سیستم عصبی - پایان نامه کارشناسی ارشد و دکترای حرفه ای و دکتری تخصصی ( ph.D )

اختصاصی از یارا فایل سیستم عصبی - پایان نامه کارشناسی ارشد و دکترای حرفه ای و دکتری تخصصی ( ph.D ) دانلود با لینک مستقیم و پرسرعت .

140 ص

اکثر نورنهای موجود در سیستم عصبی، اثر تروفیک روی یکدیگراعمال می کنند ودر اثر تخریب رشته های ورودی اصلی به گروهی خاص از نورنها در سیستم عصبی مرکزی، این نورونها به تدریج دژنره شده واز بین می روند. درضمن به دنبال ایجاد آسیب در اعصاب محیطی، تکثیر سلولهای نوروگلیا در مراکز عصبی مربوط به رشته های عصبی آسیب دیده، مشاهده می شود. از طرف دیگرگیاه دم اسب غنی از سیلیس است وعصاره آن علاوه براثرات متعدد دیگر دارای اثرات ضد التهابی و اثرات آ نتی اکسیدانی است و تیمار بافت با مواد آنتی اکسیدان می تواند از بروزآ سیبهای ثانویه بافتی و احتمالا دژنراسیون نورونی که به علت تجمع رادیکالهای آزاد در بافت آسیب دیده ایجاد می شود، جلو گیری کند.    

در این تحقیق ضمن بررسی تاثیر کمپرسیون عصب سیاتیک بردژنراسیون مرکزی در هسته گراسیلی بصل النخاع، اثرات تزریق صفاقی سیلیکاتهای با منشا آلی (عصاره گیاه دم اسب) ومعدنی(متا سیلیکات سدیم) بردژنراسیون مرکزی در این هسته مورد مطالعه قرار گرفت.

به این منظور 48 رت نژاد ویستاربه ترتیب در هشت گروه کنترل، شم وتجربی 1تا 6 تقسیم بندی شدند. همه رتها به جز رتهای گروه کنترل تحت کمپرسیون عصب سیاتیک پای چپ قرار گرفتند. رتهای ضایعه دیده گروه شم با سرم فیزیولوژیک و رتهای گروههای تجربی 1و3و5 به ترتیب 3و6 و9 نوبت با سیلیکات سدیم ورتهای گروههای تجربی 2و4و6به ترتیب3و6و9نوبت با عصاره گیاه دم اسب تیمار شدند. اولین تزریق بلافاصله پس از کمپرسیون عصب سیاتیک وتزریقات بعدی هر 72 ساعت یکبار انجام شد. پس از گذشت یک ماه از کمپرسیون، رتها تحت پرفیوژن قلبی با فرمالین 10% قرار گرفتند و سپس از بصل النخاع آنها نمونه برداری شد. پس از آماده سازی بافتی، مقاطع سریال میکروسکوپی با ضخامت 7 میکرون تهیه وبا آبی تولوئیدین واریتروزین رنگ آمیزی شد. سپس دانسیته نورونی ودانسیته سلولهای نوروگلیا در هسته گراسیلی بصل النخاع ، با استفاده از روش دایسکتورمحاسبه ومورد تجزیه وتحلیل قرار گرفت.

نتایج حاصل از این تحقیق نشان دهنده کاهش 10 درصدی دانسیته نورونی وافزایش15 دانسیته سلولهای نوروگلیا در گروه شم در مقایسه با گروه کنترل است که تاثیر مثبت کمپرسیون عصب سیاتیک درایجاد آتروفی ترانس نورونال در هسته گراسیلی به علت کاهش میزان اطلاعات ورودی به این هسته است.

هم چنین افزایش2تا8 درصدی دانسیته نورونی وکاهش4 تا12 درصدی دانسیته سلولهای نوروگلیا در گروههای تجربی مختلف در مقایسه با گروه شم، ممکن است ناشی از تاثیرعصاره گیاه دم اسب ومتا سیلیکات سدیم در به تعویق انداختن آتروفی ترانس نورونال واحتمالا تسریع در روند ترمیم درهسته گراسیلی بصل النخاع رت باشد.

