پیاده سازی شبکه های عصبی مصنوعی بر روی FPGA

اختصاصی از یارا فایل پیاده سازی شبکه های عصبی مصنوعی بر روی FPGA دانلود با لینک مستقیم و پرسرعت .

چکیده..................................................................................................................................................................................................... 1
مقدمه...................................................................................................................................................................................................... 2
فصل اول: شبکه های عصبی
1-1 .سیستمهای عصبی طبیعی....................................................................................................................................................... 5
. 1-1-1 . نورون بیولوژیک................................................................................................................................................................... 6
2-1 .مقدمه ای بر شبکه های عصبی مصنوعی.............................................................................................................................. 9
3-1 .اهمیت استفاده از شبکه های عصبی مصنوعی.................................................................................................................... 10
4-1 .مدل سازی نورون درشبکه های عصبی مصنوعی.............................................................................................................. 11
5-1 .انواع شبکه های عصبی مصنوعی................................................................................................................................…..... 12
6-1 .یادگیری در شبکه های عصبی مصنوعی..............................................................................................................…......... 14
7-1 .شبکه های عصبی پیش رو..................................................................................................................................…............. 15
8-1 .شبکه های عصبی پس انتشار................................................................................................................................................ 17
1-8-1 .روش آموزش پس انتشار......................................................................................................................................…....... 18
9-1 .شبکه های عصبی انعطاف پذیر.................................................................................................................................…..... 21
درکاهش انگلهای دامی با استفاده از شبکه های عصبی HPT فصل دوم:تشخیص میزان موفقیت داروهای
1-2 .موضوع....................................................................................................................................................................................... 27
2-2 .شیوه ها..................................................................................................................................................................................... 28
3-2 .نتایج آزما یش های بالینی.................................................................................................................................................... 30
4-2 .تحقیق پرسشنامه ای............................................................................................................................................................. 34
5-2 .پیاده سازی داده های جمع آوری شده با استفاده از شبکه های عصبی.................................................................... 36
FPGA فصل سوم: روش پیاده سازی شبکه های عصبی با استفاده از
43.....…............................................................................................................................................. FPGA 1-3 . مقدمه ای بر
48........................................................................................ FPGA 2-3 .روش پیاده سازی شبکه های عصبی با استفاده از
فصل چهارم:
نتیجه گیری و پیشنهادات............................................................................................................................................................ 69
73..............................................( کشور اسپانیا (مادرید 2006 WSEAS مقاله ارائه شده در پجمین کنفرانس بین المللی سیستم های هوشمند
چکیده انگلیسی.

شبکه های عصبی Neural Network

اختصاصی از یارا فایل شبکه های عصبی Neural Network دانلود با لینک مستقیم و پرسرعت .

16ص

شبکه‌های عصبی مصنوعی
Artificial Neural Network

چکیده:
شبکه‌های عصبی مصنوعی از مباحث جدیدی است که دانشمندان علوم کامپیوتر به آن علاقمند شده‌اند و برای پیشرفت هرچه بیشتر علوم کامپیوتر وقت و هزینه بسیاری را صرف آن کرده و می‌کنند. این موضوع با ایده گرفتن از سیستم عصبی بدن انسان و با هدف شبیه‌سازی هرچه بیشتر کامپیوتر به انسان شکل گرفت و تا حال به خوبی پیشرفته است. از جمله کاربردهای این بحث می‌توان از شناسایی الگوها, پردازش تصویر و رویت, هوش مصنوعی, کنترل رباتها و موارد بسیار دیگر نام برد. ما در این مقاله پس از مقدمه به مسائل در خور شبکه‌های عصبی مصنوعی و نیز کاربردهای آن خواهیم پرداخت, در ادامه Perceptron ها را که یکی از مهمترین الگوریتم‌های شبکه‌های عصبی مصنوعی می‌باشد معرفی می‌کنیم.

1- مقدمه
1-1- ایده پیدایش شبکه‌های عصبی مصنوعی
آیا کامپیوتر میتواند همان نوع از محاسباتی را که یک فرد هوشمند انجام میدهد به کار گیرد؟
بسیاری از دانشمندان عقیده داشته ودارند که این بحث باید مورد توجه قرار گیرد. شبکه‌های عصبی در حل مسائل یک جهت جدید و متمایز نسبت به کامپیترهای عمومی می‌گشود. کامپیوترهای عمومی از یک الگوریتم استفاده می‌کنند یعنی برای حل مسائل از یک سری دستورات از پیش تعیین شده پیروی می‌کنند مگر در مواقع ویژه‌ای که کامپیوتر نیاز به یک‌سری اطلاعات برای حل مسئله دارد. و همین مسئله توانایی پردازش را از کامپیوترهای عمومی به مسائلی که ما قبلا فهمیده‌ایم و روش حل آنها را شناخته‌ایم محدود می‌کند و تنها سرعت عمل و قدرت در حل نمونه‌های بزرگتر را به همراه دارند. اما کامپیوترها باید به قدری مفید باشند که بتوانند کارهایی را انجام دهند که واقعا ما نمی‌دانیم چگونه باید آنها را انجام دهیم.

1-2- بررسی سلولهای مغزی افراد
تحقیق درباره سلولهای مغزی افراد و همچنین شناخت ‌‌Neuron ها یا رشته‌های مغزی وبیان یک راه نسبتا متفاوت که یک سیستم هوشمند را بنا می‌کند شروع شد. مغز بشر متشکل از میلیونها نرون عصبی منحصر بفرد است واین رشته‌های عصبی به اشکال و اندازه‌های مختلف تغییر می‌کنند.. هر نرون عموما یک هسته دارد و یک‌سری سلولهای عصبی Axon (آکسون)ـ که علائم خروجی را به سلولهای عصبی نرون دیگر حمل می‌کنندـ و Dendrite ها (شاخه‌های سلولهای عصبی). علائم در سلولهای عصبی میان شاخه‌های سلولهای عصبی ونواحی خروجی جریان دارند.
در اینجا برای حالت برانگیزش باید آشفتگی از یک حدی تجاوز کند که آستانه یا سرحد نامیده می‌شود و پس از برانگیزش نرون‌ها پیامهایی برای نرون‌های دیگر می‌فرستند و خود را برای دریافت و پاسخ به اطلاعات عمومی آماده می‌کنند.

تأثیر فعالیت عصبی سمپاتیک و کته کولامین‌‌ها روی نورون‌‌های آوران اولیه 14ص

اختصاصی از یارا فایل تأثیر فعالیت عصبی سمپاتیک و کته کولامین‌‌ها روی نورون‌‌های آوران اولیه 14ص دانلود با لینک مستقیم و پرسرعت .

14 ص

تأثیر فعالیت عصبی سمپاتیک و کته کولامین‌‌ها روی نورون‌‌های آوران اولیه[1]

در شرایط عادی، نورون‌‌های آوران اولیه نسبت به کته کولامین‌‌ها حساسیتی نداشته و فعالیت آنها تحت تأثیر جریان سمپاتیک قرار نمی‌گیرد. با این وجود در بعضی سندرم‌های درد نورماتیک مانند سندرم‌های درد موضعی پیچیده[2] (استیروفی سمپاتیک رفلکسی[3] و کوزاثری[4]) وضعیت تفاوت می‌نماید. این موضوع بر اساس مشاهدة بالینی تأثیر اعمال سمپاتولیتیک در تسکین درد در این سندرم‌ها می‌باشد. در گزارش مطالعه صد سالة خود در سال 1967 به نحو بسیار برجسته‌ای خصوصیات بالینی کوزالژی و تأثیر ملاحظات سمپاتولیتیک را توصیف کرده است:

یکی از تجارب بسیار ارزشمند طرحی در طی جنگ جهانی دوم کشف این مسأله بود که قطع رشته‌های عصبی سمپاتیک خاصی تقریباً همیشه در درمان درد کوزالژی مؤثر است. با بلوک زنجیره سمپاتیک با داروی بی‌حسی موضعی، در صورتی که تزریق درست انجام شده باشد تقریباً تسکین صددرصد بطور فوری ظاهر می‌شود. در چنین وضعیتی تغییر چهره و رفتار بیمار بسیار جالب توجه می‌باشد.

