DERS ADI

: İŞARET İŞLEME İÇİN SİNİR AĞLARI

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
EEE 5030 İŞARET İŞLEME İÇİN SİNİR AĞLARI SEÇMELİ 3 0 0 8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

YRD.DOÇENT MUSTAFA ALPER SELVER

Dersi Alan Birimler

Elektrik ve Elektronik Mühendisliği Tezsiz Yüksek Lisans (İ.Ö)
Elektrik ve Elektronik Mühendisliği Yüksek Lisans
Biyomedikal Teknolojiler Yüksek Lisans (İng)
İleri Biyomedikal Teknolojiler Sanayi Ortak Doktora
Elektrik ve Elektronik Mühendisliği Doktora

Dersin Amacı

Bu ders, öğrencilerin i) yapay sinir ağları modellerini ve öğrenme algoritmalarını öğrenmesini ve ii) ses, görüntü, biyolojik ve benzeri diğer sinyallerin işlenmesi için yapay sinir ağı modellerinin tasarımında öğrenme algoritmalarını kullanmasını amaçlamaktadır.

Dersin Öğrenme Kazanımları

1   Verilen belirli bir sinyal işleme uygulaması için yapay sinir ağı modeli tasarlayabilme
2   Yapay sinir ağı yazılımlarını kullanabilme
3   Genel sinir ağı modelleri için uygulamaya dönük sorunları tanımlayabilme
4   Öğrenme algoritmalarını ve yapay sinir ağlarının genelleme yeteneğini açıklayabilme

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 YSA'lara giriş, YSA'ların tarihsel gelişimi
2 Öğrenme algoritmalarının temelleri ve YSA yapıları
3 Tek katmanlı sürekli/kesikli değerli perceptron
4 İleri öğrenme teknikleri
5 Çapraz doğrulama teknikleri
6 Çapraz doğrulama tekniklerinin uygulanması
7 Adaboost
8 Adaboost uygulamaları
9 Sinir ağlarının uygulamaları Tıbbi Görüntü İşleme Uygulamaları
10 Sinir ağlarının uygulamaları Tıbbi Görüntü İşleme Uygulamaları
11 Sinir ağlarının uygulamaları Tıbbi Görüntü İşleme Uygulamaları
12 Sinir ağlarının uygulamaları Tıbbi Görüntü İşleme Uygulamaları
13 Proje sunumları
14 Proje sunumları

Ders İçin Önerilen Kaynaklar

- Neural Networks, Simon Haykin, Prentice Hall, 1998.
- Introduction to Artificial Neural Systems,Jacek M. Zurada, PWS Publishing Company, 1995.
- Neural Networks for Pattern Recognition, C. Bishop, Clarendon Press.

Öğrenme ve Öğretme Yöntemleri

Sunumlar, belirli bir problem üzerine sınıf-içi tartışmalar ve proje tabanlı eğitim ögeleri kullanılacaktır.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 PRJ PROJE
2 YSBN YIL SONU BAŞARI NOTU PRJ * 1

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

İlan Edilecektir.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

Dokuz Eylül Üniversitesi,
Elektrik ve Elektronik Mühendisliği Bölümü,
Tınaztepe Kampüsü, Buca, İzmir-Türkiye
e-mail: guleser.kalayci@deu.edu.tr
Tel: +90 232 3017152

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 13 3 39
Ödev Hazırlama 3 6 18
Haftalık Ders öncesi/sonrası hazırlıklar 13 4 52
Sunum Hazırlama 1 3 3
Kitap Okuma 13 2 26
Proje 1 66 66
TOPLAM İŞ YÜKÜ (saat) 204

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9PK.10PK.11PK.12PK.13PK.14
ÖK.1431331
ÖK.242144
ÖK.3323
ÖK.443