AKTS - Yapay Sinir Ağları ve Uygulamaları

Yapay Sinir Ağları ve Uygulamaları (EE423) Ders Detayları

Ders Adı Ders Kodu Dönemi Saati Uygulama Saati Laboratuar Hours Kredi AKTS
Yapay Sinir Ağları ve Uygulamaları EE423 Alan Seçmeli 3 0 0 3 5
Ön Koşul Ders(ler)i
N/A
Dersin Dili İngilizce
Dersin Türü Seçmeli Dersler
Dersin Seviyesi Lisans
Ders Verilme Şekli Yüz Yüze
Dersin Öğrenme ve Öğretme Teknikleri Anlatım, Gösteri, Tartışma, Soru Yanıt, Uygulama-Alıştırma, Takım/Grup Çalışması, Beyin Fırtınası.
Dersin Koordinatörü
Dersin Öğretmen(ler)i
  • Dr. Öğr. Üyesi Hakan Tora
Dersin Asistan(lar)ı
Dersin Amacı •Sinir ağı sistemlerin temel kural ve tekniklerini sunmak. •Temel yapay sinir ağ modellerini ve uygulamalarını incelemek.
Dersin Eğitim Çıktıları Bu dersi başarıyla tamamlayabilen öğrenciler;
  • Beyin ile basit yapay sinir ağı modelleri arasındaki ilişkiyi tanımlayabilme
  • Çok Katlı Pörseptran, radyal taban fonksiyonlu ağlar, Kohonen kendini örgütleyen eşlemlemeler için öğrenme algoritmalarını ve en yaygın mimari yapılarını açıklayabilme
  • Farklı sinir ağ mimarilerini, onların sınırlamalarını ve her bir mimari için uygun öğrenme kurallarını ayırt edebilme
  • Tek katlı ağlarda karşılaşılan doğrusal ayırtedilebilirlik sorununu tayin edebilme ve gizli bir kat ilave ederek bu sorunun nasıl çözülebildiğini açıklayabilme ve gösterebilme
  • Yapay sinir ağ sistemlerinde iyi bir öğrenme ve genelleştirme başarımını oluşturmak için ilgili olan ana faktörleri tartışabilme
  • Sınıflandırma ve örüntü tanıma gibi gerçek hayattaki problemleri çözmede sinir ağ sistemleri tasarlayabilme ve gerçekleştirebilme
Dersin İçeriği Temel sinir biyolojisi, sinir ağı mimarileri ve öğrenme algoritmaları, yapay sinir ağ uygulamaları, McCulloch Pitts nöronları, tek katlı pörseptran, çok Katlı pörseptran, radyal taban fonksiyonlu ağlar, Kohonen kendini örgütleyen eşlemlemeler, öğrenen vektörel nicemleme

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

Hafta Konular Ön Hazırlık
1 Sinir Ağları ve Tarihçesi, Biyolojik nöronlar, Yapay nöronlar Bu haftanın konularına göz atmak
2 Yapay Sinir Ağları, Tek katlı pörseptran ve tek katlı pörseptranda öğrenme ve genelleştirme Bu haftanın konularına göz atmak
3 Hebbian Öğrenme, Bayır İnişli Öğrenme Bu haftanın konularına göz atmak
4 Genelleştirilmiş delta kuralı, Uygulamada gözönüne alınacaklar Bu haftanın konularına göz atmak
5 Çok Katlı pörseptranda öğrenme, Geri yayılım Algoritması Bu haftanın konularına göz atmak
6 Momentumlu Öğrenme, Eşlenik Gradyan Öğrenme Bir önceki haftanın konularını tekrar etmek ve bu haftanın konularına göz atmak
7 Yanlılık ve Değişinti, Eksik Oturtma ve Aşırı Oturtma, Genelleştirmeyi iyileştirme Bir önceki haftanın konularını tekrar etmek ve bu haftanın konularına göz atmak
8 Çok Katlı Pörseptranların Uygulamaları Bu haftanın konularına göz atmak
9 Radyal Taban Fonksiyonlu Ağlar: Algoritmalar ve Uygulamalar Bu haftanın konularına göz atmak
10 Çağrışımsal Öğrenme Bu haftanın konularına göz atmak
11 Yarışmalı Öğrenme, Karşı yayılım Ağları, Grossberg ağları Bu haftanın konularına göz atmak
12 Uyarlanır Rezonans Kuramı, Kararlılık Bu haftanın konularına göz atmak
13 Hopfield ağlar, çift taraflı çağrışımsal hafızalar Bu haftanın konularına göz atmak
14 Kendini Örgütleyen Eşlemlemeler: Algoritmalar ve Uygulamalar Bu haftanın konularına göz atmak
15 Dönem sonu sınav çalışmaları Dönem içi konuların tekrarı
16 Dönem sonu sınav çalışmaları Dönem içi konuların tekrarı

Kaynaklar

Ders Kitabı 1. Neural Networks: A Comprehensive Foundation, Simon Haykin, Pearson Education Inc. Leicestershire U.K 1999
Diğer Kaynaklar 2. Neural Networks for Pattern Recognition, C. Bishop, Oxford University Press, 1995
3. Principles of Neurocomputing for Science and Engineering, F.M.Ham and I.Kostanic, McGraw Hill, 2001

Değerlendirme System

Çalışmalar Sayı Katkı Payı
Devam/Katılım - -
Laboratuar - -
Uygulama - -
Alan Çalışması - -
Derse Özgü Staj - -
Küçük Sınavlar/Stüdyo Kritiği - -
Ödevler 15 20
Sunum - -
Projeler 1 20
Rapor - -
Seminer - -
Ara Sınavlar/Ara Juri 2 30
Genel Sınav/Final Juri 1 30
Toplam 19 100
Yarıyıl İçi Çalışmalarının Başarı Notu Katkısı 70
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı 30
Toplam 100

Kurs Kategorisi

Temel Meslek Dersleri X
Uzmanlık/Alan Dersleri
Destek Dersleri
İletişim ve Yönetim Becerileri Dersleri
Aktarılabilir Beceri Dersleri

Dersin Öğrenim Çıktılarının Program Yeterlilikleri ile İlişkisi

# Program Yeterlilikleri / Çıktıları Katkı Düzeyi
1 2 3 4 5
1 Matematik, fen bilimleri ve Elektrik-Elektronik Mühendisliği disiplinine özgü konularda yeterli bilgi birikimine sahip olur; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinin çözümünde kullanır. X
2 Karmaşık mühendislik problemlerini saptar, tanımlar, formüle eder ve çözer; bu amaçla uygun analiz ve modelleme yöntemlerini seçer ve uygular. X
3 Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlar; bu amaçla modern tasarım yöntemlerini uygular. (Gerçekçi kısıtlar ve koşullar tasarımın niteliğine göre ekonomi, çevre sorunları, sürdürülebilirlik, üretilebilirlik, etik, sağlık, güvenlik, sosyal ve politik sorunlar gibi ögeleri içerir.) X
4 Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları seçer ve kullanır; bilişim teknolojilerini etkin bir şekilde kullanır. X
5 Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlar, deney yapar, veri toplar, sonuçları analiz eder ve yorumlar. X
6 Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışır; bireysel çalışma yeteneğini geliştirir. X
7 Sözlü ve yazılı etkin iletişim kurar; en az bir yabancı dil bilgisine sahip olur; etkin rapor yazar, yazılı raporları anlar, tasarım ve üretim raporları hazırlar, etkin sunum yapar, açık ve anlaşılır talimat verir ve alır. X
8 Yaşam boyu öğrenmenin gerekliliği konusunda farkındalık kazanır; bilgiye erişir, bilim ve teknolojideki gelişmeleri izler ve kendini sürekli yeniler. X
9 Etik ilkelere uygun davranır, mesleki ve etik sorumluluk sahibi olur ve mühendislik uygulamalarında kullanılan standartlar hakkında bilgi sahibi olur. X
10 Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi iş hayatındaki uygulamalar hakkında bilgi sahibi olur; girişimcilik ve yenilikçilik konusunda farkındalık kazanır; sürdürülebilir kalkınma hakkında bilgi edinir. X
11 Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkilerini bilir; çağın mühendislik alanına yansıyan sorunları anlar ve mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık kazanır. X

ECTS/İş Yükü Tablosu

Aktiviteler Sayı Süresi (Saat) Toplam İş Yükü
Ders saati (Sınav haftası dahildir: 16 x toplam ders saati) 16 3 48
Laboratuar
Uygulama
Derse Özgü Staj
Alan Çalışması
Sınıf Dışı Ders Çalışma Süresi 16 2 32
Sunum/Seminer Hazırlama
Projeler 4 5 20
Raporlar
Ödevler 8 2 16
Küçük Sınavlar/Stüdyo Kritiği
Ara Sınavlara/Ara Juriye Hazırlanma Süresi 2 3 6
Genel Sınava/Genel Juriye Hazırlanma Süresi 1 3 3
Toplam İş Yükü 125