Modeling stochastic hybrid systems with memory with an application to immune response of cancer dynamics
Hafızalı stokastik hibrit sistemlerin modellenmesi ve bağışıklık sisteminin kanser dinamiklerine tepkisine uygulaması
- Tez No: 352004
- Danışmanlar: DOÇ. DR. HAKAN ÖKTEM, PROF. DR. CARLA PIEZZA
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Matematik, Onkoloji, Computer Engineering and Computer Science and Control, Mathematics, Oncology
- Anahtar Kelimeler: stokastik hibrit sistemler, hafızalı hibrit sistemler, hafızalı hibrit otomata, tumör-bağışıklık dinamikleri, matematiksel modelleme, stochastic hybrid systems, hybrid systems with memory, memory hybrid automata, tumor-immune dynamics, mathematical modeling
- Yıl: 2014
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Uygulamalı Matematik Enstitüsü
- Ana Bilim Dalı: Bilimsel Hesaplama Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 102
Özet
Kanser dinamikleri bağışıklık sistemi tepkileri gibi bazı karışık etkileşimler içerir. Literatürde tümör büyümesine bağışıklık tepkisinin pek çok değişik modeli bulunmaktadır. Kullanılabilir modellerin pek çoğu, model parametrelerinin karar verilmesinde problemleri olan ilk ilkeler modelleridir. Tedavi planlamasının potensiyel kullanımı için bir model, bireyden bireye değiş- kenliği ve bilinmeyen faktörleri benimsemelidir. Fakat, kanser dinamikleri gibi karmaşık bir problem için böylesi bir yaklaşımın bazı sakıncalara sahiptir. Öncelikle, bazı bilinmeyen faktörler bulunmaktadır. İkinci olarak, sabit parametreli modeller süje-süje çeşitliliğini göz önünde bulundurmaya izin vermez. Bu probleme alternatif bir çözüm deneysel gözlemlerden parametreleri çıkarmak ve sistem davranışına karar vermektir. Çıkarımsal modelleme durumunda, ilk önce bir model sınıfı seçeriz ve parametreleri gözlemlerden çıkarırız. Bu amaçla, analitik ve hesaplama avantajları olan hibrit sistemleri kullandık. Çoğu biyolojik ve fizyolojik sistem için, sistemin davranışı ve tepkisi geçmiş olayların kombinasyonundan ziyade tüm geçmişe dayanır. Daha gerçekçi bir gösterim elde ede bilmek için, hafızlı hibrit sistemden faydalandık ve daha da geliştirdik. Son olarak, belirsizlikleri ve rastgele pertürbasyonları dahil edebilmek için, stokastik kalkülüsü de modelimizle birleştirdik.
Özet (Çeviri)
Dynamics of cancer involve some complex interactions like immune system responses. Many different models of immune response to tumor growth exist in the literature. Most of the available models are first principles models which have problems in determining the model parameters. For potential use in treatment planning, a model should be able to adopt to subject by subject variability and unknown factors. However, such an approach for a complicated problem like cancer dynamics has some drawbacks. First of all, there exist some unknown factors. Secondly, models with fixed parameters do not allow considering subject-by-subject variability. An alternative approach to this problem is inferring the parameters and determining system behaviour from empirical observation. In inferential modeling case, we first select a model class and infer the parameters from the observations. For this purpose, we used hybrid systems that are suitable for inferential modeling due to their analytical and computational advances. For many biological and physiological systems, the behaviour of system and its responses depend on whole history rather than a combination of historical events. We utilize and further develop hybrid systems with memory to have a more realistic representation. Finally, we also incorporate stochastic calculus in our model to include uncertainities and random perturbation.
Benzer Tezler
- Güç sistemlerinin yük tahmini analizinde uzun kısa süreli bellek metodunun kullanılması ve uygulaması
Load forecasting analysis of power systems using long short-term memory and applicati̇on
ÜMMÜHAN GÜLSÜM KILIÇ
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiBilecik Şeyh Edebali ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KURBAN
DOÇ. DR. EMRAH DOKUR
- Tekstil sektöründe örme makinelerinde kestirimci bakım için hibrit makine öğrenme ve stokastik modelleme yaklaşımları
Predictive maintenance for knitting machines in the textile industry: Hybrid machine learning and stochastic modeling approaches
SÜMEYRA GÜLBAHAR
Doktora
Türkçe
2024
Endüstri ve Endüstri MühendisliğiErciyes ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELDA KAPAN ULUSOY
PROF. DR. MİTHAT ZEYDAN
- Stochastic modeling and analysis of noise in neuronal circuits
Başlık çevirisi yok
DENİZ KILINÇ
Doktora
İngilizce
2019
Elektrik ve Elektronik MühendisliğiKoç ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ALPER DEMİR
- Electricity market modeling using stochastic and robust optimization
Elektrik piyasasının rastsal ve gürbüz optimizasyon kullanılarak modellenmesi
MİRAY HANIM YILDIRIM
Doktora
İngilizce
2015
Endüstri ve Endüstri MühendisliğiOrta Doğu Teknik ÜniversitesiBilimsel Hesaplama Ana Bilim Dalı
PROF. DR. GERHARD WİEHELM WEBER
YRD. DOÇ. DR. ÖZLEM TÜRKER BAYRAK
- Tarımsal süreçlerin hibrit petri ağları ile modellenmesi
Modeling of agricultural processes with hybrid petri nets
AYHAN ÖZGÜN
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜRVET KIRCI