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

اختصاصی از حامی فایل تحقیق درباره تأثیر فعالیت عصبی سمپاتیک و کته کولامین‌‌ها روی نورون‌‌های آوران اولیه 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

تحقیق درباره شبکه های عصبی

اختصاصی از حامی فایل تحقیق درباره 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: 61

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.

دانلود تحقیق و پیشینه تحقیق سیستم های فازی و عصبی فازی با فرمت ورد

اختصاصی از حامی فایل دانلود تحقیق و پیشینه تحقیق سیستم های فازی و عصبی فازی با فرمت ورد دانلود با لینک مستقیم و پر سرعت .

سیستم­های فازی و عصبی-فازی.. 51

4-1- منطق فازی…………………………………….   52

4-1-1- پیشگفتار 52

4-1-2- تاریخچه. 53

4-1-3- مبانی منطق فازی.. 54

4-1-3-1- متغیرهای زبانی.. 55

4-1-3-2- گزاره­های فازی.. 55

4-1-3-3- فازی ساز 56

4-1-3-4- نافازی ساز 57

4-1-3-5- استنتاج فازی.. 59

4-1-3-5-1- استنتاج فازی به وسیله قانون ترکیبی استنتاج. 61

4-1-3-5-2- استنتاج فازی به روش مقایسه الگو. 62

4-1-4- سیستم­های فازی.. 63

4-1-4-1- سیستم فازی ممدانی.. 64

4-1-4-2- سیستم فازی تاکاگی-سوگنو. 66

4-1-5- مقایسه روش ممدانی و سوگنو. 68

4-2- شبکه­های عصبی………………   68

4-2-1- مقدمه. 68

4-2-2- ویژگی­های شبکههای عصبی مصنوعی.. 69

4-2-2-1- قابلیت یادگیری.. 70

4-2-2-2- قابلیت تعمیم. 70

4-2-2-3- پردازش موازی.. 70

4-2-2-4- مقاوم بودن. 70

4-2-3- تاریخچه شبکه­های عصبی.. 71

4-2-4- ساختار شبکه عصبی.. 72

4-2-5- توابع تحریک... 74

4-2-6- آموزش شبکه­های عصبی.. 74

4-2-6-1- آموزش با ناظر. 75

4-2-6-2- آموزش بدون ناظر. 75

4-2-7- انواع شبکه­های عصبی.. 76

4-2-7-1- شبکه­های پرسپترون تک لایه. 76

4-2-7-2- شبکه­های پرسپترون چند لایه. 77

4-2-7-2-1- قانون یادگیری پس انتشار خطا BP. 78

4-3- سیستم عصبی- فازی……………. 79

4-3-1- مقدمه. 79

4-3-2- محدودیت­های انفیس... 80

4-3-3- ساختار یک سیستم فازی-عصبی.. 81

منابع

فرمت ورد قابل ویرایش

تعداد صفحات: 39

مبانی نظری و پیشنه تحقیق جهت نوشتن فصل دوم پایان نامه ارشد و دکتری

همراه با رفرنس نویسی و پاورقی داخل متن

منابع فارسی کامل

منابع انگلیسی کامل

ما در این بخش علاوه بر منابع مبانی نظری، منابع کلی دیگری رو برایتان در نظر گرفتیم تا همواره در نوشتن پایان نامه از این منابع بهره مند گردید.

تحقیق در مورد شبکه‌های عصبی مصنوعی

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

فرمت فایل :word (لینک دانلود پایین صفحه) تعداد صفحات 26صفحه

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.

 1-3- تاریخچه

شبکه‌های عصبی دهها سال است که جلب توجه می‌کنند وتاکنون راه حلهایی برای استفاده از هوش بشری ارائه شده است. اولین نرون مصنوعی درسال 1943 توسط نروفیزیولوژیست وارن‌مک‌کالوک و منطق دان والتر‌پیتز تولید شد.در دهه 60 به دلایلی که خارج از بحث این مقاله است مردم به‌سوی شبکه‌های عصبی متمایل شدند و تنها در دهه 80 دانشمندان توانایی‌های واقعی شبکه‌های عصبی را دیدند.

مقاله درباره شبکه عصبی

اختصاصی از حامی فایل مقاله درباره شبکه عصبی دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

 فرمت فایل:word (قابل ویرایش و آماده پرینت)

  تعداد صفحات:10

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.