My IEU Logo
EN
İzmir Ekonomi Üniversitesi

  • ENGLISH
    • Aday Öğrenci | Öğrenci | Mezun

    LİSANSÜSTÜ EĞİTİM ENSTİTÜSÜ

    Elektrik-Elektronik Mühendisliği (Doktora)

    IES 550 | Ders Tanıtım Bilgileri

    Dersin Adı
    Yapay Sinir Ağları
    Kodu
    Yarıyıl
    Teori
    (saat/hafta)
    Uygulama/Lab
    (saat/hafta)
    Yerel Kredi
    AKTS
    IES 550
    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 Bu ders sinir ağları sistemlerinin temel prensipleri ve algoritmalarını tanıtmayı amaçlamaktadır. Dersin içeriği sinir ağları yapılarının anlaşılması ve öğrenme algoritmaları; temel sinir hücresi modeli, perceptron, çok katmanlı perceptron, Backpropagation öğrenim algoritmaları; Özyineli Backprop ağları; Radyaltabanlı fonksiyon (RBF) sinir ağları; Kendi kendini örgütleyen (SOM) ağlar ve öğrenim vektör nicemleme (LVQ) ağları; Hopfield ağları ve Boltzman makineleri; sınıflandırma teknikleri; Örüntü tanıma. Yapay sinir ağlarının mühendislik ve bilgisayar bilimlerinde uygulamaları konularını kapsamaktadır.
    Öğrenme Çıktıları

    Bu dersi başarıyla tamamlayabilen öğrenciler;

    • Temel sinir ağları modellerini ve bunların yapay zeka ile ilişkisini tanımlayabilmeli
    • En çok bilinen ANN mimarilerini ve öğrenim algoritmalarını anlamalı
    • Denetimli ve denetimsiz öğrenim tekniklerini anlamalı
    • Yapay sinir ağlarını gerçek sınıflandırma ve patern tanıma problemlerine uygularken pratik düşünceleri değerlendirebilmeli
    • Matlab ve Sinir Ağları takımı yazılım paketlerini kullanarak temel ANN algoritmalarını gerçekleştirebilmelidir.
    Ders Tanımı Dersin içeriğinde temel sinir ağları mimarileri ve öğrenme algoritmaları; Perceptron’lar ve LMS algoritması; Backpropagation öğrenimi; Özyineli ağlar; Radyaltabanlı fonksiyonlar; Örüntü sınıflandırma; Destek vektör makineleri; Kohonen’nin kendi kendini örgütleyen haritaları; Hopfield ağları bulunmaktadır.
    Dersin İlişkili Olduğu Sürdürülebilir Kalkınma Amaçları

     



    Dersin Kategorisi

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

     

