شبکه عصبی در بیو انفورماتیک

شبکه عصبی در بیو انفورماتیک

شبکه-عصبی-در-بیو-انفورماتیکشبکه عصبی در بیو انفورماتیک

تعداد صفحات : 55 با فرمت ورد و قابل ویرایش
براي نيل به خودكفايي و تحكيم استقلال كشورمان، تخصص در همه زمينه ها امري لازم و اجتناب ناپذير است. شبكه هاي عصبي مصنوعي از مباحث جديدي است كه دانشمندان علوم كامپيوتر به آن علاقه¬مند شده اند و براي پيشرفت هرچه بيشتر علوم كامپيوتر وقت و هزينه بسياري را صرف آن كرده و مي¬كنند. اين موضوع با ايده گرفتن از سيستم عصبي بدن انسان و با هدف شبيه سازي هرچه بيشتر كامپيوتر به انسان شكل گرفت، از طرفي نيز در چند دهه اخير با مطالعه بر موجودات مي توان داده هاي زيادي را جمع¬آوري نمود مانند: داده¬هاي ژنومي، ژن ها و … . با علم بيوانفورماتيك اين داده¬ها در بانك¬هاي اطلاعاتي نگهداري، ذخيره و بازيابي مي¬شوند و با ابزارهاي كامپيوتري آناليز و تحليل می¬شوند. لازم است بدانيم كه شبكه عصبي يكي از گسترده ترين روش¬هاي مورد استفاده در بيوانفورماتيك است. شبكه عصبي در پيش بيني ساختار ژن، پيش بيني ساختار پروتئين ، تجزيه و تحليل داده¬هاي بيان ژن استفاده مي شود و يا تقريبا هر كجا كه نياز به انجام طبقه بندي داشته باشيم. در اين تحقيق سعي شده با زباني ساده مطالب به ترتيبي ارائه شوند كه در ابتدا مفاهيم اوليه شبكه عصبي و بيوانفورماتيك عنوان شود و سپس كاربرد شبكه عصبي در بيوانفورماتيك را تشريح نماييم. 

        

1. فصل اول:شبکه عصبی.6

1.1مقدمه .6

1.2شبکه عصبي چيست7

1.3شبکه عصبي زيستي7

1.4نرون طبيعي7

1.5شبکه عصبي مصنوعي10

1.6نرون مصنوعي10

1.7ﮐﻴﻔﻴﺖ ﭘﺮﺩﺍﺯﺵ ﺍﻃﻼﻋﺎﺕ ﺩﺭ ﻳﻚ ﻧﺮﻭﻥ ﻣﺼﻨﻮﻋﻲ12

1.8تاريخچه شبکه عصبي مصنوعي15

1.9ساختار شبکه عصبي17

1.10سبک های معماری شبکه عصبی19

1.11انواع شبکه عصبي19

1.11.1 شبكه پرسپترون:20

1.11.2 شبکه همينگ20

1.11.3 شبکه خود سازمانده مدل کوهنن22

1.12یادگیری در شبکه عصبی25

1.12.1یاد گیری توسط شبکه عصبي مصنوعي25

1.13مسائل مناسب برای یاد گیری عصبی26

1.14انواع یاد گیری برای شبکه عصبی27

1.14.1یاد گیری با ناظر27

1.14.2یاد گیری تشدیدی ………….28

1.14.3یاد گیری بدون ناظر29

1.15چرا از شبکه عصبي استفاده مي کنيم29

1.16شبکه عصبي در مقايسه با کامپیوترهای سنتی30

1.17مسائل در خور شبکه عصبي مصنوعي31

1.18کاربردهای شبکه عصبی مصنوعی32

1.19مزايا و معايب شبکه عصبي33

1.20نرم افزار ها وسخت افزار های شبکه عصبی34

2 فصل دوم پیدایش بیو انفرماتیک…35

2.1تعريف بيوانفورماتيک37

2.2پايگاه داده37

2.3زيست شناسي محاسباتي38

2.4انواع داده های بیوانفورماتیک40

2.5حوزه فعاليت بيوانفورماتيک41

2.6ژنوميک(ژنوميکس)41

2.7پروتئوميک ( پروتئوميکس)41

2.8ابزارهای تجزیه و تحليل بيوانفورماتيک42

2.9زمینه های بيوانفورماتيک43

2.9.1تحليل توالي های ژنوم:43

2.9.2پيش بيني ساختارسه بعدی پروتئین44

2.9.3تحلیل کارکردی در سطح ژنوم44

2.9.4ايجاد و مديريت پایگاه های داده ای45

2.9.5مدل سازی ریاضی و فرایند های حیات45

2.10اهداف بيوانفورماتيک45

2.11موضوعات سيستم نرم افزاری بیو انفور ماتیک46

2.12      دو شغل در بيوانفورماتيک46

2.13پيشرفت علم بيوانفورماتيک47

2.14تعامل بيوانفورماتيك با ساير رشته ها47

2.15مرکز ملي اطلاعات بيوتکنولوژی48

2.16بيوانفورماتيک در ايران49

3فصل سوم:شبکه عصبي در بيوانفورماتيک ..50

شبکه عصبی در بیو انفرماتیک50

طراحي شبکه عصبي برای بيو انفورماتيک50

3.1کاربرد شبکه عصبي در بيوانفورماتيک52

3.2برنامه نويسي تشخيص منطقه و شناسايي ژن52

3.3 شناخت سیگنال های رونویسی وترجمه ..53

3.4ویژگی های دنباله تجزیه وتحلیل و طبقه بندی54

3.5پيش بيني ساختار پروتئين54

3.6پیش بینی پپتیدهای سیگنال55

3.7نمونه هايي از کاربرد شبکه عصبي در بيوانفورماتيک55

3.7.1درخت های تصمیم گیری:55

3.7.2ماشين بردار پشتيبان56

3.8نتيجه گيری57

3.9 منابع57

 

دانلود فایل

دانلود مقاله کاربرهای هوش مصنوعی

دانلود مقاله کاربرهای هوش مصنوعی

دانلود-مقاله-کاربرهای-هوش-مصنوعی

پروژه و تحقیق کاربردهای هوش مصنوعی در زمینه های علمی- 150 صفحه ورد و قابل ویرایش

بطور کلی ماهیت وجودی هوش به مفهوم جمع آوری اطلاعات، استقرا و تحلیل تجربیات به منظور رسیدن به دانش و یا ارایه تصمیم می‌باشد. در واقع هوش به مفهوم به کارگیری تجربه به منظور حل مسائل دریافت شده تلقی می‌شود. هوش مصنوعی علم و مهندسی ایجاد ماشینهایی با هوش با به کارگیری از کامپیوتر و الگوگیری از درک هوش انسانی و یا حیوانی و نهایتاً دستیابی به مکانیزم هوش مصنوعی در سطح هوش انسانی می‌باشد.

در مقایسه هوش مصنوعی با هوش انسانی می‌توان گفت که انسان قادر به مشاهده و تجزیه و تحلیل مسایل در جهت قضاوت و اخذ تصمیم می‌باشد در حالی که هوش مصنوعی مبتنی بر قوانین و رویه‌هایی از قبل تعبیه شده بر روی کامپیوتر می‌باشد. در نتیجه علی رغم وجود کامپیوترهای بسیار کارا و قوی در عصر حاضر ما هنوز قادر به پیاده کردن هوشی نزدیک به هوش انسان در ایجاد هوشهای مصنوعی نبوده‌ایم.

بطور کلّی، هوش مصنوعی را می‌توان از زوایای متفاوتی مورد بررسی و مطالعه قرار داد. مابین هوش مصنوعی به عنوان یک هدف، هوش مصنوعی به عنوان یک رشته تحصیلی دانشگاهی، و یا هوش مصنوعی به عنوان مجموعه فنون و راه کارهایی که توسط مراکز علمی مختلف و صنایع گوناگون تنظیم و توسعه یافته‌است باید تفاوت قائل بود.

ایجاد و ابداع فنون و تکنیک‌های لازم برای مدیریّت پیچیدگی را باید به عنوان هستهٔ بنیادین تلاش‌های علمی و پژوهشی گذشته، حال، و آینده، در تمامی زمینه‌های علوم رایانه، و به ویژه، در هوش مصنوعی معرّفی کرد. شیوه‌ها و تکنیک‌های هوش مصنوعی، در واقع، برای حل آن دسته از مسائل به وجود آمده‌است که به طور سهل و آسان توسط برنامه‌نویسی تابعی (Functional programming) ، یا شیوه‌های ریاضی قابل حلّ نبوده‌اند.