با این وجود نویسندگان دیگری با فرضیه دخالت فعال سیستم عصبی سمپاتیک در تولید درد مخالفند. آنها معتقدند که نتایج مطالعات و استفاده از تکنیک‌های مختلف بلوک سمپاتیک در درد نوروپاتیک ندرتاً بطور کامل مورد بررسی قرار گرفته و غالباً نیز از نوع کنترل شده توسط دارونما نبوده اند.

در سال‌های اخیر، مطالعات تجربی و بالینی بسیاری باعث روشن‌تر شدن مسأله همچنان لاینحل نقش سیستم سمپاتیک در تولید درد در شرایط پاتوفیزیولوژیک شده‌اند. این مطالعات دو نوع تأثیر سمپاتیک روی نورون‌های آوران را مشخص نموده‌اند. تمایز آنها به نظر مربوط است به این مسئله که آیا ارتباط و اتصال بین نورون‌های آوران و سمپاتیک پس از آسیب تروماتیک عصبی بوجود می‌آید یا پس از التهاب بافت محیطی همراه با حساسیت به درد.

تأثیر فعالیت سمپاتیک و کته کولامین‌های روی رشته‌های آوران اولیه پس از آسیب عصبی (جدول 1)

تجارب حیوانی

ارتباط بین فیبرهای آوران و سمپاتیک آسیب دیده در محل ضایعه یا دیستال به آن پس از آسیب کامل عصبی: پس از آسیب تجربی کامل یک عصب فیبرهای آوران پوستی که سالم مانده‌اند دارای افزایش حساسیت نورآدرنرژیک می‌شوند. نورون‌ها در غشاء بلاسمایی خود گیرنده‌های فعال نورآدرنرژیک پیدا می‌کنند. (شکل 1A). در موش‌ها و گربه‌ها، فیبرهای آوران میلین‌دار و برون میلین را که به نورومای انتهای قطع شده عضو عصب‌دهی می‌نمایند می‌توان توسط آدرنالین و یا توسط تحریک فیبرهای سمپاتیک و ابران که بداخل نوروما رشد کرده‌اند، تحریک و حساس کرد. واکنش شیمیایی مستقیم آدرنرژیک بوده و در مدل موش غالباً از طریق گیرنده‌های آلفادو متصل می‌شود. در نوروماهای بالغ موش‌ها و گربه‌ها حساسیت به کته کولامین معمولاً بسیار کمتر بارز است. یک سال پس از قطع آناستوموز مجدد اعصاب محیطی که امکان رشد مجدد آکسونهارا ایجاد می‌نماید، تحریک الکتریکی تنة سمپاتیک در فرکانس‌های فیزیولوژیک تحریک (5-1 هرتز) همچنان می‌تواند از طریق یک مکانیزم آلفاز درنوسپتور، گیرنده‌های درد نوع C دژنره را فعال نماید.

 

آزمایش بر روی سیستم عصبی اتونوم 17ص

اختصاصی از یارا فایل آزمایش بر روی سیستم عصبی اتونوم 17ص دانلود با لینک مستقیم و پرسرعت .

17 ص

آزمایش بر روی سیستم عصبی اتونوم[1]

سیستم عصبی اتونوم یک شبکه عصبی وسیع است که نقش اصلی آن تنظیم محیط داخلی توسط کنتبف هموستاز و فعالیت‌های احشایی است. با وجودی که اکثر فعالیت‌های سیستم اتونوم خارج از کنترل اداری می‌باشند، عواطف و ورودی‌های سوماتولنسوری بطور قابل توجهی سیستم اتونوم را تحت تأثیر قرار می‌دهند. با بررسی تغییرات برجستة وازوموتور و سودوموتور پس از آسیب تروماتیک به اعصاب، این که سیستم اتونوم نقش مهمی در تعدیل و درک درد دارد مدتها قبل شناخته شده بود. با وجود شک و ابهامی که در رابطه با اهمیت نقش سیستم عصبی سمپاتیک در ایجاد و تداوم درد وجود دارد، متخصصان درد همیشه در جستجوی وسایل و راههایی برای مطالعه و بررسی سیستم اتونوم بوده‌اند.

آناتومی

سیستم اتونوم در هر سطحی از سیستم عصبی دارای اجزاء مختلفی می‌باشد.