    HAFTALIK KONULAR VE İLGİLİ ÖN HAZIRLIK ÇALIŞMALARI

    Hafta Konular Ön Hazırlık
    1 Yapay sinir ağlarına giriş, motivasyon ve uygulamaları /Introduction to artificial neural nets, motivation and applications Chapter 1. Sections 1.1. Neural Networks: Algorithms, Applications, and Programming Techniques. Freeman & Skapura. ISBN 0201513765
    2 Temel sinir hücre modeli, Hebbian öğrenme kuralı, sinir ağları yapıları/Basic neuron model, Hebbian learning rule, neural network structures Chapter 1. Sections 1.31.6. Neural Networks: A Comprehensive Foundation. Haykin. ISBN 8178083000
    3 Tekkatlı perceptron, doğrusal olmayan aktivasyon fonksiyonu, Delta kuralı /Singlelayer perceptron, nonlinear activation function, Delta rule Chapter 1. Sections 1.2. Neural Networks: Algorithms, Applications, and Programming Techniques. Freeman & Skapura. ISBN 0201513765
    4 En küçükortalamalıkare (LMS) algoritması, perceptron yakınsama teoremi /The leastmeansquare (LMS) algorithm, perceptron convergence theorem Chapter 2. Sections 2.2. Neural Networks: Algorithms, Applications, and Programming Techniques. Freeman & Skapura. ISBN 0201513765Chapter 3. Sections 3.5, 3.9. Neural Networks: A Comprehensive Foundation. Haykin. ISBN 8178083000
    5 Denetimli öğrenim: çokkatlı ağlar. Backpropagation Öğrenimi /Supervised learning: multilayer networks. Backpropagation Learning Chapter 3. Sections 3.1, 3.2. Neural Networks: Algorithms, Applications, and Programming Techniques. Freeman & Skapura. ISBN 0201513765Chapter 4. Sections 4.34.5. Neural Networks: A Comprehensive Foundation. Haykin. ISBN 8178083000
    6 Ağ eğitimi ve testi için genel pratikler, çokkatlı perceptron uygulamaları /General practices for network training and testing, applications of multilayer perceptrons Chapter 3. Sections 3.3, 3.4. Neural Networks: Algorithms, Applications, and Programming Techniques. Freeman & Skapura. ISBN 0201513765
    7 Özyineli Backprop Ağları; Zaman içinde backpropagation öğrenim algoritması /Recurrent Backprop networks; Backpropagation through time learning algorithm P.J. Werbos, “Backpropagation through time: what it does and how to do it,” Proceedings of the IEEE, 78(10), 15501560, 1990.
    8 Radyaltabanlı fonksiyon (RBF) ağları ve düzenlileştirme teorisi /Radialbasis function (RBF) networks and regularization theory Chapter 5. Sections 5.7,5.8,5.10,5.11. Neural Networks: A Comprehensive Foundation. Haykin. ISBN 8178083000
    9 Çekirdek metodları, destek vektör makinesi /Kernel methods, support vector machine Chapter 6. Sections 6.16.5. Neural Networks: A Comprehensive Foundation. Haykin. ISBN 8178083000
    10 Uzmanların karışımı, EM (beklentienbüyütme) algoritması /Mixture of experts, the EM (ExpectationMaximization) algorithm Chapter 7. Sections 7.7,7.10,7.12. Neural Networks: A Comprehensive Foundation. Haykin. ISBN 8178083000
    11 Denetimsiz öğrenim, ana bileşenler analizi, rekabetçi ağlar/ Unsupervised learning, principal components analysis, competitive networks Chapter 8. Sections 8.3. Neural Networks: A Comprehensive Foundation. Haykin. ISBN 8178083000
    12 Hopfield ağları ve Boltzmann makineleri /Hopfield networks and Boltzmann machines Chapter 4 & 5. Sections 4.14.3, 5.1,5.2. Neural Networks: Algorithms, Applications, and Programming Techniques. Freeman & Skapura. ISBN 0201513765
    13 Kohonen’nin kendi kendini örgütleyen haritaları: Algoritmalar ve uygulamalar /Kohonen’s selforganizing feature maps: Algorithms and applications Chapter 7. Sections 7.1,7.2. Neural Networks: Algorithms, Applications, and Programming Techniques. Freeman & Skapura. ISBN 0201513765
    14 Bilgiteorik modeller, bağımsız bileşenler analizi /Informationtheoric models, independent components analysis Chapter 10. Sections 10.110.3, 10.11. Neural Networks: A Comprehensive Foundation. Haykin. ISBN 8178083000
    15 Örüntü tanıma için sinir ağları / Neural networks for pattern recognition Chapter 1. Neural Networks for Pattern Recognition. Bishop. ISBN13 9780198538646
    16 Dönemin gözden geçirilmesi

     

    Ders Kitabı James A. Freeman and David M. Skapura, “Neural Networks: Algorithms, Applications, and Programming Techniques”, AddisonWesley Publishing Co., 1991, ISBN 0201513765.S. Haykin, “Neural Networks: A Comprehensive Foundation”, PrenticeHall, 2nd Ed., 1999, ISBN 8178083000.
    Önerilen Okumalar/Materyaller C. M. Bishop, “Neural Networks for Pattern Recognition”, Oxford University Press, 1996, ISBN13: 9780198538646.

