تعامل بین جاذب های اجزاء چهره و جاذب های چهره کامل در قشر گیجگاهی مغز – برق

مشخصات فایل

مقطع:کارشناسی ارشد
رشته تحصیلی:مهندسی برق
نوع ارائه:پایان نامه
تعداد صفحات:113
قالب بندی:word قابل ویرایش

نحوه خرید

تعامل بین جاذب های اجزاء چهره و جاذب های چهره کامل در قشر گیجگاهی مغز – برق

شما میتوانید تنها با یک کلید به راحتی فایل مورد نظر را دریافت کنید. 🙂

برای دسترسی به این فایل ابتدا باید اشتراک خریداری کنید. برای خرید اشتراک بر روی لینک زیر کلیک کنید.

ارتقاء عضویت

چکیده

فھرست مطالب
عنوان مطالب شماره صفحه

۱ چکیده
۲ مقدمه
۳ ساختارپایان نامه
۴ فصل اول: سیستم بینایی
١ -١- شبکیه چشم انسان ۶
١ -١-١- پاسخ سلولھای دوقطبی ۶
١-١-٢- سلولھای گانگلیون ٧
١- پاسخ سلول ھای گنگلیون شبکیه به نور ٧
١ -٢-کورتکس ھای مختلف بینایی ١١
١ -٢-١- سلول ھای ساده در کورتکس اولیه بینایی ١۶
١ -٢-٢- سلول ھای مرکب ١٧
١-٢-٣- سلولھای فوق مرکب ١٨
١ -٣- ساختار سلولی کورتکس بینایی ٢٠
١ -۴- میدان بینایی ٢٢
١ -۵- مقصدھای عصب بینایی ٢٣
١ -۵-١- مسیر ھای مرکزی دیداری ٢٣
١ -۶- جمعبندی: مغز به عنوان یک سیستم عظیم پردازش اطلاعات ٢٧

فصل دوم: سلول چھره ٢٨ ٢-١- تاریخچه ٣٠
٢-٢- آیا واقعا این سلول ھا حساس به چھره ھستند؟ ٣١
٢-٣- ویژگی ھای سلول ھای چھره ٣۴
٢-۴- جمعبندی: چراسلول چھره؟ ٣۵

فصل سوم :عملکرد شبکه ھای عصبی در مغز ٣٧
٣- شبکه ھای عصبی ٣٨
٣ -١- حافظه ارتباط الگو ٣٨
-١-١- ساختار و عملکرد ٣٨
-١-٢- یادگیری ۴٠
-١-٣- یادآوری ۴٠
٣ -١-۴- یک مدل ساده ۴١
٣ -١-۵- تفسیر برداری ۴٣
٣ -١-۶- کلی نگری ۴۵
٣ -١-٧- تلرانس خطا ۴۵
٣ -١-٨- اھمیت توزیع نمایش الگو ۴۶
٣ -١-٩- ظرفیت ۴٧
٣ -٢- شبکه ھای انجمنی خطی ۴٨
٣ -٢-١- شبکه ھای انجمنی با نورونھای غیرخطی ۴٩
٣ -٢-٢- تداخل ۴٩
٣ -٢-٣- کدگذاری دوباره به صورت توسعه یافته ۵٠
٣ -٣- حافظه خودانجمنی ۵١
٣ -٣-١- ساختار و عملکرد ۵١
٣ -٣-٢- یادگیری ۵٢
٣ -٣-٣- یادآوری ۵٣
٣ -٣-۴- آشنایی با تحلیل عملکرد شبکه ھای خودانجمنی ۵٣
٣ -٣-۵- خصوصیات ۵۵
٣ -٣-۶- ظرفیت ۵۶
٣ -٣-٧- وضعیتھای ترکیبی ۵٧
٣ -۴- شبکه ھای رقابتی، شامل مدلھای خودسازمانده ۵٧
٣ -۴-١- ساختار ۵٨
٣ -۴-٢- الگوریتم ۵٩
٣ -۴-٣- کشف ویژگی با خودسازماندھی ۶٠
٣ -۴-۴- از بین بردن زوائد ۶١
٣ -۴-۵- جداسازی و الگوھای جداپذیر غیرخطی ۶٢

فصل چھارم: مدلسازی ۶٣
-۱- رابطه جزء و کل در بازشناسی چھره: دیدگاه روانشناسی – علم اعصاب ۶۴
-۲- جاذب ھا در فضای صورت ۶۵
-۳- شبیه سازی با شبکه ۶۶
۴ -٣-١- ساختار شبکه ۶٧
۴ -٣-٢- مدار نرونی حافظه ۶٨
۴ -٣-٣- الگوی سیناپس ھا ۶٨
۴ -٣-۴- دینامیک فعالیت ۶٩
۴ -٣-۵- آزمایش شبیه سازی ٧١
۴ -٣-۶- الگوریتم فراخوانی ٧١
۴ -٣-٧- الگوریتم بازشناسی ٧٢
۴ -٣-٨- نتایج و بحث ٧٢
۴ -٣-٩- شبکه با تصاویر باینری ٧۵
۴ -۴- مدلسازی توسط شبکه ھای رقابتی ٧٧
۴ -۴-١- نا ھمبسته سازی داده ھا ٧٧
۴ -۴-٢- ساختار شبکه ٧٨
۴ -۴-٣- کدگذاری اجزاء چھره در لایه اول ٧٨
۴ -۴-۴- کد گذاری چھره کامل در لایه دوم ٧٩
۴ -۴-۵- معیار اندازه گیری ٨٠
۴ -۴-۶- نتایج شبیه سازی ٨١
۱ – لایه اول ٨١
۲ – لایه دوم ٨٣
۴ -۴-٧- مقایسه ٨۴
۴ -۴-٨- جمعبندی ٨۵

فصل پنجم: آزمایش سایکوفیزیک ٨۶
۵ -١- متد ٨٧
۵ -١-١- افراد ٨٧
۵ -١-٢- ابزار ٨٧
۵ -١-٣- مراحل ٨٧
ح
-۲- فاز یادگیری ٨٧
-۳- فاز تست ٨٨
-۴- نتایج و بحث ٨٩

فصل ششم : نتیجه گیری و پیشنھادات ٩٠
منابع و مراجع ٩۵

چکیده:

نقش سلول ھای چھره در قشر گیجگاھی مغز در فرآیند بازشناسی چھره چیست؟ گروھی از نرونھا در قشر گیجگاھی به صورت گزینشی به تصاویر چھره پاسخ می دھند، ولی نقش دقیق آنھا و مزیت محاسباتی این سلول ھا در شناسایی چھره بدرستی مشخص نشده است.
ما شبکه عصبی ماژولاری شبیه سازی کردیم که به طور ساده ای ستون ھای ویژگی در قشر گیجگاھی را مدل می کرد. سلول ھای این ناحیه به اشیاء با پیچیدگی متوسط پاسخ می دھند. در ادامه، شبکه دولایه ای ساختیم که پس از لایه اول ذکر شده ،دارای لایه دوم بود که سلول ھای چھره را مدل می کرد.
این لایه تصاویر چھره را به صورت یک کل ذخیره می کند. شبکه ھا دارای نروھای تحریکی – مھاری با تابع فعالیت آستانه خطی ھستند که دارای پارامترھای مطابق با مقادیر واقعی بیولوژیکی ھستند. ورودی به شبکه ھا چھره ھای انتخابی تصادفی از پایگاه داده کیت چھره بود.
یکی از اجزای چھره تغییر می کرد یا به صورت ناقص به شبکه ارائه می شد، سپس کارایی شبکه در دو وظیفه فراخوانی و بازشناسی محاسبه می گردید. نتایج ما برتری شبکه دو لایه را در بازشناسی چھره نشان می داد، در شرایطی که لایه اول به جزء چھره غلط در بیشتر آزمایش ھا میل می کرد، لایه دوم با داشتن اطلاعات ارتباط بین اجزاء چھره به جزء چھره ھدف میل می کرد.از طریق این شبیه سازی ھا ما دریافتیم که یکی از نقش ھای سلول ھای چھره وارد کرد ھویت در شبکه است که این کار با ارتباط برقرار کردن بین اجزاء یک محرک ترکیبی ھمچون چھره انجام می گیرد. ما پیشنھاد می کنیم این ساختار کمک به نمایان ساختن تغییرات کوچک در محرک می کند.
یک آزمایش سایکو- فیزیک طراحی گردید که درآن به افراد یک سری چھره از پایگاه داده نشان داده می شد. یک نام به ھر کدام از چھره ھا اختصاص پیدا کرده بود. فاز تست از دو قسمت تشکیل شده بود. در قسمت اول، به افراد یک جزء چھره به تنھایی نشان داده می شد. در قسمت دوم، از افراد خواسته می شد که چھره ھای کامل را که فقط در جزء قسمت اول فرق داشتند شناسایی کنند.
نتایج آزمایش نشان می دھد که افراد در شناسایی اجزای چھره وقتی که در کل چھره ظاھر شده باشند بھتر ھستند نسبت به وقتی که به تنھایی ظاھر شوند. این نتیجه ، نتایج شبیه سازی ھای ما را نیز تایید می کند: اطلاعات درباره ارتباط بین اجزاء چھره کمک به بازشناسی و فراخوانی آن جزء می کند.
این پروژه با حمایت مالی (Post Graduate Fellowship) دانشگاه SISSA کشور ایتالیا ، و دو ماه فرصت مطالعاتی اینجانب در آزمایشگاه (LIMBO Lab) پروفسورAlessandro Treves انجام پذیرفته است.

