شرایط مرزی:

Z=0

r=r1

r=0

پیوستگی دبی در قسمت غشا-لوله و غشا- پوسته با عبارات زیر بیان می شود:

3-35)

3-36)

3-4- مدل‌سازی با بهره گرفتن از هوش مصنوعی
مدل‌های بر مبنای معادلات تئوری هیدرودینامیکی مشکلاتی نظیر پیچیدگی‌های ناشی از فیزیک مساله، حجم زیاد محاسبات و نیز خطای ناشی از فاصله مبانی تئوری و مسائل واقعی دارند. با توجه به این مشکلات نظر محققان به گونه‌ای دیگر از مدل سازی جلب شده که با بهره گرفتن از هوش مصنوعی به مدل سازی بر مبنای داده های تجربی می پردازد. هوش مصنوعی، شاخه‌اي از علم كامپيوتر است كه ملزومات محاسباتی اعمالی همچون ادراك، استدلال و يادگيری را بررسی كرده و سيستمی جهت انجام چنين اعمالی ارائه می‌دهد. در این شاخه محاسباتی می توان از داده های تجربی موجود برای ایجاد یک مدل مناسب جهت پیش بینی فرآیندهای مشابه استفاده کرد.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

تفاوت انسان با ساير موجودات زنده ديگر در توانايي تصميم گيري و اراده اوست كه به ساختار پيچيده مغز و سلسله اعصاب او بر مي گردد. از ديرباز دانشمندان و محققين زيادي علاقمند به شناخت ساختمان مغز انسان و چگونگي انجام محاسبات و پردازش در آن بوده اند آنچه باعث توجه گسترده به اين موضوع شده اموري است كه مغز آنها را در كسري از ثانيه انجام مي دهد( مثل شناسايي چهره آشنا ) در حاليكه رايانه هاي ديجيتال براي انجام آنها نياز به زمان زيادي دارند بنابراين مغز براي محاسبات خود اساسا از ساختاري كاملا مغاير با ساختار رايانه هاي متداول برخوردار مي باشد.
احساس نياز بشر براي دستيابي به هوش مصنوعي به منظور نزديك تر كردن ارتباط انسان و ماشين و دستيابي به ماشين هاي هوشمندي كه بتواند از عهده وظايف پيچيده تر بر آيند انگيزه اصلي تحقيقات گسترده بر روي سيستم عصبي انسان و ديگر موجودات زنده و تلاش در جهت شبيه سازي مصنوعي آن بوده است. شبکه عصبي مصنوعي^[43] ايده اي است براي پردازش اطلاعات که از سيستم عصبي زيستي الهام گرفته شده و مانند مغز به پردازش اطلاعات مي پردازد. عنصر کليدي اين ايده، ساختار جديد سيستم پردازش اطلاعات است.
شبکه هاي عصبي، با توانایی قابل توجه آنها در استنتاج معاني از داده هاي پيچيده يا مبهم ، مي‌تواند براي استخراج الگوها و شناسايي روش‌هايي که آگاهي از آنها براي انسان و ديگر تکنيک هاي کامپيوتري بسيار پيچيده و دشوار است به کار گرفته شود. يک شبکه عصبي آموزش داده شده مي تواند به عنوان يک متخصص در مقوله اطلاعاتي که براي تجزيه تحليل به آن داده شده به حساب آيد
شبكه هاي عصبي در هر دو جهت توسعه تئوري و عملي در حال رشد مي باشند. بيش‌تر پيشرفت ها در شبكه هاي عصبي به ساختارهاي نوين و روش هاي يادگيري جديد مربوط مي شود آن‌چه كه در مورد آينده مي توان گفت اين است كه شبكه هاي عصبي جايگاه مهمي به عنوان يك ابزار علمي كه بتواند براي حل مسائل خاص مورد استفاده قرار گيرد خواهند داشت.
3-4-1- شبكه هاي عصبي مصنوعي
شبكه هاي عصبي مصنوعي الهام گرفته از سيستم هاي بيولوژيكي هستند. اما اختلاف‌هاي عمده اي بين معماري و قابليت شبكه هاي عصبي مصنوعي و طبيعي وجود دارد. مغز انسان به عنوان يك سيستم پردزاش اطلاعاتي با ساختار موازي از 100 تريليون نرون هاي به هم مرتبط مي باشد كه اين نرون ها از طريق شبكه اي از آكسون ها^[44] و سيناپس‌ها^[45] با چگالي تقريبي10 هزار سيناپس در هر نرون، با هم ارتباط دارند[82].
محيط عملكرد اين نرون‌ها يك محيط شيميايي است. گيرنده هاي حسي تحريكات را هم از محيط و هم از داخل بدن دريافت مي كند. اين تحريكات كه به صورت ايمپالس^[46]هاي الكتريكي هستند اطلاعات را به شبكه نرون ها وارد مي كنند. سيستم عصبي مركزي، اطلاعات دريافتي را پردازش مي كند و با كنترل انگيزنده ها^[47] پاسخ انسان را به صورت‌هاي مختلف بروزرسانی مي كند.

شکل 3-2- اجزاي اصلي يک شبکه عصبي بيولوژيک[82]