فایل هلپ

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

فایل هلپ

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

تحقیق در مورد تأثیر فعالیت عصبی سمپاتیک و کته کولامین‌‌ها روی نورون‌‌های آوران اولیه

اختصاصی از فایل هلپ تحقیق در مورد تأثیر فعالیت عصبی سمپاتیک و کته کولامین‌‌ها روی نورون‌‌های آوران اولیه دانلود با لینک مستقیم و پر سرعت .

تحقیق در مورد تأثیر فعالیت عصبی سمپاتیک و کته کولامین‌‌ها روی نورون‌‌های آوران اولیه


تحقیق در مورد تأثیر فعالیت عصبی سمپاتیک و کته کولامین‌‌ها روی نورون‌‌های آوران اولیه

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

تعداد صفحه15

 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


[1] - The influence of Sympathetic Nerve Activity and Catecholamines on Primary Afferent Neurons

IASP Newsfetter – May / June 1998

[2] - Complex regional pain syndromes

[3] - Reflex sympathetic dystrophy

[4] - Causalgia


دانلود با لینک مستقیم


تحقیق در مورد تأثیر فعالیت عصبی سمپاتیک و کته کولامین‌‌ها روی نورون‌‌های آوران اولیه

تحقیق در مورد شبکه عصبی

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

تحقیق در مورد شبکه عصبی


تحقیق در مورد شبکه عصبی

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

تعداد صفحه39

فهرست مطالب

مقدمه

 

مدل نرون تک ورودی

 

شبکه همینگ (Heming)

 

شبکه هاپفیلد (Hapfield)

 

یادگیری شبکه

 

مفهوم فازی

 

 تعاریف اولیه

 

انواع مجموعه های فازی و درجه فازی بودن مجموعه

 

اپراتورهای مجموعه فازی:

 

مفهوم شناسایی الگو

 

ساختار و توپولوژی شبکه

 

طراحی شبکه

 

خروجی شبکه

 

 مجموعه های فازی در شبکه

 

تابع عضویت در hyperboxها

 

در سالیان اخیر شاهد حرکتی مستمر از تحقیقات صرفاً تئوری به تحقیقات کاربردی در پردازش اطلاعات برای مسائلی که راه حلی برای آنها موجود نیست بوده ایم. با توجه به این حقیقت توجه زیادی به توسعه تئوریک سیستمهای دینامیکی هوشمند مدل- آزاد بر اساس داده های تجربی وجود دارد. شبکه های عصبی مصنوعی جزء آن دسته از سیستم های دینامیکی قرار دارند که با پردازش بر روی داده های تجربی دانش در ورای داده ها را به ساختار شبکه منتقل می کند. پیاده سازی ویژگیهای مغز در یک سیستم مصنوعی همیشه مورد توجه مطلوب بوده است کافی نبودن دانش موجود خود سبب انگیزش و پژوهش های بیشتر در این زمینه بوده و خواهد بود.

 

مبحث Pattern Fecognation شناسایی الگو را می توان به سه صورت زیر ارائه کرد:

 

  • آماری Statistical
  • فازی Fuzzy
  • شبکه های عصبی Neural Network

 

در روش آماری درصد خطا بالا می باشد به همین دلیل در پروژه فوق از دو روش Fuzzy و Neural  Network استفاده شده که شبکه طراحی شده به Fuzzy Min- Max Classification Neural Network معروف می باشد که در آن درصد خطا بسیار پائین می باشد.

 

بدلیل اینکه ابتدا الگوهای ورودی با استفاده از مجموعه های فازی در گروههای خود تنظیم می شوند و سپس با استفاده از شبکه عصبی خرجی مطلوب را بدست می دهد.

 

انگیزه های بیولوژیکی شبکه های عصبی

 

مغز به عنوان یک سیستم پردازش اطلاعاتی با ساختار موازی از 100 تریلیون و نرون به هم مرتبط با تعداد کل  ارتباط تشکیل شده است نرونها ساده ترین واحد ساختار سیستم های عصبی هستند. بافتهایی که عصب نامیده می شوند اجتماعی از نرونها می باشند. این نرونها اطلاعات و پیامها را از یک قسمت بدن به قسمت دیگر منتقل می کنند پیامها از نوع ایمپالسهای الکتروشیمیایی هستند.

