Ders Kodu Yarıyıl T+U+L Saat Haftalık Ders Saati AKTS
Uygulamalı Sinir AğlarıYAM 412E2016 - 2017T : 3+U : 035.0

T : Teori, U : Uygulama, L : Laboratuvar, AKTS : Avrupa Kredi Transfer Sistemi

Ön Koşul DersleriÖn koşul dersi yoktur.
Dersin Diliİngilizce
Dersin SeviyesiLisans
Dersin TürüTeknik Seçmeli
Dersin Koordinatörü
Dersi Verenler
Dersin Yardımcıları
Dersin Amacı Sinir ağı sistemlerin temel kural ve tekniklerini sunmak. Temel yapay sinir ağ modellerini ve uygulamalarını incelemek.
Dersin İçeriğiSinir ağlarına giriş. Algılayıcı öğrenme kuralları. Geri yayılım algoritmaları. Genelleme ve gereğinden fazla eğitim. Uyabilen lineer filtreler. Radyal tabanlı ağlar. Özörgütlemeli haritalar. Öğrenmeli vektör nicemleme. Geribeslemeli ağlar
Sıra No Dersin Öğrenme Çıktıları Öğretim Yöntemleri Ölçme Yöntemleri
ÖÇ1Beyin ile basit yapay sinir ağı modelleri arasındaki ilişkiyi tanımlayabilme1, 2, 3A
ÖÇ2Çok Katlı Perceptron, radyal taban fonksiyonlu ağlar, Kohonen kendini örgütleyen eşlemlemeler için öğrenme algoritmalarını ve en yaygın mimari yapılarını açıklayabilme1, 2, 4A
ÖÇ3 Farklı sinir ağ mimarilerini, onların sınırlamalarını ve her bir mimari için uygun öğrenme kurallarını ayırt edebilme1, 2, 4A
ÖÇ4 Tek katlı ağlarda karşılaşılan doğrusal ayırtedilebilirlik sorununu tayin edebilme ve gizli bir kat ilave ederek bu sorunun nasıl çözülebildiğini açıklayabilme ve gösterebilme1, 2, 4A
ÖÇ5 Yapay sinir ağ sistemlerinde iyi bir öğrenme ve genelleştirme başarımını oluşturmak için ilgili olan ana faktörleri tartışabilme1, 2, 3, 10A, C
ÖÇ6 Sınıflandırma ve örüntü tanıma gibi gerçek hayattaki problemleri çözmede sinir ağ sistemleri tasarlayabilme ve gerçekleştirebilme1, 2, 3, 8A, C, D
Öğretim Yöntemleri:1:Anlatım, 2:Soru-Cevap, 3:Tartışma, 4:Alıştırma ve Uygulama, 8:Grup Çalışması, 10:Beyin Fırtınası
Ölçme Yöntemleri:A:Sınav (Yazılı Sınav / Test: Doğru-Yanlış Testi, Çoktan Seçmeli Testi, Kısa Cevaplı Test, Eşleştirmeli Test), C:Ödev, D:Proje / Tasarım
Sıra No Konular Ön Hazırlık
1. HaftaSinir Ağları ve Tarihçesi, Biyolojik nöronlar, Yapay nöronlar
2. HaftaYapay Sinir Ağları, Tek katlı perceptron ve tek katlı perceptronda öğrenme ve genelleştirme
3. HaftaHebbian Öğrenme, Gradyen Düşümü ile Öğrenme
4. HaftaGenelleştirilmiş delta kuralı, Uygulamada gözönüne alınacaklar
5. HaftaÇok Katlı perceptronda öğrenme, Geri yayılım Algoritması
6. HaftaMomentumlu Öğrenme, Eşlenik Gradyan Öğrenme
7. HaftaYanlılık ve Değişinti, Eksik Oturtma ve Aşırı Oturtma, Genelleştirmeyi iyileştirme
8. HaftaAra SınavAra Sınav
9. HaftaÇok Katlı Perceptronların Uygulamaları
10. HaftaRadyal Taban Fonksiyonlu Ağlar: Algoritmalar ve Uygulamalar
11. HaftaÇağrışımsal Öğrenme
12. HaftaYarışmalı Öğrenme, Karşı yayılım Ağları, Grossberg ağları
13. HaftaUyarlanır Rezonans Kuramı, Kararlılık
14. HaftaHopfield ağlar, çift taraflı çağrışımsal hafızalar
15. HaftaKendini Düzenleyen Haritalar: Algoritmalar ve Uygulamalar
16. HaftaFinal SınavıFinal Sınavı
Kaynaklar
Ders Notu1. Hertz, Krogh, & Palmer (1991) Introduction to the Theory of Neural Computation. Addison-Wesley
Diğer Kaynaklar1. Bishop (2005). Neural Networks for Pattern Recognition. Oxford University Press. 2. Ripley, Ripley, & Hjort (1996). Pattern Recognition and Neural Networks. Cambridge University Press. 3. Haykin (1999). Neural Networks: A Comprehensive Foundation (2nd Edition) Macmillan. 4. Anderson, & Rosenfeld (1998) Neurocomputing: Foundations of Research, MIT Press, Cambridge. 5. Mitchell (1997). Machine Learning, McGraw Hill, New York.
Sıra No Program Öğrenme Çıktıları Katkı Düzeyi
1 2 3 4 5
PÇ1Matematik, fen bilimleri ve yazılım mühendisliği disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi.X
PÇ2Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi.X
PÇ3Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi.X
PÇ4Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi.X
PÇ5Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi.X
PÇ6Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi.X
PÇ7Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi.X
PÇ8Türkçe sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi.X
PÇ9Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi.X
PÇ10Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi.X
PÇ11Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık.X
PÇ12Yazılım sistemlerinin analizi, tasarımı, doğrulanması, değerlendirilmesi, gerçekleştirilmesi, uygulanması ve bakımı konularında yeterli beceriX
PÇ13Olasılık hesapları, istatistik, bilgisayar biliminin ve diğer destek disiplinlerin ilgili alanlarını karmaşık yazılım sistemlerine uygulayabilme becerisiX
PÇ14Önemli uygulama alanlarından en az birinde çalışabilme becerisiX

Katkı Düzeyi: 1. Çok Düşük 2. Düşük 3. Orta 4. Yüksek 5. Çok Yüksek

Sıra No Yarıyıl İçi Çalışmaları Katkı Yüzdesi
1Ara Sınav 130
2Ödev 110
3Ödev 210
4Ödev 310
5Final40
Toplam100
Sıra No Etkinlik Sayısı Süresi (Saat) Toplam İş Yükü (Saat)
1Ders Süresi (Sınav Haftası Dahildir)16.003.0048.0000
2Sınıf Dışı ders Çalışma Süresi16.001.0016.0000
3Ara Sınav1.0015.0015.0000
4Kısa Sınav0.000.000.0000
5Ödev3.0012.0036.0000
6Uygulama0.000.000.0000
7Final1.0015.0015.0000
Toplam İş Yükü130
Toplam İş Yükü / 25 (s)130 / 25
Dersin AKTS Kredisi5

"Kent İçinde Bir Kampüs Üniversitesi"