سورنا فایل

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

سورنا فایل

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

فشار عصبی ناشی از شغل

اختصاصی از سورنا فایل فشار عصبی ناشی از شغل دانلود با لینک مستقیم و پر سرعت .

فشار عصبی ناشی از شغل


فشار عصبی ناشی از شغل

تعریف روانشناسی

از روانشناسی دو تعریف متفاوت می توان بیان کرد که هر یک جنبه ویژه ی را نمایان می کند:

1-روانشناسی علم رفتار است. این تعریف که از سوی روانشناسان رفتارگرا داده شده است انسان و سایر جانداران را از دیدگاه رفتاری آنان مورد مطالعه قرار می دهد.این نگرش تنها جنبه های رفتار آدمی را در بر نمی گیرد بلکه شامل رفتار همه موجودات زنده می شود و بدین گونه دانش روانشناسی درباره مجموع رویدادهایی که با موجود زنده پیوند و بستگی دارند مطالعه می کند.بی شک چنین مطالعه و پژوهشی باید بر پایه روشهای علمی استوار باشد تا روانشناسی را چون دیگر علوم تجربی قابل استفاده سازد .

علوم رفتاری که با این جنبه روا نشناسی بستگی دارد رفتار را بیشتر مطالعه می کند تا ذهن و اندیشه و یا احساسات را ، زیرا رفتار قابل مشاهده ، ثبت کردنی و درخور مطالعه است . این نگرش بر این باور است که چون ذهن آدمی قابل لمس کردن ، دیدن و یا شنیدن نیست بنابراین برداشتهای گوناگونی که از مطالعات ذهنی می شود یکسان نبوده و قابل اعتماد علمی نیست .

در روانشناسی رفتار آنچه موجود زنده می بیند و می شنود قابل اندازه گیری است . روانشناسی در واقع به فراگرد  ذهنی فرد توجه دارد ولی اندیشه ها ، احساسها و درک افراد را از راه مطالعه رویدادهایی که به صورت رفتار آشکار می شوند قضاوت می کند .

1- تعریف دیگری که از روانشناتسی شده است موضوع  علم روانشناسی را مطالعه  درباره ماهیت رفتار ، استعدادها ، عواطف و محصولات ذهنی می داند یا در واقع روانشناسی را مطالعه ذهنیتها و احساسها و عواطف و حالتهای روانی تعریف می کند . در این نگرش بیشتر جنبه های ذهنی چون درون نگری و پدیده هایی که با ذهن ناهشیار و ناخودآگاه آدمی سروکار دارد مطالعه می شود . طرفداران این نگرش روانشناسانی هستند که از افکار و اندیشه های " فروید " ، " یونگ " و " ادلر " و دیگران بهره می گیرند و مکتب آنان به نام روانکاری شناخته شده است . برای چنین مطالعه ای تنها دیدن رفتار کافی نیست زیرا هنگامی که دو نفر با یکدیگر دعوا می کنند و یا یک بیمار روانی رفتاری را از خود نشان می دهد در پشت آن رفتار انگیزه ها و دلیلهایی در کار است که ما از آن آگاه نیستیم آنجه قابل مشاهده است رفتار است نه انگیزه های رفتار . از این رو برای شناخت انسان نیاز به شناخت جنبه های ذهنی و احساسی او وجود دارد . رویدادهای  گذشته بویژه اتفاقات دوران کودکی در بروز بسیاری از رفتارها نقش موثری دارند . امروزه درمدیریت در هر دو تعریف بالا استفاده می شود و برای شناخت روانی کارکنان یک سازمان عواطف ، انگیزه ها ، استعدادها ، شخصیت و ذهنیتهای افراد مورد توجه و بررسی قرار می گیرد .

مکتب مهم روانشناسی

در سال 1879 " ویلهم وونت " ویزیولوژیست آلمانی برای نخستین بار روانشناسی را به نام یک علم تازه بنیان گذاشت و نخستین آزمایشگاه روانشناسی را تاسیس کرد . در مطالعات اولیه ، وی در زمینه احساسها پژوهش کرد و پس از آن آزمایشگاهای بسیاری در سراسر اروپا و آمریکا تاسیس شد ." وونت " و پیروان مکتب او ساختگرایان نامیده شدند زیرا آنان ادعا کردند تجربه های ذهنی پیچیده برفراز حالتهای ذهنی ساده بنا می شود ، همانگونه که ترکیبات شیمیایی از عناصر شیمیایی ساخته می شود . اسا کار آنان کشف ساختار خود آگاهی و پی بردن به قوانین حاکم بر آن بود . نخستین آزمایشها با تحلیل درونی احساس آغاز شد .

