لینک دانلود و خرید پایین توضیحات
فرمت فایل word و قابل ویرایش و پرینت
تعداد صفحات: 35
اختلالات تیک یا تیک عصبی
نگاهی کوتاه به انواع تیکها
شاید یکی از چیزهایی که در خیابان یا در یک مهمانی یا هر جای دیگر شما را به خنده وا دارد دیدن حرکات عجیب و غریب و تکراری یک نفر باشد.(البته خندیدن کار صحیحی نیست ولی بعضی اوقات از دست آدم در میره، چاره ای نیست).امروزه به ویژه با زیادتر شدن بازیهای کامپیوتری و گیم نت ها این حرکات بیشتر شده و بخصوص در بچه هایی که زیاد بازی کامپیوتری می کنند.دیدم بد نیست نگاهی هر چند کوتاه و مختصر به این موضوع داشته باشم.امیدوارم خوشتان بیاید.
البته با تیک تیک ساعت اشتباه نگیرید که فکر کنم از آن بدتان بیاید.(چون گذر زمان را نشان می دهد.)
تعریف تیک:
حرکات غیر ارادی، اجباری، تکراری و کلیشه ای را در اصطلاح تیک می نامند.این حرکات شبیه حرکات با هدف است چون هماهنگ بوده و در عضلاتی دیده می شود که رابطه طبیعی هماهنگ با هم دارند.تیک معمولا" در صورت و شانه ها دیده می شود.این حرکات غیر ارادی، جدا از هم، تکراری، کوتاه و ناگهانی ممکن است به صورت ساده دیده شوند مانند تکان دادن بینی، چشمک زدن یا حرکات سر و یا دارای طبیعت حسی باشند و یا به صورت کلامی یا صوتی بروز کنند که در این حالت از صاف کردن گلو تا نشانه های پیچیده تر مثل تکرار غیر ارادی سخن دیگران(اکولالیا echolalia) یا ناسزا گفتن غیر ارادی و نا مناسب(کوپرولالیا coprolalia) می توانند گسترده باشند.
پیشگیری:
معمولا" می توان به طور ارادی از بروز نشانه های تیک جلوگیری کرد ولی با بروز استرس شدت پیدا می کنند و با سرگرم شدن بیمار از شدت آنها کاسته می شود.
انواع تیک ها و درمان آنها:
بعضی از تیک ها در خواب هم ادامه دارند.شایع ترین علت بروز این نوع تیک ها سندرم تورت(Tourette Syndrome سندرم ژیل دولاتورت) است.در این حالت آشفتگی های رفتاری به همراه تیک وجود دارد.این بیماری اصولا" یک بیماری ژنتیک است و از دوره کودکی شروع می شود، ولی ممکن است به علت مصرف بعضی مواد(مانند داروهای آنتی سایکوتیک) ،تروما، عفونت استرپتوکوکی و یا آنسفالیت ویروسی تشدید شود.
شدت نشانه های بسیاری از بیماران متغیر است و کم و زیاد می شود و رفتار درمانی و اطمینان بخشیدن به بیمار برای رفع تیک های خفیف کافی است.
تیک های شدید و آنهایی که موجب نگرانی است بایستی با دارو درمان شوند.در اکثر اوقات بلوکرهای دوپامین، و معمولا" پیموزاید یا هالوپریدول باعث کاهش کثرت و وخامت تیک شده و ممکن است آشفتگی های رفتاری همراه آن را نیز کاهش دهد.
برتری استفاده از داروهای دیگر بر اساس تأ ثیر یا عوارض مضر آنها هنوز در هاله ای از ابهام است.
معمولا" توصیه می شود دوز داروی استفاده شده تا حد امکان کم باشد.در ضمن باید توجه داشت که درمان مناسب بدین معنی نیست که کلیه نشانه ها را کنترل کند.(وگرنه که دیگه کسی تیک نداشت).به این موضوع هم توجه کنید که بعضط عوارض داروها را باید در کنار آثار درمانی آنها قرار داد.(خیلی نباید به عوارض سطحی داروها توجه کرد.چون داروی بدون عارضه مرگ است!!!!!!)
غالبا" مصرف دارو را پس از چند سال می توان قطع کرد.در بیمارانی که به هالوپریدول و پیموزاید پاسخ نمی دهند و یا نسبت به این داروها حساسیت دارند، می توان از داروهای جایگزین استفاده کرد.