هوش مصنوعی به هوشی که یک ماشین از  خود نشان میدهد و یا  به دانشی در کامپیوترکه سعی در ایجاد آن دارد گفته می شود. جان مک کارتی “پدر علم و دانش ماشینهای هوشمند” ، واژه هوش مصنوعی را در سال 1956 به کار برد . تحقیقات و جستجوهای انجام شده برای رسیدن به ساخت چنین ماشینهائی مرتبط با بسیاری از علوم دیگر مانند رایانه ، روان شناسی ، فلسفه ، عصب شناسی ، علوم ادراکی ، تئوری کنترل ، احتمالات ، بهینه سازی و منطق می باشد .

هنوز تعریف دقیقی برای هوش مصنوعی ارائه نشده است که مورد قبول همه ی دانشمندان صاحب نظر در این زمینه باشد و این خود به علت آن است که اساس این موضوع یعنی هوش مورد جنجال و اختلاف است و تعریف جامعی درباره آن وجود ندارد.

امروزه دانش مدرن هوش مصنوعی به دو دسته تقسیم می‌شود :‌


ا) هوش مصنوعی سمبلیک یا نمادین ( Symbolic Ai )

2) هوش غیر سمبلیک یا پیوندگرا ( Connection Ai )

هوش مصنوعی سمبلیک از رهیافتی مبتنی بر محاسبات آماری پیروی می‌کند و اغلب تحت عنوان «یادگیری ماشین» یا Machine Learning طبقه‌بندی می‌شود. هوش سمبلیک می‌کوشد سیستم و قواعد آن را در قالب سمبل‌ها بیان کند و با نگاشت اطلاعات به سمبل‌ها و قوانین به حل مسئله بپردازد. در میان معروف‌ترین شاخه‌های هوش مصنوعی سمبلیک می‌توان به سیستم‌های خبره (Expert Systems) و شبکه‌هایBayesian  اشاره کرد. اما هوش پیوندگرا متکی بر یک منطق استقرایی است و از رهیافت «آموزش/ بهبود سیستم از طریق تکرار» بهره می‌گیرد. این آموزش‌ها نه بر اساس نتایج و تحلیل‌های دقیق آماری، بلکه مبتنی بر شیوه آزمون و خطا و «یادگیری از راه تجربه»‌ است. در هوش مصنوعی پیوندگرا، قواعد از ابتدا در اختیار سیستم قرار نمی‌گیرد، بلکه سیستم از طریق تجربه، خودش قوانین را استخراج می‌کند. متدهای ایجاد شبکه‌های عصبی (Network Neural) و نیز به کارگیری منطق فازی (Fuzzy Logic) در این دسته قرار می‌گیرد.

در بسیاری از موارد، با پوشانیدن و پنهان ساختن جزئیّات فاقد اهمّیّت است که بر پیچیدگی فائق می‌آییم و می‌توانیم بر روی بخش‌هایی از مسئله متمرکز شویم که مهم‌تر است. تلاش اصلی در واقع، ایجاد و دستیابی به لایه‌ها و ترازهای بالاتر از هوشمندی تجرید را نشانه می‌رود، تا آنجا که، سرانجام برنامه‌های کامپوتری درست در همان سطحی کار خواهند کرد که خود انسان‌ها رسیده‌اند.

به یاری پژوهش‌های گسترده دانشمندان علوم مرتبط، هوش مصنوعی تاکنون راه بسیاری پیموده‌است. در این راستا، تحقیقاتی که بر روی توانایی آموختن زبانها انجام گرفت و همچنین درک عمیق از احساسات، دانشمندان را در پیشبرد این دانش کمک زیادی کرده‌است. یکی از اهداف متخصصین، تولید ماشینهایی است که دارای احساسات بوده و دست کم نسبت به وجود خود و احساسات خود آگاه باشند. این ماشین باید توانایی تعمیم تجربیات قدیمی خود در شرایط مشابه جدید را داشته و به این ترتیب اقدام به گسترش دامنه دانش و تجربیاتش کند.

