مقاله تشخیص خطای سیم بندی استاتور با آنالیز موجک و شبکه عصبی

اختصاصی از فی گوو مقاله تشخیص خطای سیم بندی استاتور با آنالیز موجک و شبکه عصبی دانلود با لینک مستقیم و پر سرعت .

این محصول در قالب ورد و قابل ویرایش در 115 صفحه می باشد.

فهرست

چکیده........................................................................................................................................................1

مقدمه..........................................................................................................................................................2

فصل اول: بررسی انواع خطا در ماشینهای القایی و علل بروز و روشهای تشخیص آنها

1-1-مقدمه................................................................................................................................................3

1-2-بررسی انواع تنشهای وارد شونده بر ماشین القایی..............................................................................4

1-2-1-تنشهای موثر در خرابی استاتور.....................................................................................................4

1-2-2- تنشهای موثر در خرابی روتور.....................................................................................................5

1-3- بررسی عیوب اولیه در ماشینهای القایی.............................................................................................8

1-3-1- عیوب الکتریکی اولیه در ماشینهای القایی....................................................................................10

1-3-2- عیوب مکانیکی اولیه در ماشینهای القایی......................................................................................17

فصل دوم: مدلسازی ماشین القایی با استفاده از تئوری تابع سیم پیچ

2-1-تئوری تابع سیم پیچ..........................................................................................................................21

2-1-1-تعریف تابع سیم پیچ.....................................................................................................................21

2-1-2-محاسبه اندوکتانسهای ماشین با استفاده از توابع سیم پیچ..............................................................26

2-2-شبیه سازی ماشین القایی..................................................................................................................29

2-2-1- معادلات یک ماشین الکتریکی باm سیم پیچ استاتور و n سیم پیچ روتور...................................32

2-2-1-1-معادلات ولتاژ استاتور.............................................................................................................32

2-2-1-2- معادلات ولتاژ روتور..............................................................................................................33

2-2-1-3- محاسبه گشتاور الکترومغناطیسی.............................................................................................35

2-2-1-4- معادلات موتور القای سه فاز قفس سنجابی در فضای حالت...................................................36

2-3- مدلسازی خطای حلقه به حلقه و خطای کلاف به کلاف..................................................................44

فصل سوم: آنالیز موجک و تئوری شبکه های عصبی

3-1-تاریخچه موجک ها...........................................................................................................................54

3-2-مقدمه ای بر خانواده موجک ها.........................................................................................................54

3-2-1-موجک هار...................................................................................................................................55

3-2-2- موجک دابیشز..............................................................................................................................55

3-2-3- موجک کوایفلت..........................................................................................................................56

3-2-4- موجک سیملت............................................................................................................................56

3-2-5- موجک مورلت.............................................................................................................................56

3-2-6- موجک میر...................................................................................................................................57

3-3- کاربردهای موجک.........................................................................................................................57

3-4- آنالیز فوریه.....................................................................................................................................58

3-4-1- آنالیز فوریه زمان-کوتاه..............................................................................................................58

3-5-آنالیز موجک....................................................................................................................................59

3-6- تئوری شبکه های عصبی.................................................................................................................69

3-6-1- مقدمه..........................................................................................................................................69

3-6-2- مزایای شبکه عصبی....................................................................................................................69

3-6-3-اساس شبکه عصبی.......................................................................................................................69

3-6-4- انواع شبکه های عصبی................................................................................................................72

3-6-5-آموزش پرسپترونهای چند لایه......................................................................................................76

فصل چهارم:روش تشخیص خطای سیم بندی استاتور در ماشین القایی(خطای حلقه به حلقه)

4-1- اعمال تبدیل موجک.........................................................................................................................79

4-2- نتایج تحلیل موجک..........................................................................................................................81

4-3- ساختار شبکه عصبی.........................................................................................................................94

فصل پنجم: نتیجه گیری و پیشنهادات..

نتیجه گیری.........................................................................................................................................................97

پیشنهادات..................................................................................................................................................98

پیوست ها..................................................................................................................................................99

منابع و ماخذ

 فارسی....................................................................................................................................................100

منابع لاتین...............................................................................................................................................101

چکیده لاتین............................................................................................................................................105

چکیده:

در این مقاله ابتدا عیوب الکتریکی و مکانیکی در ماشینهای الکتریکی بررسی گردیده و عوامل به وجود آورنده و روشهای رفع این عیوب بیان شده است . به دنبال آن ، به کمک روش تابع سیم پیچی ماشین شبیه سازی و خطای مورد نظر یعنی خطای سیم بندی استاتور به آن اعمال و نتایج مورد بررسی قرار داده شده است. پارامتر اصلی که برای تشخیص خطا در این پایان نامه استفاده کرده ایم ، جریان سه فاز استاتور در حالت سالم و خطادار  ،تحت بارگذاری های مختلف خواهد بود.