 

بیشترین تعداد نرونها در مغز و مابقی در نخاع و سیستم های عصبی جانبی تمرکز یافته اند گرچه همگی نرونها کارک

 


دانلود با لینک مستقیم


تحقیق در مورد شبکه عصبی

تحقیق در مورد شبکه عصبی

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

تحقیق در مورد شبکه عصبی


تحقیق در مورد شبکه عصبی

لینک پرداخت و دانلود *پایین مطلب*
فرمت فایل:Word (قابل ویرایش و آماده پرینت)
تعداد صفحه: 12

 

توصیف

در حالت کلی، یک شبکه عصبی زیستی از مجموعه یا مجموعه‌ای از نورون‌های به صورت فیزیکی به هم متصل یا از لحاظ عملکردی به هم وابسته تشکیل شده‌است. هر نورون می‌تواند به تعداد بسیار زیادی از نورون‌ها وصل باشد و تعداد کل نورون‌ها و اتصالات بین آن‌ها می‌تواند بسیار زیاد باشد. اتصالات، که به آن‌ها سیناپس گفته می‌شود، معمولاً از آکسون‌ها و دندریت‌ها تشکلیل شده‌اند.

هوش مصنوعی و مدل سازی شناختی سعی بر این دارند که بعضی از خصوصیات شبکه‌های عصبی را شبیه سازی کنند. این دو اگرچه در روش‌هاشان به هم شبیه هستند اما هدف هوش مصنوعی حل مسائل مشخصی است در حالی که هدف مدل سازی شناختی ساخت مدل‌های ریاضی سامانه‌های نورونی زیستی است.

شبکه‌های عصبی زیستی

شبکه‌های عصبی زیستی مجموعه‌ای بسیار عظیم از پردازشگرهای موازی به نام نورون اند که به صورت هماهنگ برای حل مسئله عمل می‌کنند و توسط سیناپس‌ها (ارتباط‌های الکترومغناطیسی) اطلاعات را منتقل می‌کنند. در این شبکه‌ها اگر یک سلول آسیب ببیند بقیه سلول‌ها می‌توانند نبود آنرا جبران کرده و نیز در بازسازی آن سهیم باشند. این شبکه‌ها قادر به یادگیری اند. مثلا با اعمال سوزش به سلول‌های عصبی لامسه، سلول‌ها یاد می‌گیرند که به طرف جسم داغ نروند و با این الگوریتم سامانه می‌آموزد که خطای خود را اصلاح کند. یادگیری در این سامانه‌ها به صورت تطبیقی صورت می‌گیرد، یعنی با استفاده ازمثال‌ها وزن سیناپس‌ها به گونه‌ای تغییر می‌کند که در صورت دادن ورودی‌های تازه سامانه پاسخ درستی تولید کند.

معرفی شبکه عصبی مصنوعی شبکه عصبی مصنوعی یک سامانه پردازشی داده‌ها است که از مغز انسان ایده گرفته و پردازش داده‌ها را به عهدهٔ پردازنده‌های کوچک و بسیار زیادی سپرده که به صورت شبکه‌ای به هم پیوسته و موازی با یکدیگر رفتار می‌کنند تا یک مسئله را حل نمایند. در این شبکه‌ها به کمک دانش برنامه نویسی، ساختار داده‌ای طراحی می‌شود که می‌تواند همانند نورون عمل کند. که به این ساختارداده گره گفته می‌شود. بعد باایجاد شبکه‌ای بین این گره‌ها و اعمال یک الگوریتم آموزشی به آن، شبکه را آموزش می‌دهند. در این حافظه یا شبکهٔ عصبی گره‌ها دارای دو حالت فعال (روشن یا 1) و غیرفعال (خاموش یا 0) اند و هر یال (سیناپس یا ارتباط بین گره‌ها) دارای یک وزن می‌باشد. یال‌های با وزن مثبت، موجب تحریک یا فعال کردن گره غیر فعال بعدی می‌شوند و یال‌های با وزن منفی، گره متصل بعدی را غیر فعال یا مهار (در صورتی که فعال بوده باشد) می‌کنند.