برای نمونه روباتیی هوشمند که بتواند اعضای بدن خود را به حرکت درآورد، این روبات نسبت به این حرکت خود آگاه بوده و با آزمون و خطا، دامنه حرکت خود را گسترش می‌دهد و با هر حرکت موفقیت آمیز یا اشتباه، دامنه تجربیات خود را وسعت بخشیده و سر انجام راه رفته و یا حتی می‌دود و یا به روشی برای جابجا شدن دست می‌یابد، که سازندگانش برای او متصور نبوده‌اند.

هر چند نمونه بالا ممکن است کمی آرمانی به نگر برسد، ولی به هیچ عنوان دور از دسترس نمی‌باشد. دانشمندان، عموماً برای تولید چنین ماشینهایی، از وجود مدلهای زنده‌ای که در طبیعت وجود، به ویژه آدمی نیز سود برده‌اند.

هوش مصنوعی اکنون در خدمت توسعه علوم رایانه نیز می‌باشد. زبانهای برنامه نویسی پیشرفته، که توسعه ابزارهای هوشمند را ممکن ساخته اند، پایگاههای داده‌ای پیشرفته، موتورهای جستجو، و بسیاری نرم‌افزارها و ماشینها از نتایج پژوهش‌هایی در راستای هوش مصنوعی بوده‌اند.

 

دانلود فایل

دانلود پاورپوینت هوش مصنوعی و کاربردهای آن

دانلود پاورپوینت هوش مصنوعی و کاربردهای آن

دانلود-پاورپوینت-هوش-مصنوعی-و-کاربردهای-آن

 پاورپوینت هوش مصنوعی و کاربرد های آن – 250 اسلاید

 

هنوز تعریف دقیقی برای هوش مصنوعی ارائه نشده است که مورد قبول همه ی دانشمندان صاحب نظر در این زمینه باشد و این خود به علت آن است که اساس این موضوع یعنی هوش مورد جنجال و اختلاف است و تعریف جامعی درباره آن وجود ندارد.

بطور کلی ماهیت وجودی هوش به مفهوم جمع آوری اطلاعات، استقرا و تحلیل تجربیات به منظور رسیدن به دانش و یا ارایه تصمیم می‌باشد. در واقع هوش به مفهوم به کارگیری تجربه به منظور حل مسائل دریافت شده تلقی می‌شود. هوش مصنوعی علم و مهندسی ایجاد ماشینهایی با هوش با به کارگیری از کامپیوتر و الگوگیری از درک هوش انسانی و یا حیوانی و نهایتاً دستیابی به مکانیزم هوش مصنوعی در سطح هوش انسانی می‌باشد.

در مقایسه هوش مصنوعی با هوش انسانی می‌توان گفت که انسان قادر به مشاهده و تجزیه و تحلیل مسایل در جهت قضاوت و اخذ تصمیم می‌باشد در حالی که هوش مصنوعی مبتنی بر قوانین و رویه‌هایی از قبل تعبیه شده بر روی کامپیوتر می‌باشد. در نتیجه علی رغم وجود کامپیوترهای بسیار کارا و قوی در عصر حاضر ما هنوز قادر به پیاده کردن هوشی نزدیک به هوش انسان در ایجاد هوشهای مصنوعی نبوده‌ایم.

بطور کلّی، هوش مصنوعی را می‌توان از زوایای متفاوتی مورد بررسی و مطالعه قرار داد. مابین هوش مصنوعی به عنوان یک هدف، هوش مصنوعی به عنوان یک رشته تحصیلی دانشگاهی، و یا هوش مصنوعی به عنوان مجموعهٔ فنون و راه کارهایی که توسط مراکز علمی مختلف و صنایع گوناگون تنظیم و توسعه یافته‌است باید تفاوت قائل بود.

ایجاد و ابداع فنون و تکنیک‌های لازم برای مدیریّت پیچیدگی را باید به عنوان هستهٔ بنیادین تلاش‌های علمی و پژوهشی گذشته، حال، و آینده، در تمامی زمینه‌های علوم رایانه، و به ویژه، در هوش مصنوعی معرّفی کرد. شیوه‌ها و تکنیک‌های هوش مصنوعی، در واقع، برای حل آن دسته از مسائل به وجود آمده‌است که به طور سهل و آسان توسط برنامه‌نویسی تابعی (Functional programming) ، یا شیوه‌های ریاضی قابل حلّ نبوده‌اند.