در قسمت بعدی تئوری موجک و همچنین شبکه عصبی مورد بررسی قرار گرفته است . مادر اینجا از   برای استخراج مشخصات سیگنال استفاده کرده ایم ، مهمترین دلیلی که برای استفاده از این موجک داریم خاصیت متعامد بودن و پشتیبانی متمرکز سیگنال در حوزه زمان می باشد. شبکه عصبی که برای تشخیص خطا استفاده کرده ایم  ، شبکه سه لایه تغذیه شونده به سمت جلو با الگوریتم آموزش BP  و تابع فعالیت سیگموئیدی می باشد . در فصل چهارم روش تشخیص خطای سیم بندی استاتور در ماشین القایی بیان شده است که به صورت ترکیبی از آنالیز موجک و شبکه عصبی لست. روند کلی تشخص خطا به این صورت می باشد که ابتدا از جریان استاتور ماشین در حالت سالم و همچنین تحت خطاهای مختلف که در فصل دوم بدست آورده ایم استفاده شده و تبدیل موجک بروی آن اعمال گردیده است.سپس با استفاده از ضرایب موجک مقادیر انرژی در هر مقیاس استخراج و  به عنوان ورودی شبکه عصبی جهت آموزش دادن آن برای تشخیص خطای سیم بندی استاتور مورد استفاده قرار گرفته است. در نهایت به کمک داده های تست، صحت شبکه مذکور مورد بررسی قرار داده شده است. در نهایت نتیجه گیری و پیشنهادات لازم بیان گردیده است.

با توجه به مطالب اشاره شده نتیجه می شود که با تشخیص به موقع هر کدام از عیوب اوّلیه در ماشین القایی می توان از پدید آمدن حوادث ثانویّه که منجر به وارد آمدن خسارات سنگین می گردد ، جلوگیری نمود . در این راستا سعی شده است که با تحلیل ، بررسی و تشخیص یکی از این نمونه خطاها، خطای سیم بندی استاتور یک موتور القایی قفس سنجابی ، گامی موثر در پیاده سازی نظام تعمیراتی پیشگویی کننده برداشته شود و با بکارگیری سیستم های مراقبت وضعیت بروی چنین ماشینهایی از وارد آمدن خسارات سنگین بر صنایع و منابع ملی جلوگیری گردد.

143- بررسی سیستم های غیر خطی با استفاده از شبکه عصبی نوع GMDH تلفیقی با فیلتر کالمن - 55 صفحه فایل ورد (word)

اختصاصی از فی گوو 143- بررسی سیستم های غیر خطی با استفاده از شبکه عصبی نوع GMDH تلفیقی با فیلتر کالمن - 55 صفحه فایل ورد (word) دانلود با لینک مستقیم و پر سرعت .

فهرست مطالب

عنوان    صفحه

فهرست جدول‌ها            ‌ب

فهرست شکل‌‌ها  ‌ج

فصل 1-            فیلتر ترکیبی کالمن و GMDH   1

1-1-    مقدمه   1

1-2-    مدلهای شبکه عصبی مبتنی بر الگوریتم ژنتیک     4

1-3-    مدلهای شبکه عصبی مبتنی بر الگوریتم GMDH 5

1-4-    مدل سازی با استفاده از شبکه عصبی نوع GMDH           9

1-4-1-            مبنای ریاضی الگوریتم GMDH  10

1-4-2-            معرفی الگوریتم GMDH بر اساس تئوری و آنالیز مدلسازی سیستم ها       12

1-1-1-            مدلسازی سیستم های جزئی       16

1-4-2-1-        روش حل معادلات متعامد(SNE)            17

1-4-3-            روش تجزیه مقادیر منفرد(SVD) 18

1-4-4-            روش SVD برای ماتریس مربعی : 19

1-5-    ویژگی های عمومی شبکه های GMDH  24

1-6-    طراحی ساختارهای گوناگون برای شبکه های GMDH      25

1-6-1-            متد اول: طرح ساختار شکل گرفته بر اساس افزایش فشار انتخاب (I.S.P)   26

