GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| MAT3415 | ESNEK HESAPLAMA TEKNİKLERİ | Seçmeli Ders Grubu | 4 | 7 | 7,00 |
Dersin Seviyesi
Lisans
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
Bu dersin amacı, esnek hesaplamalara giriş, yapay sinir ağlarının temelleri, bulanık çıkarsama sistemleri, genetik algoritma, tavlama benzetimi ve melez sistemler konularını öğretmektir.
Dersi Veren Öğretim Görevlisi/Görevlileri
Dr.Öğr.Üyesi Arif Gürsoy
Öğrenme Çıktıları
| 1 | Yapay sinir ağları hakkında temel bilgilere sahip olma. |
| 2 | Bulanık çıkarsama sistemleri hakkında temel bilgilere sahip olma. |
| 3 | Evrimsel algoritmalar hakkında temel bilgilere sahip olma. |
| 4 | Melez sistemler hakkında temel bilgilere sahip olma. |
| 5 | Esnek hesaplamalı modeller oluşturabilme. |
| 6 | Esnek hesaplama tekniklerini matematik ve bilgisayar bilimlerinde karşılaştıkları problemlerde kullanabilme |
Öğretim Sistemi
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Yok
Ders İçin Önerilen Diğer Hususlar
Yok
Dersin İçeriği
Esnek hesaplama teknikleri, yapay sinir ağları, genetik algoritmalar, bulanık mantık, melez sistemler
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konular (Teorik) | Öğretim Yöntem ve Teknikleri | Ön Hazırlık |
|---|---|---|---|
| 1 | Esnek hesaplamaya giriş | ||
| 2 | Yapay sinir ağlarının temelleri | ||
| 3 | Geri-yayılmalı ağ | ||
| 4 | Çağrışımlı bellek | ||
| 5 | Adaptive resonance teori | ||
| 6 | Rastgele seçim algoritması | ||
| 7 | Tavlama benzetimi algoritması | ||
| 8 | ARASINAV | ||
| 9 | Bulanık küme teorisi | ||
| 10 | Bulanık mantık temelli sistemler | ||
| 11 | Genetik algoritma | ||
| 12 | Genetik algoritma | ||
| 13 | Melez sistemler | ||
| 14 | Diğer esnek hesaplama yöntemleri | ||
| 15 | Esnek hesaplama uygulamaları | ||
| 16 | YARIYIL SONU SINAVI |
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
Neural Network, Fuzzy Logic, and Genetic Algorithms - Synthesis and Applications", by S. Rajasekaran and G.A. Vijayalaksmi Pai, (2005), Prentice Hall, Soft Computing and Intelligent Systems - Theory and Application , by Naresh K. Sinha and Madan M. Gupta (2000), Academic Press,. Soft Computing and Intelligent Systems Design - Theory, Tools and Applications", by Fakhreddine karray and Clarence de Silva (2004), Addison Wesley, Neuro-Fuzzy and Soft Computing: A Computational Approach to Learning and Machine Intelligence by J. S. R. Jang, C. T. Sun, and E. Mizutani, (1996), Prentice Hall.
Planlanan Öğrenme Aktiviteleri ve Metodları
Etkinlikler ayrıntılı olarak "Değerlendirme" ve "İş Yükü Hesaplaması" bölümlerinde verilmiştir.
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 70 |
| Ev Ödevi | 1 | 30 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
Yok
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 2 | 2 |
| Final Sınavı | 1 | 2 | 2 |
| Derse Katılım | 16 | 3 | 48 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 50 | 50 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 60 | 60 |
| Ev Ödevi | 1 | 40 | 40 |
| Toplam İş Yükü (saat) | 202 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | PÇ 12 | PÇ 13 | PÇ 14 | PÇ 15 | |
| ÖÇ 1 | 3 | 4 | 3 | 4 | |||||||||||
| ÖÇ 2 | 3 | 4 | 3 | 4 | |||||||||||
| ÖÇ 3 | 3 | 4 | 3 | 4 | |||||||||||
| ÖÇ 4 | 3 | 4 | 3 | 4 | |||||||||||
| ÖÇ 5 | 4 | 5 | 4 | 5 | |||||||||||
| ÖÇ 6 | 5 | 5 | 4 | 5 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek