تحقیق در مورد آزمایش بر روی سیستم عصبی اتونوم.

اختصاصی از یارا فایل تحقیق در مورد آزمایش بر روی سیستم عصبی اتونوم. دانلود با لینک مستقیم و پر سرعت .

تحقیق درباه آزمایش بر روی سیستم عصبی اتونوم.
با فرمت word
قابل ویرایش و پرینت

تعداد صفحات : 18
فرمت : doc

آزمایش بر روی سیستم عصبی اتونوم
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) نیز شناخته می‌شود شامل مناطق مختلفی از مغز می‌باشد.
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، 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.
در سطح مزنسفال، هسته پارابراکیالیس و PAG نواحی تقویت تکمیلی می‌باشند. PAG نیز از جمله مناطق مهم و حیاتی در کنترل و تعدیل درد است. نواحی ساقة مغزی اصل النخاع که اکثر فعالیت‌های رفلکسی و اتوماتیک قلبی تنفسی را کنترل می‌کنند عبارتند از بدولای ونترولترال و NTS. ارگانهای دور بطنی با احساس و تشخیص تغییرات هومرال در تعدیل فعالیت اتونوم شرکت می‌کنند.
اجزاء‌ محیطی سیستم انوم عبارتند از سیستم‌های عصبی سمپاتیک و پاراسمپاتیک. نورون‌های پیش گانگلیونی سیستم سمپاتیک در ستون بینابینی خارجی نخاع قرار داشته و اکسونهای آنها در گانگلیونهای پری وربترال و پاراوربترال سیناپس کرده و فیبرهای پس سیناپسی نسبتاً مسیرهای طولانی را جهت عصب‌دهی به ارگانهای هدف خود طی می‌کنند.
سیستم سمپاتیک بسیار گسترده و منتشر است و توانایی تولید پاسخ‌های عظیم توسط تحریک ترشح اپی نفرین از قشر غده فوق کلیوی را دارد. این بعلت نسبت بالای فیبرهای

لینک دانلود آزمایش بر روی سیستم عصبی اتونوم. پایین

تحقیق شبکه های عصبی 96 ص

اختصاصی از یارا فایل تحقیق شبکه های عصبی 96 ص دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 94

دانشگاه آزاد اسلامی واحد مشهد

درس هوش مصنوعی

عنوان تحقیق : شبکه های عصبی

استاد محترم :

مهندس مهدیه شادی

تهیه کننده: سامان صحت بخش

مهدی مینائی

زمستان 86فهرست مطالب

عنوان صفحه

مقدمه 1

شبکه عصبی چیست ؟ 2

یادگیری در سیستم های بیولوژیک 4

سازمان مغز 6

نرون پایه 7

عملیات شبکه های عصبی 7

آموزش شبکه های عصبی 10

معرفی چند نوع شبکه عصبی 14

پرسپترون تک لایه 14

پرسپترون چند لایه 21

backpropagation 25

هاپفیلد 49

ماشین بولتزمن 67

کوهونن 83

کاربردهای شبکه های عصبی 86

منابع 90

مقدمه

الگوریتم ها در کامپیوتر ها اعمال مشخص و واضحی هستند که بصورت پی در پی و در جهت رسیدن به هدف خاصی انجام می شوند.حتی در تعریف الگوریتم این گونه آمده است که الگوریتم عبارت است از مجموعه ای ازاعمال واضح که دنبال ای از عملیات را برای رسیدن به هدف خاصی دنبال می کنند.آنچه در این تعریف خود نمایی می کند کلمه دنباله می باشد که به معنای انجام کار ها بصورت گام به گام می باشد. این امر مشخص می کند که همه چیز در الگوریتم های سنتی باید قدم به قدم برای کامپیوتر مشخص و قابل فهم و درک باشد.حتی در اولین الگوریتمهای هوش مصنوعی نیز بر همین پایه و کار قدم به قدم بنا نهاده شده اند.

در اواخرقرن بیستم رویکرد به الگوریتم های جدید صورت گرفت که علتهای مختلفی داشت مثل حجیم بودن میزان محاسبات برخی مسایل و بالا بودن مرتبه زمانی الگوریتم های سنتی در مورد این مسایل باعث شد نیاز به الگوریتمهای جدید احساس شود.همچنین برخی کارهای انسان که هنوز قابل انجام توسط کامپیوتر نبودندو یا به بخوبی توسط کامپیوتر انجام نمی شدند باعث این رویکرد شد.

