دانلود پروژه تأثیر فعالیت عصبی سمپاتیک و کته کولامین‌‌ها روی نورون‌‌های آوران اولیه

اختصاصی از کوشا فایل دانلود پروژه تأثیر فعالیت عصبی سمپاتیک و کته کولامین‌‌ها روی نورون‌‌های آوران اولیه دانلود با لینک مستقیم و پرسرعت .

در شرایط عادی، 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 نورون‌‌های آوران اولیه نسبت به کته کولامین‌‌ها حساسیتی نداشته و فعالیت 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.

این فایل کاملا اصلاح  شده و شامل : صفحه نخست ، فهرست مطالب و متن اصلی می باشد و با فرمت ( word ) در اختیار شما قرار می گیرد.
(فایل قابل ویرایش است )
تعداد صفحات:15

دانلود پایان نامه شبکه های عصبی

اختصاصی از کوشا فایل دانلود پایان نامه شبکه های عصبی دانلود با لینک مستقیم و پرسرعت .

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 و انواع مختلفی دارند، اما به طور عمده در سه دسته تقسیم بندی می شوند. اما نرون ها از نظری دیگر به دو دسته تقسیم می شوند:1- نرونهای داخلی مغز که در فاصله های حدود 100میکرون به یکدیگر متصلند ونرونهای خارجی که قسمتهای مختلف مغز را به یکدیگر و مغز را به ماهیچه ها و اعضای حسی را به مغز متصل می کنند.اما همانطور که گفتیم نرونها از نظری دیگر به سه دسته تقسیم می شوند که عبارتند از:

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

شامل 96 صفحه فایل word

شبکه‌های عصبی مصنوعی (Artificial Neural Network - ANN)

اختصاصی از کوشا فایل شبکه‌های عصبی مصنوعی (Artificial Neural Network - ANN) دانلود با لینک مستقیم و پرسرعت .

شبکه‌های عصبی مصنوعی (Artificial Neural Network - ANN) یا به زبان ساده‌تر شبکه‌های عصبی سیستم‌ها و روش‌های محاسباتی نوینی هستند برای یادگیری ماشینی، نمایش دانش، و در انتها اعمال دانش به دست آمده در جهت بیش‌بینی پاسخ‌های خروجی از سامانه‌های پیچیده. ایده اصلی این گونه شبکه‌ها (تا حدودی) الهام‌گرفته از شیوه کارکرد سیستم عصبی زیستی، برای پردازش داده‌ها، و اطلاعات به منظور یادگیری و ایجاد دانش قرار دارد. عنصر کلیدی این ایده، ایجاد ساختارهایی جدید برای سامانه پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پردازشی فوق العاده بهم‌پیوسته با نام نورون تشکیل شده که برای حل یک مسأله با هم هماهنگ عمل می‌کنند و توسط سیناپس‎ها(ارتباطات 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 یادگیری‎اند. مثلا با اعمال سوزش به سلول‎های عصبی لامسه، سلول‎ها یاد می‌گیرند که به طرف جسم داغ نروند و با این الگوریتم سیستم می‌آموزد که خطای خود را اصلاح کند. یادگیری در این سیستم‎ها به صورت تطبیقی صورت می‌گیرد، یعنی با استفاده ازمثال‎ها وزن سیناپس‎ها به گونه‌ای تغییر می‌کند که در صورت دادن ورودی‎های جدید، سیستم پاسخ درستی تولید کند.

توافق دقیقی بر تعریف شبکه عصبی در میان محققان وجود ندارد؛ اما اغلب آنها موافقند که شبکه عصبی شامل شبکه‎ای از عناصر پردازش ساده (نورونها) است، که می‌تواند رفتار پیچیده کلی تعیین شده‎ای از ارتباط بین عناصر پردازش و پارامترهای عنصر را نمایش دهد. منبع اصلی و الهام بخش برای این تکنیک، از آزمایش سیستم مرکزی عصبی و نورونها (آکسون‎ها، شاخه‌های متعدد سلولهای عصبی و محلهای تماس دو عصب)نشأت گرفته‌است، که یکی از قابل توجه‎ترین عناصر پردازش اطلاعات سیستم عصبی را تشکیل می‎دهد. در یک مدل شبکه عصبی، گره‎های ساده (بطور گسترده نورون، نئورونها، "PE" ها (عناصر پردازش) یا واحدها) برای تشکیل شبکه‎ای از گره‎ها، به هم متصل شده اند،به همین دلیل به آن، اصطلاح"شبکه‎های عصبی" اطلاق می‎شود. در حالی که یک شبکه عصبی نباید به خودی خود سازگارپذیر باشد، استفاده عملی از آن بواسطه الگوریتمهایی امکان پذیر است، که جهت تغییر وزن ارتباطات در شبکه (به منظور تولید سیگنال موردنظر) طراحی شده باشد.

با استفاده از دانش برنامه‌نویسی رایانه می‌توان ساختار داده‌ای طراحی کرد که همانند یک نرون عمل نماید. سپس با ایجاد شبکه‌ای از این نورون‌های مصنوعی به هم پیوسته، ایجاد یک الگوریتم آموزشی برای شبکه و اعمال این الگوریتم به شبکه آن را آموزش داد.

این شبکه‌ها برای تخمین (Estimation) و تقریب (Approximation)کارایی بسیار بالایی از خود نشان داده‌اند. گستره کاربرد این مدل‌های ریاضی بر گرفته از عملکرد مغز انسان، بسیار وسیع می‌باشد که به عنوان چند نمونه کوچک می‌توان استفاده از این ابزار ریاضی در پردازش سیگنال‌های بیولوییکی، مخابراتی و الکترونیکی تا کمک در نجوم و فضا نوردی را نام برد.
اگر یک شبکه را هم‌ارز با یک گراف بدانیم، فرآیند آموزش شبکه تعیین نمودن وزن هر یال و bias اولیه خواهد بود.

64 صفحه در قالب word

دانلود مقاله ISI پرش تفنگ: نقشه برداری ارتباطات عصبی انتظار تکانشگری و ارتباط در سراسر الکل سوء استفاده

اختصاصی از کوشا فایل دانلود مقاله ISI پرش تفنگ: نقشه برداری ارتباطات عصبی انتظار تکانشگری و ارتباط در سراسر الکل سوء استفاده دانلود با لینک مستقیم و پرسرعت .

موضوع فارسی :پرش تفنگ: نقشه برداری ارتباطات عصبی
انتظار تکانشگری و ارتباط در سراسر
الکل سوء استفاده

موضوع انگلیسی :Jumping the Gun: Mapping Neural Correlates of
Waiting Impulsivity and Relevance Across
Alcohol Misuse

تعداد صفحه :9

فرمت فایل :PDF

سال انتشار :2016

زبان مقاله : انگلیسی

سابقه و هدف: چرا ما پرش تفنگ و یا خارج از نوبت صحبت می کنند؟ انتظار تکانشگری است به صورت بالینی به عنوان یک
پیش بینی برای توسعه اعتیاد. در اینجا، ما ارتباطات عصبی ذاتی انتظار نقشه برداری و
آن را از متوقف کردن جدا، هر دو مکانیزم های اساسی کنترل رفتاری.
مواد و روشها: ما با استفاده از یک کار ترجمه به تازگی توسعه یافته برای ارزیابی زودرس پاسخ و ارزیابی پاسخ
مهار با استفاده از این کار توقف سیگنال قرار دارند. ما ارتباطات عصبی در 55 داوطلب سالم با استفاده از یک multiecho رمان نقشه برداری
وضعیت استراحت دنباله تصویربرداری رزونانس مغناطیسی عملکردی و تجزیه و تحلیل، که استوار افزایش سیگنال tonoise
نسبت. ما بیشتر ارزیابی 32 مصرف کنندگان شراب خواری جوان و 36 نفر غذا پرهیز مبتلا به اختلالات مصرف الکل است.
نتایج: اتصال از قشر لیمبیک و موتور و گره جسم مخطط نقشه برداری بر روی یک محور مزیال-جانبی
هسته subthalamic. انتظار تکانشگری با اتصال پایین تر از هسته subthalamic با همراه بود
جسم مخطط شکمی و کمربندی subgenual، مناطق مشابه در مطالعات جوندگان ضایعه نقش دارد. این شبکه بود
گوشهگیر از توقف سریع واکنش که با اتصاالت hyperdirect از منطقه از پیش مکمل و
هسته subthalamic. ما بیشتر نشان داد که مصرف کنندگان شراب خواری، مانند کسانی که مبتلا به اختلالات مصرف الکل، بالا بود
پاسخ زودرس و ارتباط این شبکه subthalamic در سراسر سوء مصرف الکل تاکید کرد. استفاده کردن
روش های یادگیری ماشین ما نشان داد که اتصال subthalamic متمایز مصرف کنندگان شراب خواری و افراد
با الکل اختلال از داوطلبان سالم استفاده کنید.
نتیجه گیری: ما برجسته ترجمه و ارتباط بالینی سیستم های کاربردی گوشهگیر از قشر مغز،
جسم مخطط و hyperdirect ارتباط با هسته subthalamic در تعدیل انتظار و توقف و خود
اهمیت در ابعاد سوء مصرف الکل

پاورپوینت علوم هشتم،فصل چهارم،تنظیم عصبی

اختصاصی از کوشا فایل پاورپوینت علوم هشتم،فصل چهارم،تنظیم عصبی دانلود با لینک مستقیم و پرسرعت .

پاورپوینتی زیبا با اشکالی مرتبط با درس و اسلایدهایی قابل ویرایش