İleri yönlü biyolojik sinir ağlarında bilgi iletimi
Information transmission in biological feedforward neuronal networks
- Tez No: 283326
- Danışmanlar: PROF. DR. ETEM KÖKLÜKAYA, PROF. DR. MAHMUT ÖZER
- Tez Türü: Doktora
- Konular: Biyofizik, Biyomühendislik, Elektrik ve Elektronik Mühendisliği, Biophysics, Bioengineering, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2011
- Dil: Türkçe
- Üniversite: Sakarya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 128
Özet
Sinir sisteminde bilginin işlenimi farklı nöronal bölgeler tarafından yapılmaktadır. Bu durum, nöronal aktivitenin bir nöron topluluğundan başka bir nöron topluluğuna iletildiğini göstermektedir. Hesaplamalı yaklaşımlar nöronal aktivitenin farklı bilgi işleme birimleri arasındaki propagasyonunun nasıl gerçekleştiğini anlamada etkili araçlar sunmaktadır. Bu bağlamda ileri yönlü sinir ağları modeli sinir sisteminde bilgi iletiminin incelenmesinde basit bir platformdur.Bu çalışma, nöronların biyofiziksel açıdan daha gerçekçi modelleri kullanılarak ileri yönlü ağda nöronal aktivite propagasyonunun daha iyi bir biçimde anlaşılmasını hedeflemektedir. Ağdaki her bir nöron, membran üzerinde gömülü bulunan iyon kanallarının stokastik davranışlarını da içerecek şekilde hücre büyüklüklerine bağlı olarak modellenmiştir. Çalışmada ilk olarak, zayıf periyodik sinyallerin ileri yönlü ağda iletimindeki optimum koşulların belirlenmesi ele alınmıştır. Nöron iç dinamiklerinden kaynaklanan gürültü şiddeti belirli bir seviyenin üzerinde olduğunda, ilk katmana uygulanan zayıf sinyalin sonraki katmanlar tarafından yükseltilerek iletilebildiği tespit edilmiştir. Bunun yanında, sistemdeki gürültü şiddeti ve sinyal frekansı uygun bir biçimde ayarlandığında, katmanlar arasındaki sinaptik bağlantıların olası tüm bağlantı sayısının %4' ü kadar olmasının etkili bir zayıf sinyal iletimi için yeterli olduğu gösterilmiştir.Çalışmada ayrıca oransal kodlama bağlamında, katmanlarda farklı gürültü rejimleri oluşturularak ateşleme oranlarının ileri yönlü ağdaki propagasyonu araştırılmıştır. Tüm gürültü rejimlerinde, ateşleme oranının ağdaki iletiminin katmanlarda nöronların sergilediği senkronizasyon mekanizması ile gerçekleşebileceği ortaya konmuştur. Sözü edilen mekanizmanın ileri yönlü ağda ortaya çıkabilmesinin giriş katmanı ateşleme oranı seviyesine, ağdaki sinaptik bağlantı yoğunluğuna, sinaptik akım istatistiklerine ve nöron iç dinamiklerinden kaynaklanan gürültü şiddetine bağlı olduğu da gösterilmiştir.Tespit edilen sonuçlar literatürdeki deneysel sonuçlarla tutarlılık göstermekte ve ileri yönlü ağda bilgi işlemenin nasıl gerçekleştiğinin anlaşılmasına katkı sağlamaktadır.
Özet (Çeviri)
Information processing in the nervous system involves multiple stages of neuronal networks, where neuronal activity progress from one sub-population to another. Computational approaches provide useful tools to understand the underlying mechanisms of the activity propagation through multiple processing stages. A feedforward sequence of layers of neurons provides a simple platform for analyzing the propagation of neuronal activity in the nervous system.The present work aims at a better understanding of neuronal activity propagation in Feedforward Networks (FFN) by including a more biophysically realistic model of individual neurons on the network, where the stochastic behavior of voltage-gated ion channels embedded in neuronal membranes is modeled depending on the cell size. First, it is determined under which conditions the propagation of weak periodic signals through a FFN is optimal. It is found that successive neuronal layers are able to amplify weak signals introduced to the neurons forming the first layer only above a certain intensity of intrinsic noise. Furthermore, as low as 4% of all possible interlayer links are sufficient for an optimal propagation of weak signals to great depths of the FFN, provided the signal frequency and the intensity of intrinsic noise are appropriately adjusted.Next, in the context of rate coding, firing rate propagation is studied in FFN by considering the different noise regimes in layers. For all regimes, the stable propagation of input firing rate through the network can be achieved via the synchronization mechanism within the neurons in layers. It is also shown that the development of this mechanism in the network depends on the input rate, interlayer-link density, synaptic current statistics and intrinsic noise intensity in layers.Achieved results are consistent with experimental results, given in the literature, and advance our understanding of how information is processed in FFN.
Benzer Tezler
- Application of kNN-GRNN algorithm for liquid holdup determination in two-phase flow
İki fazlı akışta sıvı oranının belirlenmesi için kNN-GRNN algoritmasının kullanılması
MEHMET SADIK PEKTAŞ
Yüksek Lisans
İngilizce
2018
Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik ÜniversitesiPetrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT ÇINAR
- Evaluation of biological activities ofMmelia azedarach species and its importance in phytotherapy
Melia azedarach türünün biyolojik aktivitelerinin değerlendirilmesi ve fitoterapideki önemi
KHAWLA ABDALLA MOHAMED ESWIEI
Yüksek Lisans
İngilizce
2023
Eczacılık ve Farmakolojiİstanbul ÜniversitesiFarmakognozi Ana Bilim Dalı
DOÇ. DR. ESRA EROĞLU ÖZKAN
- İleri yönlü yapay sinir ağlarında küçük dünya ağı yaklaşımı ve uygulamaları
Small world networks approach and applications in the feed forwad artifical neural networks
OKAN ERKAYMAZ
Doktora
Türkçe
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. NEJAT YUMUŞAK
PROF. DR. MAHMUT ÖZER
- Makkroekonomik değişkenler ve döviz kuru ilişkisi: Yapay sinir ağı ve var yaklaşımları ile öngörü modellemesi
The macroeconomic variables and exchange rate causality: A forecast modelling with artificial neural network and var approach
YEŞİM HELHEL
- Tek çarpımsal sinir hücresi modelinin eğitiminde yapay arı kolonisi algoritmasının performansının değerlendirilmesi
Performance evaluation of artificial bee colony algorithm at the education of single multiplicative neuron model
DAMLA İLTER
Yüksek Lisans
Türkçe
2012
İstatistikOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. FARUK ALPASLAN