TÜRKÇE
ENGLISH
Genel Bilgi
| Birim | MÜHENDİSLİK FAKÜLTESİ |
| BİLGİSAYAR MÜHENDİSLİĞİ PR. (İNGİLİZCE) | |
| Kod | CEN402 |
| Ad | Artificial Neural Networks |
| Dönem | 2019-2020 Eğitim-Öğretim Yılı |
| 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 |
| Etiket | S Seçmeli |
| Öğretim Şekli | Yüz Yüze Öğretim |
| Bilgi Paketi Koordinatörü | |
| Dersin Öğretim Elemanı |
Güncel dönem ders programı henüz yapılmamıştır. Bir önceki dönem grupları ve öğretim elemanları gösterilmektedir.
|
Dersin Amacı / Hedefi
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
Yok
Kaynaklar
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 | - | 1. Matematik, fen bilimleri ve bilgisayarla ilgili mühendislik konularında yeterli altyapıya sahip olma; bu alanlardaki kuramsal bilgileri beraber kullanabilme | 5 |
| PÖÇ02 | - | 2. Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analitik yöntemler ve modelleme tekniklerini seçme ve uygulama | 5 |
| PÖÇ03 | - | 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 | - | 4. Mühendislik uygulamaları için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin kullanma becerisi | 3 |
| PÖÇ05 | - | 5. Karmaşık bilgisayar mühendisliği problemlerin çözümüne ilişkin deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi | 0 |
| PÖÇ06 | - | Bireysel olarak ve disiplin içi/çok disiplinli takımlarda etkin çalışabilme becerisi, sorumluluk alma ve özgüven | 0 |
| PÖÇ07 | - | Bilgiye erişebilme, kaynak araştırması yapabilme ve bilgi kaynaklarını kullanabilme becerisi | 0 |
| PÖÇ08 | - | Yaşam boyu öğrenmenin gerekliliği bilinci; bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi | 2 |
| PÖÇ09 | - | 9. Türkçe sözlü ve yazılı etkin iletişim kurma, ve en az bir yabancı dilde teknik yayın okuyup anlayabilme, rapor hazırlama ve sunum yapma becerisi | 0 |
| PÖÇ10 | - | Mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi | 0 |
| PÖÇ11 | - | 11. Proje yönetimi, işyeri uygulamaları, çalışanların sağlığı, çevre ve iş güvenliği, ve mühendislik uygulamalarının hukuksal sonuçları hakkında farkındalık | 1 |
| PÖÇ12 | - | 12. Mühendislik çözümlerinin ve uygulamalarının evrensel ve toplumsal boyutlardaki etkileri, girişimcilik ve yenilikçilik, ve çağın sorunları hakkında bilgi sahibi olmak | 3 |
Haftalık Akış
| Hafta | Konu | Ön Hazırlık | Yöntemler |
|---|---|---|---|
| 1 | Eğim düşümü ve yükselimi yöntemleri ve mühendislik problemlerine uygulanışları | Kitabın ilgili bölümünün okunması | |
| 2 | Biyolojik ve yapay sinir hücreleri, yapay sinir hücresi modelleri | Kitabın ilgili bölümünün okunması | |
| 3 | Eğiticili öğrenme algoritmaları: Perceptron öğrenmesi | Kitabın ilgili bölümünün okunması | |
| 4 | Temel Ağ topolojileri ve Çok katmanlı Perceptron ağı (MLP) | Kitabın ilgili bölümünün okunması Ödev 1 | |
| 5 | Hata geriye yayılımlı öğrenme | Kitabın ilgili bölümünün okunması Ödev 2 | |
| 6 | Radyal tabanlı fonksiyon ağı (RBF) | Kitabın ilgili bölümünün okunması | |
| 7 | Genelleştirilmiş Regresyon Ağı (GRNN) | Ders notlarının okunması | |
| 8 | Ara Sınav | Kitabın ilgili bölümünün okunması Ödev 3 | |
| 9 | Olasılıksal Yapay Sinir Ağı (PNN) | Kitabın ilgili bölümünün okunması Ödev 4 | |
| 10 | Eğiticisiz Öğrenme ve Hamming Ağı | Kitabın ilgili bölümünün okunması Ödev 5 | |
| 11 | Mexica Şapkası ve MaxNet ağları | Kitabın ilgili bölümünün okunması Ödev 6 | |
| 12 | Öğrenen Vektör Quantalama (LVQ) | Kitabın ilgili bölümünün okunması | |
| 13 | Kendini İnşa eden Harita ağı (SOM) | Kitabın ilgili bölümünün okunması | |
| 14 | Adaptif Rezonans Teori Sinir Ağları | Kitabın ilgili bölümünün okunması | |
| 15 | Temel Bileşen Analizi | Kitabın ilgili bölümünün okunması | |
| 16 | Yarıyıl Sonu Sınavları | Ders notlarının gözden geçirilmesi | |
| 17 | Yarıyıl Sonu Sınavları | Ders notlarının gözden geçirilmesi |
Değerlendirme (Sınav) Yöntemleri ve Kriterleri
Güncel dönem payları henüz belirlenmemiştir. Bir önceki dönem payları gösterilmektedir.
| Değerlendirme Türü | Yarıyıl İçi / Yıl İçi Etkisi | Yarıyıl Sonu / Yıl Sonu Etkisi |
|---|---|---|
| 1. Ara Sınav | 100 | 40 |
| Genel Değerlendirme | ||
| Yarıyıl İçi / Yıl İçi Toplam | 100 | 40 |
| 1. Yıl Sonu Sınavı | - | 60 |
| Genel Toplam | - | 100 |
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 | ||