AKTS - Uyarlanır Sistemler and Sinyal İşleme
Uyarlanır Sistemler and Sinyal İşleme (EE424) Ders Detayları
Ders Adı | Ders Kodu | Dönemi | Saati | Uygulama Saati | Laboratuar Hours | Kredi | AKTS |
---|---|---|---|---|---|---|---|
Uyarlanır Sistemler and Sinyal İşleme | EE424 | Alan Seçmeli | 3 | 0 | 0 | 3 | 5 |
Ön Koşul Ders(ler)i |
---|
EE303 ve EE306 |
Dersin Dili | İngilizce |
---|---|
Dersin Türü | Seçmeli Dersler |
Dersin Seviyesi | Fen Bilimleri Yüksek Lisans |
Ders Verilme Şekli | Yüz Yüze |
Dersin Öğrenme ve Öğretme Teknikleri | Anlatım, Gösteri, Tartışma, Soru Yanıt, Uygulama-Alıştırma, Beyin Fırtınası. |
Dersin Öğretmen(ler)i |
|
Dersin Amacı | •Uyarlanır süzme uygulamalarını, yapılarını, algoritmalarını ve başarımlarını anlamak. •Uyarlanır süzgeçlemenin uygulanabildiği yerdeki problem sınıflarını tanımlamak. •LMS ve RLS uyarlama algoritmalarının gerçekleştirilmesini tanımlamak. •Kalman süzgeçleme ve ileri yöndeki geri yöndeki algoritmanın temel krallarını sunmak. |
Dersin Eğitim Çıktıları |
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
Dersin İçeriği | Uyarlanır süzme uygulamaları, özbağlanımlı yürüyen ortalamalı süreçler, doğrusal öngörü, kafes süzgeçler, en küçük ortalama karesel (LMS) algoritmalar, en küçük karelerle süzgeçleme, yakınsaklık analizi, özyineli en küçük kareler (RLS) kestirimi, Kalman süzgeçler. |
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
Hafta | Konular | Ön Hazırlık |
---|---|---|
1 | Uyarlanır Süzme: Tanıma, Ters Modelleme, Öngörü, Girişim Giderme | Bu haftanın konularına göz atmak |
2 | Doğrusal Optimum Süzme: Wiener Süzgeçler | Bir önceki haftanın konularını tekrar etmek ve bu haftanın konularına göz atmak |
3 | Doğrusal Öngörü: İleri yönde Doğrusal Öngörü, Geri yönde Doğrusal Öngörü, Levinson-Durbin Algoritması | Bu haftanın konularına göz atmak |
4 | Doğrusal Öngörü: Kafes Süzgeçler | Bir önceki haftanın konularını tekrar etmek ve bu haftanın konularına göz atmak |
5 | Gradyan Tabanlı Uyarlama: En dip İniş Algoritması | Bu haftanın konularına göz atmak |
6 | Stokastic Gradyan Tabanlı Uyarlama: En Küçük Ortalama Karesel (LMS) Algoritması | Bu haftanın konularına göz atmak |
7 | LMS Algoritması | Bir önceki haftanın konularını tekrar etmek ve bu haftanın konularına göz atmak |
8 | LMS Algorimasının Türleri: Düzgelenmiş LMS (NLMS) Algoritması | Bir önceki haftanın konularını tekrar etmek ve bu haftanın konularına göz atmak |
9 | Frekans Alanı ve Altbant Uyarlanır Süzgeçler | Bu haftanın konularına göz atmak |
10 | Frekans Alanı ve Altbant Uyarlanır Süzgeçler | Bir önceki haftanın konularını tekrar etmek ve bu haftanın konularına göz atmak |
11 | Doğrusal En Küçük Karelerle (LS) Süzme: Doğrusal LS Kestirim Problemi; Olağan Denklemler ve LS Süzgeçler; En Küçük Karesel Kestirimlerin Özellikleri; Tekil Değer Ayrışımı | Bu haftanın konularına göz atmak |
12 | Özyineli en küçük kareler (RLS) kestirimi: Üstsel Ağırlıklı En Küçük Kareler; Zaman Çözümünde Özyineleme; Algoritmanın ilk kullanıma hazırlanması; MSE kriteri için Özyineleme; Uygulamalar: Gürültü Gidericiler, Kanal Denkleştirme, Yankı Giderimi | Bu haftanın konularına göz atmak |
13 | Kalman Süzgeçler: Kalman Süzme Probleminin ifade edilmesi; Yenilik Süreci; Durum Kestirimi; Süzme; Başlangıç Şartları; Genişletilmiş Kalman Süzgeci | Bu haftanın konularına göz atmak |
14 | Kalman Süzgeçler | Bir önceki haftanın konularını tekrar etmek ve bu haftanın konularına göz atmak |
15 | Dönem sonu sınav çalışmaları | Dönem içi konuların tekrarı |
16 | Dönem sonu sınav çalışmaları | Dönem içi konuların tekrarı |
Kaynaklar
Ders Kitabı | 1. Adaptive Filter Theory, S.Haykin, 4th Edition, Prentice Hall, 2002 |
---|---|
Diğer Kaynaklar | 2. Adaptive Signal Processing, B.Widrow and S.Stearns, Prentice Hall, 1985 |
Değerlendirme System
Çalışmalar | Sayı | Katkı Payı |
---|---|---|
Devam/Katılım | - | - |
Laboratuar | - | - |
Uygulama | - | - |
Alan Çalışması | - | - |
Derse Özgü Staj | - | - |
Küçük Sınavlar/Stüdyo Kritiği | - | - |
Ödevler | 15 | 15 |
Sunum | - | - |
Projeler | 1 | 15 |
Rapor | - | - |
Seminer | - | - |
Ara Sınavlar/Ara Juri | 2 | 40 |
Genel Sınav/Final Juri | 1 | 30 |
Toplam | 19 | 100 |
Yarıyıl İçi Çalışmalarının Başarı Notu Katkısı | 70 |
---|---|
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı | 30 |
Toplam | 100 |
Kurs Kategorisi
Temel Meslek Dersleri | X |
---|---|
Uzmanlık/Alan Dersleri | |
Destek Dersleri | |
İletişim ve Yönetim Becerileri Dersleri | |
Aktarılabilir Beceri Dersleri |
Dersin Öğrenim Çıktılarının Program Yeterlilikleri ile İlişkisi
# | Program Yeterlilikleri / Çıktıları | Katkı Düzeyi | ||||
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
1 | Matematik, Fen ve Mühendislik bilgisini, ileri düzey sistemlere uygulayabilmek. | X | ||||
2 | Elektrik ve Elektronik Mühendisliği'nin temel alanlarında uzun soluklu araştırma ve geliştirme çalışmaları gerçekleştirebilmek. | X | ||||
3 | Modern mühendislik araçlarını, tekniklerini ve imkânlarını, tasarım ve diğer mühendislik uygulamalarında kullanabilmek. | X | ||||
4 | Yenilikçilik ve girişimcilik alanlarında aktif araştırmacılar mezun etmek. | |||||
5 | Araştırma sonuçlarını etkin şekilde raporlayabilmek ve sunabilmek. | |||||
6 | Bilgi kaynaklarına erişme ve bilim/teknolojideki güncel gelişmeleri izleme başarımını arttırabilmek. | |||||
7 | Profesyonel ve etik sorumluluğu kavrayabilmek. | |||||
8 | Hem Türkçe hem de İngilizce etkin iletişim başarımını arttırabilmek. | |||||
9 | Proje yönetiminde başarımı arttırabilmek. | |||||
10 | Disiplinler arası proje takımlarında başarıyla çalışabilmek. |
ECTS/İş Yükü Tablosu
Aktiviteler | Sayı | Süresi (Saat) | Toplam İş Yükü |
---|---|---|---|
Ders saati (Sınav haftası dahildir: 16 x toplam ders saati) | 16 | 3 | 48 |
Laboratuar | |||
Uygulama | |||
Derse Özgü Staj | |||
Alan Çalışması | |||
Sınıf Dışı Ders Çalışma Süresi | 16 | 2 | 32 |
Sunum/Seminer Hazırlama | |||
Projeler | 1 | 10 | 10 |
Raporlar | |||
Ödevler | 6 | 3 | 18 |
Küçük Sınavlar/Stüdyo Kritiği | |||
Ara Sınavlara/Ara Juriye Hazırlanma Süresi | 2 | 6 | 12 |
Genel Sınava/Genel Juriye Hazırlanma Süresi | 1 | 3 | 3 |
Toplam İş Yükü | 123 |