بعضی داروهای دیگر که در کنترل تیک و یا آشفتگی های رفتاری سندرم تورت به کار می روند عبارتند از:
کلونیدین، سولپیرید، باکلوفن، توکسین بوتولینوم، کلونازپام، فلوفنازین، لوودوپا، پرگولید، ریسپریدون و تیاپرید.
در بعضی بیماران، در آغاز می توان از کلونیدین استفاده کرد چون از نظر عدم بروز عوارض جانبی بر هالوپریدول و پیموزاید ارجحیت دارد.
همچنین دانشمندان متوجه شده اند که نیکوتین به تنهایی یا همراه با هالوپریدول در آنهایی که هالوپریدول به تنهایی اثر نداشته است، مفید بوده است.
تیک های عصبی چیست ؟
تیک ها حرکات غیر اردای و انقباضات عضلانی نا گهانی بوده و حداقل بطور گذرا در درصد قابل توجهی از افراد دیده می شوند .
تیک های صوتی نیز بیشتر به صورت اصواتی مثل سرفه کردن، صاف کردن گلو، تیک هایی که به تازگی آغاز شده اند، اغلب نیاز به درمان ندارند.
توصیه مناسب به والدین و اطرافیان کودک مبتلا به تیک این است که توجهی به تیک ها نداشته باشند، چرا که تمرکز روی تیک، باعث تشدید آن می شودغرغر کردن، بالا کشیدن بینی و… تظاهر می کند.
اکثر تیک هایی که تازه آغاز شده اند، مسیر محدود و گذرایی دارند و به سمت اختلال جدی تری پیش نمی روند و حداکثر در طی دوره های استرس آور عود می کنند.
معدودی از تیک ها بیشتر از یک سال طول می کشند.
تیک در مردها سه برابر بیشتر از زن هاست و تیکهای مزمن بیشتر بین سنین شش تا دوازده سالگی دیده می شود.
تیک می تواند با رفتارهایی نظیر بالا انداختن شانه ، پلک زدن، تنگ کردن چشمها، تکانهای تند سر یا شانه، شکلک در آوردن، تکان دادن سر به طرفین یا پایین آوردن سر و یا چین دادن بینی دیده شود.
این تیکهای حرکتی در دوران کودکی کاملاً معمول هستند. با آماری که انجمن روانپزشکی آمریکا گزارش داده است، پنج الی بیست و چهاردرصد از کودکان دارای نوعی تیک هستند.
شایع ترین نواحی از بدن که تیک های حرکتی در آنها دیده می شوند، عبارت اند از: سر و صورت و دست ها و بازوها و بیشترین حرکات به صورت چشمک زدن، شکلک در آوردن، چین دادن به پیشانی، بالا انداختن ابروها، پلک زدن زیاد، چرخش سر، پرتاب کردن دست ها و بازوها، بالا انداختن شانه و نیز تکان دادن پا و … است.
تیکهای گذرا
تیکهای حرکتی معمول که اغلب در حدود سه و نیم سالگی شروع می شوند به کودکان کمک می کنند تا انرژی عصبی را
برای خرید این پروژه فقط و فقط از
سایت
http://www.porojeamadematlab.ir
با تخفیف 50 درصدی استفاده نمایید.
09132399969
09338075778
پاورپوینتی زیبا و جذاب در 16 اسلاید قابل ویرایش
لینک دانلود و خرید پایین توضیحات
فرمت فایل word و قابل ویرایش و پرینت
تعداد صفحات: 24
مقدمه
شبکه های عصبی چند لایه پیش خور1 به طور وسیعی د ر زمینه های متنوعی از قبیل طبقه بندی الگوها، پردازش تصاویر، تقریب توابع و ... مورد استفاده قرار گرفته است.
الگوریتم یادگیری پس انتشار خطا2، یکی از رایج ترین الگوریتم ها جهت آموزش شبکه های عصبی چند لایه پیش خور می باشد. این الگوریتم، تقریبی از الگوریتم بیشترین تنزل3 می باشد و در چارچوب یادگیری عملکردی 4 قرار می گیرد.
عمومیت یافتن الگوریتمBP ، بخاطر سادگی و کاربردهای موفقیت آمیزش در حل مسائل فنی- مهندسی می باشد.