مهمترین الگوریتمهای جدید عبارتند از :1- شبکه های عصبی 2- منطق فازی 3- محاسبات تکاملی

شبکه عصبی چیست ؟

این سوال که آیا انسان توانا تر است یا کامپیوتر موضوعی است که ذهن بشر را به خود مشغول کرده است.

اگر جواب این سوال انسان است چرا کامپیوتر اعمالی مانند جمع و ضرب و محاسبات پیچیده را در کسری از ثانیه انجام می دهد، حال آنکه انسان برای انجام آن به زمان زیادی نیازمند است. واگر جواب آن کامپیوتر است چرا کامپیوتر از اعمالی مانند دیدن و شنیدن که انسان به راحتی آنها را انجام می دهدعاجزاست.جواب این مسئله را باید در ذات اعمال جستجو کرد . اعمال محاسباتی اعمالی هستند سریالی و پی در پی به همین دلیل توسط کامپیوتر به خوبی انجام می شوند.حال آنکه اعمالی مانند دیدن وشنیدن کارهای هستند موازی که مجمو عه ای از داده های متفاوت و متضاد در آنها تفکیک و پردازش می شوندو به همین دلیل توسط انسان به خوبی انجام می شوند. در واقع مغز انسان اعمال موازی را به خوبی درک و آنها را انجام می دهدو کامپیوتر اعمال سریالی را بهتر انجام می د هد.حال باید دیدآیا می توان این اعمال موازی و در واقع ساختار مغز انسان را به نوعی در کامپیوتر شبیه سازی کرد و آیا می توان امکان یادگیری که از جمله توانایی های انسان است به نوعی در کامپیوتر مدل سازی نمود.این کار به نوعی در انسان هم انجام می شود و زمان انجام آن عمدتا در کودکی است.به عنوان مثال یک کودک ممکن است یک شی مانند چکش را نشناسد اما هنگامی که آن را می بیند واسم آن را یاد می گیرد و سپس چند چکش متفاوت را می بینداین شی را بخوبی می شناسدو اگر بعد از مدتی چکشی را که تا کنون آن را ندیده است ببیند به راحتی تشخیص می دهد که شی مورد نظر یک چکش است و تنها از نظر جزئیات با چکش های مشابه که قبلا دیده است تفاوت دارد.

لازم به ذکر است که شبکه های عصبی تنها در یادگیری کاربرد ندارند، بلکه تمام مسائل جدید وکلاسیک توسط آنها قابل حل می باشد.اما آنچه شبکه های عصبی بدان نیازمند است مثالها و نمونه های مفید وکافی است که بتواند به خوبی فضای مسئله را پوشش دهند.حال باید دیدچگونه می توان شبکه عصبی انسان را به نوعی شبیه سازی نمود، برای این کار نخست به ساختار مغز و سیستم عصبی انسان نگاهی گذرا می اندازیم.

مغز انسان یکی از پیچیده ترین اعضای بدن است که تا کنون نیز به درستی شناخته نشده است و شاید اگر روزی به درستی شناخته شودبتوان شبیه سازی بهتری از آن انجام داد و به نتایج بهتری درباره هوش مصنوعی رسید.تحقیقات در مورد شبکه های عصبی نیز از زمانی آغاز شد که رامون سگال درباره ساختار مغز و اجزای تشکیل دهنده آن اطلاعات و نظراتی ارائه کرد. او در اوایل قرن بیستم مغز را به عنوان اجتماعی از اجزای کوچک محاسباتی دانست و آنها را نرون نامید.امروزه ما می دانیم که بیشتر فعالیتهای انسان را نرونها انجام می دهندو در کوچکترین فعالیتهای حیاتی انسان مانند پلک زدن نیز نقش حیاتی و اساسی دارند.این نکته هم بسیار جالب است بدانید که در بدن ما حدودنرون وجود دارد که هر کدام از این نرونها با نرون دیگر در ارتباط هستند.نرونها شکلها

تحقیق و بررسی در مورد شبکه های عصبی

اختصاصی از یارا فایل تحقیق و بررسی در مورد شبکه های عصبی دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 62

دانشگاه آزاد اسلامی

واحد بندرعباس

دانشکده فنی مهندسی ، گروه عمران

پایان نامه برای دریافت درجه کارشناسی ارشد«M . Sc.»

