پایان نامه سایت ارشدها - رشته جغرافی-جغرافیا

عنوان کامل پایان نامه :

 مطالعه QSAR بر روی مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile برای داروهای ضد دیابت

قسمتی از متن پایان نامه :

۱-۶-۱۰-۲- مزایای شبکه عصبی

از مزایای شبکه‌های عصبی می‌توان موارد زیر را نام برد:

  1. ۱. یادگیری تطبیقی: توانایی یادگیری اینکه چگونه وظایف خود را بر اساس تجارب اولیه و اطلاعات داده شده به آن انجام دهد در واقع اصلاح شبکه را گویند.
  2. خود سازماندهی: یک شبکه عصبی مصنوعی به صورت خودکار سازماندهی و ارائه داده‌هایی که در طول آموزش دریافت کرده را انجام دهد. نورون ‌ها با قاعده یادگیری سازگار شده و پاسخ به ورودی تغییر می‌یابد.
  3. عملگرهای بی‌درنگ: محاسبات در شبکه عصبی مصنوعی می‌تواند به صورت موازی و به وسیله سخت ‌افزارهای مخصوصی که طراحی و ساخت آن برای دریافت نتایج بهینه قابلیت‌ های شبکه عصبی مصنوعی است انجام شود.
  4. تحمل خطا: با ایجاد خرابی در شبکه مقداری از کارایی کاهش می‌یابد ولی برخی امکانات آن با وجود مشکلات بزرگ همچنان حفظ می‌شود.
  5. دسته بندی: شبکه‌ های عصبی قادر به دسته بندی ورودی ‌ها برای دریافت خروجی مناسب هستند.
  6. تعمیم دهی: این خاصیت شبکه را قادر می‌سازد تا تنها با برخورد با تعداد محدودی نمونه، یک قانون کلی از آن را به دست آورده، نتایج این آموخته‌ها را به موارد مشاهده از قبل نیز تعمیم دهد. توانایی که در صورت نبود آن سامانه باید بی نهایت واقعیت‌ها و روابط را به خاطر بسپارد.
  7. پایداری- انعطاف پذیری: یک شبکه عصبی هم به حد کافی پایدار است تا اطلاعات فراگرفته خود را حفظ کند و هم قابلیت انعطاف و تطبیق را دارد و بدون از دست دادن اطلاعات قبلی می‌تواند موارد جدید را بپذیرد.

 

۱-۶-۱۰-۳- کاربرد های شبکه عصبی

شبکه‌های عصبی مصنوعی دارای دامنه کاربرد وسیعی می‌باشند از جمله سامانه‌های آنالیز ریسک، کنترل هواپیما بدون خلبان، آنالیز کیفیت جوشکاری، آنالیز کیفیت کامپیوتر، آزمایش اتاق اورژانس، اکتشاف نفت و گاز، سامانه‌های تشخیص ترمز کامیون، تخمین ریسک وام، شناسایی طیفی، تشخیص دارو، فرآیندهای کنترل صنعتی، مدیریت خطا، تشخیص صدا، تشخیص هپاتیت، بازیابی اطلاعات راه دور، شناسایی مین‌های زیردریایی، تشخیص اشیاء سه بعدی و دست نوشته‌ها و چهره و … .

در کل می‌توان کاربردهای شبکه‌های عصبی را به صورت زیر دسته بندی کرد:

  • تناظر (شبکه الگوهای مغشوش وبه هم ریخته را بازشناسی می‌کند)
  • خوشه یابی
  • دسته بندی
  • شناسایی
  • بازسازی الگو
  • تعمیم دهی (به دست آوردن یک پاسخ صحیح برای محرک ورودی که قبلا به شبکه آموزش داده نشده)
  • بهینه سازی

 

امروزه شبکه‌های عصبی در کاربردهای مختلفی نظیر مسائل تشخیص الگو که خود شامل مسائلی مانند تشخیص خط، شناسایی گفتار، پردازش تصویر و مسائلی از این دست می‌شود و نیز مسائل دسته بندی مانند دسته بندی متون یا تصاویر، به کار می‌روند. در کنترل یا مدل سازی سامانه‌هایی که ساختار داخلی ناشناخته یا بسیار پیچیده‌ای دارند نیز به صورت روز افزون از شبکه‌های عصبی مصنوعی استفاده می‌شود. به عنوان مثال می‌توان در کنترل ورودی یک موتور از یک شبکه عصبی استفاده نمود که در این صورت شبکه عصبی خود تابع کنترل را یاد خواهد گرفت ]۱۷[.

