Eroğlu, Deniz

Profile Picture
Name Variants
Deniz, Eroglu
Eroglu,D.
Eroğlu, DENIZ
DENIZ EROĞLU
Eroglu, Deniz
Eroglu D.
EROĞLU, DENIZ
Eroğlu,D.
Deniz EROĞLU
Eroğlu, D.
Eroğlu, Deniz
Deniz Eroğlu
E., Deniz
EROĞLU, Deniz
E.,Deniz
D. Eroğlu
Eroglu,Deniz
Eroğlu, Deniz
Job Title
Dr. Öğr. Üyesi
Email Address
deniz.eroglu@khas.edu.tr
Main Affiliation
Molecular Biology and Genetics
Status
Website
ORCID ID
0000-0001-6725-6949
Scopus Author ID
37006533200
Turkish CoHE Profile ID
Google Scholar ID
WoS Researcher ID
Scholarly Output

20

Articles

17

Citation Count

105

Supervised Theses

3

Filters

20231
Reset filters

Settings

Type: Doctoral Thesis

Scholarly Output Search Results

Now showing 1 - 1 of 1
  • Thumbnail Image
    Doctoral Thesis
    Network Reconstruction From Data
    (Kadir Has Üniversitesi, 2023) Kement, İrem Topal; Eroğlu, Deniz; 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.