EĞİTİM
Ders Detayı

ELE673 - Örüntü Tanıma

2023-2024 Bahar dönemi bilgileri
Ders bu dönem açık değil
ELE673 - Örüntü Tanıma
Program Teorik saat Uygulamalı saat Yerel kredi AKTS kredisi
Yüksek lisans 3 0 3 8
Zorunluluk : Seçmeli
Önkoşul ders(ler) : -
Eşzamanlı ders(ler) : -
Veriliş biçimi : Yüz yüze
Öğrenme ve öğretme teknikleri : Anlatım, Soru-Yanıt
Dersin amacı : Derste öğrencilerin gerçek hayatta karşılaşabilecekleri örüntü tanıma problemlerini çözebilmeleri için, temelde istatistiksel teknikler ağırlıklı olmak üzere: örüntü tanımanın temel kavramlarının, istatistiksel karar verme kuramının temellerinin, parametrik ve non-parametrik yaklaşımların ve bunların farklarının, ve modern örüntü tanıma sistemlerinde kullanılan diğer tekniklerin öğrenciye aktarılması amaçlanmaktadır.
Dersin öğrenme çıktıları : Örüntü tanıma sistemleriyle ile ilgili temel kavram ve yaklaşımları bilir, Değişik örüntü tanıma yaklaşımlarının birbirine göre avantaj ve dezavantajlarını bilir, Derste öğrendiği teknikleri ve algoritmaları gerçek uygulamalarda kullanır, İlk defa karşılaştığı bir örüntü tanıma problemine gerçekçi çözümler önerebilir, Gelişmiş güncel örüntü tanıma algoritmalarını takip edip anlayabilecek temele sahip olur.
Dersin içeriği : Örüntü tanımanın temelleri: Örüntü sınıfları, örüntü özellikleri, özelliklerin çıkartılması, sınıflandırma. İstatistiksel karar verme kuramı, Bayes sınıflandırıcısı, Minimax ve Neyman-Pearson kuralları, hata sınırları. Öğretmenle öğrenme: Olasılık yoğunluk işlevlerinin kestirimi, enbüyük olabilirlik ve Bayes kestirimleri. Parametrik olmayan örüntü tanıma teknikleri, Parzen pencereleri, en yakın komşu ve k-en yakın komşu algoritmaları. Ayırtaç analizi, en küçük kareler ve gevşeme algoritmaları. Öğretmensiz öğrenme ve öbekleme analizi. Diğer örüntü tanıma yaklaşımları.
Kaynaklar : Duda R. O., Hart P. E., and Stork D. G., Pattern Classification, 2nd ed., John Wiley and Sons, 2001.; Webb A., Statistical pattern recognition, Oxford University Press Inc., 1999.; Theodoridis S., Koutroumbas K., Pattern recognition, Academic Press, 1999.
Haftalara Göre İşlenecek Konular
Haftalar Konular
1 Örüntü tanımada temel kavramlar
2 Bayes karar verme kuramı, Hata integralleri, Minimax ve Neyman-Pearson kuralları
3 Çok-boyutlu normal dağılımlar için ayırtaç işlevleri, Normal dağılımlar için hata sınırları: Chernoff ve Bhattacharyya sınırları
4 Ayrık özellikler için Bayes karar verme kuramı, Eksik ve gürültülü özellikler
5 Parametre kestirimi: Enbüyük olabilirlik ve Bayes kestirimleri, Yeterli istatistik kavramı
6 Yüksek boyutun getirdiği sorunlar, Temel bileşenler analizi ve Fisher doğrusal ayırtaç analizi
7 Parametrik olmayan teknikler: Parzen pencereleri
8 Parametrik olmayan teknikler: en yakın komşu ve k-en yakın komşu algoritmaları, Örüntü tanımada yaygın olarak kullanılan metrikler
9 Ara sınav
10 Doğrusal ayırtaç işlevleri ve karar bölgeleri
11 Gradyan iniş yöntemleri: Perceptron algoritması, gevşeme algoritmaları
12 En küçük kareler algoritmaları , Destek vektör makinaları
13 Öğretmensiz öğrenme: Öbekleme algoritmaları, -ortalama öbeklemesi, Öbeklemede başarı ölçütleri: Enküçük değişinti ve saçılma kriterleri
14 İstatistiksel olmayan örüntü tanıma yöntemlerine genel bakış, Karar ağaçları, diziler ve gramer tabanlı yöntemler
15 Genel Sınava Hazırlık
16 Genel Sınav
Değerlendirme Sistemi
Yarıyıl içi çalışmaları Sayısı Katkı Payı %
Devam 0 0
Laboratuar 0 0
Uygulama 0 0
Alan Çalışması 0 0
Derse Özgü Staj (Varsa) 0 0
Ödevler 7 35
Sunum 0 0
Projeler 0 0
Seminer 0 0
Kısa Sınav (Quiz) 0 0
Ara Sınavlar 1 25
Genel sınav 1 40
Toplam 100
Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı 60
Yarıyıl Sonu Sınavının Başarı Notuna Katkısı 40
Toplam 100
AKTS (Öğrenci İş Yükü) Tablosu
Yarıyıl içi çalışmaları Sayısı Süre (saat) Toplam iş yükü
Ders Süresi 14 3 42
Laboratuar 0 0 0
Uygulama 0 0 0
Derse özgü staj (varsa) 0 0 0
Alan Çalışması 0 0 0
Sınıf Dışı Ders Çalışma Süresi (Ön Çalışma, pekiştirme, vb.) 14 8 112
Sunum / Seminer Hazırlama 0 0 0
Proje 0 0 0
Ödevler 7 8 56
Kısa Sınavlara Hazırlanma Süresi 0 0 0
Ara sınavlara hazırlanma süresi 1 10 10
Genel sınava hazırlanma süresi 1 20 20
Toplam iş yükü 37 49 240
Dersin Öğrenme Çıktılarının Program Yeterlilikleri İle İlişkilendirilmesi
Program yeterlilikleri Katkı düzeyi
1 2 3 4 5
1. Elektrik ve Elektronik Mühendisliği'nin gerektirdiği temel bilgilerin yanı sıra Elektrik ve Elektronik Mühendisliği'nin belirli alanlarında geniş ve derin bilgiye sahiptir.
2. Matematik, Fen Bilimleri ve Elektrik ve Elektronik Mühendisliği alanlarındaki kuramsal ve uygulamalı bilgileri kullanarak ileri düzeyde analiz ve sentez yeteneği gerektiren karmaşık mühendislik problemlerini çözer.
3. Bilimsel literatürü takip eder, yorumlar ve mühendislik problemlerinin çözümünde etkin olarak kullanır.
4. Araştırma tasarlar, yapar, sonuçları analiz eder ve yorumlar.
5. Proje tasarlar, planlar ve yönetir; disiplinlerarası çalışmalarda liderlik yapabilir.
6. Problem çözümlerinde yeni ve özgün fikirler üretir.
7. Karmaşık, sınırlı ya da eksik verileri analiz edip anlamlı sonuçlar çıkartabilir, disiplinler arası çalışmalarda bu becerisini kullanabilir.
8. Teknolojik gelişmeleri takip eder, kendisini geliştirip yeniler, yeni durumlara kolay uyum sağlar.
9. Uygulamalarının etik açıdan uygunluğunu ve sosyal ve çevresel etkilerini göz önüne alır.
10. Fikirlerini ve çalışmalarını yazılı veya sözlü olarak etkinlikle sunar; İngilizce'yi ileri düzeyde kullanır.
1: En düşük, 2: Düşük, 3: Orta, 4: Yüksek, 5: Çok yüksek
Genel Bilgiler | Ders ve Sınav Takvimleri | Ders ve Sınıfların Anlık Durumu
Lisans Programı | Bölüm Dışından Başvuran Öğrenciler İçin Yandal Programı | Açılan Dersler, Şubeleri ve Sorumluları | Haftalık Ders Programı | Dönemlik Sınav Programları | Kayıt için Gerekli Bilgiler | Önkoşullu ve Eşzamanlı Dersler | Staj için Gerekli Bilgi ve Belgeler | Lisans Programı Danışman Öğretim Üyeleri | ELE 401-402 Bitirme Projesi Bilgileri | Bitirme Projesi Sanal Sergileri | Erasmus+ Programı | Diğer Yardımcı Belge ve Dilekçeler | AKTS Ders Kataloğu | HÜ Öğrenci İşleri Dairesi
Lisansüstü Programı | Açılan Dersler ve Sorumluları | Haftalık Ders Programı | Dönemlik Final Sınav Programı | Lisansüstü Tez Savunma ve Seminer Takvimi | Kayıt için Gerekli Bilgiler | AKTS Ders Kataloğu - Yüksek Lisans | AKTS Ders Kataloğu - Doktora | HÜ Fen Bilimleri Enstitüsü | Diğer Yardımcı Belge ve Dilekçeler