Ders Kodu | Ders Adı | Ders Türü | Yıl | Dönem | AKTS |
---|---|---|---|---|---|
BİL446 | Yapay Sinir Ağları (TS 8) | 927003 | 4 | 8 | 6 |
Dersin Amacı
Ön Koşul Dersleri
Önerilen Diğer Hususlar
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
Staj Durumu
Dersin İçeriği
# | Etkinlikler | Adet | Yuzde Katkısı | Yarıyıl İci Etkinlik | Yıl Sonu Etkinlik |
---|---|---|---|---|---|
90 | Yarıyıl (Yıl) İçi Etkinlikleri | 0 | 60 | ||
91 | Yarıyıl (Yıl) Sonu Etkinlikleri | 0 | 40 | ||
1 | Ara Sınav | 1 | 50 | 1 | |
29 | Bireysel Çalışma | 1 | 50 | 1 | |
2 | Final Sınavı | 1 | 100 | 1 |
# | Etkinlikler | Adet | Süresi(saat) | Toplam İş Yükü(saat) |
---|---|---|---|---|
1 | Ara Sınav | 1 | 60 | 60 |
2 | Final Sınavı | 1 | 90 | 90 |
Hafta | Teorik | Uygulama | Laboratuar | Ders Notları |
---|---|---|---|---|
1 | Biyolojik esinlenme. Yapay sinir ağları üzerine tarihsel notlar. Yapay sinir ağlarının uygulamaları. Yapay sinir ağ modellerinin ve öğrenme algoritmalarının bir sınıflaması. | |||
2 | Genel yapay sinir hücre modeli. Ayrıkdeğerli algılayıcı, eşik mantığı ve sınırları. Ayrıkzaman (dinamik) Hopfield ağları. Hebb kuralı. Bellek örüntü vektörlerinin dış çarpımı olarak başlantı ağırlık matrisi. | |||
3 | Eğiticili öğrenme. Algılayıcı öğrenme kuralı. Doğrusal uyarlanır eleman. Çıkış hatası minimizasyon problemi olarak eğiticili öğrenme. Minimizasyon için gradyendüşüm algoritması. En küçük kareler kuralı. | |||
4 | Tek katmanlı sürekli değerli algılayıcı. Doğrusal olmayan (sigmoidal) aktivasyon fonksiyonu. Delta kuralı. Grup ve veri tabanlı güncellenen gradyendüşüm algoritmaları. Deterministik ve stokastik gradyendüşüm algoritmalar için yakınsaklık koşulları. | |||
5 | Evrensel yaklaşım makinesi olarak çok katmanlı algılayıcı. Fonksiyon gösterimleri ve yaklaşım problemi. Geriye yayılım algoritması. Yerel minimum problemi. Aşırı eğitim. | |||
6 | Arasınav . Grup ve veri uyarlamalı eğitim biçimleri. Eğitim kümesine karşı test kümesi. Aşırı uyma problemi. Ağların eğitim ve testinde pratik konular. Çok katmanlı algılayıcıların işaret işleme ve örüntü tanıma uygulamaları. | |||
7 | Radyal Taban Fonksiyonlu (RTF) ağlar. RTF ağlarının doğrusal ağırlıkları, Gauss merkezleri ve genişliklerini belirlemek için geriye yayılım algoritması. Merkezlerin rasgele seçimi. Gauss merkezlerinin ve genişliklerinin belirlenmesinde giriş öbekleme ve giriş çıkış öbeklemenin kıyaslanması. Düzenlileştirme kuramı, karma Gauss (koşullu olasılık yoğunluk fonksiyonu) ve yapay sinir tabanlı bulanık sistem modelleri ile RTF ağlarının ilişkileri. | |||
8 | Sınıflama için destek vektör makineleri. Çekirdek gösterimi. Genelleme yeteneği. Vapnik Chervonenkis boyutu. Destek vektör makineleri. Farklı çekirdek, kayıp (hata) fonksiyonu ve (ayrıştıran düzlem) yatıklığı için norm seçimlerinin karşılaştırılması. | |||
9 | Veri gösterimi için parametrik ve parametrik olmayan yöntemlerin kıyaslanması. Vektör nicemleme problemi olarak eğiticisiz öğrenme. Yarışmacı ağlar. “Kazanan her şeyi alır” ağı. Kohonen’in özdüzenlemeli öznitelik haritası. Öbekleme. | |||
10 | Sürekli zaman Hopfield Ağı. Hopfield ağının çokludenge noktalarının kararlılık analizi. Amaç ölçütü minimizasyonu için Hopfield ağları: Hopfield ağlarının Liapunov (enerji) tabanlı tasarımı. Çağrışımsal bellek. Gezgin satıcı problemi. Kombinatoryal optimizasyon. | |||
11 | Yapay sinir ağlarının örüntü tanıma uygulamaları. Öznitelik çıkarımı için yapay sinir ağları. Doğrusal olmayan öznitelik dönüşümü. Veri kaynaştırma. Sınıflayıcı olarak yapay sinir ağları. Görüntü ve ses tanıma uygulamaları. | |||
12 | Yapay sinir ağlarının kontrol uygulamaları. Sistem tanılama için yapay sinir ağları. Kontrolör olarak yapay sinir ağları. Ters sistem tasarımı. Doğrudan ve dolaylı denetim yöntemleri. Uyarlanır kontrol. | |||
13 | Yapay sinir ağ modelleri ve ilişkin öğrenme algoritmalarının işaret işleme, örüntü tanıma ve kontrol uygulamalarının MATLAB nümerik yazılım ortamında gerçeklenmesi. | |||
14 | Yapay sinir ağ modelleri, öğrenme algoritmaları ve uygulamalarının genel değerlendirmesi. |
# | Öğrenme Çıktı Id | Açıklama |
---|---|---|
1 | 1496816 | Temel yapay sinir ağ modellerini tanımlayabilecek, |
2 | 1496817 | Yaygın kullanılan YSA modellerini ve öğrenme algoritmalarını belirli bir uygulama için kullanabilecek |
3 | 1496818 | Yapay sinir ağlarını gerçek sınıflandırma, örüntü tanıma, işaret işleme ve kontrol problemlerine uygularken pratik problemleri değerlendirebilecek. |
4 | 1496819 | MATLAB ve onun Yapay Sinir Ağ Aracını kullanarak temel YSA modellerini ve algoritmalarını gerçekleştirebilecektir. |
# | Program Çıktı Id | Açıklama |
---|---|---|
1 | 71861 | Temel matematik ve bilgisayar bilimleri bilgilerini bilgisayar mühendisliği problemlerine uygulama becerisi. |
2 | 71862 | Var olan bir dizgedeki problemleri saptama, tanımlama ve çözümleme becerisi. |
3 | 71863 | İstenen gereksinimleri yerine getirecek şekilde bir sistemi veya bir süreci modern tasarım araçları ile tasarlama becerisi. |
4 | 71864 | Gereksinimlere uygun donanım ve yazılım çözümlerinin belirlenmesi ve kullanılması becerisi. |
5 | 71865 | Deney, gözlem, uygulama ve akıl yürütmeye dayalı çözümleme ve yorumlama becerisi. |
6 | 71866 | Bireysel çalışma, disiplin içi ve disiplinler arası takımlarda çalışma becerisi. |
7 | 71867 | Türkçe yazılı ve sözlü iletişim kurma becerisi, meslekteki ilerlemeyi sağlayacak şekilde yabancı dil bilgisinin kazandırılması. |
8 | 71868 | Yaşam boyu öğrenmenin gerekliliğini kavrayarak yeniliklere açık olma bilinci ile kendini yenileme becerisi. |
9 | 71869 | Mesleki ve ahlaki sorumluluk bilincine sahip olma. |
10 | 71870 | Proje planlaması ve yönetimi yapabilme; iş hayatında girişimcilik, yenilikçilik vb. kavramların önemini kavrama becerisi. |
11 | 71871 | Çağımızın sosyal, ekonomik, çevresel vb. sorunları hakkında farkındalık ve mühendislik mesleğini bu farkındalığın getirdiği sorumluluk bilinci ile gerçekleştirme. |
12 | 71859 | Sorgulayıcı düşünerek yaratıcı ve özgün çözüm yolları bulabilme, alternatif çözüm yolları üretebilme |
13 | 71860 | Özgüven, zorluklardan yılmama, kararlılık, sabır gibi kişilik özelliklerinin geliştirilmesi. |