Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
MEC 5009	MEKATRONİK SİSTEMLERDE SİNİR AĞI UYGULAMALARI	SEÇMELİ	3	0	0	8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DR.ÖĞR.ÜYESİ AHMET ÖZKURT

Dersi Alan Birimler

Mekatronik Mühendisliği Bütünleşik Doktora
Mekatronik Mühendisliği Yüksek Lisans
Mekatronik Mühendisliği Doktora

Dersin Amacı

Bu ders mekatronik sistemler için Yapay sinir ağları hakkında bir giriş bilgisi vermeyi amaçlamaktadır. Temel bilgiler, değişik ağ tipleri ve basit robotik uygulamalar ile calısmalar yapılacaktır.

Dersin Öğrenme Kazanımları

1	Yapay Sinir ağlarının temelleri ve insan beyni ile karsılastırılması
2	Nöronların öğrenme mekanizmalarının anlaşılması
3	Değişik yapay sinir ağları tiplerinin öğrenilmesi
4	Yapay sinir ağlarının patrik mekatronik sistemlerde uygulanması hakkında bilgi edinilmesi
5	Proje veya ödev raporu yazma becerisinin kazanılması

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Akıllı sistemlere giriş, yapay sinir ağları, fuzzy sistemler ve genetic algoritmalar
2	Sinir ağlarının davranışları
3	Yapay sinir ağları ve öğrenme kuralları
4	Adaline ve Madaline
5	Öğrenme süreci
6	Perceptron modeli
7	Multilayer perceptron, backpropagation
8	arasınav
9	Hopfield Network
10	SOM Network
11	Mekatronik sistemlerin yapay sinir ağı özellikleri
12	Çizgi izleyen robot için yapay sinir ağı tasarımı
13	Öğrenci sunumu
14	Öğrenci sunumu

Ders İçin Önerilen Kaynaklar

Neural Networks: A Comprehensive Foundation (2nd Edition), 1998, Simon Haykin, ISBN: 0132733501, Prentice Hall
Neural Networks and Learning Machines, (3rd Edition), 2008, Simon Haykin, ISBN: 0131471392

Öğrenme ve Öğretme Yöntemleri

Bu ders sınıfta ders anlatılması ve projeler yoluyla yapılacaktır. Tüm öğrencilerin tüm faaliyetlere katılması ev demo ve sunum yapması beklenmektedir.

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	ARS	ARASINAV
2	ODV	ÖDEV
3	SUN	SUNUM
4	YSS	YIL SONU SINAVI
5	YSBN	YIL SONU BAŞARI NOTU	ARS* 0.30 + ODV * 0.20 + SUN * 0.10 + YSS * 0.40
6	BUT	BÜTÜNLEME
7	BUTBN	BÜTÜNLEME SONU BAŞARI NOTU	ARS* 0.30 + ODV * 0.20 + SUN * 0.10 + BUT * 0.40

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

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Arasınav ve final sınavında
1. Yapay Sinir ağlarının temelleri ve insan beyni ile karsılastırılması
2. Nöronların öğrenme mekanizmalarının anlaşılması
3. Değişik yapay sinir ağları tiplerinin öğrenilmesi
4. Yapay sinir ağlarının patrik mekatronik sistemlerde uygulanması hakkında bilgi edinilmesi

Ödev ve projelerde
1. Yapay Sinir ağlarının temelleri ve insan beyni ile karsılastırılması
2. Nöronların öğrenme mekanizmalarının anlaşılması
3. Değişik yapay sinir ağları tiplerinin öğrenilmesi
4. Yapay sinir ağlarının patrik mekatronik sistemlerde uygulanması hakkında bilgi edinilmesi
5. Proje veya ödev raporu yazma becerisinin kazanılması

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

yard.Doç.Dr.Ahmet ÖZKURT
0232 3017134
ahmet.ozkurt@deu.edu.tr

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

her hafta 2 saat

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler	Sayısı	Süresi (saat)	Toplam İş Yükü (saat)
Ders Anlatımı	13	3	39
Haftalık Ders öncesi/sonrası hazırlıklar	13	3	39
Vize Sınavına Hazırlık	1	10	10
Final Sınavına Hazırlık	1	20	20
Ödev Hazırlama	1	30	30
Sunum Hazırlama	1	50	50
Final Sınavı	1	3	3
Vize Sınavı	1	3	3
TOPLAM İŞ YÜKÜ (saat)			194

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK	PK.1	PK.2	PK.3	PK.5	PK.6	PK.9	PK.10	PK.12	PK.13	PK.14
ÖK.1	3							2		2
ÖK.2	3	2		2
ÖK.3	4	3
ÖK.4	4	4	3						2
ÖK.5	3	3		3	3	2	2		3	2

DERS ADI

DERECE PROGRAMLARI