دانلود پاورپوینت چرخه سلولی

دسته بندی ژنتیک
فرمت فایل ppt
حجم فایل 2.455 مگا بایت
تعداد صفحات 28
برای دانلود فایل بر روی دکمه زیر کلیک کنید

دریافت فایل

زندگی یاخته‌ها در دو مرحله متوالی به صورت یک چرخه، به نام چرخه یاخته‌ای تکرار می‌شود. تقسیم یا تولید مثل یاخته یکی از این مراحل است. مساله مهم در تقسیم یاخته، تقسیم ماده ژنتیکی بین دو یاخته دختر است. باکتریها این مساله را با همانندسازی DNA منفرد و تقسیم دوتایی یاخته حل کرده‌اند. یوکاریوتها، از لحاظ ساختار ژنوم پیچیده‌ترند و تقسیم یاخته‌ای پیچیده‌تری به نام میتوز دارند.
در میتوز، ریزلوله‌ها به هر کروموزوم همانندسازی شده متصل می‌شوند و کروموزومهای خواهر را به قطبهای مخالف یاخته می‌کشاند. هنگامی که توزیع مجدد مواد کروموزومی کامل شد، یاخته تقسیم می‌گردد. در یوکاریوتها، علاوه بر تقسیم میتوز، تقسیم دیگری به نام میوز وجود دارد که به تشکیل گامتهای جنسی با کروموزومهای هاپلوئید می‌انجامد.

برای دانلود فایل بر روی دکمه زیر کلیک کنید

دریافت فایل

تعیین جنسیت

دسته بندی ژنتیک
فرمت فایل zip
حجم فایل 961 کیلو بایت
تعداد صفحات 21
برای دانلود فایل بر روی دکمه زیر کلیک کنید

دریافت فایل

در مواردی که زمینه های قومی، نژادی و شخصی و یا خانوادگی برای ابتلا به یک بیماری خاص ژنتیکی مثلا کور رنگی، هموفیلی و یا بعضی بیماریهای عضلانی در والدین و یا یکی از انها وجود داشته باشد . پیش از انجام هر اقدامی برای تعیین جنسیت جنین باید ابتداد به مراکز مشاوره ژنتیک مراجعه کرد. باید توجه داشت که هیچ روش قطعی برای انتخاب جنسیت وجود ندارد و حتی با استفاده از پیشرفته ترین روشها امکان تعیین جنسیت به 100 درصد نمیرسد با این حال بعضی از رژیمهای خاص و یا تکنیک های امیزش می تواند در انتخاب جنسیت جنین به والدین کمک کند.

برای دانلود فایل بر روی دکمه زیر کلیک کنید

دریافت فایل

تحقیق پیاده سازی VLSI یك شبكه عصبی آنالوگ مناسب برای الگوریتم های ژنتیك

دسته بندی ژنتیک
فرمت فایل zip
حجم فایل 541 کیلو بایت
تعداد صفحات 39
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

1- مقدمه

شبكه های عصبی مصنوعی به صورت عمومی بعنوان یك راه حل خوب برای مسائلی از قبیل تطبیق الگو مورد پذیرش قرار گرفته اند .

علیرغم مناسب بودن آنها برای پیاده سازی موازی ، از آنها در سطح وسیعی بعنوان شبیه سازهای عددی در سیستمهای معمولی استفاده می شود .

یك دلیل برای این مسئله مشكلات موجود در تعیین وزنها برای سیناپسها در یك شبكه بر پایه مدارات آنالوگ است .

موفقترین الگوریتم آموزش ، الگوریتم Back-Propagation است .

این الگوریتم بر پایه یك سیستم متقابل است كه مقادیر صحیح را از خطای خروجی شبكه محاسبه می كند .

یك شرط لازم برای این الگوریتم دانستن مشتق اول تابع تبدیل نرون است .

در حالیكه اجرای این مسئله برای ساختارهای دیجیتال از قبیل میكروپروسسورهای معمولی و سخت افزارهای خاص آسان است ، در ساختار آنالوگ با مشكل روبرو می شویم .

دلیل این مشكل ، تغییرات قطعه و توابع تبدیل نرونها و در نتیجه تغییر مشتقات اول آنها از نرونی به نرون دیگر و از تراشه ای به تراشه دیگر است و چه چیزی می تواند بدتر از این باشد كه آنها با دما نیز تغییر كنند .

ساختن مدارات آنالوگی كه بتوانند همه این اثرات را جبران سازی كنند امكان پذیر است ولی این مدارات در مقایسه با مدارهایی كه جبران سازی نشده اند دارای حجم بزرگتر و سرعت كمتر هستند .

برای كسب موفقیت تحت فشار رقابت شدید از سوی دنیای دیجیتال ، شبكه های عصبی آنالوگ نباید سعی كنند كه مفاهیم دیجیتال را به دنیای آنالوگ انتقال دهند .

در عوض آنها باید تا حد امكان به فیزیك قطعات متكی باشند تا امكان استخراج یك موازی سازی گسترده در تكنولوژی VLSI مدرن بدست آید .

شبكه های عصبی برای چنین پیاده سازیهای آنالوگ بسیار مناسب هستند زیرا جبران سازی نوسانات غیر قابل اجتناب قطعه می تواند در وزنها لحاظ شود .

پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود