نیک فایل

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

نیک فایل

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

دانلود مقاله درباره بافت عصبی

اختصاصی از نیک فایل دانلود مقاله درباره بافت عصبی دانلود با لینک مستقیم و پر سرعت .

دانلود مقاله درباره بافت عصبی


دانلود مقاله درباره بافت عصبی

بافت عصبی یکی از اصلیترین بافتها در میان مهره‌داران می‌باشد . بافت عصبی شامل دستگاه عصبی مرکزی (مغز، نخاع) و دستگاه عصبی محیطی (اعصاب بدن ) می‌باشد . بافت عصبی از اکتودرم در دوران جنینی منشا می گیرد.مهم ترین خاصیت بافت عصبی تحریک پذیری،هدایت و انتقال جریان عصبی می باشد که در دو بخش قابل بررسی است :

  • سیستم عصبی مرکزی ( CNS )که شامل مغز و نخاع است.
  • سیستم عصبی محیطی ( PNS )که شامل اعصاب محیطی و گانگلیون هاست.

 

اعصاب از سلولهای ویژه‌ای به نام نورون تشکیل شده‌اند. نورون واحد ساختمانی و عملکردی دستگاه عصبی است. همینطور از سلول های پشتیبان به نام گلیال و یا نوروگلی تشکیل شده است. سلول‌های شوان و اولیگودندروسیت‌ها وظیفه ساخت میلین را در بافت عصبی انسان بر عهده دارند.

شامل 21 صفحه فایل word قابل ویرایش

 


دانلود با لینک مستقیم


دانلود مقاله درباره بافت عصبی

تعیین زیرمجموعه های بهینه جهت آموزش به شبکه عصبی در پایگاه داده با مثالهای زیاد

اختصاصی از نیک فایل تعیین زیرمجموعه های بهینه جهت آموزش به شبکه عصبی در پایگاه داده با مثالهای زیاد دانلود با لینک مستقیم و پر سرعت .

تعیین زیرمجموعه های بهینه جهت آموزش به شبکه عصبی در پایگاه داده با مثالهای زیاد


 تعیین زیرمجموعه های بهینه جهت آموزش به شبکه عصبی در پایگاه داده با مثالهای زیاد

انتخاب نمونه یک مسئله اساسی در زمینه آموزش شبکه های هوشمند است، که هدف آن یافتن یک زیرمجموعه نمونه کوچک و بهینه از کل پایگاه داده است، درحالیکه بعنوان یک مجموعه نماینده از نمونه های اولیه، کارایی مناسبی بجای بگذارد. هدف از انتخاب نمونه، بهبود کارایی الگوریتم یادگیری مخصوصا برای پایگاه های داده با ابعاد بالاست که این کار توسط پیداکردن نمونه هایی که بیشترین تاثیر را بر روی طبقه بندی دارند انجام می شود. الگوریتم های انتخاب نمونه به دو دسته کلی تقسیم می شوند: روش های انتخابی و روش های تولیدی. هدف متدهای انتخابی انتخاب یک زیرمجموعه از نمونه های موجود در پایگاه داده است. اما متدهای تولیدی، نمونه های انتخاب شده را اصلاح می کنند و بدین ترتیب نمونه های جدیدی تولید می نمایند. روشهای انتخاب مثال موجود عموما برای طبقه بندی کننده نزدیک ترین همسایگی طراحی شده اند بنابراین باید بهینه ترین روش، انتخاب و بگونه ای اصلاح شود که با استفاده از آن بتوان برای شبکه های عصبی مصنوعی مثالهای موثر در آموزش را انتخاب نمود. در این پروژه یک روش ترکیبی که بر اساس ترکیب موثری از روش های انتخابی و تولیدی بوده معرفی شده است. بدین صورت از مزایای هر دو روش به طور موثری بهره برداری گردیده است. استدلال ما برای این افزایش توانایی و دقت این است که در روش های انتخابی، نمونه های موثر گزینش شده و از طرفی در روشهای تولیدی با تکیه بر این اصل که ممکن است نمونه مورد نظر در بهینه ترین مکان خود قرار نگرفته باشد، اقدام به اصلاح نمونه ها کرده و بهترین موقعیت را برای آنها ایجاد می نمایند. در فاز اول روش ترکیبی نمونه های نماینده انتخاب شده و سپس در فاز دوم به روش می نیمم یابی Simplex Nelder-Mead ، مثالها بهینه سازی شده و مثال تولید شده جایگزین مثال قبلی می شود در واقع مثالهایی که از روش انتخابی کاندید می شوند ، حدس اولیه برای روش تولیدی هستند. روش های ارائه شده بر روی تعدادی از پایگاههای داده معتبر آزمایش شده و نتایج آنها در مقایسه با دیگر روشها تحلیل می شود. نتایج بدست آمده موثر بودن روشها را تایید می کند.


دانلود با لینک مستقیم


تعیین زیرمجموعه های بهینه جهت آموزش به شبکه عصبی در پایگاه داده با مثالهای زیاد

دستگاه عصبی - 19 اسلاید

اختصاصی از نیک فایل دستگاه عصبی - 19 اسلاید دانلود با لینک مستقیم و پر سرعت .

