GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| 9103025092007 | Yapay Sinir Ağları ve Uygulamaları | Seçmeli Ders Grubu | 1 | 1 | 7,00 |
Dersin Seviyesi
Yüksek Lisans
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
Öğrencilere yapay sinir ağları (YSA) konusunda derin bilgi kazandırılarak yöntemin kendi alanlarına uygulayabilmelerinin sağlanması.
Dersi Veren Öğretim Görevlisi/Görevlileri
Assoc. Prof. Dr. Aydoğan SAVRAN
Öğrenme Çıktıları
| 1 | Yapay Sinir Ağları metodunu mühendislik problemlerine uygulayabilme |
| 2 | Yapay sinir ağları alanındaki yazılım ve donanım araçlarını kullanabilme |
| 3 | Yapay sinir ağları alanında yeni yöntemler araştırılması |
| 4 | Yapay sinir ağları alanında teknik sunum yapabilme |
Öğretim Sistemi
Dersin Ön Koşulu Olan Dersler
Yok
Ders İçin Önerilen Diğer Hususlar
Yok
Dersin İçeriği
Biyolojik nöronlar ve yapay nöron modelleri. Algılayıcı, Çok katmanlı ileri beslemeli sinir ağları. Geriye yayılma yöntemi. Öğrenme sabiti optmizasyonu. Momentum yöntemi. Konjuge gradyan . Yaklaşık-Newton yöntemleri Merkezçil Taban Fonksiyonlu Sinir Ağları(RBF) yapısı. Gradyan hesabı ve eğitme. Geribeslemeli sinir ağları. Zamanda geriye yayılma algoritması (BPTT). Hopfield Ağı. Pekiştirmeli öğrenme. Yapay Sinir Ağları (YSA) temelli sınıflayıcılar, fonksiyon benzeştirme, sistem tanılama ve kontrol.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konular (Teorik) | Öğretim Yöntem ve Teknikleri | Ön Hazırlık |
|---|---|---|---|
| 1 | Biyolojik nöronlar ve yapay nöron modelleri. | ||
| 2 | Yapay sinir ağlarına giriş. | ||
| 3 | Algılayıcı, Çok katmanlı ileri beslemeli sinir ağları. | ||
| 4 | Geribeslemeli sinir ağları. | ||
| 5 | Geriyeyayılma yöntemi. Öğrenme sabiti optmizasyonu. | ||
| 6 | Momentum yöntemi. | ||
| 7 | Konjuge gradyan . Yaklaşık-Newton yöntemleri | ||
| 8 | Arasınav | ||
| 9 | Merkezçil Taban Fonksiyonlu Sinir Ağları(RBF): RBF yapısı. | ||
| 10 | Gradyan hesabı ve eğitme. | ||
| 11 | Geri Beslemeli YSAlar:Zamanda geriye yayılma algoritması (BPTT). | ||
| 12 | Hopfield Ağı. | ||
| 13 | Sınıflayıcılar. | ||
| 14 | YSA’larda Fonksiyon benzeştirme uygulamaları. | ||
| 15 | Sistem tanılama ve kontrol. | ||
| 16 | Final Sınavı |
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
Neural Network Design, Demuth-Belae-Hagan ISBN: 0-9717321-0-8 MATLAB el kitapları
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 | 100 |
| 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) |
|---|---|---|---|
| Derse Katılım | 14 | 3 | 42 |
| Laboratuvar | 14 | 3 | 42 |
| Tartışma | 14 | 1 | 14 |
| Proje Hazırlama | 1 | 40 | 40 |
| Ödev Problemleri için Bireysel Çalışma | 10 | 2 | 20 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 20 | 20 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 20 | 20 |
| Toplam İş Yükü (saat) | 198 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | |
| ÖÇ 1 | 4 | 3 | 4 | ||||
| ÖÇ 2 | 4 | 5 | |||||
| ÖÇ 3 | 4 | ||||||
| ÖÇ 4 | 5 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek