مقاله تیک عصبی و انواع اختلالات تیک

اختلالات تیک یا تیک عصبی

قسمتهایی از متن:

نگاهی کوتاه به انواع تیکها

شاید یکی از چیزهایی که در خیابان یا در یک مهمانی یا هر جای دیگر شما را به خنده وا دارد دیدن حرکات عجیب و غریب و تکراری یک نفر باشد.(البته خندیدن کار صحیحی نیست ولی بعضی اوقات از دست آدم در میره، چاره ای نیست).امروزه به ویژه با زیادتر شدن بازیهای کامپیوتری و گیم نت ها این حرکات بیشتر شده و بخصوص در بچه هایی که زیاد بازی کامپیوتری می کنند.دیدم بد نیست نگاهی هر چند کوتاه و مختصر به این موضوع داشته باشم.امیدوارم خوشتان بیاید.

البته با تیک تیک ساعت اشتباه نگیرید که فکر کنم از آن بدتان بیاید.(چون گذر زمان را نشان می دهد.)

تعریف تیک:

حرکات غیر ارادی، اجباری، تکراری و کلیشه ای را در اصطلاح تیک می نامند.این حرکات شبیه حرکات با هدف است چون هماهنگ بوده و در عضلاتی دیده می شود که رابطه طبیعی هماهنگ با هم دارند.تیک معمولا" در صورت و شانه ها دیده می شود.این حرکات غیر ارادی، جدا از هم، تکراری، کوتاه و ناگهانی ممکن است به صورت ساده دیده شوند مانند تکان دادن بینی، چشمک زدن یا حرکات سر و یا دارای طبیعت حسی باشند و یا به صورت کلامی یا صوتی بروز کنند که در این حالت از صاف کردن گلو تا نشانه های پیچیده تر مثل تکرار غیر ارادی سخن دیگران(اکولالیا echolalia) یا ناسزا گفتن غیر ارادی و نا مناسب(کوپرولالیا coprolalia) می توانند گسترده باشند. ...

....

تیک یا اختلال حرکات بدنی

حرکات کریفورم یا رقص آسا (choreiform movements) ، به حرکات بدنی تصادفی غیر منظم و نامکرری دلالت می‌کند که شبیه رقص هستند.

● مقدمه

مشخصه اصلی اختلالاتی که زیر این عنوان طبقه بندی شده‌اند، نوعی ناهنجاری در حرکات کلی قسمتی از بدن است که تیک نامیده می‌شود. تیک به عنوان نوعی حرکت سریع و غیر ارادی گروهی از عضلات تشکیل دهنده اسکلت بدن تعریف می‌شود. در مورد حرکت غیر ارادی عضلات حاکم بر تولید صداها یا کلمات ، نفس ایجاد صداها یا ادای کلمات به صورتی غیر ارادی تیک محسوب می‌شود. تیکها باید به عنوان علائم اصلی اختلالات حرکات بدنی باید از دیگر حرکات غیر عادی تشخیص داده شوند.

حرکات کریفورم یا رقص آسا (choreiform movements) ، به حرکات بدنی تصادفی غیر منظم و نامکرری دلالت می‌کند که شبیه رقص هستند. حرکات دیستونیک (Dystonic Movements) ، حرکات کندتر و همراه با پیچ و خمی هستند که حالات انقباض عضلانی طولانی بین آنها فاصله باشد. ...

خرید فایل

پایان نامه کنترل میکروتوربین با استفاده از شبکه های عصبی

پایان نامه کنترل میکروتوربین با استفاده از شبکه های عصبی

چکیده

میکروتوربین ها (MT) به عنوان یک منبع تولید انرژی در سیستم های DG، کاربردهای فراوانی پیدا کرده و روز به روز نیاز کاربران به آنها بیشتر میشود. میکروتوربین ها، نمونه کوچکی از توربین های گازی میباشد، که به علت حجم کم، تعداد کم قطعات متحرک، اندازه کوچک، وزن سبک، بازدهی خوب در تولید همزمان، آلایندگی کم، استفاده از سوختهای زاید، فواصل طولانی تعمیرات و عمل در فشارهای کم گاز، در کانون توجه تولیدکنندگان و مصرف کنندگان انرژی الکتریکی قرار گرفته است. این پایان نامه کنترل یک میکروتوربین را با استفاده از کنترل کننده های PI و شبکه عصبی معرفی میکند. میکروتوربین سه حلقه کنترلی دارد، این سه حلقه، دما، توان و سرعت میباشند. به علاوه میکروتوربین، به یک مولد سنکرون (SG) که شامل یک حلقه کنترل ولتاژ میباشد، متصل است. در این پایان نامه یک کنترل کننده شبکه عصبی با چهار ورودی و چهار خروجی به جای چهار حلقه کنترل کننده PI برای کنترل میکروتوربین و ژنراتور سنکرون استفاده شده است. میکروتوربین ها به دو دسته میکروتوربین های

تک محور یا سرعت بالا و میکروتوربین های دومحور یا سرعت پایین تقسیم میشوند. از یک مدل میکروتوربین دومحوره برای شبیه سازی، استفاده شده است. در میکروتوربین های دومحور، محور توربین توسط یک چرخدنده به ژنراتور متصل میباشد. چرخدنده برای کاهش سرعت تا 3600rpm مورد استفاده قرار میگیرد و با استفاده از یک ژنراتور سنکرون 2 قطبی، فرکانس ولتاژ تولیدی 60Hz خواهد شد و هیچ نیازی به تجهیزات الکترونیکی برای کاهش فرکانس لازم نمیباشد.

در این پایان نامه جهت شبیه سازی از مدلهای موجود در جعبه ابزار Simulink نرم افزار MATLAB استفاده شده است همچنین برنامه تولید و آموزش شبکه عصبی در محیط نرم افزار MATLAB نوشته شده است. با استفاده از روشهای بهبود عملکرد شبکه عصبی و بهبود آموزش آن، نتایج کنترل کننده شبکه عصبی بهبود یافته است. سه شاخص اندازه گیری خطا، که عبارت از خطای میانگین مطلق (AME)، خطای مربع میانگین ریشه ها (RMSE) و خطای انحراف استاندارد (SDE) می باشند، برای مقایسه عملکرد میکروتوربین با کنترل کننده های شبکه عصبی و PI استفاده شده است. با توجه به نتایج بدست آمده، کنترل میکروتوربین با کنترل کننده شبکه عصبی در مقایسه با کنترل کننده PI عملکرد بهتری را نشان میدهد.

مقدمه:

استفاده از مولدهای کوچک برای تولید برق بعد از ایجاد نیروگاه های بزرگ رنگ باخت، اما با پیشرفت تکنولوژیهای تولید برق در مقیاس کوچک و ایجاد تجدید ساختار در صنعت برق و مسائل زیست محیطی، باعث مطرح شدن مجدد این مولدها در صنعت تولید برق شده است. عموماً DG یا تولید پراکنده عبارتست از تولید برق در محل مصرف اما در بعضی مواقع به تکنولوژی هایی گفته میشود که از منابع تجدیدپذیر برای تولید برق استفاده میکنند. چیزی که عموماً مورد قبول است، این است که این مولدها صرف نظر از نحوه تولید توان آنها، نسبتاً کوچک میباشد و مستقیماً به شبکه توزیع وصل میشوند. بالا رفتن هزینه های انتقال و توزیع، به مولدهای تولید پراکنده این امکان را میدهد که برق تولیدی خود را به قیمتی ارزانتر در اختیار مصرفکنندگان قرار دهد. علاوه بر این تولید پراکنده امکان استفاده از منابع پاک برای تولید برق را میدهد.

تولید پراکنده یکی از سیستم های متناوب تولید نیروی الکتریکی میباشد. نیاز به تولید پراکنده با توجه به محدودیت کیفیت توان و نیازمندیهای سیستم از لحاظ قابلیت اطمینان بسیار مورد توجه قرار گرفته است. در سیستم تولید پراکنده، منابع انرژی متناوب با مقیاس کوچک یا تجدیدپذیر در مجاورت مرکز بار قرار داده میشوند. اخیراً تکنولوژی های زیادی در زمینه تولید پراکنده در حال بررسی میباشد. این تکنولوژیها شامل پیلهای خورشیدی، توربینهای بادی، پیلهای سوختی و توربینهای گازی کوچک یا میکروتوربین (MT) است.

میکروتوربین یکی از منابع انرژی است که توسط ژنراتورهای الکتریکی با سرعت بالا، میتواند توانی در بازه 10MW – 30kW را برای کاربران سیستمهای تولید پراکنده تامین نماید. این واحدها بسیار ساده و کوچک بوده و نصب راحت و هزینه بهره برداری پایینی دارند. همچنین هزینه نگهداری این واحدها به علت داشتن فقط یک قطعه متحرک، بسیار پایین میباشد.

پیشرفت تکنولوژی توربوشارژرها، توربینهای گازی و سیستمهای جانبی سبب توسعه کاربرد میکروتوربینها گشته است. میکروتوربینها توربینهای گازی کوچک و سادهای هستند و قسمتهای اصلی آن کمپرسور، محفظه احتراق و توربین میباشد. هوای فشرده خروجی کمپرسور بهنگام اختلاط با سوخت موجود، مخلوط قابل احتراقی ایجاد میکند. سوختن این مخلوط در محفظه احتراق باعث ایجاد جریان گاز گرم محرک توربین میگردد. میکروتوربینها به دو دسته میکروتوربینهای تک محور یا سرعت

بالا و میکروتوربینهای دو محور یا سرعت پایین تقسیم میشوند. ساختار میکروتوربین های تک محور صورتی است که کمپرسور، توربین، ژنراتور بر روی یک محور نصب شدهاند. در میکروتوربینهای دو محور، محور توربین توسط یک چرخدنده به ژنراتور متصل میباشد. میکروتوربین متصل شده به ژنراتور سنکرون، چهار حلقه کنترلی توان، دما، سرعت و ولتاژ میباشد. خروجی سه حلقه اول به منظور تعیین نوع کنترل سیستم سوخت رسانی وارد بلوکی بنام درگاه کمترین مقدار میگردد. حلقه ولتاژ جهت پایدارسازی ولتاژ سیستم در طول تغییر بار بکار گرفته میشود. در این پایان نامه اختلاف بین دو کنترل کننده در یک میکروتوربین 250kW مدل میکروتوربین در مرجع توضیح داده شده است. کنترل کننده اول شبکه عصبی (NN) و کنترل کننده دوم PI میباشد. مشخصه اصلی کنترل کننده های شبکه عصبی حساسیت کم آنها نسبت به نویز و نیاز به اطلاعات اولیه کم است که علت انتخاب این روش برای کنترل سیستم میکروتوربین میباشد. همچنین کنترل کننده های شبکه عصبی دارای سرعت و قابلیت اطمینان بالا بوده و برای کنترل فرآیندهایی که بصورت بلادرنگ کنترل میشوند، از جمله میکروتوربین ها، کاربرد دارد.

در فصل اول پس از آشنایی با کلیات تولید پراکنده و همچنین مزایا و معایب آن، به بررسی میکروتوربینها و کاربرد آنها میپردازیم. همچنین در این فصل پیشینه تحقیقاتی کنترل میکروتوربین، روش کار و شیوه ابداعی به صورت اجمالی بررسی میشوند.

جهت کنترل یک واحد میکروتوربین گازی باید عملکرد توربین گازی، گاورنر و سیستم تحریک آن، مورد بررسی قرار گیرد. در نتیجه در فصل 2 توربین گازی و گاورنر و سیستم تحریک تشریح و مدل سازی میشود. در این فصل همچنین مدل میکروتوربین که در شبیه سازی های فصل 3 استفاده شده، بررسی میشود. با توجه به اینکه از شبکه عصبی به عنوان کنترل کننده اصلی میکروتوربین در این پایان نامه استفاده شده است به همین منظور شبکه عصبی و کاربرد آن به صورت کلی بحث میشود، در ادامه راهکارهایی جهت بهبود عملکرد شبکه عصبی مطرح میشود.

شبیه سازی مدل ارائه شده در فصل 3 انجام میشود همچنین طراحی و تولید شبکه عصبی و آموزش آن در این فصل مورد بررسی قرار میگیرد. راهکارهای بهبود عملکرد شبکه نیز در این فصل اعمال میشود.

نتایج شبیه سازی و مقایسه سه شاخص اندازه گیری خطا در فصل 4 مطرح میشود.

و در پایان با توجه به نتایجی که در فصل 4 آمده است به نتیجه گیری در مورد این پایان نامه و ارائه پیشنهاداتی خواهیم پرداخت.

اطلاعات لازم جهت تولید و آموزش شبکه عصبی و همچنین نمای کلی از شبیه سازی های انجام شده در پیوست آمده است.

خرید فایل

پایان نامه کاربرد فیلتر کالمن عصبی در بهبود سیگنالهای صوتی

پایان نامه کاربرد فیلتر کالمن عصبی در بهبود سیگنالهای صوتی

چکیده:

در فصل اول، پایان نامه مروری بر پژوهشهای انجام شده توسط محققان و دانشمندا ن طی نیم قرن اخیر دارد و سعی می کند تا روند تکامل خانواده فیلتر کالمن را مورد بررسی قرار دهد. در فصل دوم به معرفی فیلتر کالمن، فیلتر کالمن توسعه یافته و فیلتر کالمن دوگانه می پردازد و روابط آنها و چگونگی استخراج این روابط تشریح می گردد . در فصل سوم موضوع شناسایی سیتمهای خطی و غیر خطی مطرح می گردد و انواع روشهای شناسایی سیستمهای خطی و غیر خطی مورد مطالعه قرار می گیرد . همچنین کاربرد شبکه عصبی در شناسایی سیستمهای غیر خطی و نحوه آموزش و انتخاب ساختار شبکه عصبی تشریح می گردد و در ادامه نحوه آموزش شبکه عصبی انتخاب شده ارائه می گردد . در فصل چهارم نیز به ارائه شبیه سازیهای انجام شده با نرم افزار Matlab 6.5 و مقایسه آنها با یکدیگر پرداخته شده است.

لیست برنامه های نوشته شده نیز در پیوست ۱ ارائه گردیده است.

مقدمه:

موضوع بهبود گفتار با نیاز به افزایش کیف یت عملکرد سیستمهای ارتباطی صوتی در محیط های نویزی ، مطرح گردید . رنج عملکردی وسیعی برای سیستمهای تشخیص گفتار جهت بهبود ارتباط از راه دور در هوانوردی ، صنایع نظامی ، گفتگوهای راه دور و محیط های سلولی وجود دارد . هدف ما نیز در این پایان نامه بهبود کیفیت قابل ملاحظه گفتار یا افزایش قابلیت فهم آن می باشد.

کاربردهای فراوانی از بهبود گفتارهای صوتی تا پیش بینی های اقتصادی و کنترل تطبیقی نیازمند تخمین و مدلسازی دنباله های زمانی نویزی می باشند . از این جمله می توان به بهبود گفتارهای صوتی ، پیش بینی اقتصادی ، مدلسازی ژئو فیزیکی و بسیاری کاربردهای دیگر اشاره کرد. یک دنباله زمانی نویزی می تواند با یک مدل احتمالی که هر دوی اجزای تقریبی و دقیق دینامیک ها را تخمین می زند ، توصیف شود . چنین مدلی می تواند به همراه فیلتر کالمن (یا فیلتر کالمن توسعه یافته) جهت تخمین و پیش بینی سری زمانی از مشاهدات نویزی بکار گیری شود.

فیلتر کالمن یک فیلتر بهینه خطی است که بر روی فضای حالت سیتمهای خطی استاتیکی و دینامیکی اثر گذاشته و یک تخمین بهینه از حالتهای سیستم با استفاده از معادلات بر گشت پذیر و دینامیکی خود در شرایطی که دسترسی به آنها میسر نباشد ارائه می دهد. همچنین این فیلتر می تواند تاثیر کلیه اطلاعات گذشته و ابتدایی سیستم را نیز در تخمین هر لحظه خود لحاظ نماید.