 

تاریخچه شبکه‌های عصبی مصنوعی

  1. از قرن نوزدهم به طور همزمان اما جداگانه از سویی نروفیزیولوزیست‌ها سعی کردند سامانه یادگیری و تجزیه و تحلیل مغز را کشف کنند و از سوی دیگر ریاضیدانان تلاش کردند تا مدل ریاضی بسازند که قابلیت فراگیری و تجزیه و تحلیل عمومی مسائل را دارا باشد. اولین کوشش‌ها در شبیه سازی با استفاده از یک مدل منطقی توسط مک کلوک و والتر پیتز انجام شد که امروزه بلوک اصلی سازنده اکثر شبکه‌های عصبی مصنوعی است. این مدل فرضیه‌هایی در مورد عملکرد نورون‌ها ارائه می‌کند. عملکرد این مدل مبتنی بر جمع ورودی‌ها و ایجاد خروجی است. چنانچه حاصل جمع ورودی‌ها از مقدار آستانه بیشتر باشد اصطلاحا نورون برانگیخته می‌شود. نتیجه این مدل اجرای توابع ساده مثل AND و OR بود.

 

  1. نه تنها نروفیزیولوژیست‌ها بلکه روان شناسان و مهندسان نیز در پیشرفت شبیه سازی شبکه‌های عصبی تاثیر داشتند. در سال 1958 شبکه پرسپترون توسط روزنبلات معرفی گردید. این شبکه نظیر واحدهای مدل شده قبلی بود. پرسپترون دارای سه لایه به همراه یک لایه وسط که به عنوان لایه پیوند شناخته شده می‌باشد، است. این سامانه می‌تواند یاد بگیرد که به ورودی داده شده خروجی تصادفی متناظر را اعمال کند. سامانه دیگر مدل خطی تطبیقی نورون می‌باشد که در سال 1960 توسط ویدرو و هاف (دانشگاه استنفورد) به وجود آمد که اولین شبکه‌های عصبی به کار گرفته شده در مسائل واقعی بودند. Adalaline یک دستگاه الکترونیکی بود که از اجزای ساده‌ای تشکیل شده بود، روشی که برای آموزش استفاده می‌شد با پرسپترون فرق داشت.

 

  1. در سال 1969 میسکی و پاپرت کتابی نوشتند که محدودیت‌های سامانه‌های تک لایه و چند لایه پرسپترون را تشریح کردند. نتیجه این کتاب پیش داوری و قطع سرمایه گذاری برای تحقیقات در زمینه شبیه سازی شبکه‌های عصبی بود. آنها با طرح اینکه طرح پرسپترون قادر به حل هیچ مساله جالبی نمی‌باشد، تحقیقات در این زمینه را برای مدت چندین سال متوقف کردند.

این فقط قسمتی از متن مقاله است . جهت دریافت کل متن مقاله ، لطفا آن را خریداری نمایید


دانلود با لینک مستقیم


تحقیق در مورد شبکه عصبی

دانلود مقاله سازو کار سیستم عصبی

اختصاصی از فایل هلپ دانلود مقاله سازو کار سیستم عصبی دانلود با لینک مستقیم و پر سرعت .

دانلود مقاله سازو کار سیستم عصبی


دانلود مقاله سازو کار سیستم عصبی

 مغز یکی از پیچیده‌ترین ارگان‌های بدن انسان است. این عضو کوچک سخت‌ترین وظایف را در بدن بر عهده دارد

که شامل کنترل سیستم‌های عصبی ، راه رفتن ،صحبت کردن نفس کشیدن و فکر کردن و هزاران فعالیت دیگر می‌شود. مغز آنقدر پیچیده است که هر کدام از قسمت‌های آن وظیفه انجام و کنترل کاری خاص را به عهده دارند و عدم فعالیت درست هر کدام از آنها می‌تواند اختلالات بسیاری را برای هر فردی رقم بزند.

