DERS ADI

: İŞARET İŞLEME İÇİN SİNİR AĞLARI

DERECE PROGRAMLARI

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

DR.ÖĞR.ÜYESİ GÜLESER KALAYCI DEMİR

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
İleri Biyomedikal Teknolojiler Sanayi Ortak Bütünleşik Doktora
Elektrik ve Elektronik Mühendisliği Bütünleşik 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 Çok katmanlı ileri beslemeli sinir ağları
5 Çok katmanlı ileri beslemeli sinir ağları
6 Arasınav
7 Geribeslemeli ağlar
8 YSA uygulamaları
9 Özdüzenleyici ağlar
10 Derin öğrenme
11 Derin öğrenme
12 YSA uygulamaları
13 Proje sunumları
14 Proje sunumları

Ders İçin Önerilen Kaynaklar

- Neural Networks and Learning Machines (3rd Edition) , Simon Haykin, Prentice Hall, 2009.
- 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 ARS ARASINAV
2 PRJ PROJE
3 YSS YIL SONU SINAVI
4 YSBN YIL SONU BAŞARI NOTU ARS * 0.35 + PRJ * 0.15 + YSS * 0.50
5 BUT BÜTÜNLEME
6 BUTBN BÜTÜNLEME SONU BAŞARI NOTU ARS * 0.35 + PRJ * 0.15 + BUT * 0.50


*** Bütünleme Sınavı Yapılmayan Birimlerde Bütünleme Kriteri Dikkate Alınmaz.

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
Vize Sınavı 1 2 2
TOPLAM İŞ YÜKÜ (saat) 206

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

İLETİŞİM BİLGİLERİMİZ
Dokuz Eylül Üniversitesi Cumhuriyet Bulvarı No: 144 35210 Alsancak / İZMİR
Telefon: +90(232) 412 12 12 - Faks: +90 (232) 464 81 35

Copyright 2015 DEÜ. BİD

ANASAYFA / ÜNİVERSİTE HAKKINDA / DERECE PROGRAMLARI / ÖĞRENCİ İÇİN GENEL BİLGİLER / ULUSLARARASI İLİŞKİLER