1-6-2-            متد دوم : طرح ساختار از پیش تعیین شده (P.S.D)        28

1-6-3-            متد سوم : طراحی تکاملی ساختار شبکه عصبی(ED)        29

1-7-    کاربرد فیلتر UKF در تخمین ضرایب شبکه عصبی نوع GMDH    30

1-8-    ترکیب اطلاعات بر اساس فیلتر کالمن      32

1-9-    مقایسه تئوریها    35

1-10-  معرفی شبکه ای جدید از خانواده GMDH بر اساس ساختمان  ANFIS     40

فهرست مراجع   46

شبکه های عصبی مصنوعی ابزارهای قدرتمندی هستند که از دانش کنونی بشرراجع به شبکه های عصبی موجودات زنده الهام گرفته شده اند و جهت شناسایی رفتار سیستم های خیلی پیچیده و یا نامشخص براساس داده های ورودی و خروجی معلوم مورد استفاده قرار می گیرند[ ]. در این نوع شبکه ها، هدف آن است که با استفاده از تعداد زیادی عناصر محاسباتی ساده که با حجم زیادی از اتصالات به یکدیگر متصل شده اند، تابع مورد نظر بدست آید [ ].

شبکه های عصبی تقریبا می توانند هر تابع غیرخطی را تقریب بزنند. پیچیدگی ذاتی موجود در طراحی شبکه های عصبی به شناسایی ساختار و ضرایب آموزش دهنده آن مرتبط است. الگوریتم پس انتشار  یکی از متداولترین الگوریتم های مورد استفاده جهت آموزش این شبکه ها می باشد. اما الگوریتم پس انتشار به انتخاب وزن‌های اولیه و تعداد نرون‌های مخفی وابسته است. همچنین سرعت همگرایی آن خیلی کند است و به نویزهای موجود در مجموعه داده های ورودی و خروجی که جهت آموزش شبکه عصبی به کار می‌روند بسیار حساس است. همچنین در مدل سازی فرآیندهای پیچیده عملکرد ضعیفی دارد [  و  ].

جهت رفع نواقص مذکور تحقیقات گسترده ای انجام پذیرفته است [ ،   و  ]. یکی از معروفترین الگوریتم ها در جهت رفع نواقص مذکور استفاده از فیلتر کالمن است. فیلتر کالمن یک فیلتر بازگشتی کاراست که متغیر حالت یک سیستم پویا را از دنباله ای از اندازه گیری های ناقص و مخدوش تخمین می زند. این فیلتر از یک سری مجموعه محاسبات برگشتی براساس حداقل نمودن میانگین مجذور خطای تخمین برای تخمین بهینه متغیرها و پارامترهای سیستم استفاده می‌نماید[1].سینگالو وو ، از الگوریتم فیلتر کالمن توسعه یافته  جهت آموزش شبکه‌های عصبی پیشخور استفاده نمودند. آنها تمامی وزن‌های شبکه را تحت عنوان یک بردار متغیر حالت در الگوریتم EKF در نظر گرفته و سپس نشان دادند که الگوریتم EKF به تعداد تکرار کمترینسبت به الگوریتم پس انتشار نیاز دارد و از دقت بالاتری برخوردار است [ ]. اما هنگامی که تعداد نرون‌های مخفی افزایش می‌یابد، بعد بردار متغیر حالت (وزن‌های شبکه) و همچنین ماتریس کوواریانس خطا خیلی بزرگ می‌شود و اغلب سبب مشکل در محاسبات عددی می‌گردد.جهت کاهش پیچیدگی محاسبات، پاسکریوس و فلدکمپ  الگوریتم  DEKFرا ارائه نمودند که در آن وزن‌های هر لایه را به صورت مجزا تعیین می‌گردد و با این کار بُعد بردار متغیر حالت کاهش می‌یابد[ ]. ریوالدز و پرسوناز ، حالت‌های مختلف مقادیر اولیه برای الگوریتم آموزشیEKF بررسی نمودند و سپس پیشنهاد نمودند که چگونه مقادیر اولیه را برای کوواریانس خطای سیستم و ماتریس خطای نویز فرآیند انتخاب گردد [9]. وان در مرو از الگوریتم UKF جهت آموزش شبکه‌های عصبی استفاده نمود و نشان داد که الگوریتم UKF روشی پایدارتر و با نرخ همگرایی سریعتری نسبت به EKF است [ ].