 

۱-۶-۱۱- الگوریتم ژنتیکی (GA)

الگوریتم ژنتیک که به‌عنوان یکی از روش های تصادفی بهینه یابی شناخته شده و در سال ۱۹۶۷توسط جان هالند[۱] ابداع شده ‌است. بعدها این روش با تلاش های گلدبرگ[۲] در سال ۱۹۸۹ مکان خویش را یافته و امروزه نیز بواسطه توانایی های خویش، جای مناسبی در میان دیگر روش ها دارد. روال بهینه یابی درالگوریتم ژنتیک بر اساس یک روند تصادفی هدایت شده استوار می‌باشد. این روش بر مبنای نظریه تکامل تدریجی و ایده‌های بنیادین داروین پایه گذاری شده است ]۱۸[.

 

 

۱-۶-۱۱-۱- قوانین داروین[۳]

هنگامی که لغت تنازع بقا به کار می‌رود اغلب بار ارزشی منفی آن به ذهن می‌آید، شاید همزمان قانون جنگل به ذهن برسد و حکم بقای قوی‌تر! البته برای آنکه خیالتان راحت شود می‌توانید فکر کنید که همیشه هم قوی‌ترین‌ ها برنده نبوده‌اند مثلا دایناسورها با وجود جثه عظیم و قوی‌تر بودن در طی روندی کاملا طبیعی بازی بقا و ادامه نسل را واگذار کردند درحالی که موجوداتی بسیار ضعیف‌تر از آن ها حیات خویش را ادامه دادند، ظاهرا طبیعت بهترین ‌ها را تنها بر اساس هیکل انتخاب نمی‌کند! در واقع درست‌تر آنست که بگوییم طبیعت مناسب ترین‌ها را انتخاب می‌کند نه بهترین ‌ها. قانون انتخاب طبیعی بدین صورت است که تنها گونه ‌هایی از یک جمعیت ادامه نسل می‌دهند که بهترین خصوصیات را داشته باشند و آنهایی که این خصوصیات را نداشته باشند به تدریج و در طی زمان از بین می‌روند. الگوریتم های ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش بینی یا تطبیق الگو استفاده می کنند. الگوریتم های ژنتیک اغلب گزینه خوبی برای تکنیک های پیش بینی بر مبنای رگرسیون هستند. مختصراً گفته می شود که الگوریتم ژنتیک یک تکنیک برنامه نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می کند. مسئله ای که باید حل شود ورودی است و راه حل ها طبق یک الگو کدگذاری می شوند که تابع تناسب نام دارد و هر راه حل کاندیدی که به صورت تصادفی انتخاب می شوند را ارزیابی می کنند ]۱۹[.

[۱]John Holland

[۲]Goldberg

[۳]Darvin’s Rules

سوالات یا اهداف این پایان نامه :

  • می توان مدل های مناسبی از ساختار به وجود آورد. (ساختار بهینه)
  • می توان ساختار های جدید از این طریق طراحی کرد.
  • می توان سنتزهایی که تنها با افزایش صورت می گیرد به دست آورد.
  • ویژگی طرح آزمایشی که با استفاده از نمایش ساختار مطلوب به دست می آید به محقق این امکان را می‎دهد تا بتواند ساختارهای جدید را در فضای مجازی امتحان کند وهمین امر کار آزمایشگاهی را با بیشترین بازده برای شیمیدان فراهم می کند.

برای دیدن جزئیات بیشتر ، خرید و دانلود آنی فایل متن کامل با فرمت ورد می توانید به لینک زیر مراجعه نمایید:

 دانلود متن کامل پایان نامه جغرافیا در لینک زیر

لینک متن کامل پایان نامه رشته جغرافیا با عنوان :  مطالعه QSAR بر روی مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile برای داروهای ضد دیابت با فرمت ورد