عنوان:

محاسبه فرکانس غالب ورقها با استفاده از شبکه عصبی انتشار برگشتی

Back Propagation (BP)

استاد راهنما :

جناب آقای دکتر مسعود دهقانی

استاد مشاور:

جناب آقای دکتر حسین رحامی

نگارش :

امین حیدری نژاد

مباحث اصلی مورد بحث :

1- مقدمه

2- معرفی شبکه عصبی مصنوعی

3- فرکانس طبیعی

4- مدل سازی و آنالیز ورق با ANSYS

5- بررسی فرکانس ورق با هوش مصنوعی

6- نتیجه گیری و پیشنهادات

فصـل اول : مقدمه

در چند دهه اخیر،اندیشه بالنده شبیه سازی مغز انسان ،محققان و دانشمندان را برآن داشته است توانایی‌های مغز انسان را به رایانه منتقل سازند.عملکرد مغز انسان با توجه به میلیونها سال تکامل می‌تواند به عنوان کاملترین و بهترین الگو برای تشخیص وقایع پیرامون خود در نظرگرفته شود.لذا دانشمندان در تلاشند تا با درک اصول وساز و کارهای محاسباتی مغز انسان که عملکرد بسیار سریع و دقیقی را دارا می‌باشد ، سیستم‌های عصبی مصنوعی را شبیه سازی نمایند بدین ترتیب شبکه‌‌های عصبی مصنوعی تا حدودی از مغزانسان الگوبرداری شده‌اند و همان گونه که مغز انسان می‌تواند با استفاده از تجربیات قبلی و مسائل از پیش یادگرفته،مسائل جدید را تحلیل و تجزیه نماید،شبکه‌های عصبی نیز در صورت آموزش قادرند برمبنای اطلاعاتی که به ازای آنها آموزش دیده‌اند،جوابهای قابل قبول ارائه دهند.

تحقیق و بررسی در مورد تأثیر فعالیت عصبی سمپاتیک و کته کولامین‌‌ها روی نورون‌‌های آ

اختصاصی از یارا فایل تحقیق و بررسی در مورد تأثیر فعالیت عصبی سمپاتیک و کته کولامین‌‌ها روی نورون‌‌های آ دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 15

تأثیر فعالیت عصبی سمپاتیک و کته کولامین‌‌ها روی نورون‌‌های آوران اولیه

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 (استیروفی سمپاتیک رفلکسی و کوزاثری) 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.

شکل 1: تأثیر فعالیت سمپاتیک و کته کولامین‌ها روی نورون‌های آوران اولیه A. ضایعه کامل عصبی. محل تأثیر سمپتیک – آوران در نوروما و یا در گانگلیون ریشه پشتی است که توسط نورآدرنالین NA که از اعصاب پس گالگلیونی و آلفا آدرنوسپتورهایی که در غشاء پلاسمایی نورون‌های آوران بوجود آمده‌اند منتقل می‌شود. B. ضایعه ناقص عصبی. ضایعه ناقص عصبی معمولاً منجر به کاهش تراکم عصب‌دهی سمپاتیک (نورون پس گانگلیونی دانه‌دار) می‌شود. این مسأله باعث افزایش آلفادو آدرنوسپتورهای فعال در غشاء فیبرهای غیر فعال حس درد می‌شود. C. پس از التهاب بافتی، فیبرهای آوران اولیه غیر فعال ولی حساس شده دچار افزایش حساسیت به نورآدرنالین می‌شوند. نورآدرنالین مستقیماً روی فیبرهای آوران اثر نمی‌کند اما باعث ترشح پروستاگلاندین‌ها (PG) از پایانه‌های سمپاتیک که فیبرهای آوران را حساس می‌کنند خواهد شد. در همین رابطه، افزایش حساسیت به درد ناشی از بزادی کدینیس و فاکتور رشد عصبی (NGF) نیز توسط ترشح پروستاگلاندین‌ها از فیبرهای پس گانگلیونی تشدید و تقویت خواهد شد.

