرونی و اجزاء داخلی باید در نظر گرفته شود.

در میان مدلهای بیولوژیکی بازشناسی اشیاء، تفاوت اصلی بین سیستم های پیشرو و فیدبک و بین سیستم های «object - centered» و «view - centered» است. تمرکز این مقالة بازنگری، بر روی مدلهای پیشرو «view - centered» است، که با شواهد نورو بیولوژیکی سازگاری بیشتری دارند. بخش 2 و 3 پیش زمینه ای برای سیستم های بینایی بیولوژیکی و بازنمایی های ممکن برای اجسام خارجی در یک سیستم بازشناسی را ارائه می دهد. بخش 4 سه نوع مختلف تئوری های بازشناسی اشیاء بررسی می کند. بخش 5 مدلهای بازشناسی اشیاء، مبتنی بر تئوریهای ذکر شده را شرح می دهد و بخش 6 خلاصه ای از مقاله را ارائه می کند.

2ـ بازشناسی اشیاء در مغز:سیستم بینایی انسان سلسله مراتب از نواحی چند گانه مغزی است که محاسبات نورونی پیشرو بر روی سیگنالهای بینایی ورودی را انجام می دهند. در مراحل اولیه، قشرهای بینایی V1 و V2 عمل شناسایی خط و لبه را انجام می دهند. در مرحله بالاتر پردازش، ناحیه V4 ، اشکال تقریباً پیچیده را با اطلاعاتی دربارة توضیحات ساختاری ویژگی های حاصل شده، بازنمایی می کنند. مرحلة نهایی پردازش بینایی، «IT» یا قشر تحتانی می باشد که گمان می رود بازشناسی بینایی اشیاء را انجام می دهد.

3ـ بازنمایی:بازنمایی و اهداف آن به طور کلی می توانند دو دسته در نظر گرفته شوند. در نتیجة بازنمایی به یک نوع نگاشت تبدیل می شود. این نگاشت، تطابقی بین ویژگی های خارجی و دستة اجزاء داخلی می باشد؛ ولی این تطابق از کدام گونه از ارتباطات باید باشد؟

3ـ1 تناظر درجه اول و دوم:

دو نوع نگاشت مختلف بین دامنه و برد بازنمایی ها وجود دارد. بهترین حالت، تطابق یک به یک (Isomorphism) است. یک حالت نا مطلوب اما

دانلود مقاله درباره منطق محاسباتی 34 ص

اختصاصی از یارا فایل دانلود مقاله درباره منطق محاسباتی 34 ص دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 33

منطق محاسباتی

خلاصه

این مقاله به بررسی جنبه‌های مختلف و رو به رشد منطق محاسباتی می‌پردازد. تکنیکها و کاربردهای فعلی آن را مطالعه میکند و در نهایت به یک نتیجه‌گیری و ارایه پیشنهادهایی در مورد منطق محاسباتی می‌پردازد.

1- مقدمه

منطق محاسباتی بخشی از منطق است که به بررسی راهکارهای محتلف بررسی درستی احکام در دستگاه‌های مختلف منطقی میپردازد. این رشته به طور عمیقی با علوم کامپیوتر پیوند یافته است و به صورت کلی رشد واقعی آن از وقتی شروع شد که توان محاسباتی کامپیوترها پیشرفت کرد و انجام محاسبات پیچیده بوسیله کامپیوترها با هزینه کم امکان پذیر شد. منطق محاسباتی به صورت کلی به منطق از دید محاسباتی آن مینگرد. این که در یک دستگاه منطقی انجام یک محاسبه (به طور مثال چک کردن درستی یک گزاره) امکان پذیر هست یا نه و اگر امکان پذیر است این کار چه هزینه ای دارد. از آنجا که حقایق علمی ما با منطق پیوند عمیقی دارند، برای بررسی این حقایق استفاده از زبان منطقی، یکی از بهترین راه های ممکن است.

امروزه بشر علاقه زیادی دارد که تمام کارها از جمله فکر کردن را به ماشین واگذار کند. اما واگذار کردن فکر کردن به یک ماشین کار ساده ای نیست. ما دید عمیقی درباره اینکه فکر کردن چیست و چگونه انجام میشود نداریم. ازینرو تلاشهای اولیه برای این کار با شکست مواجه شدند یا با سختی زیادی همراه بودند. اما اگر بخواهیم تنها قسمت منطقی فکر کردن را به ماشین واگذار کنیم کار ساده تر است چون برای این کار از منطق ریاضی استفاده میکنیم و منطق یک زیر شاخه قوی از ریاضی است که به سوالات زیادی در مورد آن جواب داده شده است. گرچه ما هنوز واقعا نمیدانیم که چه مقدار از روند تفکر ما منطقی است. به این مطلب در قسمت نتیجه گیری بیشتر خواهیم پرداخت.

امروزه منطق محاسباتی کاربرد گسترده ای در تکنولوژی پیدا کرده است. بدین ترتیب حجم کارهای انجام شده بر روی آن در حال افزایش است. این کارها نه تنها در زمینه ریاضی بلکه بر روی دیگر ابعاد مربوط به این قضیه نیز انجام میشود. عموما این کارها به سه دسته تقسیم میشوند. دسته اول کارهای مرتبط با پایه ریاضی منطق محاسباتی هستند. دسته دوم کارهای مرتبط با تکنیکهای هوش مصنوعی جهت ارتقای کارایی روشهای ریاضی ابداع شده و دسته سوم کارهای انجام شده جهت استفاده از منطق محاسباتی در مسایل واقعی مهندسی.

2. پایه‌ی منطق محاسباتی

تمام موارد مرتبط با منطق محاسباتی احتیاج به پایه‌ای برای بنا کردن ساختارهایی معنا دار برای توصیف داده های مربوطه دارند. باید بتوانیم درباره درستی یک گزاره با توجه به دیگر گزاره ها اظهار نظر کنیم. بدین منظور میتوان از مراتب مختلف منطق استفاده کرد. سیستمهای بسیار ساده معمولا از منطق مرتبه صفر برای توصیف جهان خود استفاده میکنند. اما اکثر سیستمهای پیشنهادی از منطق مرتبه اول برای توصیف جهان خود استفاده میکنند. بعضی سیستمها هم از مراتب بالاتر منطق برای اهداف خود استفاده میکنند. هنوز نمیدانیم که ذهن انسان تحت چه مرتبه‌ای از منطق کار میکند، و حتی به درستی نمیدانیم آیا تمام جنبه های تفکر در ذهن انسان از اصول منطق تبعیت میکنند یا نه. به هر حال علم منطق روشی سمبولیک برای مدل کردن جهان در اختیار ما قرار میدهد.

چرچ در 1936 ثابت کرد که منطق مرتبه اول برای زبانی که فقط یک نماد رابطه‌ای دو موضعی داشته باشد تصمیم ناپذیر است. بنا بر قضیه چرچ روشی متناهی برای پاسخ به این سوال که آیا جمله A در منطق مرتبه اول معتبر است، به صورت "آری" یا "نه" نداریم، اما نیمه ای از پاسخ را میتوان مهیا کرد. به عبارت بهتر روشی متناهی وجود دارد که اگر A معتبر باشد، پاسخ روش "آری" است. به عبارت دیگر مجموعه جملات معتبر در منطق مرتبه اول لیست پذیر هستند. از طرف دیگر با توجه به قضیه تمامیت (در صورتی که در مورد دستگاه استنتاجی ما درست باشد) با استفاده از فرضها و اصول استنتاج میتوان جملات درست را لیست کرد. این قسمت در حقیقت قلب تپنده‌ی منطق محاسباتی است. در صورت پیدا شدن روشهای جدید و سریعتر برای چک کردن درستی یک جمله تحت چند فرض، شاهد تحول بزرگی در دیگر شاخه های مرتبط با این موضوع خواهیم بود.

تحقیقات در بخش پایه‌ی منطق محاسباتی به طور گسترده‌ای بر دیگر بخشهای این علم تاثیر دارند. این تحقیقات عموما به دو بخش تقسیم میشوند:

تحقیقات در زمینه‌های روشهای استنتاج از قبیل Resolution و ...

تحقیقات در زمینه‌ی پیدا کردن پایه های مناسب ریاضی برای انجام به صرفه‌ی (از نظر زمانی و حافظه) محاسبات مربوط به منطق محاسباتی.

2-1 پایه‌های منطق محاسباتی

روش کلی برای فهمیدن درستی یک جمله این است که از فرضها شروع کرده و در هر مرحله یک جمله درست جدید را با توجه به جملات قبلی و استفاده از قواعد استنتاج تولید کنیم. (یعنی جملات درست را لیست میکنیم.) این کار ادامه پیدا میکند تا وقتی که به جمله مورد سوال یا نقیض آن برسیم.

قسمت دیگری که مورد توجه است، یکی سازی است. به طور مثال دو جمله (x:f(x) و (y:f(y) را در نظر بگیرید. واضح است که درستی این دو جمله یکسان است. به طور کلی هر جمله را به طریقه های ظاهرا متفاوت بسیار زیادی میتوان نوشت که همگی یک معنای واحد داشته باشند. (در همین مثال به جای x از تمام متغیرها میتوان استفاده کرد. به صورت معمولی لااقل 0N متغیر داریم.) بدین منظور تحقیقات زیادی بر روی روشهای کارا برای یکی سازی جملات منطقی انجام شده است.

برای تولید جملات جدید با توجه به قواعد استنتاج راههای زیادی پیشنهاد شده اند. یکی از محبوبترین راههای پیشنهاد شده به Resolution موسوم است. این روش برای منطق مرتبه اول کمی پیچیدگی دارد اما با بررسی آن برای منطق گزاره ها کلیت آن آشکار میشود.