مقدمه

چھره جزو مھمترین محرک ھایی است که به سیستم بینایی اعمال می شود. ثبت ھای الکترودی از تک نرون ھا در میمون Macaque نشان داده است که بعضی از نرونھا به طور اساسی به چھره جواب می دھند و به محرک ھای دیگر پاسخ نمی دھند. این نرونھا در جلوی قسمت بالایی شیار گیجگاھی یا STS و در ناحیه TE یافت شده اند. این سلول ھا برای پاسخ دادن نیاز به وجود تمام اجزای صورت را دارند.
از طرفی، نشان داده شده است که بعضی از سلول ھا به تنھا یکی از اجزای صورت مانند ( چشم ھا، دھان ،موھا) یا زیر مجموعه ای از اجزاء پاسخ می دھند. این سلول ھا پاسخ افت کننده ای به جزء دیگر صورت یا کل صورت دارند. ھر کدام از این سلول ھا از طریق سیناپس ھا به یکدیگر متصل می باشند که تشکیل یک شبکه عصبی را می دھند.
ھدف این پروژه آنالیز این نکته است که وجود جاذب ھای مجزا برای اجزای صورت مانند چشم، گوش، بینی و مو در کنار جاذب ھا برای کل صورت چقدر فرآیند ھای ذخیره سازی و بازشناسی کل چھره را تسھیل می سازد. سوال اصلی دیگری که در اینجا مطرح است این است که ذخیره سازی اجزاء به صورت جاذب در یک ناحیه کرتکس چقدر به ذخیره سازی و بازیابی یک حافظه ترکیبی کمک می کنند. با این حال قصد اصلی این پروژه تاکید بر بازیابی صورت در مغز برای پاسخ به این پرسش است . این کار بوسیله مدلسازی انجام می پذیرد به این ترتیب که شبکه عصبی مورد نظر برای مدلسازی پیاده سازی می شود و نتایج بررسی خواھد شد
یکی از مدلھای مشابه که توسط Treves و ھمکارانش در SISSA شبیه سازی شده است ، از شبکه عصبی ماژولار تشکیل شده است که ھر یک از ماژول ھا برای کد کردن و ذخیره سازی یک از اجزای صورت استفاده شده اند. در این شبیه سازی شبکه ای برای سلول ھای کد کننده کل صورت یا سلول چھره در نظر گرفته نشده است و فقط تفاوت در وجود یا نبود اتصالات بین ماژول ھا درعمل بازشناسی چھره مورد بررسی قرار گرفته است .

نحوه خرید

دانلود رایگان فایل
شما میتوانید تنها با یک کلید به راحتی فایل مورد نظر را دریافت کنید. 🙂

برای دسترسی به این فایل ابتدا باید اشتراک خریداری کنید. برای خرید اشتراک بر روی لینک زیر کلیک کنید.

ارتقاء عضویت

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد

راهنمای سایت

برخلاف سایت های دیگر که فایل ها را به صورت تکی می فروشند روال سایت ما این است که شما با عضویت در سایت ما میتوانید از تمام فایل های موجود استفاده کنید.

تمام مطالب سایت فقط برای اعضای سایت رایگان است.

نحوه عضویت در سایت

آخرین مطالب

مطالب مرتبط