نقش روانشناسی در مدیریت و سازمان

موضوعهای روانشناسی و بویژه رفتار سازمانی و اثر آن در سالهای اخیر بیش از پیش مورد توجه دانشمندان قرار گرفته است . شاید یکی از دلایل آن میزان دشواریهایی است که مدیران سازمانها در رده های مختلف کاری خود با آن مواجه هستند .برای پی بردن به اهمیت این موضوع می توان دلایلی چند عنوان کرد:

نخست آنکه هر سازمان علاوه بر لزوم در دست داشتن منابع مادی و مالی نیاز به نیروی انسانی دارد . به نظر دانشمندان مدیریت مانند " کتز " و "کان " مدیران نباید فقط در پی جذب نیروی انسانی برای سازمانها باشند بلکه باید در نگاهداری این منابع کوشش فراوان بکار برند . دیگر آنکه باید کاری کنند تا کارمندان در حالی که کار و وظیفه خود را انجام می دهند ، نوعی وابستگی و دلبستگی به کار وسازمان پیدا کنند و به عبارت دیگر سازمان را همچون خانه خود دوست بدارند . به سخن دیگر برای آنکه سازمانی اثربخش باشد باید جنبه های انگیزشی کار ، مشارکت در کار و استفاده از عوامل روانی و رفتاری را در مناسبترین بخشهای برنامه کاری خود جای دهند .


دانلود با لینک مستقیم


فشار عصبی ناشی از شغل

تحقیق درباره شبکه های عصبی

اختصاصی از سورنا 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 با لینک مستقیم


تحقیق درباره شبکه های عصبی

دانلود پاوپوینت فصل یازدهم»: دستگاه عصبی بدن..

اختصاصی از سورنا فایل دانلود پاوپوینت فصل یازدهم»: دستگاه عصبی بدن.. دانلود با لینک مستقیم و پر سرعت .

دانلود پاوپوینت فصل یازدهم»: دستگاه عصبی بدن..


دانلود پاوپوینت فصل یازدهم»: دستگاه عصبی بدن..

پاوپوینت فصل یازدهم»: دستگاه عصبی بدن 

فرمت فایل: پاورپوینت

تعداد اسلاید: 9

 

 

 

 

uدستگاه عصبی

uدستگاه عصبی مرکزی یا سامانه عصبی مرکزی بزرگترین بخش دستگاه عصبی است و دربرگیرنده مغز و طناب نخاعی است. مغز و نخاع توسط سازههای استخوانی و غشایی محافظت میشوند. مغز در محفظه درونی جمجمه نگهداری میشود و از مخ، مخچه و ساقه مغز تشکیل میگردد.رشتههای عصبی مربوط به سامانهٔ عصبی مرکزی، رشتههای عصبی نخاعی و مغزی هستند.دستگاه عصبی مرکزی را میتوان به دو بخش مراکز زیرین (دربرگیرنده نخاع و ساقه مغز) و بالایی مغز بخش کرد. مراکز زیرین با مغز از راه رشتههای عصبی در پیوند هستند.دستگاه عصبی مرکزی به همراه دستگاه عصبی پیرامونی، نقش بنیادینی در کنترل رفتار انسان دارد.

u دستگاه عصبی مرکزی پردازش اطلاعات و محاسبه حرکت مناسب در پاسخ به دریافت ورودی را بر عهده  دارد.


دانلود با لینک مستقیم


دانلود پاوپوینت فصل یازدهم»: دستگاه عصبی بدن..

دانلود تحقیق رشته کامپیوتر با عنوان آشنایی با شبکه‌های عصبی

اختصاصی از سورنا فایل دانلود تحقیق رشته کامپیوتر با عنوان آشنایی با شبکه‌های عصبی دانلود با لینک مستقیم و پر سرعت .