جزء مرکزی که به نام شبکة‌ مرکزی اتونوم(CAN) [2] نیز شناخته می‌شود شامل مناطق مختلفی از مغز می‌باشد.[3]

اینسولا بدلیل ارتباطاتی که با هیپوتالاموس،‌ تالاموس، هسته پارابراکیال و NTS

دارد،‌ به نظر یک منطقه حیاتی حسی حرکتی احشایی است.

تحریک و فعال شدن قشر اینولا باعث بروز هیپرتانسیون، تاکیکاری، ایستادگی موها[4]، گشادی مردمکها و ترشح بزاق شده و فعالیت دستگاه گوارش را نیز تغییر خواهد داد. تحریک کورتکس پری فرونتال میانی که دارای ارتباطات گسترده‌ای با آمیگدال، هیپوکامپ، تالاموس، هیپوتالاموس،‌ هستة پارابراکیال و NTS می‌باشد باعث بروز برادیکاری و افت فشار خون شده و ترشحات دستگاه گوارش را تعدیل می‌نماید.

هیپتوتالاموس مهم ترین ارگان سیستم اتونوم بوده و تمام فعالیت‌های حیاتی بدن را کنترل کرده و سیستم‌های غدد درون‌ریزی و اتونوم را نیز منسجم نگه می‌دارد.

این جا منطقه‌ای است که جهان بیرون با دنیای درون ارتباط پیدا می‌کنند. آمیگدال، که در بین کورتکس، هپیوتالاموس و نواحی مزنسفال قرار دارد‌،‌ نقش مهمی در همراه کردن احساسات با محرک‌های مختلف و ایجاد پاسخ‌هایی دارد که شامل تعدیل فعالیت اتونوم می‌شوند

شبکه عصبی

اختصاصی از یارا فایل شبکه عصبی دانلود با لینک مستقیم و پرسرعت .

23 ص

خلاصه سازی روشی است برای فشرده سازی منتهای بسیاربزرگ که به دلیل روش بیشترین درمرتبط نرین اطلاعات موجود درمتن استخراج می شودآنچه که مارادراین محدود می نماید استخراج مرتبط ترین اطلاعات وعامل مهم دیگرخواندنی بودن وقابل فهم بودن متن است.

باتوجه به افزایش روزافزون اطلاعات موجود دراینترنت که به صورت الکترونیکی ارائه می شود، تحقیقات وسیعی برروی این زمینه درحال انجام است تابتوان هرچه سریع تر به مرتبط ترین اطلاعات است یافت مثلاٌ :اگر شما دراینترنت به دنبال موضوعی باشید حجم وسیعی ازصفحات اینترنتی دراختیار شما قرار نی گیرد حال باید تک تک این صفحات رابه طور کامل مطالعه ؟؟؟؟؟ به اطلاعات موردنیاز دست پیداکنیم . ولی به کمک روشهای خلاصه سازی می توان به راحتی خلاصه یک صفحه اینترنتی رادرچند جمله مشاهده کنید وسپس به به طور خلاصه سازی کلی صورت می پذیرد:

• خلاصه سازی مبتنی برفهم مطلب
• خلاصه سازی مبتنی براستخراج مطالب مهم

روش اول که نام دیگرآن (پرورش طبیعی زبانی) (NLP) می باشد یعنی سعی وآموزش سیستم درفهمیدن متن وباتوجه که قواعد وساختار های زبانی درباره وبایک ساختار جدید تری متن راخلاصه کند دراین روش مانیاز مند گرامر ونحوه جمله نویسی یک زبان خاص هستیم.

قدرت واهمیت این روش دراین است که ازدقت بالاتری برخوردار است ولی به دلیل سرعت پائین وپیچیدگی بسیار زیاد کمتراستفاده می شود.

روش دوم که به روش های آماری معروف هستند ابتدا متن رابه تعداد جملات خود افراد کرده وهر جمله رابایک بردار نگاشت می کنیم که این بردار ها مثال یک سری ویژگی های خاص نظیر تعداد کلمات بعد ویاتعداد اتفاقیی افتادن کلمات کلیدی درآن و... می باشد ازاین روش نیازمند یهای زیادی هستیم تابه یک کلیت ارتمام تنها بوسیله ازاین روش براساس یک سری ویژگی که بردار هرجمله تشکیل می دهند یادمیگیریم که چ=گونه جملات مزتبط بامفهوم متن راپیدا کنیم.