وو و وانگ  از فیلترهای EKF و UKF جهت آموزش شبکه های عصبی پیشخور استفاده نمودند و نشان دادند که مدل شبکه حاصله براساس فیلتر UKF (در مواردی که سیستم دارای عناصر غیرخطی پیچیده است) از دقت پیش بینی بهتری نسبت به فیلتر EKF برخوردار است [ ].

یکی از انواع شبکه های عصبی که در شناسایی مدل و پیش بینی رفتار سیستم های خیلی پیچیده و یا نامعلوم مورد استفاده قرار می گیرد، الگوریتم دسته بندی گروهی داده ها  است که توسط پروفسور ایواخنینکو  معرفی و گسترش پیدا کرده است[ ]. در سالهای اخیر تلاشهای زیادی در جهت شناسایی ساختار و ضرایب این شبکه ها توسط محققان انجام پذیرفته است و الگوریتم های تکاملی بخصوص الگوریتم ژنتیک به دفعات جهت شناسایی ساختار شبکه پیشنهاد گردیده است [ ،  ]. زیرا  الگوریتم های تکاملی بویژه برای مسایل پیچیده که دارای فضای جستجو با اکسترمم های محلی فراوان است کارایی بسیار دارند. همچنین جهت تعیین ضرایب شبکه روش تجزیه مقادیر منفرد مورد استفاده قرار گرفته است [ , ].

مقاله کامل در مورد دستگاه عصبی

اختصاصی از فی گوو مقاله کامل در مورد دستگاه عصبی دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*
فرمت فایل:Word (قابل ویرایش و آماده پرینت)
تعداد صفحه: 7
فهرست مطالب:

مقدمه

پرده‌های مغز و نخاع

نخاع

مقطع نخاع

اعمال حرکتی نخاع

مغز

نیمکره‌های مخ

مخچه

بصل‌النخاع

عقده عصبی

دستگاه عصبی محیطی

اعصاب پیکری و خودمختار

مقدمه

دستگاه عصبی با داشتن نورونها ، هدایت تحریکات را به عهده دارد. تحریکات را حس می‌کند به مغز می‌فرستد در مقابل بخش تحریک شده که تحریک را حس کرده است واکنش نشان می‌دهد. این تحریکات اکثر اوقات از طریق نورونهای واسط صورت می‌گیرد. زیرا به ندرت یک نورون بسیار بلند در بدن یافت می‌شود. تحریکات باعث تولید مواد شیمیایی می‌شوند، این واسطه‌های شیمیایی از راس انشعابات انتهایی اکسون و دندریت که غالب اندامکهای جسم سلولی را دارا هستند، تولید می‌شوند.

پرده‌های مغز و نخاع

سطح بیرونی مغز و نخاع توسط سه پرده یا شامه پوشیده شده است پرده بیرونی سخت شامه ، میانی عنکبوتیه و درونی نرم شامه نامیده می‌شود. سطح بیرونی پرده‌ها بوسیله مزوتلیوم پوشیده شده است.

نخاع

نخاع رابط مغز و قسمتهای دیگر بدن است اعصاب در فواصل معین به نخاع وارد و یا از آن خارج می‌شوند. اعصاب حسی از طریق ریشه‌های پشتی وارد نخاع می‌شوند اعصاب حرکتی ریشه‌های شکمی نخاع را ترک می‌کنند. دو ریشه پشتی و شکمی به هم متصل شده و اعصاب نخاعی را می‌سازند.

دانلود تحقیق دستگاه عصبی

اختصاصی از فی گوو دانلود تحقیق دستگاه عصبی دانلود با لینک مستقیم و پر سرعت .

