AKTS - Yapay Sinir Ağları ve Uygulamaları

Yapay Sinir Ağları ve Uygulamaları (EE423) Ders Detayları

Ders Adı Ders Kodu Dönemi Saati Uygulama Saati Laboratuar Hours Kredi AKTS
Yapay Sinir Ağları ve Uygulamaları EE423 Alan Seçmeli 3 0 0 3 5
Ön Koşul Ders(ler)i
N/A
Dersin Dili İngilizce
Dersin Türü Seçmeli Dersler
Dersin Seviyesi Lisans
Ders Verilme Şekli Yüz Yüze
Dersin Öğrenme ve Öğretme Teknikleri Anlatım, Gösteri, Tartışma, Soru Yanıt, Uygulama-Alıştırma, Takım/Grup Çalışması, Beyin Fırtınası.
Dersin Koordinatörü
Dersin Öğretmen(ler)i
  • Dr. Öğr. Üyesi Hakan Tora
Dersin Asistan(lar)ı
Dersin Amacı •Sinir ağı sistemlerin temel kural ve tekniklerini sunmak. •Temel yapay sinir ağ modellerini ve uygulamalarını incelemek.
Dersin Eğitim Çıktıları Bu dersi başarıyla tamamlayabilen öğrenciler;
  • Beyin ile basit yapay sinir ağı modelleri arasındaki ilişkiyi tanımlayabilme
  • Çok Katlı Pörseptran, radyal taban fonksiyonlu ağlar, Kohonen kendini örgütleyen eşlemlemeler için öğrenme algoritmalarını ve en yaygın mimari yapılarını açıklayabilme
  • Farklı sinir ağ mimarilerini, onların sınırlamalarını ve her bir mimari için uygun öğrenme kurallarını ayırt edebilme
  • Tek katlı ağlarda karşılaşılan doğrusal ayırtedilebilirlik sorununu tayin edebilme ve gizli bir kat ilave ederek bu sorunun nasıl çözülebildiğini açıklayabilme ve gösterebilme
  • Yapay sinir ağ sistemlerinde iyi bir öğrenme ve genelleştirme başarımını oluşturmak için ilgili olan ana faktörleri tartışabilme
  • Sınıflandırma ve örüntü tanıma gibi gerçek hayattaki problemleri çözmede sinir ağ sistemleri tasarlayabilme ve gerçekleştirebilme
Dersin İçeriği Temel sinir biyolojisi, sinir ağı mimarileri ve öğrenme algoritmaları, yapay sinir ağ uygulamaları, McCulloch Pitts nöronları, tek katlı pörseptran, çok Katlı pörseptran, radyal taban fonksiyonlu ağlar, Kohonen kendini örgütleyen eşlemlemeler, öğrenen vektörel nicemleme

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

Hafta Konular Ön Hazırlık
1 Sinir Ağları ve Tarihçesi, Biyolojik nöronlar, Yapay nöronlar Bu haftanın konularına göz atmak
2 Yapay Sinir Ağları, Tek katlı pörseptran ve tek katlı pörseptranda öğrenme ve genelleştirme Bu haftanın konularına göz atmak
3 Hebbian Öğrenme, Bayır İnişli Öğrenme Bu haftanın konularına göz atmak
4 Genelleştirilmiş delta kuralı, Uygulamada gözönüne alınacaklar Bu haftanın konularına göz atmak
5 Çok Katlı pörseptranda öğrenme, Geri yayılım Algoritması Bu haftanın konularına göz atmak
6 Momentumlu Öğrenme, Eşlenik Gradyan Öğrenme Bir önceki haftanın konularını tekrar etmek ve bu haftanın konularına göz atmak
7 Yanlılık ve Değişinti, Eksik Oturtma ve Aşırı Oturtma, Genelleştirmeyi iyileştirme Bir önceki haftanın konularını tekrar etmek ve bu haftanın konularına göz atmak
8 Çok Katlı Pörseptranların Uygulamaları Bu haftanın konularına göz atmak
9 Radyal Taban Fonksiyonlu Ağlar: Algoritmalar ve Uygulamalar Bu haftanın konularına göz atmak
10 Çağrışımsal Öğrenme Bu haftanın konularına göz atmak
11 Yarışmalı Öğrenme, Karşı yayılım Ağları, Grossberg ağları Bu haftanın konularına göz atmak
12 Uyarlanır Rezonans Kuramı, Kararlılık Bu haftanın konularına göz atmak
13 Hopfield ağlar, çift taraflı çağrışımsal hafızalar Bu haftanın konularına göz atmak
14 Kendini Örgütleyen Eşlemlemeler: Algoritmalar ve Uygulamalar 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. Neural Networks: A Comprehensive Foundation, Simon Haykin, Pearson Education Inc. Leicestershire U.K 1999
Diğer Kaynaklar 2. Neural Networks for Pattern Recognition, C. Bishop, Oxford University Press, 1995
3. Principles of Neurocomputing for Science and Engineering, F.M.Ham and I.Kostanic, McGraw Hill, 2001

Değerlendirme System

Çalışmalar Sayı Katkı Payı
Devam/Katılım - -
Laboratuar - -
Uygulama - -
Alan Çalışması - -
Derse Özgü Staj - -
Küçük Sınavlar/Stüdyo Kritiği - -
Ödevler 15 20
Sunum - -
Projeler 1 20
Rapor - -
Seminer - -
Ara Sınavlar/Ara Juri 2 30
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 bilimleri ve mekatronik mühendisliği ile ilgili konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri mühendislik problemlerini modelleme ve çözme için uygulayabilme becerisi kazanır. X
2 Karmaşık mekatronik mühendisliği problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi kazanır. X
3 Karmaşık bir mekatronik mühendisliği sistemini, sürecini, cihazını veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi; mekatronik mühendisliği kapsamında mühendislik yaratıcılığı yöntemlerini etkin bir şekilde uygulayabilme becerisi elde eder. (Gerçekçi kısıtlar ve koşullar tasarımın niteliğine göre, ekonomi, çevre sorunları, sürdürülebilirlik, üretilebilirlik, etik, sağlık, güvenlik, sosyal ve politik sorunlar gibi ögeleri içerirler.) X
4 Mekatronik mühendisliği ve robot teknolojisi uygulamaları için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim ve iletişim teknolojilerini etkin bir şekilde kullanma becerisi kazanır. X
5 Mekatronik mühendisliği ve robot teknolojisi problemlerinin incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi kazanır. X
6 Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi; mekatronik mühendisliğinin yakın etkileşim içinde olduğu makina, elektrik/elektronik ve bilgisayar mühendislikleri ile, mekatronik mühendisliğinin uygulama alanı içinde diğer mühendislik ve bilim dalları veya çalışma alanları ile etkin iletişim kurabilme becerisi, farklı disiplinlerde çalışabilme becerisi kazanır. X
7 Türkçe ve İngilizce sözlü, yazılı ve teknik resim kullanarak etkin iletişim kurma, yaratıcı ve özgün kavram ve fikirleri ifade edebilme becerisi kazanır.
8 Mekatronik mühendisliğinin uygulama çeşitliliğinin gerektirdiği şekilde değişik konularda bilgiye erişim, eleştirel bakış, yorumlama ve bilgiyi geliştirme becerisi; yaşam boyu öğrenme sonucu gelişme ve sürekli yenileme gerekliliği bilinci; bilim ve teknolojideki gelişmeleri izleme; girişimcilik, yenilikçilik ve sürdürebilir kalkınma hakkında farkındalık ve kendini sürekli yenileme becerisi elde eder.
9 Mesleki ve etik sorumluluk bilincine sahip olma, bu konuda iletişim araçlarını kullanarak meslek bilincini geliştirme ve mesleğin gelişimine katkıda bulunma yetkinliği kazanır.
10 Proje yönetimi ile risk yönetimi ve değişiklik yönetimi gibi iş hayatındaki uygulamalar hakkında bilgi ve sorumluluğu altında çalışanların bir proje çerçevesinde gelişimlerine yönelik etkinlikleri planlayabilme, yönetebilme ve liderlik yetkinliği elde eder.
11 Mekatronik mühendisliği uygulamalarının evrensel, toplumsal ve bireysel boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ile kültürel değerler ve çağın sorunları hakkında bilgi; bu konularda mühendislik bilinci; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık kazanır.
12 Mekatronik mühendisliği konularında, sorunları tanımlayabilme, analiz edebilme, kaynak araştırması yapabilme, veritabanları ve diğer bilgi kaynaklarını kullanarak yaptığı araştırmalara ve kanıtlara dayalı çözüm önerileri geliştirebilme ve sorunlara ilişkin çözüm önerilerini nicel ve nitel olarak aktarabilme yetkinliği elde eder.
13 Yaşadığı çevreye duyarlı ve toplumsal sorumluluk bilincine sahip, sosyal ilişkileri ve bu ilişkileri yönlendiren normları eleştirel bir bakış açısıyla inceleyen, geliştiren ve gerektiğinde değiştirebilen, toplum içinde bir birey olma ve topluma yönelik proje düzenleme, geliştirebilme ve uygulayabilme yetkinliği elde eder.

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 4 5 20
Raporlar
Ödevler 8 2 16
Küçük Sınavlar/Stüdyo Kritiği
Ara Sınavlara/Ara Juriye Hazırlanma Süresi 2 3 6
Genel Sınava/Genel Juriye Hazırlanma Süresi 1 3 3
Toplam İş Yükü 125