ترجمه مقاله بررسی ابعاد هوش سلولی با شبکه های واکنش مصنوعی

ترجمه مقاله بررسی ابعاد هوش سلولی با شبکه های واکنش مصنوعی در 22 صفحه فارسی ورد قابل ویرایش با فرمت doc به همراه اصل مقاله انگلیسی

 

عنوان فارسی :

بررسی ابعاد هوش سلولی با شبکه های واکنش مصنوعی

عنوان انگلیسی :

Exploring aspects of cell intelligence with articial reaction networks

تعداد صفحات فارسی : 22 صفحه ورد قابل ویرایش

سطح ترجمه : متوسط

شناسه کالا : y2017

دانلود رایگان مقاله انگلیسی : http://ofmas.ir/dlpaper/y2017.pdf

دانلود ترجمه فارسی مقاله : بلافاصله پس از پرداخت آنلاین 26 هزار تومان قادر به دانلود خواهید بود .

 

بخشی از ترجمه :

 

چکیده
شبکه واکنش مصنوعی (ARN) یک شبکه ی سیگنال دهنده ی سلولی است که از نمایش پیوند گرایی الهام گرفته است که به شاخه ی حیات مصنوعی ( A-Life ) تعلق دارد که با عنوان شیمی مصنوعی شناخته شده است. هدف آن، نمایش مدارات شیمیایی و بررسی ویژگی های محاسباتی عهده دار ایجاد رفتار سطح بالای برامده از آن است که وابسته به سلولهاست. در این مقاله، مکانیسم های محاسباتی مشمول در الگوشناسی و ایجاد الگوی زمانی- فضایی، در وظایف کنترل رباتیک بررسی میشود. نتایج نشان میدهد ARN در کنترل رباتیک محدود و عاملیت محاسباتی مشترک با شبکه های عصبی مصنوعی، کاربرد دارد. همانند مدلهای عصبی ضربه ای  ، ARN میتواند الگو شناسی و عاملیت کنترل موقتی پیچیده را در یک شبکه ی واحد ترکیب کند. به علاوه، نتایج خطوط موازی بین هوش مصنوعی و هوش سلولی پدید آمده را نشان میدهد.

 

Abstract

The Articial Reaction Network (ARN) is a Cell Signalling Network inspired connectionist representa- tion belonging to the branch of A-Life known as Articial Chemistry. Its purpose is to represent chemical circuitry and to explore computational properties responsible for generat- ing emergent high-level behaviour associated with cells. In thispaper,thecomputationalmechanismsinvolvedinpattern recognitionandspatio-temporalpatterngenerationareexam- ined in robotic control tasks. The results show that the ARN has application in limbed robotic control and computational functionality in common with Articial Neural Networks. Like spiking neural models, the ARN can combine pattern recognition and complex temporal control functionality in a single network, however it offers increased exibility. Fur- thermore, the results illustrate parallels between emergent neural and cell intelligence.