دانلود تحقیق رشته کامپیوتر با عنوان آشنایی با شبکه‌های عصبی


دانلود تحقیق رشته کامپیوتر با عنوان آشنایی با شبکه‌های عصبی

دانلود تحقیق رشته کامپیوتر با عنوان آشنایی با شبکه‌های عصبی  

انسان ها از کامپیوترها باهوش ترند. چرا چنین گفته می‌شود؟

درست است که بعضی از اعمالی را که ما به سختی انجام می دهیم یک کامپیوتر به سرعت و به راحتی انجام می دهد ،مانند جمع چندصد عدد ، اما این مطلب باعث نمی شود که ما یک کامپیوتر را باهوشتر از انسان بدانیم چون این سیستم هرگز قادر نمی باشد که اعمالی را که نیاز یه استدلال  دارد و یا حل آنها از طریق  شهودی و حدس و گمان می باشد را به طور مطلوب انجام دهد. شاید بهتر است بگوییم آن‌هاموجودات منطقی ای هستند و تنها اعمال منطقی را به خوبی انجام می دهند.

مسئله دیگر شاید این باشد که یک کامپیوتر می تواند بعضی کارها را که ما در مدت زمان قابل ملاحظه ای انجام می دهیم را در زمان بسیار کوتاه تری انجام می دهد.ویا بعضی از اطلاعات را پس از گذشت ماه ها ویا سالها به خاطر می آورد .

به همین دلیل از کامپیوتر ها انتظار داریم در زمینه های دیگر نیز چنین رفتاری را از خود نشان دهند و چون نمی توانند تمام انتظارات ما را بر آورده کنند ما مایوس می شویم.در واقع این هدفی است که دست اندرکاران هوش مصنوعی دنبال می کنند اما هنوز پس از گذشت 30 سال تحقیقات گسترده نمی توانند این ادعا را داشته باشند که به چنین کامپیوتری دست پیدا   کرده اند.

هدف هوش مصنوعی را می توان در این جمله خلاصه کرد که می خواهد در نهایت به کامپیوترهایی دست یابد که اغلب در فیلم های سینمایی مشاهده می شود، ماشین‌های بسیار توانمند تر از انسان – هدفی که بسیار از دنیای واقعی به دوراست . دنیایی که اغلب به خاطراشتباهات فاحش کامپیوترها هزینه‌های بسیار زیادی را متحمل می شود .

اگر به داخل یک کامپیوتر نگاه کنیم چیزی جز تعدادی تراشه های الکترونیکی ، مدارها ،مقاومتها و سایر قطعات الکترونیکی  نخواهیم دید. اما اگر به درون مغز نگاه کنیم ، به هیچ صورت چنین ساختاری را مشاهده نخواهیم کرد. بررسی اولیه ما چیزی جزمجموعه ای گره خورده از ماده‌ای خاکستری رنگ نشان نمی دهد. بررسی بیش‌تر و روشن‌ می کند که مغز از اجزایی ریز تشکیل شده است . لیکن این اجزاء به شیوه‌ای بی نهایت پیچیده‌، مرتب شده‌اند و هز جزء به هزاران جزء دیگر متصل است. شاید این تفاوت در شیوه ساختار ، علت اصلی اختلاف بین مغز و کامپیوتر است. کامپیوترها طوری طراحی شده‌ اند که یک عمل را بعد از عمل دیگر باسرعت بسیار زیاد انجام دهند . لیکن مغز ما با تعداد اجزای بیش‌تر اما با سرعتی بسیار کم‌تر کار می‌کند . در حالی که سرعت عملیات در کامپیوتر‌ها به میلیون‌ها محاسبه در ثانیه بالغ می شود، سرعت عملیات در مغز تقریباً بیش‌تر از ده بار در ثانیه نمی‌باشد. لیکن مغز در یک لحظه با تعداد زیادی اجزاء به طور هم زمان کار می کند، کاری که از عهده کامپیوتر بر نمی‌آید . کامپیوتر ماشینی سریع اما پیاپی کار است در حالی که مغز شدیداً ساختاری موازی دارد. کامپیوترها می توانند عملیاتی را که با ساختار آن‌ها سازگاری دارند به خوبی انجام دهند. برای مثال شمارش و جمع‌کردن اعمالی پیاپی  است که یکی بعد از دیگری انجام می شود . لیکن دیدن و شنیدن، اعمالی شدیداً موازی‌اند که در آن‌ها داده‌های متضاد و متفاوت هر کدام باعث اثرات و ظهور خاطرات متفاوتی در مغز  می شوند وتنها از طریق ترکیب مجموعه این عوامل متعدد است که مغز می‌تواند چنین اعمال شگفتی را انجام دهد 

و ...
در فرمت ورد
در 89 صفحه
قابل ویرایش


دانلود با لینک مستقیم


دانلود تحقیق رشته کامپیوتر با عنوان آشنایی با شبکه‌های عصبی

تحقیق درباره پیاده سازی VLSI یک شبکه عصبی آنالوگ مناسب برای الگوریتم های ژنتیک

اختصاصی از سورنا فایل تحقیق درباره پیاده سازی VLSI یک شبکه عصبی آنالوگ مناسب برای الگوریتم های ژنتیک دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 22

 

پیاده سازی VLSI یک شبکه عصبی آنالوگ مناسب برای الگوریتم های ژنتیک

Johannes Schemmel1, Karlheinz Meier1, and Felix Sch¨urmann1

Universit¨at Heidelberg, Kirchho_ Institut f¨ur Physik, Schr¨oderstr. 90, 69120

Heidelberg, Germany,

schemmel@asic.uni-heidelberg.de,

WWW home page: http://www.kip.uni-heidelberg.de/vision.html

خلاصه

مفید بودن شبکه عصبی آنالوگ مصنوعی بصورت خیلی نزدیکی با میزان قابلیت آموزش پذیری آن محدود می شود .

این مقاله یک معماری شبکه عصبی آنالوگ جدید را معرفی می کند که وزنهای بکار برده شده در آن توسط الگوریتم ژنتیک تعیین می شوند .

اولین پیاده سازی VLSI ارائه شده در این مقاله روی سیلیکونی با مساحت کمتر از 1mm که شامل 4046 سیناپس و 200 گیگا اتصال در ثانیه است اجرا شده است .

از آنجائیکه آموزش می تواند در سرعت کامل شبکه انجام شود بنابراین چندین صد حالت منفرد در هر ثانیه می تواند توسط الگوریتم ژنتیک تست شود .

این باعث می شود تا پیاده سازی مسائل بسیار پیچیده که نیاز به شبکه های چند لایه بزرگ دارند عملی بنظر برسد .

1- مقدمه

شبکه های عصبی مصنوعی به صورت عمومی بعنوان یک راه حل خوب برای مسائلی از قبیل تطبیق الگو مورد پذیرش قرار گرفته اند .

علیرغم مناسب بودن آنها برای پیاده سازی موازی ، از آنها در سطح وسیعی بعنوان شبیه سازهای عددی در سیستمهای معمولی استفاده می شود .

یک دلیل برای این مسئله مشکلات موجود در تعیین وزنها برای سیناپسها در یک شبکه بر پایه مدارات آنالوگ است .

موفقترین الگوریتم آموزش ، الگوریتم Back-Propagation است .

این الگوریتم بر پایه یک سیستم متقابل است که مقادیر صحیح را از خطای خروجی شبکه محاسبه می کند .

یک شرط لازم برای این الگوریتم دانستن مشتق اول تابع تبدیل نرون است .

در حالیکه اجرای این مسئله برای ساختارهای دیجیتال از قبیل میکروپروسسورهای معمولی و سخت افزارهای خاص آسان است ، در ساختار آنالوگ با مشکل روبرو می شویم .

دلیل این مشکل ، تغییرات قطعه و توابع تبدیل نرونها و در نتیجه تغییر مشتقات اول آنها از نرونی به نرون دیگر و از تراشه ای به تراشه دیگر است و چه چیزی می تواند بدتر از این باشد که آنها با دما نیز تغییر کنند .

ساختن مدارات آنالوگی که بتوانند همه این اثرات را جبران سازی کنند امکان پذیر است ولی این مدارات در مقایسه با مدارهایی که جبران سازی نشده اند دارای حجم بزرگتر و سرعت کمتر هستند .

برای کسب موفقیت تحت فشار رقابت شدید از سوی دنیای دیجیتال ، شبکه های عصبی آنالوگ نباید سعی کنند که مفاهیم دیجیتال را به دنیای آنالوگ انتقال دهند .

در عوض آنها باید تا حد امکان به فیزیک قطعات متکی باشند تا امکان استخراج یک موازی سازی گسترده در تکنولوژی VLSI مدرن بدست آید .

شبکه های عصبی برای چنین پیاده سازیهای آنالوگ بسیار مناسب هستند زیرا جبران سازی نوسانات غیر قابل اجتناب قطعه می تواند در وزنها لحاظ شود .

مسئله اصلی که هنوز باید حل شود آموزش است .

حجم بزرگی از مفاهیم شبکه عصبی آنالوگ که در این زمینه می توانند یافت شوند ، تکنولوژیهای گیت شناور را جهت ذخیره سازی وزنهای آنالوگ بکار می برند ، مثل EEPROM حافظه های Flash .

در نظر اول بنظر می رسد که این مسئله راه حل بهینه ای باشد .

آن فقط سطح کوچکی را مصرف می کند و بنابراین حجم سیناپس تا حد امکان فشرده می شود (کاهش تا حد فقط یک ترانزیستور) .

دقت آنالوگ می تواند بیشتر از 8 بیت باشد و زمان ذخیره سازی داده (با دقت 5 بیت) تا 10 سال افزایش می یابد .

اگر قطعه بطور متناوب مورد برنامه ریزی قرار گیرد ، یک عامل منفی وجود خواهد داشت و آن زمان برنامه ریزی و طول عمر محدود ساختار گیت شناور است .

بنابراین چنین قطعاتی احتیاج به وزنهایی دارند که از پیش تعیین شده باشند .

اما برای محاسبه وزنها یک دانش دقیق از تابع تبدیل شبکه ضروری است .

برای شکستن این چرخه پیچیده ، ذخیره سازی وزن باید زمان نوشتن کوتاهی داشته باشد .

این عامل باعث می شود که الگوریتم ژنتیک وارد محاسبات شود .

با ارزیابی تعداد زیادی از ساختارهای تست می توان وزنها را با بکار بردن یک تراشه واقعی تعیین کرد .

همچنین این مسئله می تواند حجم عمده ای از تغییرات قطعه را جبران سلزی کند ، زیرا داده متناسب شامل خطاهایی است که توسط این نقایص ایجاد شده اند .

این مقاله یک معماری شبکه عصبی آنالوگ را توصیف می کند که برای الگوریتم های ژنتیک بهینه شده اند .

سیناپس ها کوچک 10X10μm و سریع هستند .

فرکانس اندازه گیری شده شبکه تا 50MHz افزایش می یابد که در نتیجه بیش از 200 گیگا اتصال در ثانیه برای آرایه کاملی از 4096 سیناپس بدست می آید .

برای ساختن شبکه های بزرگتر باید امکان ترکیب چندین شبکه کوچکتر روی یک سطح یا روی تراشه های مختلف وجود داشته باشد که با محدود کردن عملکرد آنالوگ به سیناپس ها و ورودیهای نرون بدست می آید .

ورودیهای شبکه و خروجیهای نرون بصورت دیجیتالی کدینگ می شود .

در نتیجه عملکرد سیناپس از ضرب به جمع کاهش می یابد .

این مسئله باعث می شود که حجم سیناپس کوچکتر شود و عدم تطبیق پذیری قطعه بطورکامل جبران سازی شود .

چونکه هر سیناپس یک صفر یا وزن اختصاصی اش را اضافه می کند که می تواند شامل هر تصحیح ضروری باشد .

سیگنالهای آنالوگ بین لایه های شبکه آنالوگ ، بوسیله اتصالات چند بیتی اختیاری بیان می شوند .

شبکه ارائه شده در این مقاله برای یک جریان عددی real-time‌ در محدوده فرکانسی 1 – 100MHz و پهنای 64 بیت بهینه شده است .

قصد داریم که آن را برای کاربردهای انتقال داده مثل DSL‌ سرعت بالا ، پردازش تصویر بر اساس داده دیجیتالی لبه تولید شده توسط تصاویر دوربین بوسیله تراشه پیش پردازش آنالوگی و ارزیابی تناسبی آرایه ترانزیستور قابل برنامه ریزی که در گروه ما توسعه داده شده است بکار ببریم .


دانلود با لینک مستقیم


تحقیق درباره پیاده سازی VLSI یک شبکه عصبی آنالوگ مناسب برای الگوریتم های ژنتیک