دستگاه عصبی - 19 اسلاید


دستگاه عصبی - 19 اسلاید

 

 

 

 

 

نمونه ای از اسلایدهای این پاورپوینت را در زیر می بینید:

 

—عملکرد دستگاه عصبی: دریافت تحریکات از محیط داخلی و خارجی بدن

 

—قادر به پاسخ دادن به تحریکات دریافتی

 

—کنترل فعالیت عملکرد ارگانهای بدن

 

—تقسیم آناتومیک دستگاه عصبی:

 

—CNS: Central Nervous System دستگاه عصبی مرکزی: مغز و نخاع

 

—PNS: Peripheral Nervous System دستگاه عصبی محیطی: اعصاب مغزی و اعصاب نخاعی

 

—ANS: Autonomic Nervous System دستگاه عصبی خودکار: سمپاتیک و پاراسمپاتیک

 

—دستگاه عصبی تشکیل شده است از:

 

—سلول عصبی (نورون) Neuron و سلول حمایت کننده Glial Cell

 

برای دانلود کل پاپورپوینت از لینک زیر استفاده کنید:


دانلود با لینک مستقیم


دستگاه عصبی - 19 اسلاید

پایان نامه رشته عمران کاربرد شبکه های عصبی و الگوریتم های ژنتیک در تعیین طرح اختلاط بتن با مقاومت بالا

اختصاصی از نیک فایل پایان نامه رشته عمران کاربرد شبکه های عصبی و الگوریتم های ژنتیک در تعیین طرح اختلاط بتن با مقاومت بالا دانلود با لینک مستقیم و پر سرعت .

پایان نامه رشته عمران کاربرد شبکه های عصبی و الگوریتم های ژنتیک در تعیین طرح اختلاط بتن با مقاومت بالا


پایان نامه رشته  عمران 	 کاربرد شبکه های عصبی و الگوریتم های ژنتیک در تعیین طرح اختلاط بتن با مقاومت بالا

خلاصه پایان نامه:

 مقاومت بتن به عنوان یکی از مهمترین پارامترهای لازم برای طراحی، به عوامل بسیار زیادی از قبیل طرح اختلاط بتن،جنس مواد تشکیل دهنده بتن، شرایط آزمایشگاهی، مهارت های فرد آزمایش کننده، خطاهای آزمایشگاهی و ... بستگی دارد. از آنجا که بسیاری از این عوامل نامعلوم بوده و نمی توان به فرمولاسیون خاص و نسبتاً دقیقی برای مقاومت بتن دست یافت، لذا بکار بردن روشی که ورای فرمول های معمول ریاضی بتواند تا حد قابل قبولی مقاومت بتن را پیش بینی کند، حائز اهمیت خواهد بود. امروزه استفاده از شبکه های عصبی که الهام گرفته از رفتار مغز و نرون های عصبی است در مسائلی که ماهیتاً دارای مجهولات زیادی بوده و در مواردی دسترسی به حل آنها ناممکن می نماید، رو به افزایش است. در بخش اول این تحقیق با در دست داشتن نتایج تعداد بسیار زیادی نمونه آزمایشگاهی (شامل درصدهای اجزاء تشکیل دهنده نمونه و مقاومت نمونه موردنظر)، یک شبکه عصبی سه لایه، با الگوریتم آموزش پس انتشار خطا و با استفاده از توابع انتقال سیگموئید و خطی در لایه های میانی و خروجی، آموزش داده خواهد شد. پس از آزمایش، شبکه این قابلیت را خواهد داشت که با داشتن اوزان اجزاء تشکیل دهنده یک مترمکعب بتن، مقاومت فشاری آن را پیش بینی کند.

در بخش دوم این تحقیق با استفاده از الگوریتمهای ژنتیک در یک فضای چند بعدی که هر بعد آن یکی از اجزاء تشکیل دهنده بتن با مقاومت بالا می باشد، به جستجو می پردازیم تا به نقطه موردنظر که دارای مقاومت پیشینه خواهد بود برسیم. الگوریتم های ژنتیک، الگوریتم های جستجویی هستند که بر اساس سازوکار انتخاب طبیعی و ژنتیک طبیعی بنا نهاده شده اند. این الگوریتم ها مناسب ترین رشته ها را از میان اطلاعات تصادفی سازماندهی شده، با روش جستجوی انسانی انتخاب می کنند. در هر نسل یک گروه جدید رشته ها با استفاده از بهترین قسمتهای دنباله های قبلی و بخش جدید اتفاقی برای رسیدن به یک جواب مناسب بوجود می آید. هنگام پیشامدسازی، الگوریتم های وراثتی عمل پیشامدسازی ساده را نمی پیمایند، بلکه آنها داده های پیشین را با تفکر انتخاب نقاط جستجوی جدید برای رسیدن به پیشرفت موردنظر، توام می کنند. تابع برازش مورد استفاده در الگوریتم ژنتیک بکار رفته در این تحقیق، شبکه عصبی سه لایه ای است که دارای یک نرون در لایه خروجی و ده نرون در هر یک از دو لایه پنهان میانی بوده و با استفاده از الگوریتم آموزش پس انتشار خطا، در بخش اول تحقیق آموزش داده شده است.


دانلود با لینک مستقیم


پایان نامه رشته عمران کاربرد شبکه های عصبی و الگوریتم های ژنتیک در تعیین طرح اختلاط بتن با مقاومت بالا