علیرغم، موفقیت های کلی الگوریتم BP در یادگیری شبکه های عصبی چند لایه پیش خور هنوز، چندین مشکل اصلی وجود دارد:
- الگوریتم پس انتشار خطا، ممکن است به نقاط مینیمم محلی در فضای پارامتر، همگرا شود. بنابراین زمانی که الگوریتم BP همگرا می شود، نمی توان مطمئن شد که به یک جواب بهینه رسیده باشیم.
- سرعت همگرایی الگوریتم BP، خیلی آهسته است.
از این گذشته، همگرایی الگوریتم BP، به انتخاب مقادیر اولیه وزنهای شبکه، بردارهای بایاس و پارامترها موجود در الگوریتم، مانند نرخ یادگیری، وابسته است.
در این گزارش، با هدف بهبود الگوریتم BP، تکنیک های مختلفی ارائه شده است. نتایج شبیه سازیهای انجام شده نیز نشان می دهد، الگوریتم های پیشنهادی نسبت به الگوریتم استاندارد BP، از سرعت همگرایی بالاتری برخوردار هستند.
خلاصه ای از الگوریتم BP
از قانون یادگیری پس انتشار خطا (BP)، برای آموزش شبکه های عصبی چند لایه پیش خور که عموماً شبکه های چند لایه پرسپترون 5 (MLP) هم نامیده می شود، استفاده می شود، استفاده می کنند. به عبارتی توپولوژی شبکه های MLP، با قانون یادگیری پس انتشار خطا تکمیل می شود. این قانون تقریبی از الگوریتم بیشترین نزول (S.D) است و در چارچوب یادگیری عملکردی قرار می گیرد.
بطور خلاصه، فرایند پس انتشار خطا از دو مسیر اصلی تشکیل می شود. مسیر رفت6 و مسیر برگشت 7 .
در مسیر رفت، یک الگوی آموزشی به شبکه اعمال می شود و تأثیرات آن از طریق لایه های میانی به لایه خروجی انتشار می یابد تا اینکه
_________________________________
1. Multi-Layer Feedforward Neural Networks
2. Back-Propagation Algorithm
3. Steepest Descent (S.D)
4. Performance Learning
5. Multi Layer Perceptron
6. Forward Path
7. Backward Path
نهایتاً خروجی واقعی شبکه MLP، به دست می آید. در این مسیر، پارامترهای شبکه (ماتریس های وزن و بردارهای بایاس)، ثابت و بدون تغییر در نظر گرفته می شوند.
در مسیر برگشت، برعکس مسیر رفت، پارامترهای شبکه MLP تغییر و تنظیم می گردند. این تنظیمات بر اساس قانون یادگیری اصلاح خطا1 انجام می گیرد. سیگنال خطا، رد لایه خروجی شبکه تشکیل می گردد. بردار خطا برابر با اختلاف بین پاسخ مطلوب و پاسخ واقعی شبکه می باشد. مقدار خطا، پس از محاسبه، در مسیر برگشت از لایه خروجی و از طریق لایه های شبکه به سمت پاسخ مطلوب حرکت کند.
در شبکه های MLP، هر نرون دارای یک تابع تحریک غیر خطی است که از ویژگی مشتق پذیری برخوردار است. در این حالت، ارتباط بین پارامترهای شبکه و سیگنال خطا، کاملاً پیچیده و و غیر خطی می باشد، بنابراین مشتقات جزئی نسبت به پارامترهای شبکه به راحتی قابل محاسبه نیستند. جهت محاسبه مشتقات از قانون زنجیره ای2 معمول در جبر استفاده می شود.
فرمول بندی الگوریتم BP
الگوریتم یادگیری BP، بر اساس الگوریتم تقریبی SD است. تنظیم پارامترهای شبکه، مطابق با سیگنالهای خطا که بر اساس ارائه هر الگو به شبکه محاسبه می شود، صورت می گیرد.
الگوریتم بیشترین تنزل با معادلات زیر توصیف می شود:
(1)
(2)
به طوری WLji و bLj، پارامترهای نرون j ام در لایه iام است. α، نرخ یادگیری2 و F، میانگین مربعات خطا می باشد.
(3)
(4)
(5)
به طوریکه SLj(k)، حساسیت رفتار شبکه در لایه L ام است.
