My IEU Logo
EN
İzmir Ekonomi Üniversitesi

  • ENGLISH

    • Aday Öğrenci | Öğrenci | Mezun

    LİSANSÜSTÜ EĞİTİM ENSTİTÜSÜ

    Elektrik ve Elektronik Mühendisliği Yüksek Lisans Programı (Tezli)

    EEE 511 | Ders Tanıtım Bilgileri

    Dersin Adı
    İşaret İşleme ve Kontrol İçin Yapay Sinir Ağları
    Kodu
    Yarıyıl
    Teori
    (saat/hafta)
    Uygulama/Lab
    (saat/hafta)
    Yerel Kredi
    AKTS
    EEE 511
    Güz/Bahar
    3
    0
    3
    7.5

    Ön-Koşul(lar)
    Yok
    Dersin Dili
    İngilizce
    Dersin Türü
    Seçmeli
    Dersin Düzeyi
    Yüksek Lisans
    Dersin Veriliş Şekli -
    Dersin Öğretim Yöntem ve Teknikleri -
    Ulusal Meslek Sınıflandırma Kodu -
    Dersin Koordinatörü
    Öğretim Eleman(lar)ı
    Yardımcı(ları) -
    Dersin Amacı Dersin amacı öğrencilerin: i)temel yapay sinir ağ modellerini ve öğrenme algoritmalarını bilmelerini ve ii) yapay sinir ağ modellerini ve ilişkin öğrenme algoritmalarını işaret işleme ve kontrol uygulamalarında kullanabilmelerini hedefler
    Öğrenme Çıktıları

    Bu dersi başarıyla tamamlayabilen öğrenciler;

    • Yapaysinirağmodellerinivealgoritmalarınıyapı, kullanımbiçimivekullanımyeriaçılarındansınıflayabilmeli,
    • Bir uygulama için uygun yapay sinir ağ modeli ve öğrenme algoritmasını seçebilmeli
    • Öğrenme algoritmalarını bir yazılım ortamında etkin biçimde koşturabilmeli,
    • Yapay sinir ağ modelleri ve öğrenme algoritmalarını işaret işleme ve kontrol uygulamalarında kullanabilmeli
    Ders Tanımı Yapay sinir ağ mimarileri ve öğrenme algoritmaları. Çok katmanlı algılayıcı, radyal taban fonksiyonlu ağlar ve destek vektör makineleri. Regresyon / fonksiyon yaklaşımı, sınıflama ve öbekleme. İşaret işleme, filtreleme ve örüntü tanıma için yapay sinir ağları. Sistem tanılama ve kontrol için yapay sinir ağları.
    Dersin İlişkili Olduğu Sürdürülebilir Kalkınma Amaçları

     



    Dersin Kategorisi

    		Temel Ders
    Uzmanlık/Alan Dersleri
    X
    Destek Dersleri
    İletişim ve Yönetim Becerileri Dersleri
    Aktarılabilir Beceri Dersleri

     

    HAFTALIK KONULAR VE İLGİLİ ÖN HAZIRLIK ÇALIŞMALARI

    Hafta Konular Ön Hazırlık
    1 Biyolojiksel motivasyon.Tarihsel bakış Introduction. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes.
    2 Yapay sinir ağ modellerinin ve öğrenme algoritmalarının sınıflandırılması Introduction. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes.
    3 Uyarlanır doğrusal eleman, en küçük kareler algoritması ve yakınsaklık analizi Introduction. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes.
    4 Ayrık algılayıcı ve algılayıcı öğrenme kuralı Introduction. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes.
    5 Çok-katmanlı algılayıcı, geriye yayılım algoritması ve çeşitleri ile yakınsaklık analizi, aşırı öğrenme Introduction. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes.
    6 Radyal tabanlı ağlar, giriş ve giriş-çıkış öbekleme ile tasarım Introduction. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes.
    7 Destek vector makineleri, Mercer teoremi, kernel gösterilimi, Lagrange çarpanları Introduction. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes.
    8 Genelleme, Vapnik-Chervonenkis boyutu Introduction. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes.
    9 1. Arasınav
    10 Yapay sinir ağları ile örüntü tanıma, öznitelik çıkarımı, boyut ve veri indirgeme Introduction. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes.
    11 Yapay sinir ağları ile 1-boyutlu biyomedikal işaret işleme Introduction. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes.
    12 Yapay sinir ağları ile biyomedikal görüntü işleme Introduction. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes.
    13 2. Arasınav
    14 Yapay sinir ağları ile system tanılama Introduction. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes.
    15 Yapay sinir ağ tabanlı kontrolör Introduction. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes.
    16 Dönemin gözden geçirilmesi

     

    Ders Kitabı Yukarıda belirtilen kitap ve ders notları
    Önerilen Okumalar/Materyaller İlgili Kitaplar ve Araştırma Makaleler

     

    DEĞERLENDİRME ÖLÇÜTLERİ

    Yarıyıl Aktiviteleri Sayı Katkı Payı %
    Katılım
    Laboratuvar / Uygulama
    6
    60
    Arazi Çalışması
    Küçük Sınav / Stüdyo Kritiği
    Portfolyo
    Ödev
    Sunum / Jüri Önünde Sunum
    Proje
    2
    40
    Seminer/Çalıştay
    Sözlü Sınav
    Ara Sınav
    Final Sınavı
    Toplam

    Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı
    8
    100
    Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı
    Toplam

    AKTS / İŞ YÜKÜ TABLOSU

    Yarıyıl Aktiviteleri Sayı Süre (Saat) İş Yükü
    Teorik Ders Saati
    (Sınav haftası dahildir: 16 x teorik ders saati)
    16
    3
    48
    Laboratuvar / Uygulama Ders Saati
    (Sınav haftası dahildir. 16 x uygulama/lab ders saati)
    16
    2
    32
    Sınıf Dışı Ders Çalışması
    15
    4
    60
    Arazi Çalışması
    0
    Küçük Sınav / Stüdyo Kritiği
    0
    Portfolyo
    0
    Ödev
    0
    Sunum / Jüri Önünde Sunum
    0
    Proje
    2
    42
    84
    Seminer/Çalıştay
    0
    Sözlü Sınav
    0
    Ara Sınavlar
    0
    Final Sınavı
    0
        Toplam
    224

     

    DERSİN ÖĞRENME ÇIKTILARININ PROGRAM YETERLİLİKLERİ İLE İLİŞKİSİ

    #
    		 Program Yeterlilikleri / Çıktıları
    * Katkı Düzeyi
    1
    2
    3
    4
    5
    1 Elektrik ve Elektronik Mühendisliği alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular.
    -
    -
    X
    -
    -
    2 Elektrik ve Elektronik Mühendisliği alanında uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgi sahibidir.
    -
    -
    -
    X
    -
    3 Belirsiz, sınırlı ya da eksik verileri kullanarak, bilimsel yöntemlerle bilgiyi tamamlar ve uygular;değişik disiplinlere ait bilgileri bir arada kullanabilir.
    -
    -
    -
    -
    X
    4 Mesleğinin yeni ve gelişmekte olan uygulamalarının farkındadır, ihtiyaç duyduğunda bunları inceler ve öğrenir.
    -
    -
    -
    X
    -
    5 Elektrik ve Elektronik Mühendisliği alanı ile ilgili problemleri tanımlar ve formüle eder, çözmek için yöntem geliştirir ve çözümlerde yenilikçi yöntemler uygular.
    -
    -
    -
    X
    -
    6 Yeni ve/veya özgün fikir ve yöntemler geliştirir; karmaşık sistem veya süreçleri tasarlar ve tasarımlarında yenilikçi/alternatif çözümler geliştirir.
    -
    -
    -
    X
    -
    7 Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular; bu süreçte karşılaşılan karmaşık problemleri irdeler ve çözümler.
    -
    -
    X
    -
    -
    8 Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilir, bu tür takımlarda liderlik yapabilir ve karmaşık durumlarda çözüm yaklaşımları geliştirebilir; bağımsız çalışabilir ve sorumluluk alır.
    -
    -
    -
    X
    -
    9 Bir yabancı dili en az Avrupa Dil Portföyü B2 Genel Düzeyinde kullanarak, sözlü ve yazılı iletişim kurar.
    -
    -
    -
    X
    -
    10 Çalışmalarının süreç ve sonuçlarını, o alandaki veya alan dışındaki ulusal ve uluslararası ortamlarda sistematik ve açık bir şekilde yazılı ya da sözlü olarak aktarır.
    -
    -
    X
    -
    -
    11 Elektrik ve Elektronik Mühendisliği uygulamalarının sosyal, çevresel, sağlık, güvenlik, hukuk boyutları ile proje yönetimi ve iş hayatı uygulamalarını bilir ve bunların elektrik ve elektronik mühendisliği uygulamalarına getirdiği kısıtların farkındadır.
    -
    -
    X
    -
    -
    12 Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. Araştırma ve yayın etiği ilkelerine uygun davranır.
    -
    -
    X
    -
    -

    *1 Lowest, 2 Low, 3 Average, 4 High, 5 Highest

    İZMİR EKONOMİ ÜNİVERSİTESİ GÜZELBAHÇE KAMPÜSÜ

    Detaylar

    KÜRESEL KARİYER

    İzmir Ekonomi Üniversitesi, dünya çapında bir üniversiteye dönüşürken aynı zamanda küresel çapta yetkinliğe sahip başarılı gençler yetiştirir.

    Daha Fazlası..

    BİLİME KATKI

    İzmir Ekonomi Üniversitesi, nitelikli bilgi ve yetkin teknolojiler üretir.

    Daha Fazlası..

    İNSANA DEĞER

    İzmir Ekonomi Üniversitesi, toplumsal fayda üretmeyi varlık nedeni olarak görür.

    Daha Fazlası..

    TOPLUMA FAYDA

    22 yıllık güç ve deneyimini toplumsal çalışmalara aktarmak..

    Daha Fazlası..
    İzmir Ekonomide yapacağın Lisansüstü eğitimle bir adım öndesin
    Lisansüstü Programları Doktora Programları
    İzmir Ekonomide yapacağın Lisansüstü eğitimle bir adım öndesin
    Lisansüstü Programları Doktora Programları