دستگاه عصبی
دستگاه عصبی، اطلاعات را جمع آوری، تحلیل، ذخیره و منتقل می کند. این دستگاه کارکردهای حیاتی بدن را کنترل می کند و با جهان خارج تعامل دارد. دستگاه های عصبی دو قسمت دارد: دستگاه عصبی مرکزی که مغز و طناب نخاعی را تشکیل می دهد و دستگاه عصبی محیطی که از اعضایی تشکیل می شود که از مغز و طناب نخاعی منشأ گرفته، به تمام نواحی بدن می روند. پیام ها به صورت تکانه تهای الکتریکی ظریف، از طریق دستگاه عصبی، از مغز به بقیه بدن و برعکس منتقل می شوند. مغز تقریباً‌ تمامی فعالیت ها را کنترل می کند: هم فعالیت های آگاهانه مثل حرکت هم فعالیت های غیر آگاهانه مثل حفظ دمای بدن. همچنین در مورد محیط و وضعیت سایر قسمت های غیر آگاهانه مثل حفظ دمای بدن. همچنین در مورد محیط و وضعیت سایر قسمت های بدن اطلاعاتی را دریافت می کند. برای مثال، اعصابی که به چشم ها ختم می شوند، اطلاعات تصویری را ثبت می کنند و اعصاب زیر سطح پوست، حواسی چون درد را منتقل می کنند. به علاوه مغز قادر به انجام فرایندهای پیچیده ای چون یادگیری، حافظه، تفکر و هیجان است و می تواند بدن را وادار کند که بر اساس فرایندها عمل کند.


ساختار و کارکرد مغز
مغز، پیچیده ترین عضو بدن است. بیش از ۱۰۰ میلیارد سلول عصبی و میلیاردها راه عصبی را درخود جای داده است. بزرگترین قمست مغز، مخ است. مخ به دو نیمه (نیمکره) تقسیم می شود که به وسیله طنابی از رشته های عصبی به نام جسم پینه ای به هم متصل هستند لایه خارجی (قشر مغز) از بافتی به نام ماده خاکستری تشکیل شده است که پیام های عصبی را تولید و تنظیم می کند. لایه درونی از ماده سفید تشکیل شده است که پیام ها را انتقال می دهد. مخ، تفکر آ‎گاهانه و حرکت را کنترل و اطلاعات حسی را تفسیر می کند؛ قسمت های مختلف آن، فعالیت های ویژه ای چون تکلم و بینایی را اداره می کنند. ساختاری در قاعده مغز به نام مخچه، وظیفه تعادل، هماهنگی و شکل دادن به وضعیت بدن را بر عهده دارد. ارتباط مغز با طناب نخاعی از طریق سابقه مغز است که کارکردهای حیاتی از جمله تنفس را کنترل می کند. درست بالای ساقه مغز، هیپوتالاموس قرار دارد که ارتباط بین دستگاه عصبی و غدد درون ریز را برقرار می کند و به تنظیم دمای بدن، خواب و رفتارهای جنسی کمک می کند. مغز به وسیله جمجمه و پرده هایی به نام مننژ محافظت می شود. مایع شفاف مغزی ـ نخاعی مثل یک ضربه گیر، مغز و طناب نخاعی را در برابر آسیب محافظت می کند.

شامل 19 صفحه word

دانلود تحقیق مدلهای محاسباتی عصبی از تأثیرات جانبی ناحیة آسیب دیده مغز روی نواحی دورتر از منطقه آسیب دیده

اختصاصی از فی گوو دانلود تحقیق مدلهای محاسباتی عصبی از تأثیرات جانبی ناحیة آسیب دیده مغز روی نواحی دورتر از منطقه آسیب دیده دانلود با لینک مستقیم و پر سرعت .

اختلال ناگهانی در منطقه ای از مغز، مثلاً در اثر سکته های مغزی، باعث نقصهای عصبی مستقیماً مطابق با منطقة آسیب دیده می شود و آسیب درست از این منطقه شروع میشود. به علاوه دیگر نقصهای بالینی که به عنوان نقصها یا تأثیرات دوم یا Secondarg remote نامیده می شوند. وی قسمتهای بی عیب باقیمانده از مغز تأثیر خود را می گذراند. (برای مثال به علت قطع شدن ارتباط آنها با ناحیه آسیب دیده) این پدیده به عنوان diashisis نامیده شده است. diashisis (نقص  الکتریکی و functional که بعلت آسیب در قشر مغز آغاز می شود و در منطقه ای دورتر از منطقه آسیب دیده نیز این آسیب را می توان فهمید منطقه ای که خود آسیب می بیند وی از لحاظ عصبی (ارتباط عصبی ) به آن اتصال دارد.