_________________________________
1. Error-Correctting Learning Rule
2. Chain Rule
3. Learning Rate
معایب الگوریتم استاندارد پس انتشار خطا1 (SBP)
الگوریتم BP، با فراهم آوردن روشی از نظر محاسباتی کارا، رنسانسی در شبکه های عصبی ایجاد نموده زیرا شبکه های MLP، با قانون یادگیری BP، بیشترین کاربرد را در حل مسائل فنی- مهندسی دارند.
با وجود، موفقیت های کلی این الگوریتم در یادگیری شبکه های عصبی چند لایه پیش خود، هنوز مشکلات اساسی نیز وجود دارد:
- اولاً سرعت همگرایی الگوریتم BP آهسته است.
همانطور که می دانیم، تغییرات ایجاد شده در پارامترهای شبکه (ماتریس های وزن و بردارهای بایاس)، پس از هر مرحله تکرار الگوریتم BP، به اندازه ، است، به طوریکه F، شاخص اجرایی، x پارامترهای شبکه و α، طول قدم یادگیری است.
از این، هر قدر طول قدم یادگیری، α، کوچکتر انتخاب گردد، تغییرات ایجاد شده در پارامترهای شبکه، پس از هر مرحله تکرار الگوریتم BP، کوچکتر خواهد بود، که این خود منجر به هموار گشتن مسیر حرت پارامترها به سمت مقادیر بهینه در فضای پارامترها می گردد. این مسئله موجب کندتر گشتن الگوریتم BP می گردد. بر عکس با افزایش طول قدم α، اگرچه نرخ یادگیری و سرعت یادگیری الگوریتم BP افزایش می یابد، لیکن تغییرات فاحشی در پارامترهای شکه از هر تکراربه تکرار بعد ایجاد می گردد، که گاهی اوقات موجب ناپایداری و نوسانی شدن شبکه می شود که به اصطلاح می گویند پارامترهای شبکه واگرا شده اند:
در شکل زیر، منحنی یادگیری شبکه برای جدا سازیالگوها در مسأله XOR، به ازای مقادیر مختلف نرخ یادگیری، نشان داده شده است. به ازای مقادیر کوچک، α، شبکه کند اما هموار، یاد نمی گیرد الگوهای XOR را از هم جدا نماید، ددر صورتی که به ازای 9/0= α شبکه واگرا می شود.
_________________________________
1. Standard Back-Propagation Algorithm
شکل (1). منحنی یادگیری شبکه برای نرخ های یادگیری مختلف در مسأله XOR
- ثانیاً احتمالاً به دام افتادن شبکه در نقاط مینیمم محلی وجود دارد.
در شبکه های MLP، میانگین مجوز خطا، در حالت کلی خیلی پیچیده است و از تعداد زیادی نقطه اکسترمم در فضای پارامترهای شبکه برخوردار می باشد. بنابراین الگوریتم پس انتشار خطا با شروع از روی یک سری شرایط اولیه پارامترهای شبکه، به نقطه مینیمم سراسری و با شروع از یک مجموعه شرایط اولیه دیگر به تقاط مینیمم محلی در فضای پارامترها همگرا می گردد، بنابراین زمانی که الگوریتم BP همگرا می شود، نمی توان مطمئن شد که به یک جواب بهینه رسیده باشیم.
- ثالثاً: همگرایی الگوریتم BP، به یقین مقادیر اولیه پارامترهای شبکه عصبی MLP وابسته است، بطوری که یک انتخاب خوب می تواند کمک بزرگی در همگرایی سریعتر الگوریتم BP فراهم آورد. برعکس انتخاب اولیه نادرست پارامترهای شبکه MLP، منجر به گیر افتادن شبکه در نقاط مینیمم محلی در فضای برداری پارامترهای شبکه می گردد که این خود منجر به این می شود که شبکه خیلی زودتر از معمول به موضعی بیفتد که منحنی یادگیری شبکه برای تعداد بزرگی از دفعات تکرار، تغییر نکند.
به عنوان مثال، فرض می کنیم مقدار اولیه پارامترهای شبکه خیلی بزرگ باشند، در حالی که می دانیم توابع تبدیل نرونها مخصوصاً در لایه های میانی از نوع زیگموئید هستند. در این حالت برای نرون i ام، اندازه ورودی تابع تبدیل (ni) خیلی بزرگ می باشد و خروجی نرون (ai) به مقدار 1± میل می کند. لذا مشتق بردار خروجی شبکه، a ، خیلی کوچک می باشد. فرض کنیم که باید مقدار واقعی ai، 1 باشد