جانداران پر سلولی، برای ایجاد هماهنگی بین اندامهای مختلف بدن خود نیاز به دستگاههای ارتباطی دارند. دستگاه عصبی با ساختار و کار ویژه‌ای که دارد در جهت ایجاد این هماهنگی بوجود آمده و تکامل یافته است. این دستگاه بدن را در برابر تغییرات محیط خارج و تغییرات داخلی بدن هماهنگ و سازگار می کند و برای این کار، در بعضی موارد از کمک غدد درون ریز هم بهره می گیرد.

از نظر ساختاری، دستگاه عصبی از دو بخش دستگاه عصبی مرکزی و دستگاه عصبی محیطی تشکیل شده است. دستگاه عصبی مرکزی شامل مغز ونخاع است که مراکز کنترل اعمال بدن
می باشند این دستگاه اطلاعات دریافتی از محیط اطراف و درون بدن را تفسیر کرده و به آنها پاسخ می دهد. دستگاه عصبی محیطی هم شامل اعصابی است که از اکسونها و دندریت های بلند تشکیل شده‌اند و مغز و نخاع را به قسمت های دیگر بدن ارتباط می دهند و در مجموع شامل 31 جفت عصب نخاعی و 12 جفت عصب مغزی می باشد. دستگاه عصبی محیطی شامل دو بخشی حسی و حرکتی است. بخش حسی دستگاه عصبی محیطی، ارسال پیام عصبی رااز اندامهای حسی به مراکز عصبی برعهده دارد. بخش حرکتی دستگاه عصبی محیطی، ارسال پیام عصبی را به اندامهای عمل کننده به عهده دارد و خود شامل دو بخش دستگاه عصبی پیکری و دستگاه عصبی خود مختار می باشد. (شکل 1-1)

بافت عصبی:

بافت عصبی شامل دو گروه از سلولها است، سلولهای عصبی یا نورنها[1] که برای تحریک کردن یا مهار کردن و برای هدایت ا مواج عصبی تخصص عمل یافته‌اند و مسئول ویژگیهای عملکردی بافت عصبی می باشند و سلولهای نور و گلیا2 که به اختصار گلیا نامیده می شوند و دارای عملکرد کمکی وپشتیبانی مهمی می باشند. از نظر بافت شناسی سیستم عصبی مرکزی از ماده خاکستری 3 و ماده سفید 4 تشکیل شده است. ماده خاکستری حاوی جسم سلولی سلولهای عصبی می باشد که در شبکه‌ای از زوائد سلولهای عصبی و گلیایی احاطه شده اند.

ماده سفید به طورعمده از زوائد درازنورونها که اکثریت آنها توسط غلاف میلین احاطه           شده اند تشکیل شده و جسم سلولی در آن وجود ندارد. در ماده خاکستری و ماده سفید تعداد زیادی سلول نور و گلیا و شبکه های مویرگی نیز مشاهده می شود.

پیش گفتار................................................................................................... 1

هدف ........................................................................................................ 2

تاریخچه .................................................................................................... 2

فصل اول – دستگاه عصبی  

دستگاه عصبی ........................................................................................... 4

بافت عصبی .............................................................................................. 4

ساختار نورون .......................................................................................... 5

انواع نورون ............................................................................................. 8

سلولهای نوروگلیا ....................................................................................... 9

دستگاه عصبی مرکزی ................................................................................ 12

تکامل جنینی سیستم عصبی در انسان ............................................................... 12

نخاع ...................................................................................................... 13

اعصاب نخاعی ......................................................................................... 15

طنا ب خلفی نخاع ...................................................................................... 18

طناب طرفی نخاع ...................................................................................... 18

طناب قدامی نخاع ...................................................................................... 19

بصل النخاع .............................................................................................. 20

نمای خارجی بصل النخاع ............................................................................. 20

هسته ها و راههای عصبی مرتبط با بصل النخاع ................................................ 26

الف) راههای نزولی..................................................................................... 26  

راه قشری نخاعی( راه هرمی) ....................................................................... 26

ب ) راههای صعودی ................................................................................... 26  

مسیر ستون خلفی – لمنیسکوس میانی ............................................................... 26

راههای نخاعی- تالاموسی ونخاعی- تکتومی ..................................................... 30

رشته های نخاعی مشبکی ............................................................................. 30

راههای نخاعی- مخچه ای ........................................................................... 30

ارتباط هسته های بصل النخاع با مخچه ........................................................... 30

هسته کونئاتوس خارجی ............................................................................... 30

هسته های زیتونی تحتانی ............................................................................. 31

دستگاه عصبی محیطی (PNS)..................................................................... 32

فیبر عصبی ............................................................................................. 32

انتقال اکسونی ......................................................................................... 34

فصل دوم- ضایعات اعصاب محیطی

ضایعات اعصاب محیطی ..........................................................................  36

دژنراسیون والرین در اعصاب محیطی .......................................................... 36

تفاوتهای اثرات ناشی از قطع عصب در سیستم عصبی مرکزی ومحیطی................. 37

عوامل موثر در ایجاد ضایعه دراعصاب محیطی                                                 39

1- کمپرسیون .........................................................................................  39

2- ایسکمی ............................................................................................. 40

3- کشیدگی ............................................................................................ 40

4- ساییدگی ............................................................................................ 41

5- سایر موارد بروز ضایعه ....................................................................... 41

تقسیم بندی ضایعات عصبی ................................................................ ...... 41

ضایعه درجه اول ................................................................................ ... 41

ضایعه درجه دوم .............................................................................. ..... 41

ضایعه درجه سوم ............................................................................... ... 42

ضایعه درجه چهارم ............................................................................ ..... 42

ضایعه درجه پنجم .............................................................................. ..... 42

فصل سوم- فرایند ترمیم در اعصاب محیطی

ترمیم اکسون در اعصاب محیطی ........................................................ ...... 43

نحوه ترمیم اکسون ............................................................................... .... 43

تغییرات رتروگرید به دنبال ضایعات اعصاب عصبی.................................... .... 44

آتروفی ترانس نورونال یا تحلیل بین نورنی................................................. .. 46

مکانیسمهای مولکولی موثر در ترمیم اعصاب محیطی .................................. . ...47

پا سخ اولیه که به دنبال آسیب اعصاب محیطی ایجاد می شود....................   ........ 47  

تغییرات ا لتهابی ..............................................................................    .... 49

سیگنالهای درون سلولی در نورن آسیب دیده .......................................... ...... 50

مولکولهای هدایت کننده اکسون ............................................................. ..... 50

ترکیبا ت ماتریکس خارج سلولی ........................................................... ..... 51

پروتئین فعال کننده میتوژن(MAP) وسیستم سیگنالینگ ابشاری فسفاتیدیل

اینوزیتول تری کیناز(PI3K) ................................................................. 52

فاکتورهای رونویسی ............................................................................ 53

سیگنالهای مرگ سلولی ......................................................................... 54

فاکتورهای نوروتروفیک . ...................................................................... 54

عوامل موثر در تغییراسکلت سلولی در حین ترمیم اعصاب محیطی................... 55

فصل چهارم- ویژگیهای گیاه دم اسب

ویژگیهای گیاه دم اسب.......................................................................... 57

ویژگیهای گیاهان جنس اکوزیتوم............................................................. 58

محلهای رویش گیاه دم اسب .................................................................. 59

مشخصات گونه اکوزیتوم تلماتیا ............................................................. 59

ترکیبات شیمیایی ............................................................................... 62

خواص درمانی گیاه دم اسب ................................................................. 62

