آشوب در دینامیک شبکه ای از نورون های موریس لکار

thesis
abstract

سیستم عصبی انسان متشکل از میلیاردها سلول عصبی (نورون)می باشدکه کوچکترین واحد از سیستم بسیار پیچیده مغز راتشکیل می دهد.تشخیص عملکرد و بسیاری از بیماری های مربوط به مغز با ببرسی نورون های عصبی میسر می شود. برای این منظور نیاز به ابزاری کارآمد داریم. علوم ریاضی از جمله سیستم های دینامیکی با ارائه روش هایی دقیق به ما در بررسی بسیاری از پدیده های موجود در طبیعت کمک می کند.با استفاده ارز روش های محاسباتی ونظریه های موجود مانند انشعاب، نقطه تعادلی، مدارهای متناوب، مدارهای شبه متناوب و آشوب به بررسی این پدیده ها می پردازیم.آشوب پدیده ایست که تقریبا همه جا اتفاق می افتد و برا یآن تعاریف متفاوتی وجود دارد اما تعریف یکه همگان بر آن اتفاق نظر دارند این است که در سیستم هایی که نسبت به شرایط اولیه بسیار حسایس است آشوب اتفاق می افتد.این پدیده در نورون ها نیز اتفاق می افتد. که در این پایان نامه ما به بررسی آن در شبکه ای از نورون های موریس لکار میپردازیم.

similar resources

بررسی دینامیک نورون با استفاده از مدل موریس-لکار

نورون ها به دلیل داشتن خواص دینامیک غیر خطی، می توانند با استفاده از رویکرد سیستم های دینامیکی بررسی شوند. رفتار هایی نظیر آتش کردن پی در پی و انفجار ناگهانی نیز از دینامیک آن ها انتظار می رود. هر چند رفتارهای پیچیده ای نظیر انفجار ناگهانی نیاز به بعد سومی دارند تا بررسی شوند: در این مدل ما با افزودن بعد کند سوم به مدل دو بعدی موریس-لکار امکان بروز چنین رفتاری را فراهم می آوریم.

15 صفحه اول

بهبود بازشناسی مقاوم الگو در شبکه های عصبی بازگشتی جاذب از طریق به کارگیری دینامیک های آشوب گونه

In this paper, two kinds of chaotic neural networks are proposed to evaluate the efficiency of chaotic dynamics in robust pattern recognition. The First model is designed based on natural selection theory. In this model, attractor recurrent neural network, intelligently, guides the evaluation of chaotic nodes in order to obtain the best solution. In the second model, a different structure of ch...

full text

بررسی پدیده ی همنوازی و رفتار موسوم به انفجار ناگهانی در یک آرایه ی سه گوش از نورون های موریس-لکار

پدیده ی همنوازی در فعالیت نورون ها پدیده ای بنیادی در بسیاری از کارکردهای مغز می باشد، پدیده ای که به طور گسترده در تشکیل حافظه در انسان مشاهده شده است. تپش منظم قلب که توسط دو دسته نورون همنواز تند و کند تنظیم می شود، نمونه ی دیگری از پدیده ی همنوازی در فعالیت نورون هاست. در این پایان نامه پدیده ی همنوازی و رفتار موسوم به انفجار ناگهانی در شبکه ای متشکل از سه نورون بررسی شده است. هر کدام از ای...

15 صفحه اول

نورون های آیینه ای و یادگیریِ مشاهده ای

در گذشته، رابطۀ بین نظریه های سنتی یادگیری در روان شناسی و نظریه های نوروفیزیولوژی رابطۀ نزدیکی نبود. اما به تازگی یافته های نو در علوم عصب شناسی برای پدیده های یادگیریِ گاه پیچیده، مانند یادگیری مشاهده ای، مکانیسم های عصبی نسبتاً ساده ای کشف کرده اند که یکی از آنها نورون های آیینه ای است. این نورون ها نشان می دهند که مغز چگونه فعالیتی را که ما انسان ها مشاهده می کنیم در خود ثبت می نماید و انجام ...

full text

بهبود بازشناسی مقاوم الگو در شبکه های عصبی بازگشتی جاذب از طریق به کارگیری دینامیک های آشوب گونه

در این مقاله، به منظور ارزیابی تأثیر دینامیک های آشوب گونه در افزایش کارایی شبکه های عصبی بازگشتی در بازشناسی مقاوم الگو، دو مدل برای شبکه های عصبی آشوب گونه ارائه شده است. در مدل اول که براساس نظریه انتخاب طبیعی طراحی گردیده است، شبکه عصبی بازگشتی جاذب (arnn) به عنوان هوش حاکم، تنوعات ایجاد شده توسط گره های آشوبی را در جهت رسیدن به جواب بهینه هدایت می نماید. در مدل دوم، ساختاری از شبکه عصبی آش...

full text

استفاده از نورون های بازگشتی آشوب گونه در بازشناسی مقاوم ارقام دست نوشتار مجزای انگلیسی

رفتارهای آشوب گونه به صورت میکروسکوپیک در نورون ها و ماکروسکوپیک در عملکرد مغز گزارش شده اند. این شواهد باعث شدند تا بسیاری از محققین به دنبال وارد کردن نظریه آشوب در شبکه های عصبی کلاسیک باشند تا با طراحی شبکه های عصبی آشوب گونه به ابزار پردازشی قوی تری دست یابند. در این پروژه به منظور بررسی تأثیر آشوب در افزایش کارایی پردازش اطلاعات توسط شبکه های عصبی دو نوع شبکه آشوب گونه طراحی شده است. نوع ...

15 صفحه اول

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه شاهد - دانشکده علوم پایه

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023