بنابراین با توضیحات ارائه شده در بالا می توان فهمید که جهت بازیابی یک سیکنال صوتی به یک تخمین خوب نیاز است اما موضوع مهم این است که فیلتر کالمن خطی قادر به ارائه تخمین از مدلهای سیستمهای غیر خطی نمی باشد حال آنکه اکثر سیستمهای واقعی که سیستمهای صوتی نیز از این جمله می باشند ماهیت غیر خطی دارند. لذا در این پایان نامه بر آن شدیم تا با مطالعه بر روی فیلتر کالمن توسعه یافته و به کمک شبکه های عصبی بتوانیم موضوع مدلسازی و تخمین سیگنال صوتی را با فرض غیر خطی بودن آن بررسی نماییم.

1- مروری بر پژوهش های پیشین

1-1- فیلتر وینر:

روبرت وینر به همراه نویلسون از دانشگاه MIT امریکا در خلال سالهای ۱۹۴۰ تا ۱۹۴۹ تحقیق گسترده ای را جهت یافتن یک فیلتر بهینه به منظور تخمین حالتهای سیستمهای خطی انجام دادند که نهایتا در سال ۱۹۴۹ منجر به معرفی فیلتر وینر گردید. این فیلتر یک تخمین خطی با حداقل کردن میانگین مربعات خطا (LMMSE) برای سیگنال مشاهده شده ارائه می دهد. اما این فیلتر دارای چند مشکل بود. اول آنکه ما نیازمند تخمینهای علی هستیم و در نتیجه برای تخمین علی بایستی از فیلتر وینر علی استفاده شود در حالیکه فیلتر وینر فقط N مشاهده جدید را جهت تخمین بکارگیری می کرد و در نتیجه ممکن بود اطلاعاتی از سیگنال در مشاهدات گذشته وجود داشته باشد که در این صورت از بین می رفت. دوم آنکه این فیلتر فقط برای نویزهای ثابت با میانگین صفر طراحی شده بود در حالیکه در دنیای واقعیت انواع نویزهای غیر ثابت وجود دارد. سوم آنکه فیلتر وینر جهت ارائه تخمین سیگنال نیاز به چگالی طیفی و تابع خود همبستگی سیگنال دارد که در همه مواقع در دسترس نمی باشد. وچهارم آنکه تخمینهای LMMSE و ML و MAP که جهت محاسبات این فیلتر بکار می روند در هر زمان نیاز به مشاهدات جدید بودند که مستلزم حافظه بالا بود. همه این عوامل محققان را در طی سالهای ۱۹۵۰ تا ۱۹۶۰ به فکر انداخت تا در پی معرفی فیلتری جدید با قابلیت ارائه تخمین خطی بهینه از طریق مینیمم کردن میانگین خطا و عاری از مشکلات فیلتر وینر باشند.

خرید فایل

مقاله مدلهای محاسباتی عصبی از تأثیرات جانبی ناحیة آسیب دیده مغز روی نواحی دورتر از منطقه آسیب دیده

مقاله مدلهای محاسباتی عصبی از تأثیرات جانبی ناحیة آسیب دیده مغز روی نواحی دورتر از منطقه آسیب دیده

اختلال ناگهانی در منطقه ای از مغز، مثلاً در اثر سکته های مغزی، باعث نقصهای عصبی مستقیماً مطابق با منطقة آسیب دیده می شود و آسیب درست از این منطقه شروع میشود. به علاوه دیگر نقصهای بالینی که به عنوان نقصها یا تأثیرات دوم یا Secondarg remote نامیده می شوند. وی قسمتهای بی عیب باقیمانده از مغز تأثیر خود را می گذراند. (برای مثال به علت قطع شدن ارتباط آنها با ناحیه آسیب دیده) این پدیده به عنوان diashisis نامیده شده است. diashisis (نقص الکتریکی و functional که بعلت آسیب در قشر مغز آغاز می شود و در منطقه ای دورتر از منطقه آسیب دیده نیز این آسیب را می توان فهمید منطقه ای که خود آسیب می بیند وی از لحاظ عصبی (ارتباط عصبی ) به آن اتصال دارد.

مقدمه: Stoke : یا (سکته مغزی) ، اختلال ناگهانی است که در جریان supply کردن خون برای مغز بوجود می آید. زمانیکه یک سد ناگهانی در برابر جریان خون در سرخرگهای مغزی ایجاد می شود متعاقب آن باعث کمبود خون رسانی به آن ناحیه شده و ایسکمیک مغزی را به دنبال دارد.

هر چند که ثابت شده که مطالعه روی بعضی قسمتهای بخصوص از سکته مغزی ممکن می باشد. (یا مثل دیگر اختلالات نورولوژیک ]2و1[ ) بوسیله مدلهای عصبی برای مثال یافته های بسیاری از مدلهای عصبی ]30007[ روی این متمرکز شده اند که قشر آسیب ایده چطور روی بافتهای مجاور، فعالیتهای و حرکتی آن را مختل می کند.

مفهوم Diashisis در ماجرای رقابت بین نیمکره ها:

همانطور که قسمت قبل بیان شد، یک متضادی در مدلسازی عصبی وجود دارد: هیچ فرض قابل اثبای تاکنون نتوانسته است یک Lateralization قوس را مثل زحدادهایی که درباره زبان اتفاق می افتد و همچنین همزمان بتواند الگوهای فعالیت دیده شده در آسیبها را توضیح دهد. مخصوصاً اینکه، بوسیله مدلهای محاسباتی دریافته ایم که نامتقارن متعادلی که بین نمیکره ها وجود دارد Lateralizarion قوی در اثر عمل بازدارنده Callesal رخ می دهد و عمل ، کمشر فعالیتها در آسیبهای دو طرفه مغز که به Diashisis معروف شده تنها در مدلهایی که تاثیر تحریکی Callosal را در نظر
گرفته اند، دیده شده است.

خرید فایل

مقاله تأثیر فعالیت عصبی سمپاتیک و کته کولامین‌‌ها روی نورون‌‌های آوران اولیه

مقاله 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[1] (استیروفی سمپاتیک رفلکسی[2] و کوزاثری[3]) 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.

---

[1] - Complex regional pain syndromes

[2] - Reflex sympathetic dystrophy

[3] - Causalgia

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[1] فیبرهای C در پاسخ به تحریک سمپاتیک می‌شود. خرگوش‌هایی که دارای آسیبهای ناقص عصبی عصب اوریکولاریس بودند مورد مطالعه قرار داده و مشاهده کردند که در طی چند روز اول پس از ایجاد آسیب و ضایعه، تحریک الکتریکی تنه سمپاتیک و تزریق داخل شریانی کته کولامین‌ها حدوداً 3/1 گیرنده‌های درد نوع C کشف شده را که توسط آسیب ناقص اولیه عصبی از بین نرفته‌اند تحریک یا حساس می‌نماید. گیرنده‌های درد مکانیکی ندرتاً توسط تحریک سمپاتیک فعال می‌شوند. Bassut و همکارانش این فرضیه را ارایه کردند که آسیب ناقص عصبی باعث افزایش آدرنوسپتورهای آلفادو فعال در غشاء پلاسمای فیبرهای دست نخورده حس درد می‌شود. در تأیید این موضوع، سمپاتکتومی جراحی، تنتول آمین سیستمیک، و گوانتیدین سیستمیک در موش‌ها پر دردی مکانیکی و حرارتی را که پس از آسیب ناقص عصبی بوجود می‌آیند تسکین می‌دهند.

---

[1] - Compound

خرید فایل

مقاله آزمایش بر روی سیستم عصبی اتونوم

مقاله آزمایش بر روی سیستم عصبی اتونوم

سیستم عصبی اتونوم یک شبکه عصبی وسیع است که نقش اصلی آن تنظیم محیط داخلی توسط کنتبف هموستاز و فعالیت‌های احشایی است. با وجودی که اکثر فعالیت‌های سیستم اتونوم خارج از کنترل اداری می‌باشند، عواطف و ورودی‌های سوماتولنسوری بطور قابل توجهی سیستم اتونوم را تحت تأثیر قرار می‌دهند. با بررسی تغییرات برجستة وازوموتور و سودوموتور پس از آسیب تروماتیک به اعصاب، این که سیستم اتونوم نقش مهمی در تعدیل و درک درد دارد مدتها قبل شناخته شده بود. با وجود شک و ابهامی که در رابطه با اهمیت نقش سیستم عصبی سمپاتیک در ایجاد و تداوم درد وجود دارد، متخصصان درد همیشه در جستجوی وسایل و راههایی برای مطالعه و بررسی سیستم اتونوم بوده‌اند.

آناتومی

سیستم اتونوم در هر سطحی از سیستم عصبی دارای اجزاء مختلفی می‌باشد.

جزء مرکزی که به نام شبکة‌ مرکزی اتونوم(CAN) [1] نیز شناخته می‌شود شامل مناطق مختلفی از مغز می‌باشد.[2]

اینسولا بدلیل ارتباطاتی که با هیپوتالاموس،‌ تالاموس، هسته پارابراکیال و NTS

دارد،‌ به نظر یک منطقه حیاتی حسی حرکتی احشایی است.

تحریک و فعال شدن قشر اینولا باعث بروز هیپرتانسیون، تاکیکاری، ایستادگی موها[3]، گشادی مردمکها و ترشح بزاق شده و فعالیت دستگاه گوارش را نیز تغییر خواهد داد. تحریک کورتکس پری فرونتال میانی که دارای ارتباطات گسترده‌ای با آمیگدال، هیپوکامپ، تالاموس، هیپوتالاموس،‌ هستة پارابراکیال و NTS می‌باشد باعث بروز برادیکاری و افت فشار خون شده و ترشحات دستگاه گوارش را تعدیل می‌نماید.

هیپتوتالاموس مهم ترین ارگان سیستم اتونوم بوده و تمام فعالیت‌های حیاتی بدن را کنترل کرده و سیستم‌های غدد درون‌ریزی و اتونوم را نیز منسجم نگه می‌دارد.

این جا منطقه‌ای است که جهان بیرون با دنیای درون ارتباط پیدا می‌کنند. آمیگدال، که در بین کورتکس، هپیوتالاموس و نواحی مزنسفال قرار دارد‌،‌ نقش مهمی در همراه کردن احساسات با محرک‌های مختلف و ایجاد پاسخ‌هایی دارد که شامل تعدیل فعالیت اتونوم می‌شوند.

---

[1] - Central autonomic network

[2] - Instula, medial prefrontal cortex, hypothalamus, amygdula, ventrolateral medulla, nucleus of the tractus solitraius (NTS), nucleus parabrachialis, periaqueductal gray, and the circumventricular organs.

[3] - Piloerection

بررسی بالینی

بخاطر تعدد فعالیت بررسی کامل سیستم اتونوم کار بسیار پیچیده‌ای است. هر رشته تخصصی با ابداع مجموعه تستهای متناسب به بررسی فعالیت‌های در ANS پرداخته است که به آن شاخه تخصصی مرتبط‌تر بوده‌اند. آزمایش ANS بیشتر توسط متخصصان قلب، گوارش، ادراری و غدد داخله انجام می‌پذیرد. شرکت متخصصان درد و یا اعصاب بطور مستقیم در ابداع روش‌هایی جهت بررسی بیماران دچار اختلال ANS، اخیراً شروع شده است.

تست ترمورگولاتوری عرق (TST)[1]

این آزمایش تمام مسیر سوروموتور ترمورگولاتوری را بررسی می‌نماید. این تست مکمل خوبی برای QSART برای افتراق اختلالات پیش و یا پس عقده‌ای می‌باشد. اختلالات نورولوژیک‌، داروها، و شرایط پوستی در اکثر نتایج غیر نرمال دخالت دارند. این تست بر اساس نسبت تعریق و افزایش درجه حرارت محوری بدن انجام می‌شود. افزایش درجه حرارت توسط هیپوتالاموس احساس شده و راههای سودوموتور سمپاتیک را فعال می‌نماید. پس از انس‌گیری مناسب، بیمار را عریان کرده و بدن او را به پودر قرمز آلیزاین[2] آغشته می‌نمایند. وقتی که این پودر مرطوب شود رنگش از نارنجی به بنفش تغییر می‌یابد. یک پروب حرارتی درون دهان بیمار قرار داده می‌شود تا درجه حرارت محوری را اندازه گیری نماید،‌ پروب دیگری نیز روی پوست قرار می‌گیرد. پروب روی پوست جهت اندازه‌گیری افزایش حرارت سطحی بوده و می‌تواند خود باعث جراحات پوستی و همچنین تولید عرق غیر ترمورگولاتوری در اثر درد شود. بیمار وارد یک محفظة بسته می‌شود که توسط اشعه مادون قرمز گرم شده و رطوبت و نیز درجه حرارت محیطی در آن کنترل می‌شوند (35-40 درصد رطوبت و 45 تا 50 درجه سانتی‌گراد درجه حرارت محیط). جهت ایجاد حداکثر پاسخ تعریق، بیماران را تا حدی گرم می‌کنند که درجه حرارت محوری بدنشان یک درجه افزایش بیابد و یا اینکه به 38 درجه سانتی‌گراد برسد.

---

[1] - Thermoregulatory Sweat Test[2] - Alizarin

فهرست

آزمایش بر روی سیستم عصبی اتون

آناتومی

نوروترنسمیترها

بررسی بالینی

تستهای اختصاصی

تولید عرق در استراحت (RSO)

فعالیت وازوموتور

کاربرد در بررسی و ارزیابی درد

خرید فایل

پایان نامه تعیین اهداف جذب منابع با رویکرد منطق فازی و شبکه‌های عصبی در مؤسسات مالی و اعتباری

پایان نامه تعیین اهداف جذب منابع با رویکرد منطق فازی و شبکه‌های عصبی در مؤسسات مالی و اعتباری

چکیده :

قدرت و اعتبار موسسات مالی و اعتباری به پول هایی است که سپرده گذاران در آنها سپرده نموده اند و پیشرفت و بقای هر یک از موسسات مذکور به میزان سهم از منابع کل بازار بستگی دارد و افزایش سهم از منابع بازار نیازمند تلاش مستمر و برنامه ایی قوی ، جامع با الگویی مناسب در قالب اهداف جذب منابع کل و جزء می باشد. از آن جایی که تصمیمات مدیریتی از قبیل انتخاب و انتصاب و جابجایی مسئولان شعب و دوایر و پرداخت عایدات غیر مستمر و مواردی از این قبیل به میزان تحقق اهداف جذب منابع ارتباط دارد و همچنین سنجش میزان تحقق اهداف جذب منابع در هریک از شعب موسسات مالی و اعتباری متاثر از نوع و میزان هدف گذاری جزء می باشد ، با نگرش شناسایی نقاط ضعف سیستم هدف گذاری جاری در موسسات مالی و اعتباری و بهبود فرآیند سنجش عملکرد و جلوگیری از کاهش نرخ تلاش بعد از رسیدن به هدف و قبل از اتمام دوره ، در این پژوهش میزان منابع آتی شعب دو موسسه مالی و اعتباری با رویکرد تلفیقی از شبکه های عصبی و منطق فازی و خلق معادله ابتکاری و با استفاده از متغیر های جدید پیش بینی و سپس با توجه به تغییرات منابع هر یک از شعب هدف گذاری با ضریب اطمینان ثابتی صورت پذیرفت و در ادامه هدف گذاری به روش های جاری و روش فرا ابتکاری با واقعیت جذب منابع مقایسه شد .

واژگان کلیدی: تعیین اهداف، جذب منابع، شبکه‌های عصبی، منطق فازی.

مقدمه

بانکداری، صنعت بزرگ هر کشور است و بانک‌ها و موسی‌ات مالی و اعتباری محل نگهداری انبوه سپرده‌های افراد جامعه می‌باشند، بین بانک‌ها و مؤسسات مالی و اعتباری بر سر جذب سپرده‌ها رقابت وجود دارد و تلاش‌های همه‌جانبه از قبیل تبلیغات، ارائه نرخ‌های بالاتر پرداخت سود سپرده‌ها و... در جهت افزایش سهم منابع بازار نشانگر اصل و واقعیت رقابت می‌باشد.