طرز تهیه وروشهای استفاده از گیاهان دارویی .......................................... 64

طرز تهیه وروشهای استفاده از گیاه دم اسب ............................................. 65

استحمام با سیلیس .............................................................................. 65

سیلیکاتها ......................................................................................... 67

متا سیلیکات سدیم .............................................................................. 67

سیلیکون ......................................................................................... 68

فواید سیلیس در بدن انسان ................................................................... 68

فصل پنجم :مواد وروشها

حیوانات آز مایشگاهی ............................................................................71

جمع آوری گیاه دم اسب ونحوه عصاره گیری آن........................................... 71

تهیه محلول سیلیکات سدیم....................................................................... 73

روش جراحی حیوانات آزمایشگاهی......................................................... .74

نحوه تزریق ومیزان تزریق عصاره گیاه دم اسب ومتا سیلیکات سدیم..................75

نحوه نمونه برداری...............................................................................75

پاساژبافتی ........................................................................................ 75

برش گیری ...................................................................................... 76

رنگ آمیزی ......................................................................................76

عکس برداری از نمونه ها .................................................................... 77

روش شمارش نورنها .......................................................................... 78

فصل ششم- نتایج................................................................................ 81

فصل هفتم- بحث ونتیجه گیری............................................................... 91

پیشنهادات.........................................................................................100

فصل هشتم- منابع ..............................................................................101

پیوست ها ........................................................................................110

32ص بهبود سرعت یادگیری شبکه های عصبی چند لایه با الگوریتم پس انتشار خطا

اختصاصی از یارا فایل 32ص بهبود سرعت یادگیری شبکه های عصبی چند لایه با الگوریتم پس انتشار خطا دانلود با لینک مستقیم و پرسرعت .

32 ص

شبکه های عصبی چند لایه پیش خور1 به طور وسیعی د ر زمینه های متنوعی از قبیل طبقه بندی الگوها، پردازش تصاویر، تقریب توابع و ... مورد استفاده قرار گرفته است.

الگوریتم یادگیری پس انتشار خطا2، یکی از رایج ترین الگوریتم ها جهت آموزش شبکه های عصبی چند لایه پیش خور می باشد. این الگوریتم، تقریبی از الگوریتم بیشترین تنزل3 می باشد و در چارچوب یادگیری عملکردی 4 قرار می گیرد.

عمومیت یافتن الگوریتمBP ، بخاطر سادگی و کاربردهای موفقیت آمیزش در حل مسائل فنی- مهندسی می باشد.

علیرغم، موفقیت های کلی الگوریتم BP در یادگیری شبکه های عصبی چند لایه پیش خور هنوز، چندین مشکل اصلی وجود دارد:

- الگوریتم پس انتشار خطا، ممکن است به نقاط مینیمم محلی در فضای پارامتر، همگرا شود. بنابراین زمانی که الگوریتم BP همگرا                می شود، نمی توان مطمئن شد که به یک جواب بهینه رسیده باشیم.

- سرعت همگرایی الگوریتم BP، خیلی آهسته است.

از این گذشته، همگرایی الگوریتم BP، به انتخاب مقادیر اولیه وزنهای شبکه، بردارهای بایاس و پارامترها موجود در الگوریتم، مانند نرخ یادگیری، وابسته است.

در این گزارش، با هدف بهبود الگوریتم BP، تکنیک های مختلفی ارائه شده است. نتایج شبیه سازیهای انجام شده نیز نشان می دهد، الگوریتم های پیشنهادی نسبت به الگوریتم استاندارد BP، از سرعت همگرایی بالاتری برخوردار هستند.

خلاصه ای از الگوریتم BP

از قانون یادگیری پس انتشار خطا (BP)، برای آموزش شبکه های عصبی چند لایه پیش خور که عموماً شبکه های چند لایه پرسپترون 5 (MLP) هم نامیده می شود، استفاده می شود، استفاده می کنند. به عبارتی توپولوژی شبکه های MLP، با قانون یادگیری پس انتشار خطا تکمیل می شود. این قانون تقریبی از الگوریتم بیشترین نزول (S.D) است و در چارچوب یادگیری عملکردی قرار می گیرد.

