EĞİTİM
Ders Detayı
ELE785 - Sinir Ağları
2024-2025 Güz dönemi bilgileri
Ders bu dönem açık değil
ELE785 - Sinir Ağları
| Program | Teorik saat | Uygulamalı saat | Yerel kredi | AKTS kredisi |
| Doktora | 3 | 0 | 3 | 10 |
| Zorunluluk | : | Seçmeli |
| Önkoşul ders(ler) | : | - |
| Eşzamanlı ders(ler) | : | - |
| Veriliş biçimi | : | Yüz yüze |
| Öğrenme ve öğretme teknikleri | : | Anlatım, Soru-Yanıt, Uygulama-Alıştırma, Sorun/Problem Çözme |
| Dersin amacı | : | Kursun amacı çok kullanılan sinir ağları yapılarının ve ilgili öğrenme yordamlarının tanıtımı ile birlikte öğrenme paradigması ve ilgili ağ uygulamalarının kavranmasını sağlamaktır. Bu kurs mühendislik uygulamalarında kullanılan sinir ağları çözümleme araçlarından sinyal işleme kapasitesini daha çok ön plana çıkarmaktadır. |
| Dersin öğrenme çıktıları | : | Dersi başarıyla bitiren bir öğrenci öğrenme ve sınıflandırma problemlerinde bazı temel ve öncü çabaları bilir, Temel öğrenme birimlerini ve bilgi sunum mekanizmalaranı çalışır, Temel eniyileme kuramı ve öğrenme paradigmaları ile ilintisi bilgisine sahip olur, Sınıflandırma ve öğrenme aşamalarında standart yöntemlerle sinir ağları yaklaşımlarını karşılaştırabilir, Mühendislik problemlerinde danışımlı veya danışımsız ile dinamik veya durağan yaklaşımlara ait beklentilere göre sinir ağlarının önemli araçlarını öğrenir, Gelişmiş güncel sinir ağları algoritmalarını takip edip anlayabilecek bilgiye sahip olur, Problem çözümleri geliştirirken uygun bilgisayar programlama araçlarını yetkin bir şekilde kullanır. |
| Dersin içeriği | : | 1. Sinir ağlarına giriş , 2. Temel kavramlar ? nöron modelleri, Mc Culloch Pitts modeli, Rosenblatt?ın perseptronu, öğrenme, 3. Aradeğerlendirme ve eniyileme: en küçük kareler tahmini, özyineli en küçük kareler tahmini, türevsel tabanlı eniyileme, 4. Tek katlı perseptronlar, 5. Çok katlı perseptronlar, 6. Kendinden organize olan yapılar: Hebbian öğrenme, Kohonen haritası, 7. Dinamik ağlar: Zaman gecikmeli sinir ağları, geribeslemeli sinir ağları, 8. Radyal tabanlı ağlar. |
| Kaynaklar | : | Haykin, S., Neural Networks, A comprehensive Foundation, Prentice Hall, 2nd ed., 1999.; ; Jang, J.S.R., Sun T.S., Mizutani, E., Neuro-Fuzzy and Soft Computing, Prentice Hall, 1997.; ; Lau, C., edt., Neural Networks, Theoretical Foundations and Analysis, IEEE Press, 1992.; ; Cichocki, A., Unbehauen, R. ,Neural Networks for Optimization and Signal Processing, Wiley,1993. ; ; Shalkoff, R.J., ?Artificial Neural Networks?, Mc Graw Hill, 1997.; ; Haykin. S., ? Adaptive Filter Theory?, Prentice Hall, 1996. |
| Haftalar | Konular |
|---|---|
| 1 | Sinir ağlarına giriş |
| 2 | Temel kavramlar ? nöron modelleri, Mc Culloch Pitts modeli |
| 3 | Temel kavramlar ? bilgi sunumu, Rosenblatt?ın perseptronu, öğrenme paradigmaları |
| 4 | Aradeğerlendirme ve eniyileme: en küçük kareler tahmini, özyineli en küçük kareler tahmini |
| 5 | Aradeğerlendirme ve eniyileme: türevsel tabanlı eniyileme |
| 6 | Tek katlı perseptronlar, |
| 7 | Çok katlı perseptronlar: geriyayılım algoritması |
| 8 | Çok katlı perseptronlar: iyi programlama önerileri, uygulamalar |
| 9 | Ara sınav |
| 10 | Kendinden organize olan yapılar: Hebbian öğrenme, Kohonen haritası |
| 11 | Dinamik ağlar: zaman gecikmeli sinir ağları |
| 12 | Dinamik ağlar: geribeslemeli sinir ağları |
| 13 | Radyal tabanlı ağlar |
| 14 | Mühendislik uygulamaları ve karşılaştırmalar |
| 15 | Genel sınav |
| 16 | Genel sınav |
| 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 | 3 | 45 |
| Sunum | 0 | 0 |
| Projeler | 0 | 0 |
| Seminer | 0 | 0 |
| Kısa Sınav (Quiz) | 0 | 0 |
| Ara Sınavlar | 1 | 15 |
| Genel sınav | 1 | 40 |
| Toplam | 100 | |
| Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı | 60 | |
| Yarıyıl Sonu Sınavının Başarı Notuna Katkısı | 40 | |
| Toplam | 100 | |
| 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.) | 13 | 8 | 104 |
| Sunum / Seminer Hazırlama | 0 | 0 | 0 |
| Proje | 0 | 0 | 0 |
| Ödevler | 3 | 25 | 75 |
| Kısa Sınavlara Hazırlanma Süresi | 0 | 0 | 0 |
| Ara sınavlara hazırlanma süresi | 1 | 15 | 15 |
| Genel sınava hazırlanma süresi | 1 | 25 | 25 |
| Toplam iş yükü | 32 | 76 | 261 |
| Program yeterlilikleri | Katkı düzeyi | |||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| 1. | Elektrik ve Elektronik Mühendisliği'nin belirli alanlarında en üst düzeyde bilgi sahibidir. | |||||
| 2. | Bilim ve teknolojiye yenilik getirecek bilgi, beceri ve yetkinliğe sahiptir. | |||||
| 3. | Bilimsel literatürü ve alanındaki en son gelişmeleri takip eder, edindiği bilgilerin eleştirel analizini, sentezini, değerlendirmesini yapar ve araştırmalarında etkin biçimde kullanır. | |||||
| 4. | Özgün bir araştırmayı bağımsız olarak baştan sona yürütebilir. | |||||
| 5. | Özgün araştırma gerektiren projeleri tasarlar, planlar ve yönetir; disiplinlerarası projelerde liderlik yapabilir. | |||||
| 6. | Bilim ve teknoloji literatürüne katkıda bulunur. | |||||
| 7. | Çalışmalarını yazılı veya sözlü olarak etkin biçimde, Türkçe veya İngilizce sunar. | |||||
| 8. | Toplumsal sorumluluğunun farkındadır, bilimsel ve teknolojik gelişmeleri bilimsel tarafsızlık ilkesi ve etik sorumluluk bilinciyle değerlendirir ve topluma aktarır. | |||||
1: En düşük, 2: Düşük, 3: Orta, 4: Yüksek, 5: Çok yüksek