بانک‌ها و مؤسسات مالی و اعتباری اهداف کل جذب منابع را تعیین و به زیرمجموعه خود ابلاغ می‌نمایند، اطلاع از آینده در خصوص منابع آتی، می‌تواند موسسه مالی و اعتباری را در هدف‌گذاری توانمند سازد، اطلاع از آینده از طریق پیش‌بینی صورت می‌پذیرد. از نگاهی دیگر دنیای امروز دنیای تغییرات است و اطلاع و آگاهی از آینده و شرایط و موقعیت‌های پیش رو عاملی مهم در حفظ حیات سازمان‌های مالی است. همواره هدف‌گذاری در اغلب سازمان‌ها با نگرش رسیدن به رشد و تعالی صورت می‌پذیرد و زمانی می‌توان هدف‌گذاری مؤثر و کارایی داشت که بتوان برآورد و پیش‌بینی نسبتاً دقیقی از آینده داشت. پیش‌بینی دارای ساختارهای متفاوتی می‌باشد و از روش‌های متفاوتی استفاده می‌نماید که در این پژوهش هدف‌گذاری بر اساس پیش‌بینی ازنقطه‌نظر پیش‌بینی کمی موردبررسی قرارگرفته است.

قسمتی از متن

رابطه پس‌انداز و تورم

رابطه بین پس‌انداز و تورم به دو شکل زیر می‌باشد.

الف - اگر نرخ تورم بالا باشد، آثار نامطلوبی بر ثبات اقتصادی کلان کشور و به‌ویژه نرخ تسهیلات داشته و منجر به کاهش نرخ پس‌انداز می‌گردد.

ب - نرخ پس‌انداز پائین به‌ویژه کاهش در پس‌انداز دولت، باعث افزایش نرخ تورم می‌گردد. با کاهش نرخ رشد اقتصادی و به دنبال آن افزایش نرخ تورم در سال‌های (78-۱۳۷۰) نرخ پس‌انداز کاهش‌یافته است. عدم ثبات قیمت‌ها در تمام این سال‌ها و سال‌های بعد، همواره اثر نامطلوبی بر ثبات اقتصادی کلان کشور و انتظارات مردم نسبت به آینده داشته است که درنتیجه این شرایط منجر به کاهش نرخ پس‌انداز شده است، حتی در بعضی از سال‌ها نرخ رشد پس‌انداز منفی بوده و دلیل عمده آن افزایش هزینه‌های استهلاک ناشی از افزایش نرخ ارز و نرخ بالای فرسودگی ماشین‌آلات سرمایه‌ای می‌باشد، دیگر آثار مهم کاهش پس‌انداز بر سطح سرمایه‌گذاری است که موجبات افزایش تقاضا و بالطبع افزایش سطح عمومی قیمت‌ها شده است. یکی دیگر از مواردی که باید در نظر گرفته شود انتظارات تورمی است. اگر مردم بر اساس تجربیات گذشته خود و یا بر مبنای مشاهدات بازار پیش‌بینی کنند که در آینده نزدیک قیمت‌ها رو به افزایش خواهد بود، میزان هزینه و خریدهای خود را افزایش می‌دهند. از طرف دیگر تولیدکنندگان و فروشندگان از فروش و عرضه کالاها خود به امید افزایش قیمت در آینده خودداری می‌کنند، بدیهی است در این صورت با این سیاست، عرضه و تقاضا اثر مستقیم بر قیمت‌ها خواهد داشت و موجب افزایش تورم می‌گردد.

نرخ سود بانکی که به سپرده‌های نزد مؤسسات مالی و اعتباری پرداخت می‌شود همواره یکی از انگیزه‌های مناسب برای سپرده‌گذاران می‌باشد. اما با در نظر گرفتن تورم در جامعه مشخص می‌شود که در سال‌های گذشته حتی سود سپرده‌های بلندمدت نیز درواقع به ضرر سپرده‌گذاران بوده است. (رحیمیان، 1392)

فهرست مطالب

1 فصل اول-طرح تحقیق 0

1-1 مقدمه. 1

1-2 بیان مسئله تحقیق.. 2

1-3 ضرورت انجام تحقیق.. 3

1-4 فرضیه و اهداف.. 6

1-4-1 فرضیه 6

1-4-2 اهداف 6

1-5 روش تحقیق.. 6

1-6 قلمرو تحقیق.. 8

1-7 بررسی اجمالی منابع در سال‌های اخیر. 8

1-7-1 رابطه منابع (سپرده‌ها) با مصارف (تسهیلات) 8

1-7-2 رابطه پس‌انداز و تورم 9

1-8 محدودیت‌های انجام تحقیق.. 11

1-9 ساختار کلی تحقیق.. 12

1-10 تعاریف واژگان.. 14

2 فصل دوم - ادبیات و پیشینه تحقیق 16

2-1 مقدمه. 17

2-2 پول.. 18

2-2-1 خلاصه‌ای از پیدایش پول 18

2-2-2 خلاصه‌ای از وظایف و ویژگی‌های پول در جامعه 19

2-2-3 اصطلاحات مرتبط با پول 21

2-3 بانکداری.. 25

2-4 مؤسسات مالی و اعتباری و بانک مرکزی.. 27

2-4-1 تعریف مؤسسات مالی و اعتباری 27

2-4-2 اهداف مؤسسات مالی و اعتباری 27

2-4-3 بانک مرکزی 28

2-4-4 انواع بانک‌ها و مؤسسات مالی و اعتباری 29

2-4-5 رقابت بانک‌ها و مؤسسات مالی و اعتباری در جذب منابع 30

2-5 جذب منابع.. 30

2-5-1 مفهوم جذب منابع 30

2-5-2 مفهوم تعیین اهداف جذب منابع 30

2-5-3 عوامل مؤثر برجذب منابع 31

2-5-4 نقش پیش‌بینی در تعیین اهداف جذب منابع و ارزیابی عملکرد 32

2-6 پیش‌بینی و روش‌های آن.. 35

2-6-1 جایگاه پیش‌بینی در علم 36

2-6-2 تعریف پیش‌بینی 38

2-6-3 جایگاه پیش‌بینی در مؤسسات مالی و اعتباری 38

2-6-4 سیستم پیش‌بینی 38

2-6-5 طبقه‌بندی پیش‌بینی 40

2-7 شبکه عصبی و منطق فازی.. 45

2-7-1 شبکه عصبی.. 45

2-7-2 منطق فازی 57

2-7-3 شبکه عصبی – فازی 61

2-8 پیشینه. 65

2-8-1 پیشینه داخلی 65

2-8-2 پیشینه خارجی 74

3 فصل سوم - روش تحقیق 81

3-1 مقدمه. 82

3-2 متدولوژی تحقیق.. 82

3-3 جامعه آماری.. 84

3-4 شیوه گردآوری اطلاعات.. 84

3-5 نحوه آماده‌سازی داده‌ها 84

3-5-1 جمع‌آوری داده و یکسان کردن داده‌ها 85

3-5-2 پاک‌سازی داده 85

3-5-3 انتخاب ویژگی 87

3-5-4 نمونه‌برداری 87

3-5-5 تبدیل داده 88

3-6 بررسی متغیرهای تحقیق.. 90

3-6-1 نظریه‌های تقاضای پول 90

3-6-2 متغیرهای تأثیرگذار بر منابع 93

3-7 ساختار شبکه عصبی- فازی.. 98

3-8 ساختار پیش‌بینی.. 98

3-9 ساختار تعیین اهداف.. 99

4 فصل چهارم - تجزیه وتحلیل داده‌ها 101

4-1 مقدمه. 102

4-2 شبکه عصبی فازی.. 102

4-3 اجرای.. 102

4-3-1 طراحی الگوی شبکه عصبی فازی 102

4-3-3 اجرای مدل 103

4-4 روش تجزیه‌وتحلیل اطلاعات.. 103

4-5 اندازه‌گیری میزان خطا در پیش‌بینی.. 104

4-6 اندازه‌گیری میزان انحراف در تعیین اهداف جذب منابع.. 105

4-6-1 انحراف منابع محقق شده باهدف‌گذاری به روش جاری 105

4-6-2 انحراف منابع محقق شده باهدف‌گذاری بر اساس 150درصد پیش‌بینی 105

5 فصل پنجم - نتایج وپیشنهادات 106

5-1 مقدمه. 107

5-2 بررسی نتایج سیستم پیش‌بینی.. 107

5-3 بررسی نتایج سیستم هدف‌گذاری.. 108

5-4 بررسی فرضیه و اهداف.. 111

5-5 نتیجه‌گیری.. 115

5-6 پیشنهادات.. 118

6 فهرست منابع 119

7 پیوست‌ها 124

خرید فایل

پایان نامه پیش‌بینی زمان بهینه انجام معاملات با استفاده از شبکه عصبی فازی با رویکرد تحلیل تکنیکال

پایان نامه پیش‌بینی زمان بهینه انجام معاملات با استفاده از شبکه عصبی فازی با رویکرد تحلیل تکنیکال

چکیده

در این تحقیق به عنوان نمونه پیش‌بینی زمان‌بندی معاملات سهام 17 شرکت فعال در بورس اوراق بهادار تهران انجام شد. بدین‌صورت که ابتدا داده‌های اولیه که شامل 3 متغیر قیمت پایانی، کمترین قیمت و بیشترین قیمت سهام طی دوره زمانی 1388 تا پایان 1391 بصورت روزانه است، از سایت رسمی سازمان بورس اوراق بهادارتهران گردآوری گردید .سپس با استفاده از این داده‌ها و تعریف توابع مربوطه در نرم افزار Excel شاخص‌های قدرت نسبی((RSI، میانگین متحرک همگرا- واگرا(MACD)، میانگین متحرک ساده((SMA، نوسانگر تصادفی((SO، میانگین متحرک نمایی(EMA) و خط سیگنال(SL) محاسبه شدند. پس از گردآوری سایر داده‌ها با استفاده از رگرسیون گام به گام متغیرهای ورودی هر شبکه عصبی فازی مربوط به هر سهم شناسایی شد. در شناسایی متغیرهای موثر بر شاخص‌های تحلیل تکنیکال این نتیجه حاصل شد که شاخص‌های RSI، MACD و شاخص کل سهام در 70 درصد نمونه مورد بررسی بر RSI 14 روز آتی تاثیر داشته‌اند. از طرفی، MACD-SL در 94 درصد نمونه مورد بررسی به عنوان متغیر ورودی شبکه پیش‌بین MACD-SL 14 روز آتی درنظر گرفته شده‌است. ازمیان متغیرهای مستقل، قیمت پایانی بیشترین تکرار را (تقریبا در 76 درصد موارد) در شبکه‌های پیش‌بینSMA-P 14 روز آتی داشته است. بیشترین متغیری که به عنوان ورودی شبکه‌های پیش‌بین EMA-P و SO 14 روز آتی شناسایی گردید، نسبت قیمت به سود بوده‌است. از میان کلیه متغیرها دلار و طلا به نسبت کمتری به عنوان متغیر ورودی درنظر گرفته شده‌است. این ورودی‌ها در نرم افزار Matlab و از طریق رابط گرافیکی Anfisedit جهت آموزش و تست شبکه مورد نظر به کار گرفته شدند. به گونه‌ای که پنج شبکه ANFIS برای پیش‌بینی متغیرهای RSI ، -SL MACD، -P SMA، SO وEMA-P 14روز آتی برای هر سهم طراحی شدند. سپس با استفاده از معیار MSE و RMSE و درصد صحت پیش‌بینی عملکرد شبکه‌های ایجاد شده بررسی گردید. نتایج نشان داد که میانگین درصد صحت پیش‌بینی کلیه شبکه‌های ایجاد شده (55/96%) بیشتر از حالت تصادفی (50%) است. سپس با اعمال مقررات معاملاتی مقادیر پیش‌بینی شده به سیگنال تبدیل شدند.

مقدمه

پژوهش حاضر به منظور انجام یک پژوهش علمی صورت گرفته است. بدین منظور جهت بررسی مساله‌ مربوطه، می‌بایست طرح پژوهش مناسبی تهیه شودکه مساله‌ی پژوهش در آن به خوبی تعریف، فرضیه‌های آن به درستی تدوین، روش گردآوری اطلاعات و تجزیه و تحلیل آن مشخص باشد. لذا در این فصل ابتدا به طور مختصر به تشریح و بیان موضوع پرداخته می‌شود. در ادامه اهمیت و ضرورت انجام پژوهش مورد بررسی قرار می‌گیرد. سپس به بیان فرضیه‌های پژوهش، اهداف اساسی از انجام پژوهش پرداخته شده و در ادامه، روش انجام پژوهش، قلمرو پژوهش و ابزار مورد استفاده در پژوهش برای تجزیه و تحلیل اطلاعات بیان شده‌اند و هم چنین واژه‌ها‌ و اصلاحات تخصصی تعریف می‌شوند. در انتها، به علت کاربرد زیاد از حروف اختصاری در طول متن، تعاریف و عبارات کامل اصطلاحات پر کاربرد در یک جدول به نمایش گذارده شده است.

بخشی از متن

بازارهای مالی

بدون شناسایی انواع بازارهای مالی، شناخت کاملی از سیستم مالی کسب نمی‌گردد. بازار مالی، بازار رسمی و سازمان‌یافته ای است که در آن انتقال وجوه از افراد و واحدهایی که با مازاد منابع مالی مواجه هستند، به افراد و واحدهای متقاضی وجوه صورت می‌گیرد. بدیهی است که در این بازار وام‌دهندگان را خانوارها و اکثریت متقاضیان وجوه را بنگاه‌های اقتصادی و دولت تشکیل می دهند( راعی و تلنگی، 1383). در این بازارها، اوراق بهادارهایی، مثل اوراق قرضه و سهام شرکت‌ها، معامله می‌شوند. خرید و فروش اوراق بهادار و رغبت مردم به سرمایه‌گذاری در این اوراق در گرو وجود بازارهای مالی است. اگر بازار مالی وجود نداشته باشد، سرمایه‌گذاران نمی توانند اوراق بهادار خود را به پول نقد تبدیل کنند( دلبری،1380).

انواع بازارهای مالی

انواع مختلفی از بازارهای مالی، با تنوعی از سرمایه‌گذاری‌ها و مشارکت کنندگان وجود دارد. بازارهای مالی را برحسب سرمایه‌گذاری‌ها، سررسید سرمایه‌گذاری‌ها، انواع وام‌دهندگان و وام گیرندگان، محل بازار و انواع مبادلات دسته بندی می‌نمایند(راعی و تلنگی، 1383).‌یکی از متداول ترین تقسیم بندی‌ها، تقسیم بندی بر حسب سررسید می‌باشد. بر این اساس، بازار مالی از بازارهای پول و بازارهای سرمایه تشکیل می‌شود. بازار پول برای ابزار بدهی کوتاه مدت می‌باشد و بازار سرمایه برای دارایی مالی با سررسید طولانی تر می‌باشد. از جمله اوراق بهاداری که در بازار سرمایه مبادله می‌شوند، می توان به سهام و اوراق قرضه بلندمدت اشاره کرد. بازارهای سرمایه از بازارهای اولیه( دست اول) و بازارهای ثانویه (دست دوم) تشکیل می‌گردند. بازارهای اولیه‌یک بازار مالی است که درآن اوراق بهادار تازه منتشر شده به خریداران آن عرضه می‌گردد.