با وجود صدها سال تلاش بشر برای شناخت مغز هنوز هم نقاط و مسائل بسیاری وجود دارند که مبهم باقی مانده و پاسخی برای آنها بدست نیامده است. پیچیدگی بسیار زیاد مغز و رمز و رازی که در آن وجود دارد سبب شده است تا انسان‌ها تصورات و شایعات زیادی در مورد آن به راه بیندازند که بسیاری از این شایعات به مروز زمان به حقایقی تبدیل شده است که همگان آن را باور کرده‌اند. چند شایعه رایج در مورد مغز انسان را موارد زیر هستند که درست نیستند و رواج پیدا کرده‌اند:

رنگ مغز:
تا به حال با خودتان فکر کرده‌اید که مغزتان چه رنگی است؟ما رنگهای زیادی در بدنمان داریم که در خون، استخوان‌ها و مایعات جاری به چشم می‌خورند. در مورد مغز انسان ممکن است شما در مدرسه و کلاس های درستان مغزهای پلاستیکی را دیده باشد که معمولا به رنگ سفید و یا صورتی کم رنگ و یا خاکستری کم رنگ هستند. اما در واقع مغز انسانی که زنده است و فعالیت می‌کند به رنگ های خاکستری، سفید ، سیاه و قرمز است.

شایعه وتصوری که تا به حال شنیده‌اید که مغز شما طوسی زنگ است اصلا حقیقت ندارد. درست است که در مغز شما همانطور که دستیار "پوآرو" به آن اشاره می‌کرد سلول‌های خاکستری وجود دارد اما این به آن معنا نیست که همه مغز خاکستری رنگ است.

گوش کردن به موتزارت شما را باهوش نمی‌کند:
حتما شما هم شنیده‌اید که اگر به موسیقی کلاسیک گوش کنید مغزتان فعالیت بیشتری کرده و حتی ممکن است باهوش‌تر شوید و تمرکز بیشتری پیدا کنید.

زنان باردار زیادی هستند که برای باهوش به دنبا آمدن فرزندانشان ساعت‌ها به موسیقی کلاسیک گوش می‌کنند و انتظار فواید زیادی از آن هم دارند. اما این تصور از کجا آغاز شد؟

سال 1950 یک پزشک گوش و حلق و بینی به نام آلبرت توماتیس ادعا کرد که گوش کردن به موسیقی موتزارت می‌تواند به افرادی که دچار مشکلات شنوایی هستند کمک کند.

سال‌ها بعد و در دهه 1990 چندین دانشجو در دانشگاه کالیفرنیا حدود 10 دقیقه به موتزلرت گوش کردند و سپس تست هوش دادند آمار بالا رفتن جواب‌های آنها تا 8 درصد بود که سبب شد این فرضیه قوت بیشتری گرفته و به مدرکی تائید شده تبدیل شود.

اما خیلی زود یکی از استادان دانشگااه کالیفرنیا ادعا کرد گوش دادن به موسیقی سبب عکس العمل بهتر و پاسخ‌های دقیق‌تر دانش آموزان مورد مطالعه شده و این کار هرگ نتوانسته است قابلیت هوشی آنها را بالا ببرد.

موضوعی که وجود دارد آن است که قطعا گوش دادن به موسیقی کلاسیک همچون موتزارت هیچ آزار و صدمه‌ای به شما نخواهد رساند اما بدانید این کار هرگز باعث باهوش شدن شما نمی‌شود.

وقتی چیزی یاد می‌گیرید مغزتان چین می‌خورد؟
وقتی به اینکه مغزتان چه شکلی دارد می‌اندیشید احتمالا به جسمی نسبتا کوچک فکر می‌کنید که خاکستری رنگ است و سطح آن را چین و چروک‌های بسیاری پوشانده است. حقیقت دارد آن است که هر چقدر سن بالا می‌رود تا به بلوغ نزدیک شود مغز اندازه بزرگتری پیدا می‌کند.

برای اینکه مغز در جمجمه جا بگیرد به مرور زمان به طور خودکار در خود جمع می شود تا در کاسه سر جا بگیرد. اگر تمامی چین و چروک‌های مغز را باز کنیم مغز به اندازه یک روبالشی بزرگ اندازه خواهد گرفت و تنها این نکته قطعی است که شکل مغز هر فردی با فرد دیگر تفاوت‌هایی خواهد داشت.

با وجود این اطلاعات مطمئن باشید که با یاد گرفتن و یا هوش بالاتر چین و چروک های مغز شما بیشتر نمی‌شود و از همان زمان ابتدای تولد این چروک‌ها وجود داشته و باقی خواهد ماند.

مغز انسان بزرگترین مغز نیست
حیوانات زیادی وجود دارند که کارهایی شبیه اعمال انسان‌ها انجام می‌دهند. رفتارهایی همچون پیدا کردن راه حلی برای مشکلات ، هوشیاری و نشان دادن احساسات به یکدیگر از جمله آنهاست. در حالی که هنوز ارائه دادن مدارک برای اثبات آنکه انسان‌ها باهوش‌ترین حیوانات هستند ادامه دارد اما آنچه بدیهی است آن است که انسان باهوش‌ترین مخلوقات است.

از آنجایی که معمولا بسیاری از افراد تصور می‌کنند که هر چه باهوشتر به معنای بزرگتر است ممکن است تصور شود که پس مغز انسان‌ها هم اندازه بزرگتری نسبت به سایر مخلوقات دارد. اما این درست نیست.

یک مغز معمولی به طور میانگین 1 کیلو و 361 گرو وزن دارد. دلفین که باهوش‌ترین حیوانات است به طور میانگین 1.5 کیلو وزن مغزش است اما برای وال‌ها موضوع کاملا

شامل 56 صفحه فایل word قابل ویرایش


دانلود با لینک مستقیم


دانلود مقاله سازو کار سیستم عصبی

مقاله آشنایی با تشخیص اعداد با استفاده از شبکه عصبی

اختصاصی از فایل هلپ مقاله آشنایی با تشخیص اعداد با استفاده از شبکه عصبی دانلود با لینک مستقیم و پر سرعت .

مقاله آشنایی با تشخیص اعداد با استفاده از شبکه عصبی


مقاله آشنایی با تشخیص اعداد با استفاده از شبکه عصبی

فرمت فایل : word (قابل ویرایش) تعداد صفحات : 6 صفحه

 

 

 

 

 

 

 

 

 

 

  • تعریف پروژه :

یک شبکه عصبی با 64 ورودی و 10 خروجی طراحی کنید. ورودی شبکه عصبی یک ماتریس 8*8 می­باشد که نشان دهنده یک کاراکتر است. ابتدا شبکه را با تعداد مناسب الگوها ورودی (اعداد 0-9) آموزش داده و سپس نمونه های آزمایشی برای تست شبکه مورد استفاده قرار میگیرند.

شبکه مورد نظر یک شبکه پرسپترون چند لایه با 64 ورودی و 10 خروجی باشد و فعال شدن هر یک از خروجیها نشاندهنده عدد ورودی به شبکه است. ورودی شبکه یک بردار 64 تایی است که یک کاراکتر (در اینجا یک عدد بین 0-9) میباشد. با توجه به اینکه ورودی شکل اعداد است و خروجی برای هر نمونه آموزشی مشخص میباشد، بنابراین کاراکتر مربوط به اعداد به هر زبانی (فارسی یا انگلیسی) نوشته شوند تفاوتی ندارد. اما در صورت انتخاب یک زبان باید تمام نمونه­های آموزشی و آزمایشی شبکه به همان زبان باشد. آزمایش شبکه برای اعداد به دو زبان انجام شود.

  • تحویل پروژه :

چندین آزمایش با تعداد نمونه های آموزشی و آزمایشی متفاوت انجام دهید و شبکه را ارزیابی نمایید. گزارشی از ارزیابی­ها بصورت کتبی ارائه دهید(کد برنامه را در گزارش نیاورید). بصورت حضوری و با داده­های آموزشی و آزمایشی جدید پروژه تحویلی ارزیابی خواهد شد.

آزمایش شبکه برای اعداد به دو زبان انجام شود. یک سری آزمایش برای اعداد فارسی و سری دیگر برای اعداد انگلیسی.

  • آموزش شبکه :

شبکه چند لایه پرسپترون و قانون یادگیری اختیاری (مثلا بازگشت به عقب) است. فقط از Neural Network Toolbox نرم­افزار MatLab استفاده شود.

برای آموزش شبکه نیاز به طراحی الگوهای آموزشی می­باشد. برای تولید نمونه های آموزشی و آزمایشی از نرم­افزار pattern-generator استفاده نمایید. در زیر مثال نشان داده شده برای کارکترهایی است که نشان دهنده حروف الفبا میباشند. شما اینکار را برای اعداد 0-9 انجام دهید


دانلود با لینک مستقیم


مقاله آشنایی با تشخیص اعداد با استفاده از شبکه عصبی