TR Dizin İndeksli Yayınlar Koleksiyonu / TR Dizin Indexed Publications Collection
Permanent URI for this collectionhttps://hdl.handle.net/20.500.14365/4
Browse
3 results
Search Results
Article Citation - Scopus: 1Yaşlanmanın Yüz ve İsim Tanıma Üzerindeki Etkisi: Bir fMRI Çalışması(Turkish Association of Nervous and Mental Health, 2023) Haznedaroğlu, Damla İşman; Gönül, Ali Saffet; Eroğlu, Seda; Uslu, Özgül; Oğuz, Kaya; Erata, Mehmet Can; Kan, Öykü Yavuz; Erdogan, YigitAmaç: Bu çalışmanın amacı ilerleyen yaşla birlikte bellek görevi sırasında beyindeki fonksiyonel değişiklikleri tespit etmek ve bu değişikliklerin bellek performansıyla ilişkisini incelemektir. Yöntem: Çalışmaya Genç Yetişkin Grup (GYG; N=20; 20-25 yaş) ve İleri Yaş Grup (İYG; N=18; 60-70 yaş) olmak üzere iki grup dahil edilmiştir. Gruplara Montreal Bilişsel Değerlendirme (MoCA) puanları 21’in üstünde olan ve birinci dereceden akrabalarında Alzheimer Hastalığı öyküsü olmayan kişiler dahil edilmiştir. Katılımcılara yüz ve isimlerin öğrenildiği kodlama, yüz tanıma ve isim tanıma alt görevlerini içeren bellek görevi sırasında Fonksiyonel Manyetik Rezonans Görüntüleme (fMRG) çekimi yapılmıştır. Bulgular: GYG’a göre, İYG’de yüz tanıma görevinde sol posterior singulat korteks, sol süperior frontal korteks, sol fusiform yüz tanıma alanında; isim tanıma görevinde sol süperior frontal korteks, sağ prefrontal korteks, sol anterior+posterior singulat kortekste aktivite artışı bulunmuştur. İYG yüz tanıma ve isim tanıma bellek testlerinde daha düşük doğru sayısına sahiptir (sırasıyla p=0,026; p=0,001). Sonuç: Bulgular İYG’de bellek görevi sırasında beyinde daha yaygın bir aktivasyon ortaya çıktığını tespit etmiştir. Bu durum ilerleyen yaşla birlikte bellekteki bilgiler hatırlanırken kişilerin daha fazla nöral ve bilişsel kaynağa ihtiyaç duyduğunu göstermektedir.Article Citation - Scopus: 1Performance Analysis and Feature Selection for Network-Based Intrusion Detection With Deep Learning(Scientific Technical Research Council Turkey-Tubitak, 2021) Caner, Serhat; Erdogmus, Nesli; Erten, Y. MuratAn intrusion detection system is an automated monitoring tool that analyzes network traffic and detects malicious activities by looking out either for known patterns of attacks or for an anomaly. In this study, intrusion detection and classification performances of different deep learning based systems are examined. For this purpose, 24 deep neural networks with four different architectures are trained and evaluated on CICIDS2017 dataset. Furthermore, the best performing model is utilized to inspect raw network traffic features and rank them with respect to their contributions to success rates. By selecting features with respect to their ranks, sets of varying size from 3 to 77 are assessed in terms of classification accuracy and time efficiency. The results show that recurrent neural networks with a certain level of complexity can achieve comparable success rates with state-of-the-art systems using a small feature set of size 9; while the average time required to classify a test sample is halved compared to the complete set.Editorial Citation - WoS: 1Citation - Scopus: 2A New Era in Psychiatry: Influence of Technology and Artificial Intelligence(Aves, 2019) Erol, Kutluhan; Erol, Almıla[Abstract Not Available]