Doktora Tezleri

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12469/7776

Browse

Browsing Doktora Tezleri by Department "Enstitüler, Lisansüstü Eğitim Enstitüsü, Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Thumbnail Image
    Doctoral Thesis
    Network Reconstruction From Data
    (Kadir Has Üniversitesi, 2023) Kement, İrem Topal; Eroğlu, Deniz
    Güç şebekeleri, ekosistem, iklim, nöron ağları ve bir hastalığın küresel ölçekte yayılması gibi hayatımızın temel bileşenlerinin bir ortak noktası vardır: karmaşık ağlar üzerinde etkileşen dinamik birimler olarak modellenebilmeleri. Pek çok örnekte, karmaşık sistemlerden elde edilen veriler doğal bir ağ yapısını temsil eder veya sistem özünde ağ yapısında olmasa bile bir ağ gibi modellenebilir. Ağ dinamiğini bilmek, bu karmaşık sistemlerden istenen işlevselliği elde etmek, dolayısıyla gelecekteki durumunu tahmin etmek ve kontrol etmek için çok önemlidir. Örneğin beynimizdeki nöron ağlarının etkileşimindeki normal olmayan değişiklikler patolojik durumlara yol açabileceğinden, bu ağlar insan sağlığı için önemli bir dinamik ağ sınıfını oluştururlar. Epilepsi krizleri nöron ağlarının etkileşimlerinin değişmesi ile beliren ağ senkronizasyonu ile ilişkilidir. Bu tip istenmeyen nöronal senkronizasyona kritik geçişleri önceden tahmin etmek ve erken uyarı sinyallerini tespit edecek teknolojileri icat etmek hayati önem taşır. Nöronların iç dinamikleri ve aralarındaki bağlantı şemasından oluşan nöron ağlarında, senkronizasyona kritik geçiş doğrudan belirlenemez. Bu nedenle amaç, parametre değişikliklerinden kaynaklanan kritik geçişleri tahmin etmek için ağ dinamiğinin denklemini her bir düğümden elde edilen ölçüm verisinden öğrenmektir. Bu doktora çalışması, dinamik sistemler teorisinden ortalama alan yaklaşımlarını istatistiksel öğrenme araçlarıyla birleştirerek zaman serisi gözlemlerinden dinamik bir ağı yeniden yapılandırma yaklaşımı sunar. Önerilen veri güdümlü yeniden yapılandırma yaklaşımı iki temel varsayımda bulunur: sinirbilimsel bir model ve tüm düğümlerin verisine tam erişim. Buna karşılık, düğümlerin iç dinamikleri, aralarındaki bağlantı yapısı ve etkileşim şekli bilinmez. Sinirbilimsel koşullar, nöronların iç dinamiğinin kaotik davranış göstermesi, zayıf bir etkileşimde olmaları ve ölçekten bağımsız bir ağ ile temsil edilmeleri olarak sıralanır. Metodolojimiz tüm bilinmeyenleri nispeten kısa zaman serileri kullanarak doğru bir şekilde öğrenir ve ağ boyutundan bağımsızdır. Kısa süreli ölçüm ve büyük ağlarda başarı gerçek dünya örneklerine yaklaşabilmemiz için önemli iki kısıt olarak ele alınmıştır. Sonuç olarak, veriden öğrenilmiş ağ modeli tüm parametreleri kontrol edebilmemize ve karmaşık ağın kolektif davranışını tahmin edebilmemize izin verir.