
سیستمهای خبره بعنوان شاخهای از هوش مصنوعی 1 ابزاری مناسب برای حل مسائلی است که اغلب توسط افراد خبره حل میشود. فرایند حل مسائل توسط افراد خبره شامل بکارگیری یکسری از قواعد و هیوریستیکهاست که بدنبال هم میآیند. لذا سیستمهای خبره مبتنی برقاعده تلاش میکنند رفتار فرد خبره را تقلید نمایند. این مقاله سیستم خبرهای را معرفی مینماید که هدفش راهنمایی دانشجو بههنگام اخذ واحد است. این سیستم خبره که بازبان CLIPS نوشته شده است با دریافت اطلاعات لازم در مورد موقعیت درسی دانشجو و واحدهای گذرانده، او را برای انتخاب یک برنامه درسی مناسب، بمثابه یک استاد خبره راهنمایی میکند. در این مقاله سعی شده از تاریخچه سیستمهای خبره شروع نموده و سپس موارد کاربرد آن در مشاوره آموزشی دانشجویان که پایگاه این سیستم خبره براساس تجربیات اساتید مبرز و مقررات دانشگاه نوشته شده است را بیان نموده ایم و آشنایی مقدماتی با نحوه کار سیستم ارائه نماییم و در انتها بعنوان نتیجه نقش این سیستمها بعنوان یک کمک دهنده در پایان با در نظر گرفتن سایر معیارهای مورد نظر دانشجو و با استفاده از یک مدل تصمیمگیری چند معیار) MADM ( بهترین برنامه درسی ارائه میشود.سیستمهای خبره بعنوان شاخهای از هوش مصنوعی 1 ابزاری مناسب برای حل مسائلی است که اغلب توسط افراد خبره حل میشود. فرایند حل مسائل توسط افراد خبره شامل بکارگیری یکسری از قواعد و هیوریستیکهاست که بدنبال هم میآیند. لذا سیستمهای خبره مبتنی برقاعده تلاش میکنند رفتار فرد خبره را تقلید نمایند. این مقاله سیستم خبرهای را معرفی مینماید که هدفش راهنمایی دانشجو بههنگام اخذ واحد است. این سیستم خبره که بازبان CLIPS نوشته شده است با دریافت اطلاعات لازم در مورد موقعیت درسی دانشجو و واحدهای گذرانده، او را برای انتخاب یک برنامه درسی مناسب، بمثابه یک استاد خبره راهنمایی میکند. در این مقاله سعی شده از تاریخچه سیستمهای خبره شروع نموده و سپس موارد کاربرد آن در مشاوره آموزشی دانشجویان که پایگاه این سیستم خبره براساس تجربیات اساتید مبرز و مقررات دانشگاه نوشته شده است را بیان نموده ایم و آشنایی مقدماتی با نحوه کار سیستم ارائه نماییم و در انتها بعنوان نتیجه نقش این سیستمها بعنوان یک کمک دهنده در پایان با در نظر گرفتن سایر معیارهای مورد نظر دانشجو و با استفاده از یک مدل تصمیمگیری چند معیار) MADM ( بهترین برنامه درسی ارائه میشود.
شاخص های اقتصاد کلان ایران: در این قسمت به عمده ترین شاخص های اقتصاد کلان که می تواند وضعیت اقتصادی کشور را مشخص نماید اشاره می گردد : 1-نرخ تورم در ایران نرخ تورم در 4 سال اخیر منتهی به سال 1383 به ترتیب برابر با 4/11 ، 8/15 ، 6/15 و 2/15 درصد بوده است که از میانگین هندسی برابر با 4/14 درصد برخوردار می باشد . این در حالی است که نرخ تورم جهانی و نرخ تورم در کشورهای درحال توسعه در سال 2002 به ترتیب برابر با 4/3 و 8/5 درصد بوده است . انجام اصلاحات اقتصادی در شرایطی که نرخ تورم پائین است امکان موفقیت بیشتری دارد ، بنابراین کاهش تورم باید یک اولویت دائمی باشد . در شرایطی که نرخ تورم بالاست ، به تبع آن نرخهای سود تسهیلات بانکی بالا خواهد بود و توجیهاتی را برای کاهش ارزش پول ملی خواهند داشت که تاثیرات نامناسب اقتصادی را در پی خواهد داشت . مهمترین عامل تورم در کشور ، رشد بالای نقدینگی است که بر اساس تحقیقات انجام گرفته در حدود 70 الی 80% تورم را ناشی از رشد بالای نقدینگی برآورد نموده اند . در طول 4 سال منتهی به سال 1383 ، متوســط رشد نقدینگی در حدود 29 درصد بوده است که بسیار بالاســـت و با هیــچ توجیه اقتصادی قابل دفاع نمی باشد . رشدبالای نقدینگی درکشور بیشتر ، ازعدم انضباط مالی دولت . رشد بی رویه بودجه های سالانه و کاهش ارزش پول ملی حاصل شده است . ما در حال حاضر در دنیای با تورم پائین زندگی می کنیم که کاهش تورم را دراین شرایط آسانتر می سازد . همچنین بدلیل امکان تعامل مناسب تر با دنیا و همخوانی بیشتر با آن ، هدف کاهش تورم الزامی تر می گردد . علاوه بر مسئله عنوان شده ، عدم هدایت مناسب نقدینگی موجود به فعالیت های مولد ، عدم برقراری مالیات مناسب بر بخشهای مختلف اقتصاد ، بویژه بخش های غیر مولد ، رشد قیمت بسیاری از کالاها و خدمات دولتی حتی بیش از نرخ تورم در شش سال گذشته ( به استثناء سال 1384 ) و کاهش ارزش پول ملی در ایجاد نرخ تورم دو رقمی موثر بوده است . تورم پائین ، امکان تصمیم گیری اقتصادی را برای تمام شهروندان آسان تر می نماید و تخصیص منابع را کارآ تر می سازد و اثرات مثبت بر توزیع درآمد دارد . 2- درآمد ناخالص ملی سرانه و رشد تولید ناخالص داخلی براساس اطلاعات مندرج درنماگرهای توسعه جهانی ازانتشارات بانک جهانی، درآمدناخالص ملی سرانه ما در سال 2003 ، برابر با 2010 دلار بوده است و این در حالی است که متوسط دنیا در مورد این شاخص در سال 2003 ، 5510 دلار ، متوسط کشورهای خاورمیانه و شمال آفریقا ، 2390 دلار و متوسط کشورهای با درآمد متوسط در این سال ، 1930 دلار بوده است . همانطور که ملاحظه می گردد ، فاصله ما با متوسط دنیا زیاد است و کمتر از متوسط کشورهای " خاورمیانه و شمال آفریقا " درآمد ناخالص ملی سرانه داشته ایم . این بدین مفهوم است که راه سخت و پر تلاشی را برای رسیدن به اهداف سند چشم انداز 20 ساله و رسیدن به جایگاه اول اقتصادی ، علمی و فن آوری در سطح منطقه آسیای جنوب غربی در پیش داریم . وضعیت تولید ناخالص ملی سرانه با معیار برابری قدرت خرید ( ppp ) کمی بهتر از وضعیت گفته شده است . تولید ناخالص ملی سرانه با معیار برابری قدرت خرید ، برای سال 2003 و 2004 برای کشور به ترتیب برابر با 8280 و 8670 دلار بوده است . با این معیار از نقطه نظر تولید ناخالص ملی سرانه در حول و حوش متوسط جهانی قرار داشته ایم زیرا سهم ما از جمعیت جهان در سال 2003 ، 1/1 درصد ، سهم ما از تولید ناخالص داخلی جهانی برابر با 37/0 درصد و سهم ما از تولید ناخالص داخلی جهانی با معیار برابری قدرت خرید ، برابر با 14/1 درصد بوده است ( آمار EIU ، MAY سال 2005 ) . رشد تولید ناخالص داخلی نیز در 4 سال منتهی به سال 1383 به ترتیب برابر با 3/3 ، 5/7 ، 7/6 و 6/4 درصد بوده است که از میانگین هندسی در حدود 3/5 درصد در طول 4 سال برخوردار بوده است . این در حالی است که رشد تولید ناخالص داخلی جهانی در سال 2003 ، 8/2 درصد ، رشد تولید ناخالص داخلی کشورهای با درآمد متوسط ، 9/4 درصد ، رشد تولید ناخالص داخلی کشورهای خاورمیانه وشمال افریقا ، 7/5 درصد ، رشد کشورهای با درآمد پائین 9/6 درصد و رشد کشورهای با درآمدهای بالا 2/2 درصد بوده است
شبکه عصبی شبکه عصبی مجموعهای از نورونهای زیستی به هم متصل است. در استفادههای جدیدتر این عبارت به شبکه عصبی مصنوعی که از نورونهایی مصنوعی ساخته شدهاست هم اشاره دارد. بنابراین عبارت شبکه عصبی در حالت کلی به دو مفهوم مختلف اشاره دارد: شبکه عصبی زیستی شبکه عصبی مصنوعی توصیف در حالت کلی، یک شبکه عصبی زیستی از مجموعه یا مجموعهای از نورونهای به صورت فیزیکی به هم متصل یا از لحاظ عملکردی به هم وابسته تشکیل شدهاست. هر نورون میتواند به تعداد بسیار زیادی از نورونها وصل باشد و تعداد کل نورونها و اتصالات بین آنها میتواند بسیار زیاد باشد. اتصالات، که به آنها سیناپس گفته میشود، معمولاً از آکسونها و دندریتها تشکلیل شدهاند. هوش مصنوعی و مدل سازی شناختی سعی بر این دارند که بعضی از خصوصیات شبکههای عصبی را شبیه سازی کنند. این دو اگرچه در روشهاشان به هم شبیه هستند اما هدف هوش مصنوعی حل مسائل مشخصی است در حالی که هدف مدل سازی شناختی ساخت مدلهای ریاضی سامانههای نورونی زیستی است. شبکههای عصبی زیستی شبکههای عصبی زیستی مجموعهای بسیار عظیم از پردازشگرهای موازی به نام نورون اند که به صورت هماهنگ برای حل مسئله عمل میکنند و توسط سیناپسها (ارتباطهای الکترومغناطیسی) اطلاعات را منتقل میکنند. در این شبکهها اگر یک سلول آسیب ببیند بقیه سلولها میتوانند نبود آنرا جبران کرده و نیز در بازسازی آن سهیم باشند. این شبکهها قادر به یادگیری اند. مثلا با اعمال سوزش به سلولهای عصبی لامسه، سلولها یاد میگیرند که به طرف جسم داغ نروند و با این الگوریتم سامانه میآموزد که خطای خود را اصلاح کند. یادگیری در این سامانهها به صورت تطبیقی صورت میگیرد، یعنی با استفاده ازمثالها وزن سیناپسها به گونهای تغییر میکند که در صورت دادن ورودیهای تازه سامانه پاسخ درستی تولید کند. معرفی شبکه عصبی مصنوعی

کاندیدیازیس جزء مهمترین و گسترده ترین بیماری های قارچی در انسان محسوب می شود. هدف از این
پژوهش ارزیابی تأثیر عصاره آبی پنیرک بر الگوی الکتروفورزی پروتئینی و بیان اینترفرون گاما در
موش های آلوده به کاندیدا آلبیکنس می باشد. در این بررسی 66 سر موش نژاد NMRI به شش گروه به
ترتیب: کنترل، دارونما، کاندیدا و سه گروه پنیرک + کاندیدا آلبیکنس ) mg/kg ) 066 و 066 ،06
تقسیم بندی شدند. گروه کنترل بدون هیچگونه تزریق، گروه دارونما نرمال سالین تزریقی، دوزهای
مختلف پنیرک با تعداد 06 تزریق به شیوه درون صفاقی به مدت 06 روز انجام گردید. عفونت تجربی در
گروه کاندیدا و کلیه گروه های تیماری در روز ششم با تزریق کاندیدا آلبیکنس به میزان غلظت
cfu/ml 0 ایجاد گردید. در پایان سطوح پروتئین های پلاسما و بیان اینترفرون گاما اندازه گیری ×066
شد. نتایج نشان داد که سطح آلبومین در سه گروه تیمار دوزهای mg/kg 066 و 066 کاهش و ،06
میزان بتاگلوبولین در گروه های دریافت کننده دوزهای mg/kg 066 و 066 افزایش معنی داری و ،06
اینترفرون گاما در دوز mg/kg 066 افزایش معنی داری در مقایسه با گروه کنترل داشت. به نظر
می رسد پنیرک قادر به تحریک پاسخ ایمنی سلولی است جهت مطالعات ضد کاندیدایی می توان استفاده
نمود.