بورس

بورس مکانی است که در آن تشکیلات منظمی وجود دارد به طوری که درآن مکان، سهام و اوراق بهادار پذیرفته شده، بصورت منظم و سازمان‌یافته مبادله می‌شوند( جهانخانی و پارسائیان، 1375). ریشه‌های ایجاد بورس‌های بزرگ امروز جهان را باید در بازارهای مکاره قرون وسطی جستجو کرد. در این مراکز، معاملات در آغاز کالا به کالا‌یا پایاپای بود. لیکن مشکلاتی که در انجام معاملات پایاپای وجود داشت، واسطه مبادله ای به نام پول به وجود آورد که خود ابتدا به صورت کالا بود،

فهرست مطالب

فصل اول: کلیات پژوهش

مقدمه 1

1-1-شرح و بیان مساله پژوهشی 2

1-2-اهمیت و ارزش پژوهش 3

1-3-اهداف پژوهش 3

1-4-فرضیه های پژوهش 3

1-5-روش پژوهش 3

1-5-1- نوع مطالعه و روش بررسی فرضیه‌ها‌ 3

1-5-2- جامعه آماری 4

1-5-3- ابزار گردآوری داده‌ها‌ 4

1-5-4- ابزار تجزیه و تحلیل 4

1-6-واژگان کلیدی 5

1-7- کلمات اختصاری 6

خلاصه 6

فصل دوم: مروری بر ادبیات موضوع

مقدمه 7

2-1- مفاهیم سرمایه گذاری 8

2-1-1- بازارهای مالی 8

2-1-1-1-انواع بازارهای مالی 8

2-1-1-2- بورس 9

2-1-1-2- 1- اهمیت بورس اوراق بهادار 9

2-1-1-2- 2- تاریخچه بورس اوراق بهادار تهران 10

2-1-2- مفهوم سرمایه گذاری 12

2-1-3- فرایند سرمایه گذاری 12

2-1-4- روش های سرمایه گذاری 13

2-1-5- سهام عادی 13

2-1-6- نظریه سرمایه گذاری در بورس 14

2-1-7- بازده سرمایه گذاری 14

2-1-8- کارایی بازار سرمایه و اهمیت آن در ارزیابی سهام 15

2-2- پیش بینی 16

2-2-1- روش های پیش بینی کیفی 16

2-2-2- روش های پیش بینی کمی 16

2-2-3- انتخاب روش پیش بینی 16

2-2-4- روش بنیادی 17

2-2-5- روش پیش بینی سری های زمانی کلاسیک 18

2-2-6- روش های تکنیکال یا فنی 19

2-3- سیستم فازی 24

2-3-1- منطق فازی 24

2-3-1-1- مجموعه‌های فازی 25

2-3-1-2- عملگرهای مجموعه فازی 25

2-4- شبکه عصبی فازی 26

2-4-1- شبکه‌های عصبی مصنوعی 26

2-4-2- تاریخچه شبکه‌های عصبی مصنوعی 26

2-4-3- ویژگی و قابلیت‌های شبکه‌های عصبی مصنوعی 27

2-4-4- تعریف شبکه عصبی قازی 28

2-4-5- نرون‌های فازی 28

2-4-6- قوانین فازی 30

2-4-7-سیستم‌های استنتاج فازی 30

2-4-7-1- روش‌های فازی ساز 32

2-4-7-2- روش‌های غیر فازی ساز 35

2-4-7-3- سیستم استنتاج ممدانی 37

2-4-7-3- سیستم استنتاج تاکاگی-سوگنو 38

2-4-8-شبکه ‌های عصبی فازی چند لایه 39

2-4-9- شبکه ANFIS 39

2-4-9-1- مزایای ANFIS 41

2-4-10-‌ فرایند یادگیری در شبکه‌ 42

2-4-10-1- الگوریتم‌یادگیری پس انتشار خطا 42

2-4-10-2- ایجاد ساختار اولیه FIS 43

2-4-10-3- فرایند یادگیری در شبکه ANFIS 44

2-4-11- اندازه گیری خطا در شبکه‌های عصبی 44

2-4-12- نرمالسازی خطی داده‌ها در فاصله [L,H] 46

2-5- پیشینه موضوع 47

2-5-1- بررسی کارآیی‌یا عدم کارآیی بازار 47

2-5-2- امکان سنجی بکارگیری شاخص‌های تحلیل تکنیکال در پیش‌بینی روند قیمت سهام 48

2-5-3- مروری بر پژوهشات صورت گرفته در زمینه پیش‌بینی متغیرهای اقتصادی و مالی با استفاده از سیستم‌های هوشمند 49

2-5-3-1- پژوهشات داخلی 49

2-5-3-2- پژوهشات خارجی 52

خلاصه 61

فصل سوم: روش پژوهش

مقدمه.. 62

3-1- اهداف پژوهش.. 63

3-2- متغیرهای پژوهش.. 63

3-3- فرضیه های پژوهش.. 65

3-4- نوع پژوهش.. 65

3-5- روش پژوهش.. 66

3-6- جامعه آماری.. 73

3-7- ابزار گردآوری داده ها.. 73

3-8- ابزار تجزیه و تحلیل.. 75

3-9- قلمرو پژوهش.. 75

خلاصه.. 75

فصل چهارم: تجزیه و تحلیل داده‌ها

مقدمه 76

4-1- انتخاب متغیرهای ورودی 77

4-1-1- نرمال سازی داده ها 77

4-1-2- شناسایی متغیرهای ورودی شبکه 77

4-2- پیش بینی شاخص های تحلیل تکنیکال با استفاده از شبکه عصبی فازی 81

4-2-1- انتخاب داده های آزمون و آموزش 81

4-2-2- طراحی شبکه عصبی فازی 81

4-2-3- ارزیابی عملکرد شبکه 82

4-2-3-1- ارزیابی عملکرد شبکه بر اساس معیار MSE 82

4-2-3-2- ارزیابی عملکرد شبکه بر اساس معیار RMSE 85

4-3- بررسی درصد صحت پیش بینی شبکه عصبی فازی 87

4-4- بررسی معناداری تفاوت میانگین بازدهی روش های معاملاتی 89

خلاصه 93

فصل پنجم: نتیجه گیری و پیشنهادها

مقدمه 94

6-1- خلاصه پژوهش 95

6-2- نتایج پژوهش 95

6-2- محدودیت های پژوهش 97

6-3- پیشنهادها 97

خلاصه 98

منابع فارسی 99

منابع انگلیسی 103

پیوست1 107

پیوست2 117

خرید فایل

پایان نامه طراحی مدل تخمین جریان ترافیک بر پایه بکارگیری شبکه های عصبی

پایان نامه طراحی مدل تخمین جریان ترافیک بر پایه بکارگیری شبکه های عصبی

چکیده :

سیستم حمل و نقل هوشمند (ITS)، یکی از راهکارهای حل و تخفیف مشکلات مرتبط با حمل و نقل و ترافیک محسوب می‌شود، این سیستم از بخش‌های مختلف نرم‌افزاری و سخت‌افزاری تشکیل شده است که مدل تخمین جریان ترافیک در کوتاه مدت یکی از این بخش‌ها می‌باشد. این مدل با استفاده از اطلاعات وضعیت فعلی ترافیک هر معبر ( حجم ترافیک عبوری از معبر که توسط سنسورها برداشت می‌شود )، حجم عبوری از معبر در فواصل زمانی کوتاه مدت آتی را پیش‌بینی می‌کند. آگاهی از وضعیت پیش‌بینی شده برای جریان ترافیک در بخش‌های مدیریت ترافیک و اطلاع رسانی به مسافران از اهمیت بسیاری برخوردار است و هدف اصلی این تحقیق نیز ارائه مدل‌هایی برای پیش‌بینی جریان ترافیک در فواصل زمانی ۵، ۱۰، ۱۵ و ۳۰ دقیقه آینده است.

در این تحقیق روشی دو مرحله‌ای برای طراحی مدل پیش‌بینی جریان ترافیک پیشنهاد شده است. در مرحله نخست، با استفاده از روش شبکه‌های عصبی به عنوان یکی از ارکان هوش محاسباتی، از توانایی پیش‌بینی پدیده‌های مختلف برخوردار است، اما این توانایی تنها زمانی حاصل می‌شود که اجزای شبکه عصبی به درستی انتخاب شده و شبکه عصبی با استفاده از روش مناسبی آموزش داده شده باشد. طی این تحقیق ضمن بیان نحوه دستیابی به یک شبکه عصبی مناسب، اجزای مناسب برای مدل‌های پیش‌بینی جریان ترافیک شامل توابع انتقال و روش آموزش تعیین می‌شود.

الگوریتم ژنتیک روشی ابتکاری است که از نحوه تکامل موجودات در طبیعت الهام گرفته شده است و برای حل مسائل بهینه سازی بکار می‌رود. در این تحقیق ضمن بهینه سازی شبکه‌های عصبی به کمک الگوریتم ژنتیک، سهم عملگرهای ژنتیکی و اندازه جمعیت مناسب برای بهینه سازی شبکه‌های عصبی تعیین می‌شود.

فهرست مطالب :

فصل اول : تعریف مساله و کلیات

۱-۱ مقدمه

۱-۲ سیستم حمل و نقل هوشمند و ساختار آن

۱-۳ مدیریت سفر و ترافیک

۱-۳-۱ کنترل ترافیک

۱-۳-۲ سیستم اطلاع رسانی به مسافران

۱-۴ تعریف تخمین کوتاه مدت جریان ترافیک

۱-۵ شبکه های عصبی

۱-۶ بهبود ساختار شبکه عصبی به کمک الگوریتم ژنتیک

۱-۷ هدف از تحقیق

۱-۸ تعریف مساله

۱-۹ فرمول بندی مساله

۱-۱۰ پیشینه تحقیق

فصل دوم : کلیات شبکه های عصبی

۲-۱ مقدمه

۲-۲ شبکه عای عصبی مغز انسان

۲-۳ ساختار یک سلول عصبی ساده

۲-۴ تعریف شبکه های عصبی

۲-۵ توانایی ها و کاربرد شبکه های عصبی

۲-۶ ویژگی های کلی شبکه های عصبی

۲-۷ داده ها در شبکه عصبی

۲-۷-۱ جمعیت و نمونه

۲-۷-۲ مجموعه آموزش، مجموعه اعتبار ستجی و مجموعه تست

۲-۸ توانایی شبکه های عصبی

۲-۸-۱ تابع ترکیب کننده

۲-۸-۲ تابع انتقال

۲-۸-۳ تابع هدف

۲-۹ معیار کارایی شبکه

۲-۹-۱ متوسط خطای مطلق

۲-۹-۲ میانگین خطای نسبی بین خروجی های حقیقی و دلخواه

۲-۹-۳ جذر میانگین مربع خطاها

۲-۹-۴ ضریب همبستگی بین خروجی های حقیقی و خروجی هدف

۲-۱۰ آستانه

۲-۱۱ نحوه شمارش لایه ها

۲-۱۲ شرایط تعمیم موفقیت آمیز

۲-۱۳ انواع شبکه های عصبی

فصل سوم : مروری بر مطالعات پیشین

۳-۱ مقدمه

۳-۲ پژوهش یاسدی

۳-۳ پژوهش ایناما

۳-۴ پژوهش هائو دینگ و همکاران

۳-۵ پژوهش باهر عبدالحی و هیمانشو پروال

۳-۶ پژوهش کارلافتیس و همکاران

فصل چهارم : شبکه های چند لایه از جلو تغذیه شونده و روش آموزش پس از انتشار خطا

۴-۱ مقدمه

۴-۲ شبکه های دولایه ای

۴-۲-۱ نگاشت غیر خطی

۴-۳ قاعده کلی دلتا

۴-۴ تصحیح وزن های لایه خروجی

۴-۵ تصحیح وزن های لایه ورودی

۴-۶ شبکه هایی با خروجی خطی

۴-۷ بسط قاعده کلی دلتا برای شبکه های چند لایه MLF

۴-۸ محاسبات بازگشتی دلتا

۴-۹ الگوریتم پس از انتشار خطا به همراه اندازه حرکت

۴-۹-۱ فرمول افزایش اصلاح شده

۴-۹-۲ تاثیر اندازه حرکت

۴-۱۰ مقادیر اولیه وزن ها

۴-۱۱تعداد لایه های پنهان و تعداد سلول های عصبی

۴-۱۲ مساله مینیمم محلی در تعین وزن ها

۴-۱۳ روش های آموزش

۴-۱۳-۱ آموزش پس از انتشار خطا با نرخ یادگیری متغیر

۴-۱۳-۲ آموزش پس از انتشار خطای انعطاف پذیر

۴-۱۳-۳ روش لونبرگ – مارکوارت

۴-۱۳-۴ روش BFGS

۴-۱۳-۵ روش سکانت یک مرحله ای

فصل پنجم : بررسی روش های ابتکاری و نقش آن در حل مسایل حمل و نقل

۵-۱ مقدمه

۵-۲ جستجوی همسایه

۵-۳ گرم و سرد کردن شبیه سازی شده

۵-۴ الگوریتم مورچگان

۵-۵ جستجوی میتنی بر منع

۵-۶ الگوریتم ژنتیک

۵-۷ الگوریتم فرهنگی

۵-۸ استراتژی تکاملی

۵-۹ دلایل انتخاب الگوریتم ژنتیک

۵-۱۰ ساختار الگوریتم ژنتیک

۵-۱۰-۱ کد گذاری جواب ها

۵-۱۰-۲ تابع صلاحیت

۵-۱۰-۳ مکانیزم انتخاب

۵-۱۰-۴ تکثیر

۵-۱۰-۵ ترکیب

۵-۱۰-۶ جهش

۵-۱۰-۷ پارمترهای کنترلی

۵-۱۱ مزایای الگوریتم ژنتیک

۵-۱۲ مراحل الگوریتم ژنتیک

فصل هفتم : کاربرد روش پیشنهادی در مطالعه موردی

۷-۱ مقدمه

۷-۲ مطالعه موردی شماره یک – محور قزوین رشت

۷-۲-۱ ساختار پیشنهادی

۷-۲-۲ مدل پیش بینی جریان ترافیک در ۵ دقیقه آتی

۷-۲-۳ انتخاب روش آموزش مناسب

۷-۲-۴ بررسی انواع توابع انتقال آب

۷-۲-۵ بینه سازی مدل پیش بینی ۵ دقیقه آتی محور قزوین – رشت

۷-۲-۶ مدل پیش بینی ۱۰ دقیقه آتی محور قزوین – رشت

۷-۲-۷ مدل پیش بینی ۱۵ دقیقه آتی محور قزوین – رشت

۷-۲-۸ مدل پیش بینی ۱۵ دقیقه آتی محور قزوین – رشت

۷-۲-۹ مقایسه مدل های پیش بینی جریان ترافیک محور قزوین – رشت

۷-۳ مطالعه موردی شماره دو – بزرگراه BHL

۷-۳-۱ بررسی تاثیر آگاهی از اطلاعات مکانی بر عملکرد مدل

۷-۳-۲ انتخاب اطلاعات مکانی

۷-۳-۳ مدل پیش بینی وضعیت ترافیک بزرگراه BHL در ۵ دقیقه آتی

۷-۳-۴ مدل پیش بینی وضعیت ترافیک بزرگراه BHL در ۱۰ دقیقه آتی

۷-۳-۵ مدل پیش بینی وضعیت ترافیک بزرگراه BHL در ۱۵ دقیقه آتی

۷-۳-۶ مدل پیش بینی وضعیت ترافیک بزرگراه BHL در ۳۰ دقیقه آتی

۷-۳-۷ مقایسه مدل های پیش بینی جریان ترافیک بزرگراه BHL

۷-۴ ساختار مدل های پیش بینی جریان ترافیک بزرگراه BHL

۷-۴-۱ مدل های پیش بینی باکس – جنکینز محور قزوین – رشت

۷-۴-۲ مدل های پیش بینی باکس – چنکینز بزرگراه BHL

۷-۴-۳ مقایسه روش پیشنهادی تحقیق با روش باکس – جنکینز

فصل هشتم : نتیجه گیری و پیشنهاد هایی برای مطالعات آینده

۸-۱ نتایج تحقیق

۸-۲ نتایج بدست آمده از مطالعه موردی

۸-۳ پیشنهادهایی برای مطالعات آینده

۸-۳-۱ پیش بینی زمان سفر

۸-۳-۲ مطالعه زمان سفر

۸-۳-۳ مطالعه بر روی شبکه های بزرگ

۸-۳-۴ طراحی مدلی با استفاده از فازی و مقایسه آن با شبکه های عصبی

۸-۳-۵ بررسی نحوه واکنش مسافران و رانندگان

منابع

پیوست

پیوست الف – کد برنامه طراحی مدل

پیوست ب – عملکرد شبکه های طراحی شده

خرید فایل

شبکه های عصبی مصنوعی 45 صفحه

پاورپوینت 45 صفحه روشی برای محاسبه است که بر پایه اتصال به هم پیوسته چندین واحد پردازشی ساخته میشود . شبکه از تعداد دلخواهی سلول یا گره یا واحد یا نرون تشکیل میشود که مجموعه ورودی را به خروجی ربط میدهند ...