این پدیده باعث شده ، خصوصاً در مورد ارتباط بین نیمکره چپ و راست مغز، مسأله ویژه ای که در ارتباط با هر یک از نیمکره ها وجود دارد باعث مشکل در فهم و درک پدیده شود. این مقاله بعضی از مدلهای Neurocouputetional  اخیر را مورد مطالعه قرار داده (اثر و کیفیت diashisis) مدل ارائه شده تنها یک مدلی است که همه خصوصیت دیگر بین نیمکره ها و همه اثر diashisis را شرح می دهد. در انتها، نتایج تأثیرات زیرقشری نیمکره چپ و راست روی خصوصیت نیمکره ها مورد بررسی قرار می گیرد.

1- مقدمه: Stoke : یا (سکته مغزی) ، اختلال ناگهانی است که در جریان supply کردن خون برای مغز بوجود می آید. زمانیکه یک سد ناگهانی در برابر جریان خون در سرخرگهای مغزی ایجاد می شود متعاقب آن باعث کمبود خون رسانی به آن ناحیه شده و ایسکمیک مغزی را به دنبال دارد. سکته مغزی یکی از بیماریهای شایع در نورولوژی است. برای مثال سومین عامل مرگ در کشور آمریکاست و اغلب موارد باعث نقص در بستر کرونیک (نقص در سیستم عصبی ، عضلانی قلبی ) اختلاف در زبان و صحبت کردن و مشکلات حافظه ای را به دنبال دارد. این باعث شده که توجه بسیار زیادی روی تحقیقات در مورد این مطلب در طی چند دهة اخیر صورت گیرد. اکثر این تحقیقات به دنبال اصلاح کردن یافته ها و دانسته ها درباره مکانیسم و پاتوفیزیولوژی این بمیاری (strake) هستند. یافته ها این تحقیقات در اکثر موارد بسیار پیچیده و حتی بسیار مورد بحث و جدل بوده اند.

در حال حاضر یک تردید ذاتی دربارة اینکه چه فاکتورها و عواملی باعث می شوند که ناحیه آسیب دیدة اولیه به بافتهای مجاور مغز گسترش یابد، وجود دارد.

پیچیده بودن مغز در حین سکته مغزی باعث شده به این نتیجه برسیم که مدلهای Computational می توانند ابزار بسیار قدرتمندی برای درک عمیق ما دربارة Stroke باشد. محدودیت دربارة تکنولوژی مدلهای عصبی و علم نورد سیانتیفیک Neurosaentific باعث شده بوجود آوردن و ساختن جزئیات مدل غیرممکن و غیر عملی باشد.

هر چند که ثابت شده که مطالعه روی بعضی قسمتهای بخصوص از سکته مغزی ممکن می باشد. (یا مثل دیگر اختلالات نورولوژیک ]2و1[ ) بوسیله مدلهای عصبی برای مثال یافته های بسیاری از مدلهای عصبی ]30007[ روی این متمرکز شده اند که قشر آسیب ایده چطور روی بافتهای مجاور، فعالیتهای  و حرکتی آن را مختل می کند.

این مدلها ، نتایجی که داده اند بیشتر مبتنی بر مشاهده های بعدی روی مطالعات حیوانی بوده ]9/8[ دیگر مدلهای Computational به عنوان متدهای مرتبط استفاده شده است برای آزمایش کردن: (به عنوان مثال : چطور تغییرات بیوشیمیایی / بیوفیزیکی که بافت آسیب دیده مغز اتفاق می افتد،‌می تواند اختلال اولیه را  و چطور آنها می توانند نامتقارن بودن چپ و راست فعالیت الکتریکی که از مغز ثبت می شود، توضیح دهند. ]12[

یکی از موضوعات مهمی که دربارة Stroke وجود دارد و بعنوان یکی از  حل نشده، باقیمانده است مکانیزمهایی است که دربارة اثر اختلال در ناحیه دورتر وجود دارند: مطابق با موضوع، سکته به دلیل نقص سیستم نورولوژیک مستقیماً قابل پخش به نواحی آسیب ددیه است. بعضی دیگر از نقصهای کلینیکی (clinical) مطابق با اختلال (secondar fictional) در فاصله دورتری از ناحیه آسیب دیده مغزی دیده می شوند. که حتی از لحاظ ارتباط عصبی دوم از یکدیگر جدا می باشند. (پدیدة diaschisis ) مکانیزمهای تأثیرات cmote ، خصوصاً که مورد interaetion بین  چپ و راست مغز باعث شده که فهم ها در درک تئوریهای ویژه femispheric با مشکل مواجه شود.

شامل 36 صفحه فایل word قابل ویرایش