CEN402 Artificial Neural Networks

6 AKTS - 3-0 Süre (T+U)- 8. Yarıyıl- 3 Yerel Kredi

Genel Bilgi

Kod CEN402
Ad Artificial Neural Networks
Yarıyıl 8. Yarıyıl
Süre (T+U) 3-0 (T-U) (17 Hafta)
AKTS 6 AKTS
Yerel Kredi 3 Yerel Kredi
Eğitim Dil İngilizce
Seviye Lisans Dersi
Tür Normal
Öğretim Şekli Yüz Yüze Öğretim
Bilgi Paketi Koordinatörü Doç. Dr. FATİH ABUT


Dersin Amacı

Biyolojik sinir hücresinin matematiksel modeli üzerine kurulu yapay sinir ağlarını mühendislik problemlerini modellemek ve çözmek için kullanabilme becerisi edinme

Dersin İçeriği

Yapay Sinir Ağlarının tarıhi, Temel yapay sinir Ağları, İstatistiksel Örüntü tanıma, sınıflandırma, tek katmanlı ağlar, Çok katmanlı ağlar-Hatayı Geriye Yayma Modeli, Radyal Tabanlı Fonksiyonlar, Hata fonksiyonları.

Dersin Ön Koşulu

Ön koşul bulunmamaktadır.

Kaynaklar

Neural Networks, S. Haykin, Prenctice Hall, Second Edition, 1999.

Notlar

Neural Networks, S. Haykin, Prenctice Hall, Second Edition, 1999.


Dersin Öğrenme Çıktıları

Sıra Dersin Öğrenme Çıktıları
ÖÇ01 Yapay sinir ağları için gerekli matematiksel tabanı kavramak
ÖÇ02 Biyolojik hücrenin matematiksel olarak modellenmesini anlamak
ÖÇ03 Çok katmanlı Perceptron ağını yazılım ortamında gerçekleyip mühendislik problemlerine uygulamak
ÖÇ04 Radial Tabanlı ağ yazılımı geliştirmek


Program Öğrenme Çıktıları ile İlişkisi

Sıra Tür Program Öğrenme Çıktıları Duzey
PÖÇ01 Bilgi - Kuramsal, Olgusal 1. Matematik, fen bilimleri ve bilgisayarla ilgili mühendislik konularında yeterli altyapıya sahip olma; bu alanlardaki kuramsal bilgileri beraber kullanabilme 3
PÖÇ02 Bilgi - Kuramsal, Olgusal 2. Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analitik yöntemler ve modelleme tekniklerini seçme ve uygulama 3
PÖÇ03 Bilgi - Kuramsal, Olgusal 3. Karmaşık bir sistemi, sistem bileşenini ya da süreci analiz etme ve istenen gereksinimleri karşılamak üzere gerçekçi kısıtlar altında tasarlama becerisi; bu doğrultuda modern tasarım yöntemlerini uygulama becerisi 4
PÖÇ04 Bilgi - Kuramsal, Olgusal 4. Mühendislik uygulamaları için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin kullanma becerisi 3
PÖÇ05 Bilgi - Kuramsal, Olgusal 5. Karmaşık bilgisayar mühendisliği problemlerin çözümüne ilişkin deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi 4
PÖÇ06 Bilgi - Kuramsal, Olgusal Bireysel olarak ve disiplin içi/çok disiplinli takımlarda etkin çalışabilme becerisi, sorumluluk alma ve özgüven 2
PÖÇ07 Beceriler - Bilişsel, Uygulamalı Bilgiye erişebilme, kaynak araştırması yapabilme ve bilgi kaynaklarını kullanabilme becerisi 2
PÖÇ08 Beceriler - Bilişsel, Uygulamalı Yaşam boyu öğrenmenin gerekliliği bilinci; bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi 3
PÖÇ09 Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği 9. Türkçe sözlü ve yazılı etkin iletişim kurma, ve en az bir yabancı dilde teknik yayın okuyup anlayabilme, rapor hazırlama ve sunum yapma becerisi 4
PÖÇ10 Yetkinlikler - Öğrenme Yetkinliği Mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi 4
PÖÇ11 Yetkinlikler - Öğrenme Yetkinliği 11. Proje yönetimi, işyeri uygulamaları, çalışanların sağlığı, çevre ve iş güvenliği, ve mühendislik uygulamalarının hukuksal sonuçları hakkında farkındalık 3
PÖÇ12 Yetkinlikler - Öğrenme Yetkinliği 12. Mühendislik çözümlerinin ve uygulamalarının evrensel ve toplumsal boyutlardaki etkileri, girişimcilik ve yenilikçilik, ve çağın sorunları hakkında bilgi sahibi olmak


