AKTS - Yapay Sinir Ağları ve Uygulamaları

Yapay Sinir Ağları ve Uygulamaları (EE505) Ders Detayları

Ders Adı Ders Kodu Dönemi Saati Uygulama Saati Laboratuar Hours Kredi AKTS
Yapay Sinir Ağları ve Uygulamaları EE505 3 0 0 3 5
Ön Koşul Ders(ler)i
N/A
Dersin Dili İngilizce
Dersin Türü N/A
Dersin Seviyesi Fen Bilimleri Yüksek Lisans
Ders Verilme Şekli Yüz Yüze
Dersin Öğrenme ve Öğretme Teknikleri Anlatım, Tartışma, Soru Yanıt, Uygulama-Alıştırma.
Dersin Koordinatörü
Dersin Öğretmen(ler)i
  • Yrd. Doç. Dr. Hakan Tora
Dersin Asistan(lar)ı
Dersin Amacı •Sinir ağı sistemlerin temel kural ve tekniklerini sunmak. •Temel yapay sinir ağ medellerini 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 konularının tekrarı
16 Dönem sonu sınav çalışmaları Dönem konularının 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 ve Mühendislik bilgisini, ileri düzey sistemlere uygulayabilmek.
2 Elektrik ve Elektronik Mühendisliği'nin temel alanlarında uzun soluklu araştırma ve geliştirme çalışmaları gerçekleştirebilmek.
3 Modern mühendislik araçlarını, tekniklerini ve imkânlarını, tasarım ve diğer mühendislik uygulamalarında kullanabilmek.
4 Yenilikçilik ve girişimcilik alanlarında aktif araştırmacılar mezun etmek.
5 Araştırma sonuçlarını etkin şekilde raporlayabilmek ve sunabilmek.
6 Bilgi kaynaklarına erişme ve bilim/teknolojideki güncel gelişmeleri izleme başarımını arttırabilmek.
7 Profesyonel ve etik sorumluluğu kavrayabilmek.
8 Hem Türkçe hem de İngilizce etkin iletişim başarımını arttırabilmek.
9 Proje yönetiminde başarımı arttırabilmek.
10 Disiplinler arası proje takımlarında başarıyla çalışabilmek.

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