عنوان پایان‌نامه
تحلیل ساختاری شبکه های عصبی زیستی با استفاده از نظریه بازی
- رشته تحصیلی
- مهندسی فناوری اطلاعات پزشکی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده علوم و فنون نوین شماره ثبت: 505;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77666;کتابخانه دانشکده علوم و فنون نوین شماره ثبت: 505;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77666
- تاریخ دفاع
- ۰۵ مهر ۱۳۹۵
- دانشجو
- محمد خواجه زاده
- استاد راهنما
- سما گلیائی, هادی ویسی
- چکیده
- شناخت و بررسی شبکه‌های عصبی زیستی به یکی از مهم‌ترین و چالش‌برانگیزترین زمینه‌ها در علم امروز تبدیل شده است. دانشمندان بسیاری از حوزه‌های مختلف علوم در تلاش برای تهیه نقشه مغز انسان، از جنبه‌های مختلفی سیستم عصبی را مورد مطالعه و بررسی قرار داده‌اند. ترکیب این علوم، حوزه جدیدی را گشوده است که علوم عصب‌شناختی نامیده می‌شود. هدف این حوزه از علم، بررسی شبکه عصبی زیستی از جنبه‌های مختلف و در نهایت تهیه نقشه مغز انسان است. شبکه عصبی بیشتر پستانداران از صدها میلیون نرورن تشکیل شده که با میلیاردها سیناپس عصبی به هم متصل شده‌اند. پیچیدگی بیش از اندازه شبکه‌های عصبی، مطالعه آزمایشگاهی آن‌ها را تقریبا غیر ممکن کرده است. یکی از راه‌حل‌ها برای مطالعه پیچیدگی شبکه‌های عصبی شبیه‌سازی کامپیوتری و مطالعه آن‌ها با استفاده از مدل‌های آماری و محاسباتی است. علوم عصب‌شناختی محاسباتی یکی از حوزه‌های علوم عصب‌شناختی است. علوم عصب‌شناختی محاسباتی تلاش دارد با استفاده از ابزارهای محاسباتی سیستم عصبی را مورد تجزیه و تحلیل قرار داده و راهی برای مدل‌سازی سیستم‌های عصبی ارائه کند. یکی از ابزارهایی که در این حوزه استفاده می‌شود تجزیه و تحلیل شبکه‌های پیچیده است. تحلیل شبکه عصبی بر مبنای تحلیل شبکه‌های پیچیده کمک می‌کند ساختار و ویژگی‌های این شبکه‌ها شناخته شده و دلایل تشکیل شبکه‌های عصبی مورد مطالعه و بررسی قرار گیرد. بررسی تشکیل شبکه‌های عصبی علاوه بر کمک به مدل‌سازی کامپیوتری شبکه عصبی می‌تواند کمک کند دلایل برخی از بیماری‌ها مثل اتیسم که تصور می‌شود به دلیل اختلال در سیم‌بندی شبکه است مشخص شود. در این پایان‌نامه برای بررسی عوامل مؤثر بر تشکیل شبکه عصبی یک مدل مبتنی بر نظریه بازی پیشنهاد شده است. در این مدل نورون‌ها به عنوان بازیکن در نظر گرفته شده اند. مجموعه استراتژی‌های این نورون‌ها شامل ایجاد و یا عدم ایجاد سیناپس با نورون‌های دیگر است. در ابتدا در این پایان‌نامه ما با مقایسه شبکه‌های تصادفی یک شبکه را به عنوان لایه زیرین مدل انتخاب نموده‌ایم. سپس با توجه به تحلیل شبکه‌های پیچیده و اطلاعاتی که از پژوهش‌های پیشین بدست آورده‌ایم یک تابع سود تعریف کرده‌ایم و عوامل مؤثر بر ایجاد شبکه را در این تابع سود قرار دادیم. پس از آن برای بدست آوردن ضرایب هریک از این عوامل در تابع سود از روش برنامه‌ریزی خطی استفاده کرده‌ایم. بدین منظور اختلاف امتیاز هر گره در حالت اصلی در شبکه هاول-حکیمی و حالت حاصل از حذف یک لینک موجد و یا اضافه شدن یک لینک به شبکه هاول حکیمی به عنوان محدودیت و جمع سودمندی تمام گره‌ها در حالت اصلی شبکه هاول-حکیمی به عنوان تابع هدف در نظر گرفته می‌شود. در نهایت با استفاده از این مدل یک شبکه ایجاد کرده‌ایم و این شبکه را با شبکه اصلی و مدل‌های پیشین مورد مقایسه و ارزیابی قرار داده‌ایم. در این ارزیابی و مقایسه معیارهای ارزیابی مختلفی از جمله معیار توزیع درجه، میانگین کوتاه‌ترین مسیر میان نورون‌ها، ضریب خوشه‌بندی، توزیع کوتاه‌ترین مسیر، چگالی شبکه، معیار مرکزیت میانی و معیار همگن بودن مورد مقایسه قرار گرفته است. نتایج ارزیابی نشان می‌دهد مدل مبتنی بر نظریه بازی بهتر از مدل‌های پیشین می‌تواند دلایل تشکیل شبکه عصبی را پیش‌بینی کند و شبکه حاصل از این مدل بیشتر از شبکه حاصل از مدل‌های پیشین به شبکه عصبی کرم سی‌الگانس شباهت دارد.
- Abstract
- Studying and understanding human brain structures and functions has become one of the most challenging issues in science today. The combination of sciences tries to studying brain, have made neuroscience as a new field in science. The main goal of this field is to map the human brain. One of the most important tools used in computational neuro-science is complex network analysis. Analyzing nervous system using complex network analysis can help to understand the brain structures’ properties. These structural properties can shade light in to understanding the reasons for diseases like otism that cause by wiring disorder. In this thesis a new model based on game theory is proposed in order to understand the factors affected the formation of nervous systems. In this model neurons are considered to be agents. The strategy for each neuron encompasses make link or disagree to make link with other neurons. In thesis a directed havel hakimi random network is chosen for basic network of the model. The main model is construct upon this basic model