Haftalık Akış

Hafta Konu Ön Hazırlık Yöntemler
1 Eğim düşümü ve yükselimi yöntemleri ve mühendislik problemlerine uygulanışları Kitabın ilgili bölümünün okunması Öğretim Yöntemleri:
Anlatım, Gösteri
2 Biyolojik ve yapay sinir hücreleri, yapay sinir hücresi modelleri Kitabın ilgili bölümünün okunması Öğretim Yöntemleri:
Anlatım, Gösteri
3 Eğiticili öğrenme algoritmaları: Perceptron öğrenmesi Kitabın ilgili bölümünün okunması Öğretim Yöntemleri:
Anlatım
4 Temel Ağ topolojileri ve Çok katmanlı Perceptron ağı (MLP) Kitabın ilgili bölümünün okunması Ödev 1 Öğretim Yöntemleri:
Anlatım
5 Hata geriye yayılımlı öğrenme Kitabın ilgili bölümünün okunması Ödev 2 Öğretim Yöntemleri:
Anlatım
6 Radyal tabanlı fonksiyon ağı (RBF) Kitabın ilgili bölümünün okunması Öğretim Yöntemleri:
Anlatım
7 Genelleştirilmiş Regresyon Ağı (GRNN) Ders notlarının okunması Öğretim Yöntemleri:
Anlatım
8 Ara Sınav Kitabın ilgili bölümünün okunması Ödev 3 Ölçme Yöntemleri:
Yazılı Sınav
9 Olasılıksal Yapay Sinir Ağı (PNN) Kitabın ilgili bölümünün okunması Ödev 4 Öğretim Yöntemleri:
Anlatım
10 Eğiticisiz Öğrenme ve Hamming Ağı Kitabın ilgili bölümünün okunması Ödev 5 Öğretim Yöntemleri:
Anlatım
11 Mexica Şapkası ve MaxNet ağları Kitabın ilgili bölümünün okunması Ödev 6 Öğretim Yöntemleri:
Anlatım
12 Öğrenen Vektör Quantalama (LVQ) Kitabın ilgili bölümünün okunması Öğretim Yöntemleri:
Anlatım
13 Kendini İnşa eden Harita ağı (SOM) Kitabın ilgili bölümünün okunması Öğretim Yöntemleri:
Anlatım
14 Adaptif Rezonans Teori Sinir Ağları Kitabın ilgili bölümünün okunması Öğretim Yöntemleri:
Anlatım
15 Temel Bileşen Analizi Kitabın ilgili bölümünün okunması Öğretim Yöntemleri:
Anlatım
16 Yarıyıl Sonu Sınavları Ders notlarının gözden geçirilmesi Ölçme Yöntemleri:
Yazılı Sınav
17 Yarıyıl Sonu Sınavları Ders notlarının gözden geçirilmesi Ölçme Yöntemleri:
Yazılı Sınav


Öğrenci İş Yükü - AKTS

Çalışmalar Sayısı Süresi (Saat) İş Yükü (Saat)
Ders ile İlgili Çalışmalar
Ders (Sınav haftaları dahil değildir) 14 3 42
Sınıf Dışı Ders Çalışma (Ön çalışma, pekiştirme) 14 5 70
Değerlendirmeler ile İlgili Çalışmalar
Ödev, Proje, Diğer 0 0 0
Ara Sınavlar (Yazılı, Sözlü, vs.) 1 15 15
Yarıyıl/Yıl Sonu/Final Sınavı 1 30 30
Toplam İş Yükü (Saat) 157
Toplam İş Yükü / 25 (s) 6,28
AKTS 6 AKTS