بطور خلاصه، فرایند پس انتشار خطا از دو مسیر اصلی تشکیل می شود. مسیر رفت6 و مسیر برگشت 7 .

در مسیر رفت، یک الگوی آموزشی به شبکه اعمال می شود و تأثیرات آن از طریق لایه های میانی به لایه خروجی انتشار می یابد تا اینکه

_________________________________

1. Multi-Layer Feedforward Neural Networks
2. Back-Propagation Algorithm
3. Steepest Descent (S.D)
4. Performance Learning
5. Multi Layer Perceptron
6. Forward Path
7. Backward Path

نهایتاً خروجی واقعی شبکه MLP، به دست می آید. در این مسیر، پارامترهای شبکه (ماتریس های وزن و بردارهای بایاس)، ثابت و بدون تغییر در نظر گرفته می شوند.

در مسیر برگشت، برعکس مسیر رفت، پارامترهای شبکه MLP تغییر و تنظیم می گردند. این تنظیمات بر اساس قانون یادگیری اصلاح خطا1 انجام می گیرد. سیگنال خطا، رد لایه خروجی شبکه تشکیل می گردد. بردار خطا برابر با اختلاف بین پاسخ مطلوب و پاسخ واقعی شبکه می باشد. مقدار خطا، پس از محاسبه، در مسیر برگشت از لایه خروجی و از طریق لایه های شبکه به سمت پاسخ مطلوب حرکت کند.

در شبکه های MLP، هر نرون دارای یک تابع تحریک غیر خطی است که از ویژگی مشتق پذیری برخوردار است. در این حالت، ارتباط بین پارامترهای شبکه و سیگنال خطا، کاملاً پیچیده و و غیر خطی می باشد، بنابراین مشتقات جزئی نسبت به پارامترهای شبکه به راحتی قابل محاسبه نیستند. جهت محاسبه مشتقات از قانون زنجیره ای2 معمول در جبر استفاده می شود.

فرمول بندی الگوریتم BP

الگوریتم یادگیری BP، بر اساس الگوریتم تقریبی SD است. تنظیم پارامترهای شبکه، مطابق با سیگنالهای خطا که بر اساس ارائه هر الگو به شبکه محاسبه می شود، صورت می گیرد.

الگوریتم بیشترین تنزل با معادلات زیر توصیف می شود:

(1)                                      

(2)                                                 

به طوری WLji و bLj، پارامترهای نرون j ام در لایه iام است. α، نرخ یادگیری2 و F، میانگین مربعات خطا می باشد.

(3)                                                              

(4)                                                                               

(5)          

به طوریکه SLj(k)، حساسیت رفتار شبکه در لایه L ام است.

شبکه عصبی

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

مقدمه:
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:
1- خلاصه سازی مبتنی برفهم مطلب
2- 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.

سمینار ارشد عمران معرفی شبکه های عصبی و کاربرد آن در حمل و نقل ریلی

اختصاصی از یارا فایل سمینار ارشد عمران معرفی شبکه های عصبی و کاربرد آن در حمل و نقل ریلی دانلود با لینک مستقیم و پرسرعت .

معرفی شبکه های عصبی و کاربرد آن در حمل و نقل ریلی

چکیده :

استفاده از شبکه های عصبی در سال های اخیر رواج فراروانی داشته است و

از تحقیقات تئوری به تحقیقات وسیعتر و در زمینه های کاربردی برای حل بسیاری

از مسائل دنیای بشری راه گشوده است .شبکه های اعصاب مصنوعی در تقابل

با اعصاب شبکه های طبیعی  از قابلیت و قدرت بالاتری در بسیاری از زمینه های

مانند پردازش خطی و حجم بالای پردازش  برخوردار هستند . کاربرد شبکه های

عصبی در زمین مهندسی عمران نیز  چند سالی استن که رواج پیدا کرد ه است

و بسیاری از مسائل روزمره مهندسی عمران در زمانی که شیوه های سنتی در

حال آنها ناتوان بوده اند به وسیله این شیوه نوین قابل حل می باشد .

