Tez No	İndirme	Tez Künye	Durumu
335270		Biyolojik sinir yolaklarının kendini-örgütleyen etmenler kullanılarak benzetilmesi / Simulating biological neuronal wiring using self-organizing agents Yazar:ÖNDER GÜRCAN Danışman: PROF. DR. OĞUZ DİKENELLİ Yer Bilgisi: Ege Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Biyoloji = Biology Dizin:	Onaylandı Doktora Türkçe 2013 201 s.
Bu tezde, verilen bir insan sinir yolağının zamansal düzenlenişini saptayan ve onun yapay kopyasını oluşturan yeni bir hesaplamalı model sunulmaktadır. Bu çaba, insan sinir sistemindeki sinir hücrelerinden doğrudan kayıt alınamadığından büyük bir zorluktur ve dolayısıyla ele alınan sinir yolağı kara kutu olarak nitelendirilmektedir. Bu zorlukla başa çıkmak için, çok sayıda işbirlikçi yazılım etmeninin yerel etkileşimlerle aşağıdan yukarıya toplu davranışlar oluşturabildiği Uyarlanabilir Çoklu-Etmen Sistemleri (Adaptive Multi-Agent Systems - AMAS) teorisi kullanılmıştır. Sonuç olarak, her yazılım elemanının bir birleştir-ve-ateşle sinir hücresini temsil ettiği bir beliren model elde edilmiştir. Daha sonra modeli bilinçli insanlardan elde edilen tekli motor birimlerinin refleks yanıtlarına uygulanmıştır. Deneysel sonuçlar, modelin gerçek insan sinir yolaklarının işlevselliğini ortaya çıkardığını uygun verilerle kıyaslayarak göstermektedir. Modeli umut vaad edici kılan gerçek ise, bizim bilgimize göre, modelin sinirbilimleri ve kendini-örgütleyen çoklu-etmen sistemlerini etkin bir şekilde birleştirerek yapay bir sinir ağını kendi kendine oluşturan ilk gerçekçi model olmasıdır. Modelin bağlantılarının insandaki bağlantılarla örtüşüp örtüşmediğine dair henüz bir kanıt olmasa da, modelin sinirbilimcilere insan sinir yolakları hakkında daha fazla şey öğrenme konusunda yardımcı olmasını ve ayrıca ileriki deneylere yol açacak hipotezlerin kestiriminde kullanılması umut edilmektedir.
In this thesis, a novel computational model that detects temporal configurations of a given human neuronal pathway and constructs its artificial replication is presented. This poses a great challenge since direct recordings from individual neurons are impossible in the human central nervous system and therefore the underlying neuronal pathway has to be considered as a black box. For tackling this challenge, the Adaptive Multi-Agent Systems (AMAS) theory in which large sets of cooperative software agents interacting locally giving rise to collective behavior bottom-up is used. The result is an emergent model where each software entity represents an integrate-and-fire neuron. We then applied the model to the reflex responses of single motor units obtained from conscious human subjects. Experimental results show that the model uncovers functionality of real human neuronal pathways by comparing it to appropriate surrogate data. What makes the model promising is the fact that, to the best of our knowledge, it is the first realistic model to self-wire an artificial neuronal network by efficiently combining neuroscience with self-adaptive multi-agent systems. Although there is no evidence yet of the model's connectivity mapping onto the human connectivity, we anticipate this model will help neuroscientists to learn much more about human neuronal networks, and could also be used for predicting hypotheses to lead future experiments.