Sharif Digital Repository / Sharif University of Technology
    • [Zoom In]
    • [Zoom Out]
  • Page 
     of  0
  • [Previous Page]
  • [Next Page]
  • [Fullscreen view]
  • [Close]
 
توسعه شبکه عصبی مصنوعی پیش‌بینی‌کننده نیروهای وارد بر ستون فقرات با استفاده از مدل اجزای محدود اسکلتی - عضلانی کوپل
محمدی، حسن Mohammadi, Hassan

Cataloging brief

توسعه شبکه عصبی مصنوعی پیش‌بینی‌کننده نیروهای وارد بر ستون فقرات با استفاده از مدل اجزای محدود اسکلتی - عضلانی کوپل
پدیدآور اصلی :   محمدی، حسن Mohammadi, Hassan
ناشر :   صنعتی شریف
سال انتشار  :   1403
موضوع ها :   شبکه عصبی مصنوعی Artificial Neural Network بارهای وارد بر ستون فقرات Spinal Loads ...
شماره راهنما :   ‭08-58184

Find in content

sort by

Bookmark

  • فصل1) مقدمه (10)
    • 1-1 اهمیت پژوهش (10)
    • 1-2 هدف پژوهش (11)
    • 1-3 ساختار پایان‌نامه (13)
  • فصل2) مفاهیم پایه (14)
    • 2-1 آناتومی ستون مهره‌ها (14)
      • 2-1-1 صفحات آناتومیکی بدن (14)
      • 2-1-2 درجات آزادی مهره‌ها (15)
      • 2-1-3 باربرداری متقارن و نامتقارن (16)
      • 2-1-4 بخش‌های مختلف ستون مهره‌ها (17)
      • 2-1-5 آناتومی مهره‌ها و مفاصل فست (18)
      • 2-1-6 آناتومی دیسک‌ها (21)
      • 2-1-7 آناتومی لیگامنت‌ها (23)
      • 2-1-8 عضلات ستون مهره‌ها (25)
    • 2-2 سطح مقطع فیزیولوژیک و نیروی عضله (29)
    • 2-3 نسبت چرخش کمر به لگن (31)
    • 2-4 مدل‌های بیومکانیکی ستون مهره‌ها (32)
      • 2-4-1 مدل‌های برپایه تعادل (32)
      • 2-4-2 مدل‌های برپایه پایداری (36)
    • 2-5 معادلات رگرسیون (37)
      • 2-5-1 رگرسیون خطی (37)
      • 2-5-2 رگرسیون غیرخطی (38)
      • 2-5-3 ارزیابی خطا (39)
    • 2-6 شبکه عصبی مصنوعی (40)
  • فصل3) مروری بر ادبیات موضوعی (44)
    • 3-1 روش‌های تخمین بارهای وارد بر ستون مهره‌ها (44)
    • 3-2 مدل‌های اجزاء محدود غیرفعال (45)
    • 3-3 مدل‌های اسکلتی-عضلانی (46)
      • 3-3-1 مدل اسکلتی-عضلانی مفاصل تیر شکل (46)
    • 3-4 مدل‌های هیبرید (49)
    • 3-5 مدل اجزاء محدود اسکلتی-عضلانی کوپل (51)
    • 3-6 معادلات رگرسیون پیش‌بینی‌کننده نیروهای ستون مهره‌ها (58)
    • 3-7 کاربرد شبکه عصبی مصنوعی در پیش‌بینی بارهای ستون فقرات (61)
    • 3-8 جمع‌بندی و نتیجه‌گیری (63)
  • فصل4) روش انجام پژوهش (64)
    • 4-1 بازتعریف ورودی‌های مدل کوپل (64)
      • 4-1-1 زاویه خم شدن رو به جلو T (64)
      • 4-1-2 اندازه بار در دست M و فاصله بار تا مفصل شانه D (65)
      • 4-1-3 نسبت چرخش کمر به لگن L/P (69)
    • 4-2 حالت‌های باربرداری متقارن (70)
    • 4-3 افزایش بیشینه‌ی تنش قابل تحمل عضلات (70)
    • 4-4 تعریف نرخ یادگیری (71)
    • 4-5 فلوچارت نهایی مدل کوپل (73)
    • 4-6 خروجی‌های مدل کوپل (74)
    • 4-7 تقسیم مجموعه داده‌ به داده‌های آموزش، اعتبارسنجی و آزمون (75)
  • فصل5) نتایج، بحث و نتیجه‌گیری (76)
    • 5-1 خروجی‌های درنظر گرفته شده از مدل کوپل (76)
      • 5-1-1 حداکثر تنش اصلی در آنولوس (76)
      • 5-1-2 میانگین نیروی عضلات سمت راست و سمت چپ بدن (76)
      • 5-1-3 توزیع خروجی‌های مدل کوپل (77)
      • 5-1-4 همبستگی بین ورودی‌ها و خروجی‌ها (79)
    • 5-2 نسبت بسیار کم تعداد داده به تعداد وزن‌های شبکه (82)
    • 5-3 معادلات رگرسیون خطی و درجه دو (82)
    • 5-4 پیش‌پردازش داده‌ها (87)
    • 5-5 شبکه عصبی با یک لایه مخفی (87)
      • 5-5-1 ساختار شبکه (87)
      • 5-5-2 ارزیابی خطا (90)
    • 5-6 شبکه عصبی با دو لایه مخفی (92)
      • 5-6-1 ساختار شبکه (92)
      • 5-6-2 ارزیابی خطا (94)
    • 5-7 شبکه عصبی با سه لایه مخفی (96)
      • 5-7-1 ساختار شبکه (96)
      • 5-7-2 ارزیابی خطا (98)
    • 5-8 ارتباط جابجایی مهره‌ها و خروجی‌ها (100)
    • 5-9 بحث و نتیجه‌گیری (103)
      • 5-9-1 روابط بین ورودی‌ها و خروجی‌ها (103)
      • 5-9-2 مقایسه ابزارهای نگاشت (104)
      • 5-9-3 شباهت نتایج شبکه با ورودی جابجایی مراکز مهره‌ها با شبکه با چهار ورودی مدل کوپل (107)
      • 5-9-4 محدودیت‌ها (107)
  • منابع و مآخذ (110)
  • پیوست: هیستوگرام‌های مجموعه داده ورودی-خروجی (114)
Loading...