استفاده از شبکه های مصنوعی در زمینه های مختلف مهندسی عمران به دلیل

قابلیت بالای آنها در رگراسیون ، پیش بینی ،طبقه بندی وابسته سازی داده ها و

… رواج زیادی داشته است .در زمینه مسائل مهندسی عمران ، حل مسائل حمل

و نقل و ترافیک نیز در دنیای امروز در بسیاری از موارد به وسیله شبکه های اعصاب

صورت می گیرد .

در این سمینار سعی شده است تا با معرفی شبکه های عصبی ، کاربرد های مختلف

شبکه های اعصاب در حل مسائل  حمل و نقل ریلی و ترافیک عنوان شود .

تعداد صفحه :139

ارزیابی امنیت دینامیکی سیستم قدرت توسط شبکه عصبی

اختصاصی از یارا فایل ارزیابی امنیت دینامیکی سیستم قدرت توسط شبکه عصبی دانلود با لینک مستقیم و پرسرعت .

ارزیابی امنیت دینامیکی سیستم قدرت توسط شبکه عصبی

Power Systems Dynamic Security Assessment Using Neural Network

چکیده

سیستم های قدرت مدرن به دلیل تغییرات دائمی بار بسیار پیچیده هستند. این سیستم ها به طور مداوم در معرض اغتشاشات داخلی و خارجی می باشند که می تواند باعث ناپایداری سیستم گردد. فرآیند تعیین پایداری سیستم تحت اغتشاش، ارزیابی امنیت نامیده می شود. به عبارت دیگر ارزیابی امنیت سیستم قدرت برای تشخیص پایداری یا ناپایداری سیستم انجام می پذیرد. ارزیابی امنیت سیستم قدرت ترکیبی از آنالیز امنیت استاتیکی و دینامیکی است.

یکی از روشهای تعیین امنیت دینامیکی یافتن زمان بحرانی رفع خطا است. این زمان ترکیبی از توابع با متغیرهای زیاد می باشد، بنابراین به دست آوردنش نسبتا مشکل می باشد. بعلاوه پیدا کردن و ارزیابی زمان بحرانی رفع خطا به محاسبات مفصل و زمانبری نیاز دارد. بنابراین، کلاس بندی داده ها می تواند به عنوان بهترین گزینه در ارزیابی امنیت سیستم قدرت مورد استفاده قرار گیرد. کلاس بندی داده ها، اطلاعات نمونه برداری شده و زمان محاسباتی ارزیابی امنیت را کاهش می دهد.

در این تحقیق سه روش برای کلاس بندی داده ها مورد استفاده قرار گرفته است. این روش ها عبارتند از: حداقل مربعات (همبستگی)، شبکه عصبی کوهونن و تبدیل Wavelet. استفاده از این روش ها مشکلات و مسایلی که روش های سنتی دارند را از بین می برد. اگر کلاس بندی داده ها با روشهای ذکر شده برای الگوهای ورودی و زمان های بحرانی رفع خطای موجود، صحیح باشد، با این روشها می توان خطوط بحرانی الگوهای جدید ورودی را بدون انجام محاسبات مفصل پایداری گذرا تعیین کرد.

قسمت اول تحقیق خلاصه ای از ارزیابی امنیت دینامیکی در سیستم های قدرت را مورد بررسی قرار می دهد. و قسمت دوم، کاربرد روشهای پیشنهادی برای ارزیابی امنیت دینامیکی می باشد. برای اثبات کارایی روش ها بیان شده، آنها را بر روی سیستم 39 شینه IEEE تست می نماییم.

فرمت PDF

تعداد صفحات 166