Resolution Propositional

در این روش تمام جمله ها به صورت clausal form هستند. برای تبدیل یک جمله به این فرم ابتدا جمله را به صورت نرمال عطفی CNF تبدیل میکنیم.

¬(g ( ( r → f)) ──CNF( (¬g ( r) ( (¬g ( ¬f)

و سپس نتیجه را به تعدادی مجموعه تبدیل میکنیم، مجموعه ای از مجموعه ها که هر عضو آن اعضای یکی از پرانتزهاست:

(¬g ( r) ( (¬g ( ¬f) ──Clausal Form( {¬g, r}, {¬g, ¬f}

این کار یک روش نسبتا خوب برای Unification است. برای انجام استنتاج بر اساس این قاعده عمل میکنیم:

ترجمه مقاله مکانیسم تحمل خطا برای شبکه محاسباتی با استفاده از الگوریتم نقطه نظارت(Checkpoint )

اختصاصی از یارا فایل ترجمه مقاله مکانیسم تحمل خطا برای شبکه محاسباتی با استفاده از الگوریتم نقطه نظارت(Checkpoint ) دانلود با لینک مستقیم و پر سرعت .

این مقاله ترجمه مقاله انگلیسی Fault Tolerance Mechanism for Computational Grid
Using Checkpoint Algorithm می باشد ./

سال انتشار : 2013/

تعداد صفحات مقاله انگلیسی :7/

تعداد صفحات فایل ترجمه : 15/

فرمت فایل ترجمه : Word /

مقاله اصلی را به زبان انگلیسی می توانید رایگان از اینجا دریافت فرمایید /

به همراه ترجمه فایل پاورپوینت ارایه نیز شامل 39 اسلاید نیز تقدیم شما می شود . 

چکیده

شبکه­های محاسباتی برنامه­های علمی با مقیاس زیاد را با استفاده از منابع ناهمگن و از نظر جغرافیایی توزیع شده حل کرده­اند. زیرساخت شبکه مجموعه بزرگی از گره­های توزیع شده و متصل شده با یک ارتباط است. در شبکه محاسباتی تاب­آوری خطا یکی از نواحی اصلی تحقیقاتی است. تحمل خطا با توزیع لازم است که مسائلی را مرتبط با ناهمگنی سخت­افزای، سیستم­های عامل، شبکه­ها، میان­افزارها، برنامه­های کاربردی، منابع پویا و مقایس­پذیری ایجاد می­کند. در این صفحه از مقاله تمرکز اصلی ما بر توسعه سیستم تحمل خطا برای شبکه­های محاسباتی است. ما تحمل خطای موجود را در شبکه محاسباتی به صورت دقیق مطالعه کرده­ایم، و علل شکست آن را مشخص کرده­ایم. بنابراین نقطه نظارت فرآیندی است که یک محل طراحی شده در یک برنامه را مشخص می­کند که درآن فرآیندهای نرمال به خصوص برای حفظ وضعیت اطلاعات لازم برای از سرگیری فرآیند در زمان بعد متوقف می­شود. Checkpointing فرآیند ذخیره اطلاعات وضعیت است. زمانی که تعداد منابع موجود در شبکه افزایش می­یابد احتمال وقوع خطا نیز افزایش می­یابد. برای این منظور ما یک شبکه محاسباتی براساس میان­افزار Alchemi راه­اندازی کرده­ایم. Alchemi یک چارچوب محاسبه شبکه مبتنی بر NET است که ادوات زمان اجرا و محیط برنامه­نویسی موردنیاز برای ساخت شبکه محاسباتی را ارائه می­دهد. پس از تنظیم محیط شبکه نقاط بازرسی مختلفی را ایجاد کرده­ایم و با محصول chandy-Lamport مقایسه می­کنیم.

تماس با ما برای راهنمایی یا ترجمه با آدرس ایمیل:

[e-mail]

شماره تماس ما در نرم افزار تلگرام:

[phone] 

 کانال تلگرام‌  @maghalecomputer

 توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.

دانلود پاورپوینت هندسه ی محاسباتی - 57 اسلاید

اختصاصی از یارا فایل دانلود پاورپوینت هندسه ی محاسباتی - 57 اسلاید دانلود با لینک مستقیم و پر سرعت .

üدر قسمت قبل تمام نقاط مشترک نیم صفحه ها یافت شد درحالیکه در بسیاری از مسائل از جمله مسئله ریخته گری یافتن یک جواب کافیست، پس احتمالا می توان به دنبال الگوریتم سریعتری بود.

üیافتن یک جواب برای یک مجموعه از معادلات، ارتباط نزدیکی با  مسئله شناخته شده درoperations research که linear optimization و یا  linear programming نامیده می شود، دارد. با این تفاوت که در برنامه خطی جواب خاصی (جوابی که تابع خطی را ماکسیمم می کند.) از مجموعه معادلات مورد نیاز است، یعنی :

برای دانلود کل پاورپوینت از لینک زیر استفاده کنید: