Ders Öğretim Planı

Ders Kodu Ders Adı Ders Türü Yıl Dönem AKTS
ASM611 Yapay Sinir Ağları 927003 1 2 8

Dersin Amacı

Bu dersin amacı öğrencilere yapay sinir ağları temelleri, kavramları ve yöntemlerini öğretmektir.

Dersin Veren Öğretim Görevlisi/Görevlileri

Prof.Dr. Mehmet Serhat Odabaş

Ön Koşul Dersleri

Yok

Önerilen Diğer Hususlar

Yok

Ders Kitabı / Malzemesi / Önerilen Kaynaklar

- Neural Networks – A Comprehensive Foundation, Prentice Hall, 1998 - B.Yegnanarayana, Artificial Neural Networks, Prentice Hall of India, 1999

Dersin Sunulduğu Dil

Türkçe

Staj Durumu

Yok

Dersin İçeriği

Yapay sinir ağlarına giriş, regresyon ve sınıflandırma için doğrusal modeller, ileri beslemeli sinir ağları, radyal tabanlı fonksiyon ağları, desen çözümleme için kernel yöntemleri, SOM, geri beslemeli sinir ağları

Değerlendirme

# Etkinlikler Adet Yuzde Katkısı Yarıyıl İci Etkinlik Yıl Sonu Etkinlik
90 Yarıyıl (Yıl) İçi Etkinlikleri 0 40
91 Yarıyıl (Yıl) Sonu Etkinlikleri 0 60
1 Ara Sınav 1 100 1
2 Final Sınavı 1 100 1

Ders İş Yükü Verisi

# Etkinlikler Adet Süresi(saat) Toplam İş Yükü(saat)
1 Ara Sınav 1 20 20
2 Final Sınavı 1 20 20
3 Bütünleme Sınavı 1 20 20
4 Quiz 4 5 20
5 Derse Katılım 14 5 70
22 Proje Hazırlama 1 10 10
23 Proje Sunma 1 20 20
54 Ev Ödevi 1 7 7

Haftalık Ders İçeriği

Hafta Teorik Uygulama Laboratuar Ders Notları
1 Desen ve veri, Desen tanıma görevleri, desen tanıma görevleri için yöntemler Ders 1.docx
2 Sinir ağlarının özellikleri, tarihçe, terminoloji, nöron modelleri, topoloji, basit öğrenme kuralları Ders 2.docx
3 Hata-düzeltme öğrenmesi, bellek-tabanlı öğrenme, Hebb öğrenmesi, Rekabetçi öğrenme, Boltzmann öğrenmesi, Öğretmenli öğrenme, Öğretmensiz öğrenme, Öğrenme görevleri, Bellek adaptasyonu, Öğrenme sürecinin İstatistiksel doğası, İstatistiksel öğrenme kuramı Ders 3.docx
4 Uyum sağlayan filtreleme problemi, Kısıtsız Eniyileme yöntemleri, doğrusal en küçük kareler süzgeçleri, en küçük ortalama kare algoritması, öğrenme eğrileri, tavlama yöntemleri, Perseptron, Perseptron Yakınsama Kuramı Ders 4.docx
5 Geri-Yayılım Algoritması, XOR problemi, çıktı gösterimi ve karar kuralı, bilgisayar deneyi, nitelik bulma, geri-yayılım ve fark, Hessian matrisi, genelleştirme Ders 5.docx
6 Desen ilişkilendirme ağlarının çözümlemesi, desen sınıflandırma ağlarının çözümlemesi, desen eşleme ağlarının çözümlemesi Ders 6.docx
7 Doğrusal oto-ilişkili FF ağlarının çözümlemesi, desen saklama ağlarının çözümlemesi, stokastik ağlar ve benzetimli tavlama, Boltzmann makinesi Ders 7.docx
8 Cover kuramı, desenlerin ayrılabilirliği, interpolasyon problemi, gözetimli öğrenme, düzenleme kuramı, düzenleme ağları, genelleştirilmiş radyal tabanlı fonksiyon ağları, XOR problemi, öğrenme stratejileri Ders 8.docx
9 Ara Sınav Ara sınav.docx
10 Öz düzenleyici harita (SOM), SOM algoritması, nitelik haritası, öğrenme vektör niceleme (LVQ), sıradüzensel vektör niceleme (HVQ), Bağlamsal Haritalar Ders 10.docx
11 Entropi, Maksimum Entropi İlkesi, ortak bilgi, Kullback-Leibler yakınsama, Infomax, en yüksek ihtimaller tahminleme, maksimum entropi yöntemi Ders 11.docx
12 İstatiksel mekanik, Markov zincirleri, Metropolis algoritması, Benzetimli tavlama, Gibbs örneklemesi, Boltzmann makinesi, Sigmoid inanç ağları, Helmholtz makinesi, Ortalama-Alan kuramı Ders 12.docx
13 Kısa ömürlü bellek yapıları, zamansal işleme için ağ mimarileri, odaklı zaman gecikmeli ileri beslemeli ağlar, zamansal geri yayılım algoritması Ders 13.docx
14 Yinelemeli Ağ mimarileri, durum-uzay modeli, öğrenme algoritmaları, zaman içinde geri yayılım, Kalman süzgeçleri Ders 14.docx
15 Doğrudan uygulamalar, Uygulama Alanları Ders 15.docx
16 Final Sınavı Final sınavı.docx

Dersin Öğrenme Çıktıları

# Öğrenme Çıktı Id Açıklama
1 1240761 Yapay sinir ağı (YSA) kavramlarının basit ve açıkça anlatabilme
2 1240762 Yapay sinir ağı yöntem ve algoritmalarını açıklayabilme
3 1240763 Farklı ANN yöntemlerini özetleme ve anlatabilme
4 1240764 Problem çözümü için uygun YSA yöntemini seçebilme

Bölüm Program Çıktıları

# Program Çıktı Id Açıklama
1 69070 Temel bilimlerin metodolojik ve uygulamalı öğeleri hakkında uygun bilgi birikimine sahip olurlar ve bu bilgiyi akıllı sistemler kapsamında mühendislik ilişkili problemleri tanımlamak için uygulayabilirler
2 69071 En yeni yöntemleri, teknikleri ve ekipmanı kullanarak akıllı sistemlerin mühendisliği ilişkili problemleri tanımlayabilir, formülize edebilir ve çözebilirler
3 69074 Akıllı sistemlerin analizini ve tasarımını kaliteden ödün vermeden yapmak için teknikler ve araçları kullanabilirler
4 69087 Testler yapabilirler ve elde edilen sonuçları analiz edebilir ve yorumlayabilirler
5 69088 Teknolojinin insani, etik ve ekolojik boyutlarını dikkate alabilirler
6 69073 Tüm ortamlarda hem yazılı hem de sözlü olarak İngilizce iletişim kurabilirler
7 69072 Hayat boyu öğrenmeye yatkındırlar
8 69086 Temel araştırmaları yürütebilir ve ilgili konferans ve dergilerde makaleler yayınlayabilirler

Ögrenme Çıktı Matrisi

Program Çıktısı
1 2 3 4 5 6 7 8
Öğrenme Çıktısı
1 3 4 5 5 5
2 5 5 5 5 5
3 5 5 5 5 5
4 5 5 5 5 5
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek