• ANASAYFA
• ÜNİVERSİTE HAKKINDA
  • İsim - Adres
  • Genel Bilgi
  • Üniversite Yönetimi
  • Akademik Takvim
  • Derece Programları
  • Yabancı Dilde Eğitim Veren Birimler
  • Genel Kabul ve Kayıt Koşulları
  • Kredi Hareketliliği ve Önceki Öğrenmenin Tanınması
  • AKTS Kredilerinin Belirlenmesi
  • Akademik Danışmanlık
  • İletişim
• DERECE PROGRAMLARI
  • Doktora Programları
  • Yüksek Lisans Programları
  • Lisans Programları
  • Önlisans Programları
• ÖĞRENCİ İÇİN GENEL BİLGİLER
  • Yaşam Standardı
  • Barınma
  • Beslenme
  • Sağlık
  • Engelli İçin Olanaklar
  • Sigorta
  • Finansal Destekler
  • Öğrenci İşleri Daire Başkanlığı
  • Uluslararası Öğrenciler için Pratik Bilgiler
  • Dil Kursları
  • Staj Olanakları
  • Sportif, Sosyal ve Kültürel Faaliyetler
  • Öğrenci Toplulukları ve Kulüpler
  • İzmir-Türkiye Hakkında
• ULUSLARARASI İLİŞKİLER
  • Dış İlişkiler Koordinatörlüğü
  • Kayıt İşlemleri
  • Anlaşmalar
  • Koordinatörler
  • Belgeler
  • Yabancı Dilde Eğitim Veren Birimler
  • AKTS/DE Etiketi

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS EED 4013 SİNİR AĞLARININ TEMELLERİ SEÇMELİ 3 2 0 6

Dersi Veren Birim

Elektrik-Elektronik Mühendisliği

Dersin Düzeyi

Lisans

Ders Koordinatörü

YRD.DOÇENT GÜLESER KALAYCI DEMİR

Dersi Alan Birimler

Elektrik-Elektronik Mühendisliği

Dersin Amacı

Bu dersin amacı yapay sinir ağları sistemlerinin temel prensipleri ile tekniklerini tanıtmak ve temel yapay sinir ağları modelleri ile uygulamalarını incelemektir.

Dersin Öğrenme Kazanımları

1   Yapay sinir ağlarının esaslarını tanımlayabilecek 2   Yaygın olarak kullanılan YSA modellerini ve öğrenme yordamlarını belirli uygulamalar için kullanabilecek 3   Yaygın olarak kullanılan sinir ağları modellerinin uygulamasında karşılaşılabilecek temel problemleri tanımlayabilecek 4   Bilgisayar kullanarak YSA yordamlarını uygulayabilecek 5   YSA nın genelleştirme yeteneğini, eğiticili ve eğiticisiz öğrenmenin temel prensiplerini açıklayabilecektir.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama 1 Yapay Sinir Ağlarına Giriş, YSA larının tarihsel gelişimi 2 Temel kavram ve modeller, Genel yapay sinir hücre modeli 3 Eğiticili öğrenme,Tek katmanlı ayrık değerli perceptron. 4 Tek katmanlı ayrık değerli perceptron. Doğrusal olmayan (sigmoidal) aktivasyon fonksiyonu. 5 Çok Katmanlı Ağlar. Geriye yayılım algoritması 6 Radyal Taban Fonksiyonlu 7 AraSınav 8 Çağrışımsal bellekler, Hopfield Ağları 9 Eğiticisiz öğrenme, Yarışmacı ağlar 10 Uyarlamalı ve Özdüzenlemeli Ağlar 11 Veri Önişleme 12 YSA ların örüntü tanıma uygulamaları 13 Yapay sinir ağlarının kontrol uygulamaları 14 Kontrolör olarak yapay sinir ağları.

Ders İçin Önerilen Kaynaklar

Ana kaynak: Neural Networks, Simon Haykin, Prentice Hall, 1998 Introduction to Artificial Neural Systems, Jacek M. Zurada, PWS Publishing Company, 1995 Yardımcı kaynaklar: Neural Networks for Pattern Recognition, C.Bishop, Clarendon Press. Diğer ders materyalleri: Ders sunumları

Öğrenme ve Öğretme Yöntemleri

Ders içeriği sunumlar aracılığıyla verilecek, ayrıca içeriği destekleyen laboratuar çalışmaları yapılacaktır.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL 1 VZ Vize 2 OD Ödev 3 LAB Laboratuvar 4 FN Final 5 BNS BNS VZ * 0.20 + OD * 0.20 + LAB * 0.10 + FN * 0.50

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

1. Sınavlar 2. Projeler, laboratuar çalışması 3. Sınavlar, projeler, laboratuar çalışması 4. Laboratuar çalışması 5. Sınavlar

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

İlan Edilecektir.

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

İlan Edilecektir.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat) Ders Anlatımı 3 13 39 Uygulama 2 14 28 Haftalık Ders öncesi/sonrası hazırlıklar 3 14 42 Vize Sınavına Hazırlık 1 6 6 Final Sınavına Hazırlık 1 10 10 Ödev Hazırlama 4 4 16 Final Sınavı 1 2 2 Vize Sınavı 1 2 2 TOPLAM İŞ YÜKÜ (saat) 145

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK PK.1 PK.2 PK.3 PK.4 PK.5 PK.6 PK.7 PK.8 PK.9 PK.10 PK.11 PK.12 PK.13 ÖK.1 5 ÖK.2 5 4 4 ÖK.3 5 5 ÖK.4 3 5 2 ÖK.5 4 5