Reşat Özgür Doruk

Doruk, Reşat Özgür

Name Variants

R.Ö.Doruk
Reşat Özgür Doruk
D.,Resat Ozgur
R. Ö. Doruk
R., Doruk
Doruk, Resat Ozgur
Doruk,R.O.
R.,Doruk
Doruk R.
D.,Reşat Özgür
özgür Doruk R.
Reşat Özgür, Doruk
R. O. Doruk
Özgür Doruk R.
R.O.Doruk
Doruk,R.Ö.
D., Reşat Özgür
D., Resat Ozgur
Resat Ozgur, Doruk
Doruk,Resat Ozgur
Doruk, Reşat Özgür
Doruk, R. Ozgur

Job Title

Profesör Doktor

Email Address

resat.doruk@atilim.edu.tr

ORCID ID

0000-0002-9217-0845

WoS Researcher ID

T-9951-2018

Full item page

Scholarly Output

22

Articles

10

Citation Count

21

Supervised Theses

12 Scholarly Output Search Results

Now showing 1 - 10 of 22

Citation Count: 7
Estimating the Parameters of Fitzhugh-Nagumo Neurons from Neural Spiking Data
(Mdpi, 2019) Doruk, Reşat Özgür; Abosharb, Laila; Electrical-Electronics Engineering
A theoretical and computational study on the estimation of the parameters of a single Fitzhugh-Nagumo model is presented. The difference of this work from a conventional system identification is that the measured data only consist of discrete and noisy neural spiking (spike times) data, which contain no amplitude information. The goal can be achieved by applying a maximum likelihood estimation approach where the likelihood function is derived from point process statistics. The firing rate of the neuron was assumed as a nonlinear map (logistic sigmoid) relating it to the membrane potential variable. The stimulus data were generated by a phased cosine Fourier series having fixed amplitude and frequency but a randomly shot phase (shot at each repeated trial). Various values of amplitude, stimulus component size, and sample size were applied to examine the effect of stimulus to the identification process. Results are presented in tabular and graphical forms, which also include statistical analysis (mean and standard deviation of the estimates). We also tested our model using realistic data from a previous research (H1 neurons of blowflies) and found that the estimates have a tendency to converge.
Doğru akım elektrik makinalarının geri adımlamalı denetimi
(2017) Doruk, Reşat Özgür; Doruk, Reşat Özgür; Electrical-Electronics Engineering
Bu çalışma doğru akım (DC) motorlarına istenen konum ve hıza erişebilmesi için doğrusal geriadımlama yöntemine dayalı bir denetleyici tasarımını göstermektedir. Geliştirmede doğrusal motor modellerinden yararlanılmış olmakla birlikte denetleyicinin tasarım Lyapunov kararlılık ilkelerine dayalı olarak yapılmaktadır. Bu sayede konum ve hız tarama hatalarının asimptotik olarak sıfıra yakınsaması sağlanabilmektedir. Geri adımlama yöntemi Lyapunov'un ikinci kararlılık yaklaşımının bir uzantısı olup hal uzayı vektörünün her elemanına birer sanal girdi tanıtmak suretiyle teker teker Lyapunov kararlılığını sağlayan özyinelemeli bir yaklaşımdır. Lyapunov kararlılığı matematiksel olarak son adımda elde edilmektedir. Bu çalışmada ayrıca motor mili üzerinde etkin olabilecek bozucu etki torklarının analizi için girdiden-hale kararlılık kavramı üzerinden teorik ve rastgele değişken olarak modelleyerek sayısal benzetim yoluyla analizi yapılmıştır
Duyarga nöronları için poisson ateşleme süreç verisinden model kestirimi
(2022) Doruk, Reşat Özgür; Doruk, Reşat Özgür; Electrical-Electronics Engineering
Bu tezde, uyarıcı-yatıştırıcı nitelikteki bir nöron modelinin ateşleme verisinden kestirimine dayanan hesaplamalı ve teorik bir çalışma sunulmaktadır. Söz konusu çalışma, daha önceki bir çalışmada olduğu gibi gerçekçi bir veri kümesinden (Diptera sineğinin görsel H1 nöronları) alınan uyaran ve ilgili cevap kayıtları kullanılarak gerçekleştirilmiştir. En yüksek olabilirlik, bu tezde kullanılan sinir ağı modelinin parametre tahminini yürütmek için kullanılan yöntemdir. Bu veriler, istatistiksel bilgi içeriğini artırmak için yapılan tekrarlamalı benzetimlerde kullanılabilmek amacıyla alt bölümlere ayrılmıştır. 20 dakikalık bir uyaran-tepki veri kaydı olduğu için bu kayıt segmentlere ayrılmış ve her bir segment birbirinden bağımsız bir veri kümesini temsil eder. Nöron modeli için parametrelerin gerçek değerleri kestirilemediğinden, bu gerçek değerleri kullanarak üretilen sentetik veri kümeleri bu araştırmada nöron dinamikleri tarafından kullanılamayacaktır. Bu gerçeğe dayanarak yapılan kestirimlerin doğruluğunu istatistiki olarak sınayabilmek için iki örnek Kolmogorov-Smirnov testi kullanılmıştır.. Bu test, model yanıtlarına ek olarak kaydedilen iki ateşleme zaman aralığı verileri arasında bir karşılaştırma yapmak için uygulanmıştır. Sonuçların tahmini ve analizi grafiksel olarak sunulacak ve ayrıca tablo şeklinde listelenecektir. Ayrıca, bu araştırmanın değiştirilmiş bir Fitzhugh-Nagumo modeli kullandığı önceki araştırmalarla bir karşılaştırma yapılmıştır.
Citation Count: 2
Angiogenic inhibition therapy, a sliding mode control adventure
(Elsevier Ireland Ltd, 2020) Doruk, Reşat Özgür; Electrical-Electronics Engineering
[No Abstract Available]
Çift Fitzhugh-Nagumo nöronları için çatallanma denetimi
(2017) Doruk, Reşat Özgür; Doruk, Reşat Özgür; Electrical-Electronics Engineering
Sinaptik bir boşluk düğümü yoluyla elektriksel olarak bağlaşımı yapılan bir çift Fitzhugh-Nagumo nöronu üzerinde çalışılmaktadır. Bu nöronlar kendilerine sağlanan elektrik akımı yoluyla kontrol edilebilmektedirler. Elde edilen sistem çok girdili çok çıktılı (MIMO) tipi doğrusal olmayan bir sistemdir. Çatallanma kuramı ve MATLAB tabanlı MATCONT yazılımı kullanılarak elde edilen modeldeki çatallanma koşulları tespit edilmiş olup biyolojik olarak önemi olabileceği düşünülerekten değişik sinaptik iletkenlik değerleri kullanılarak analiz tekrar edilmiştir. Analiz sonuçlarının elde edilmesinin arkasından söz konusu çatallanmaları düzeltebilmek için denetleyici tasarımları yapılmaktadır. Bu denetleyici nöronlara uygun profilde bir elektrik akımı uygulayarak çatallanmanın neden olduğu olumsuz sonuçları gidermektedir. Çift nöron modeli iki giriş ve iki çıkışlı bir model olarak düşünülebileceği için ikinci derece bir arındırma süzgecinin kullanılması gerekli olmaktadır. Süzgecin çıkışı doğrusal karesel düzeltici ve izdüşümsel denetim yöntemlerinden yararlanarak hesaplanmış bir kazanç tarafından sürülmektedir.
Citation Count: 5
Control of Hopf Bifurcations in Hodgkin-Huxley Neurons by Automatic Temperature Manipulation
(Anka Publisher, 2018) Doruk, Reşat Özgür; Electrical-Electronics Engineering
The purpose of this research is to revisit the bifurcation control problem in Hodgkin-Huxley neurons. As a difference from the classical membrane potential feedback to manipulate the external current injection, we will actuate the temperature of the neural environment to control the bifurcations. In order to achieve this a linear feedback from the membrane potential is established to generate a time varying temperature profile. The considered bifurcating parameter is the external current injection. Upon finishing the controllers, the bifurcation analysis against the changes in external current injection is repeated in order to see the possibility of relapse of any bifurcation phenomena at nearby points. In addition to that, simulations are also provided to show the performances of the controllers.
Fitzhugh-Nagumo nöron dinamiği için çatallanma denetleyicisi tasarımları
(2017) Doruk, Reşat Özgür; Doruk, Reşat Özgür; Electrical-Electronics Engineering
Bu çalışmada tekil Fitzhugh-Nagumo (FN) nöron modelleri için teorik bir çatallanma denetim çalışması sunulmaktadır. Değişmekte olan parametreler için çatallanma analizleri MATLAB üzerinde çalışan MATCONT uygulaması ile yapılmıştır. Söz konusu analizde 5 Hopf (H) ve 1 adette Sınır Noktası/Eyer Düğümü (LP) olgusuna rastlanmıştır. Hopf tipi çatallanmalar izdüşümsel denetim ile desteklenmiş arındırma süzgeçleri kullanılarak sağlanmıştır. Arındırma süzgeçleri birinci ve ikinci derece olarak uygulanmıştır. Birinci derece süzgeç ikinci dereceye göre daha avantajlı olduğu anlaşılmıştır. Birinci derece süzgeç hem daha uygulanabilir olmakta hem de daha hızlı davranmaktadır. LP türü çatallanmalar için derecesinden bağımsız olarak arındırma süzgecinden yapılan çıktı geri beslemesi başarılı olamamakta ve denge noktaları korunamamaktadır. Karşılaştıma amacıyla ayrıca kutup yerleştirme yöntemine dayalı tam hal geri beslemeli bir uygulama da gösterilmektedir. Kutup yerleştirmeye dayalı yöntemlerde denge noktalarının orjinal değerlerinde kalması beklenmemektedir. Bu nedenle arındırma süzgeçleri tercih edilirler. Yapılan tüm tasarımlar sayısal benzetimler aracılığıyla sınanmışlardır.
Citation Count: 0
Investigating the Impact of Two Major Programming Environments on the Accuracy of Deep Learning-Based Glioma Detection from MRI Images
(Mdpi, 2023) Yılmaz, Vadi Su; Doruk, Reşat Özgür; Dalveren, Yaser; Dalveren, Yaser; Kara, Ali; Soylu, Ahmet; Electrical-Electronics Engineering; Department of Electrical & Electronics Engineering
Brain tumors have been the subject of research for many years. Brain tumors are typically classified into two main groups: benign and malignant tumors. The most common tumor type among malignant brain tumors is known as glioma. In the diagnosis of glioma, different imaging technologies could be used. Among these techniques, MRI is the most preferred imaging technology due to its high-resolution image data. However, the detection of gliomas from a huge set of MRI data could be challenging for the practitioners. In order to solve this concern, many Deep Learning (DL) models based on Convolutional Neural Networks (CNNs) have been proposed to be used in detecting glioma. However, understanding which CNN architecture would work efficiently under various conditions including development environment or programming aspects as well as performance analysis has not been studied so far. In this research work, therefore, the purpose is to investigate the impact of two major programming environments (namely, MATLAB and Python) on the accuracy of CNN-based glioma detection from Magnetic Resonance Imaging (MRI) images. To this end, experiments on the Brain Tumor Segmentation (BraTS) dataset (2016 and 2017) consisting of multiparametric magnetic MRI images are performed by implementing two popular CNN architectures, the three-dimensional (3D) U-Net and the V-Net in the programming environments. From the results, it is concluded that the use of Python with Google Colaboratory (Colab) might be highly useful in the implementation of CNN-based models for glioma detection. Moreover, the 3D U-Net model is found to perform better, attaining a high accuracy on the dataset. The authors believe that the results achieved from this study would provide useful information to the research community in their appropriate implementation of DL approaches for brain tumor detection.
Citation Count: 6
Fitting of dynamic recurrent neural network models to sensory stimulus-response data
(Springer, 2018) Doruk, Reşat Özgür; Zhang, Kechen; Electrical-Electronics Engineering
We present a theoretical study aiming at model fitting for sensory neurons. Conventional neural network training approaches are not applicable to this problem due to lack of continuous data. Although the stimulus can be considered as a smooth time-dependent variable, the associated response will be a set of neural spike timings (roughly the instants of successive action potential peaks) that have no amplitude information. A recurrent neural network model can be fitted to such a stimulus-response data pair by using the maximum likelihood estimation method where the likelihood function is derived from Poisson statistics of neural spiking. The universal approximation feature of the recurrent dynamical neuron network models allows us to describe excitatory-inhibitory characteristics of an actual sensory neural network with any desired number of neurons. The stimulus data are generated by a phased cosine Fourier series having a fixed amplitude and frequency but a randomly shot phase. Various values of amplitude, stimulus component size, and sample size are applied in order to examine the effect of the stimulus to the identification process. Results are presented in tabular and graphical forms at the end of this text. In addition, to demonstrate the success of this research, a study involving the same model, nominal parameters and stimulus structure, and another study that works on different models are compared to that of this research.
Citation Count: 1
Adaptive Stimulus Design for Dynamic Recurrent Neural Network Models
(Frontiers Media Sa, 2019) Doruk, Reşat Özgür; Zhang, Kechen; Electrical-Electronics Engineering
We present an adaptive stimulus design method for efficiently estimating the parameters of a dynamic recurrent network model with interacting excitatory and inhibitory neuronal populations. Although stimuli that are optimized for model parameter estimation should, in theory, have advantages over nonadaptive random stimuli, in practice it remains unclear in what way and to what extent an optimal design of time-varying stimuli may actually improve parameter estimation for this common type of recurrent network models. Here we specified the time course of each stimulus by a Fourier series whose amplitudes and phases were determined by maximizing a utility function based on the Fisher information matrix. To facilitate the optimization process, we have derived differential equations that govern the time evolution of the gradients of the utility function with respect to the stimulus parameters. The network parameters were estimated by maximum likelihood from the spike train data generated by an inhomogeneous Poisson process from the continuous network state. The adaptive design process was repeated in a closed loop, alternating between optimal stimulus design and parameter estimation from the updated stimulus-response data. Our results confirmed that, compared with random stimuli, optimally designed stimuli elicited responses with significantly better likelihood values for parameter estimation. Furthermore, all individual parameters, including the time constants and the connection weights, were recovered more accurately by the optimal design method. We also examined how the errors of different parameter estimates were correlated, and proposed heuristic formulas to account for the correlation patterns by an approximate parameter-confounding theory. Our results suggest that although adaptive optimal stimulus design incurs considerable computational cost even for the simplest excitatory-inhibitory recurrent network model, it may potentially help save time in experiments by reducing the number of stimuli needed for network parameter estimation.