تداخلات فیبرهای آوران و سمپاتیک سالم و دست نخورده دیستال به ناحیة ضایعه در آسیب‌های ناقص عصبی: پاسخ فیبرهای C بدون میلین به تحریک تنه سمپاتیک در عصب پرونئال مشترک خرگوش دو هفته پس از ایجاد فشفر روی عصب مورد مطالعه قرار گرفته است. فشار روی عصب باعث افزایش آمپلی تودپتانسیل‌های عمل ترکیبی فیبرهای C در پاسخ به تحریک سمپاتیک می‌شود. خرگوش‌هایی که دارای آسیبهای ناقص عصبی عصب اوریکولاریس بودند مورد مطالعه قرار داده و

تحقیق در مورد آشنایی با شبکه‌های عصبی مصنوعی

اختصاصی از یارا فایل تحقیق در مورد آشنایی با شبکه‌های عصبی مصنوعی دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود در "پایین مطلب"

فرمت فایل: word (قابل ویرایش و آماده پرینت)

تعداد صفحات: 96

فهرست

1              فصل 1 : مقدمه

1              1-1    انسان و کامپیوتر1

4              1-2  ساختار مغز

7              1-2-1   یادگیری در سیستم‌های بیولوژیک

7              1-3   تفاوت ها

10           فصل   2 : نگرش کلی به شبکه های عصبی مصنوعی

10           2-1   تعریف شبکه های عصبی

11           2-2   مفاهیم اساسی شبکه های عصبی

13           2-3   معرفی اصطلاحات و علائم قراردادی

15           2-4   کاربردهای محاسبات عصبی

16           2-5   کاربردهای نمونه شبکه های عصبی مصنوعی

17           2-6   فواید و معایب شبکه های عصبی مصنوعی

18           2-7   معیارهای مهندسی به منظور محاسبات عصبی

19           2-8   مراحل مهندسی سیستم ANN

21           2-9   توپولوژی شبکه و خصوصیات

22           فصل 3 : بازشناسی الگو

22           3-1   چشم انداز طرح شناسی

22           3-2   تعریف بازشناسی الگوها

23           3-3   بردارهای مشخصات و فضای مشخصات

24           3-4   توابع تشخیص دهنده یا ممیز

25           3-5   فنون طبقه بندی

25           3-6   روش طبقه بندی «نزدیکترین همسایه»

27           3-7   میزان های اندازه گیری فاصله

31           3-8   دستگاه های طبقه بندی خطی

38           فصل 4 : نرون پایه

38           4-1    مقدمه

38           4-2  مدل سازی نرون

42           4-3   فراگیری در نرون‌های ساده

45           4-4    الگوریتم فراگیری پرسپترون

48           4-5   یک مثال ساده برای پرسپترون ساده.

61           قصل 5 : نرون چند لایه

61           1-5   مقدمه

63           2-5   مدل جدید

64           3-5   قاعده جدید فراگیری

65           5-4   الگوریتم پرسپترون چند لایه

67           5-5   بررسی مجدد مساله XOR

70           5-6   لیه های شبکه

71           5-7   معرفی چند شبکه

71           5-8  معرفی نمونه ای از توابع کلیدی

81           5-9   بررسی یک مثال عملی

فصل 1 : مقدمه

• انسان و کامپیوتر

انسان ها از کامپیوترها باهوش ترند. چرا چنین گفته می‌شود؟

درست است که بعضی از اعمالی را که ما به سختی انجام می دهیم یک کامپیوتر به سرعت و به راحتی انجام می دهد ،مانند جمع چندصد عدد ، اما این مطلب باعث نمی شود که ما یک کامپیوتر را باهوشتر از انسان بدانیم چون این سیستم هرگز قادر نمی باشد که اعمالی را که نیاز یه استدلال  دارد و یا حل آنها از طریق  شهودی و حدس و گمان می باشد را به طور مطلوب انجام دهد. شاید بهتر است بگوییم آن‌هاموجودات منطقی ای هستند و تنها اعمال منطقی را به خوبی انجام می دهند.

مسئله دیگر شاید این باشد که یک کامپیوتر می تواند بعضی کارها را که ما در مدت زمان قابل ملاحظه ای انجام می دهیم را در زمان بسیار کوتاه تری انجام می دهد.ویا بعضی از اطلاعات را پس از گذشت ماه ها ویا سالها به خاطر می آورد .