Fractal Physiology and the Fractional Calculus: A Perspective

دانلود کتاب Fractal Physiology and the Fractional Calculus: A Perspective

55000 تومان موجود

کتاب فیزیولوژی فراکتال و حساب کسری: یک دیدگاه نسخه زبان اصلی

دانلود کتاب فیزیولوژی فراکتال و حساب کسری: یک دیدگاه بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید


این کتاب نسخه اصلی می باشد و به زبان فارسی نیست.


امتیاز شما به این کتاب (حداقل 1 و حداکثر 5):

امتیاز کاربران به این کتاب:        تعداد رای دهنده ها: 5


توضیحاتی در مورد کتاب Fractal Physiology and the Fractional Calculus: A Perspective

نام کتاب : Fractal Physiology and the Fractional Calculus: A Perspective
عنوان ترجمه شده به فارسی : فیزیولوژی فراکتال و حساب کسری: یک دیدگاه
سری :
نویسندگان :
ناشر :
سال نشر : 2015
تعداد صفحات : 50

زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 1 مگابایت



بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.

توضیحاتی در مورد کتاب :


این مقاله مروری محدود از فیزیولوژی فراکتال را ارائه می‌کند که بر پیچیدگی بدن انسان و توصیف آن پیچیدگی از طریق معیارهای فراکتال و دینامیک آنها تمرکز دارد، با دینامیک فراکتال که توسط حساب کسری توصیف می‌شود. نه تنها ساختارهای تشریحی (گریزی و چیریوا-اینترناتی، 2005)، مانند سطح پیچیده مغز، پوشش روده، شبکه های عصبی و جفت، فراکتال هستند، بلکه خروجی شبکه های فیزیولوژیکی دینامیکی نیز فراکتال هستند (Bassingthwaighte) و همکاران، 1994). نشان داده شده است که سری های زمانی فواصل بین ضربان قلب، فواصل بین تنفس و فواصل بین گام ها همگی پدیده های آماری فراکتال و/یا چندفرکتالی هستند. در نتیجه، بعد فراکتال به طور قابل توجهی شاخص بهتری از عملکردهای ارگانیسمی در سلامت و بیماری نسبت به معیارهای متوسط ​​سنتی مانند ضربان قلب، ضربان تنفس و سرعت گام است. مشاهده که فیزیولوژی انسان در درجه اول فراکتال است، برای اولین بار در دهه 1980 بر اساس تجزیه و تحلیل تعداد محدودی از مجموعه داده ها انجام شد. ما برخی از این پدیده‌ها را در اینجا با استفاده از یک رویکرد تجمع آلومتریک برای پردازش سری‌های زمانی فیزیولوژیک مرور می‌کنیم. این روش مستقیم رفتار مقیاس‌بندی شبکه‌های فیزیولوژیکی پیچیده را ایجاد می‌کند و برخی از مدل‌های دینامیکی که قادر به ایجاد چنین مقیاس‌بندی هستند، بررسی می‌شوند. این مدل‌ها شامل پیاده‌روی‌های تصادفی ساده و کسری هستند که چگونگی ارتباط مقیاس‌بندی توابع همبستگی و چگالی احتمال را با داده‌های سری زمانی توصیف می‌کنند. پس از آن، پیشنهاد می‌شود که یک روش مناسب برای توصیف دینامیک سری‌های زمانی فراکتال، حساب کسری باشد، چه از طریق معادله لانگوین کسری یا از معادله انتشار کسری. یک عملگر کسری (مشتق یا انتگرال) که بر روی یک تابع فراکتال عمل می کند، تابع فراکتال دیگری را به دست می دهد، که به ما امکان می دهد یک معادله کسری لانگوین برای توصیف تکامل یک فرآیند آماری فراکتال بسازیم. کنترل پیچیدگی فیزیولوژیک یکی از اهداف پزشکی به ویژه شناخت و کنترل شبکه های فیزیولوژیکی به منظور اطمینان از عملکرد صحیح آنهاست. ما بر تفاوت بین مکانیسم های کنترل هموستاتیک و آلومتریک تأکید می کنیم. کنترل هومیوستاتیک دارای ویژگی بازخورد منفی است که هم موضعی و هم سریع است. از سوی دیگر، کنترل آلومتریک یک مفهوم نسبتاً جدید است که حافظه طولانی مدت، همبستگی‌هایی که قانون توان معکوس در زمان هستند و همچنین برهمکنش‌های دوربرد در پدیده‌های پیچیده را در نظر می‌گیرد که توسط توزیع‌های قانون توان معکوس در متغیر شبکه ما فرض می‌کنیم که کنترل آلومتریک ویژگی فراکتالی سری‌های زمانی فیزیولوژیکی نامنظم را برای افزایش استحکام شبکه‌های فیزیولوژیکی حفظ می‌کند. علاوه بر این، کنترل آلومتریک اغلب می‌تواند با استفاده از حساب کسری برای به تصویر کشیدن پویایی شبکه‌های فیزیولوژیکی پیچیده توصیف شود.

فهرست مطالب :


This is a paper already on LG on Scientific Articles DOI: 10.3389/fphys.2010.00012 http://journal.frontiersin.org.sci-hub.org/article/10.3389/fphys.2010.00012/pdf

توضیحاتی در مورد کتاب به زبان اصلی :


This paper presents a restricted overview of Fractal Physiology focusing on the complexity of the human body and the characterization of that complexity through fractal measures and their dynamics, with fractal dynamics being described by the fractional calculus. Not only are anatomical structures (Grizzi and Chiriva-Internati, 2005), such as the convoluted surface of the brain, the lining of the bowel, neural networks and placenta, fractal, but the output of dynamical physiologic networks are fractal as well (Bassingthwaighte et al., 1994). The time series for the inter-beat intervals of the heart, inter-breath intervals and inter-stride intervals have all been shown to be fractal and/or multifractal statistical phenomena. Consequently, the fractal dimension turns out to be a significantly better indicator of organismic functions in health and disease than the traditional average measures, such as heart rate, breathing rate, and stride rate. The observation that human physiology is primarily fractal was first made in the 1980s, based on the analysis of a limited number of datasets. We review some of these phenomena herein by applying an allometric aggregation approach to the processing of physiologic time series. This straight forward method establishes the scaling behavior of complex physiologic networks and some dynamic models capable of generating such scaling are reviewed. These models include simple and fractional random walks, which describe how the scaling of correlation functions and probability densities are related to time series data. Subsequently, it is suggested that a proper methodology for describing the dynamics of fractal time series may well be the fractional calculus, either through the fractional Langevin equation or the fractional diffusion equation. A fractional operator (derivative or integral) acting on a fractal function, yields another fractal function, allowing us to construct a fractional Langevin equation to describe the evolution of a fractal statistical process. Control of physiologic complexity is one of the goals of medicine, in particular, understanding and controlling physiological networks in order to ensure their proper operation. We emphasize the difference between homeostatic and allometric control mechanisms. Homeostatic control has a negative feedback character, which is both local and rapid. Allometric control, on the other hand, is a relatively new concept that takes into account long-time memory, correlations that are inverse power law in time, as well as long-range interactions in complex phenomena as manifest by inverse power-law distributions in the network variable. We hypothesize that allometric control maintains the fractal character of erratic physiologic time series to enhance the robustness of physiological networks. Moreover, allometric control can often be described using the fractional calculus to capture the dynamics of complex physiologic networks.



پست ها تصادفی