امروزه دانش مدرن هوش مصنوعی به دو دسته تقسیم می‌شود :‌


ا) هوش مصنوعی سمبلیک یا نمادین ( Symbolic Ai )

2) هوش غیر سمبلیک یا پیوندگرا ( Connection Ai )

هوش مصنوعی سمبلیک از رهیافتی مبتنی بر محاسبات آماری پیروی می‌کند و اغلب تحت عنوان «یادگیری ماشین» یا Machine Learning طبقه‌بندی می‌شود. هوش سمبلیک می‌کوشد سیستم و قواعد آن را در قالب سمبل‌ها بیان کند و با نگاشت اطلاعات به سمبل‌ها و قوانین به حل مسئله بپردازد. در میان معروف‌ترین شاخه‌های هوش مصنوعی سمبلیک می‌توان به سیستم‌های خبره (Expert Systemsو شبکه‌هایBayesian  اشاره کرد. اما هوش پیوندگرا متکی بر یک منطق استقرایی است و از رهیافت «آموزش/ بهبود سیستم از طریق تکرار» بهره می‌گیرد. این آموزش‌ها نه بر اساس نتایج و تحلیل‌های دقیق آماری، بلکه مبتنی بر شیوه آزمون و خطا و «یادگیری از راه تجربه»‌ است. در هوش مصنوعی پیوندگرا، قواعد از ابتدا در اختیار سیستم قرار نمی‌گیرد، بلکه سیستم از طریق تجربه، خودش قوانین را استخراج می‌کند. متدهای ایجاد شبکه‌های عصبی (Network Neuralو نیز به کارگیری منطق فازی (Fuzzy Logicدر این دسته قرار می‌گیرد.

در بسیاری از موارد، با پوشانیدن و پنهان ساختن جزئیّات فاقد اهمّیّت است که بر پیچیدگی فائق می‌آییم و می‌توانیم بر روی بخش‌هایی از مسئله متمرکز شویم که مهم‌تر است. تلاش اصلی در واقع، ایجاد و دستیابی به لایه‌ها و ترازهای بالاتر از هوشمندی تجرید را نشانه می‌رود، تا آنجا که، سرانجام برنامه‌های کامپوتری درست در همان سطحی کار خواهند کرد که خود انسان‌ها رسیده‌اند.

به یاری پژوهش‌های گسترده دانشمندان علوم مرتبط، هوش مصنوعی تاکنون راه بسیاری پیموده‌است. در این راستا، تحقیقاتی که بر روی توانایی آموختن زبانها انجام گرفت و همچنین درک عمیق از احساسات، دانشمندان را در پیشبرد این دانش کمک زیادی کرده‌است. یکی از اهداف متخصصین، تولید ماشینهایی است که دارای احساسات بوده و دست کم نسبت به وجود خود و احساسات خود آگاه باشند. این ماشین باید توانایی تعمیم تجربیات قدیمی خود در شرایط مشابه جدید را داشته و به این ترتیب اقدام به گسترش دامنه دانش و تجربیاتش کند.

برای نمونه روباتیی هوشمند که بتواند اعضای بدن خود را به حرکت درآورد، این روبات نسبت به این حرکت خود آگاه بوده و با آزمون و خطا، دامنه حرکت خود را گسترش می‌دهد و با هر حرکت موفقیت آمیز یا اشتباه، دامنه تجربیات خود را وسعت بخشیده و سر انجام راه رفته و یا حتی می‌دود و یا به روشی برای جابجا شدن دست می‌یابد، که سازندگانش برای او متصور نبوده‌اند.

هر چند نمونه بالا ممکن است کمی آرمانی به نگر برسد، ولی به هیچ عنوان دور از دسترس نمی‌باشد. دانشمندان، عموماً برای تولید چنین ماشینهایی، از وجود مدلهای زنده‌ای که در طبیعت وجود، به ویژه آدمی نیز سود برده‌اند.

هوش مصنوعی اکنون در خدمت توسعه علوم رایانه نیز می‌باشد. زبانهای برنامه نویسی پیشرفته، که توسعه ابزارهای هوشمند را ممکن ساخته اند، پایگاههای داده‌ای پیشرفته، موتورهای جستجو، و بسیاری نرم‌افزارها و ماشینها از نتایج پژوهش‌هایی در راستای هوش مصنوعی بوده‌اند.

 

دانلود فایل