     

    DEĞERLENDİRME ÖLÇÜTLERİ

    Yarıyıl Aktiviteleri Sayı Katkı Payı %
    Katılım
    Laboratuvar / Uygulama
    Arazi Çalışması
    Küçük Sınav / Stüdyo Kritiği
    Portfolyo
    Ödev
    Sunum / Jüri Önünde Sunum
    1*
    30
    Proje
    Seminer/Çalıştay
    Sözlü Sınav
    Ara Sınav
    1
    20
    Final Sınavı
    1
    30
    Toplam

    Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı
    70
    Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı
    30
    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
    0
    Sınıf Dışı Ders Çalışması
    15
    6
    90
    Arazi Çalışması
    0
    Küçük Sınav / Stüdyo Kritiği
    0
    Portfolyo
    0
    Ödev
    0
    Sunum / Jüri Önünde Sunum
    1*
    5
    5
    Proje
    0
    Seminer/Çalıştay
    0
    Sözlü Sınav
    0
    Ara Sınavlar
    1
    11
    11
    Final Sınavı
    1
    16
    16
        Toplam
    170

     

    DERSİN ÖĞRENME ÇIKTILARININ PROGRAM YETERLİLİKLERİ İLE İLİŞKİSİ

    #
    		 Program Yeterlilikleri / Çıktıları
    * Katkı Düzeyi
    1
    2
    3
    4
    5
    1 Alanında bilimsel araştırma yaparak uzmanlık duzeyinde bilgiye genislemesine ve derinlemesine ulasır, bilgiyi sistematik bir yaklasımla degerlendirir, yorumlar, uygular ve alanına yenilik getirecek ozgun bilgi uretir.
    -
    -
    -
    -
    -
    2 Elektrik ve Elektronik Muhendisliği alanında uygulanan guncel teknik ve yontemler ile bunların kısıtları hakkında uzmanlık duzeyinde kapsamlı bilgi sahibidir ve onları ozgun uygulamalarda kullanabilme becerisi gelismistir.
    -
    -
    -
    -
    -
    3 Belirsiz, sınırlı ya da eksik verileri kullanarak, bilimsel yontemlerle bilgiyi tamamlar ve uygular;degisik disiplinlere ait bilgileri bir arada kullanabilir ve ozgun cozumler gelistirir. Alanı ile ilgili calısmalarda arastırma yontemlerini ust duzeyde bir beceri ile kullanır.
    -
    -
    -
    -
    -
    4 Akademik arastırma alanının ve muhendislik mesleginin yeni ve gelismekte olan kuramlarının ve uygulamalarının farkındadır, ihtiyac duydugunda bunları inceler ve mevcut sonucları yeniden uretebilir duzeyde ogrenir.
    -
    -
    -
    -
    -
    5 Alanı ile ilgili kuramsal ve uygulamalı karmasık problemleri tanımlayabilir ve formule edebilir, cozmek icin ozgun yontemler gelistirir ve cozumlerde yenilikci yontemler uygular. Alanına yenilik getiren veya alanında yeni bir dusunce, yontem veya tasarım gelistirme ya da bilinen yontemleri yeni bir alana uygulayabilme biciminde ozgun calısmaları bagımsız olarak gerceklestirebilir.
    -
    -
    -
    -
    -
    6 Kuramsal ve uygulamalı alanlarda ozgun fikir ve yontemler gelistirir; karmasık sistem veya surecleri tasarlar ve tasarımlarında yenilikci/alternatif cozumler gelistirir.
    -
    -
    -
    -
    -
    7 Kuramsal, deneysel ve modelleme esaslı arastırmaları tasarlar ve uygular; bu surecte karsılasılan karmasık problemleri irdeler, cozumler ve sonuclarını surekli gelisimi gozetecek bicimde degerlendirir. Yeni ve karmasık dusuncelerin elestirel analizini, sentezini ve degerlendirmesini yapabilir.
    -
    -
    -
    -
    -
    8 Disiplin ici, cok disiplinli, disiplinler arası ve otesi takımlarda etkin bicimde calısabilir, bu tur takımlarda liderlik yapabilir ve karmasık durumlarda ozgun cozum yaklasımları gelistirebilir; bagımsız calısabilir ve sorumluluk alır.
    -
    -
    -
    -
    -
    9 Bir yabancı dili en az Avrupa Dil Portfoyu C1 Genel Duzeyinde kullanarak, sozlu ve yazılı iletisim kurar.
    -
    -
    -
    -
    -
    10 Calısmalarının surec ve sonuclarını, o alandaki veya alan dısındaki ulusal ve uluslararası bilimsel ve teknolojik toplantılarda ve dergilerde, sistematik ve acık bir sekilde yazılı ve sozlu olarak aktarır. Bilginin genislemesine ve topluma yayılmasına katkıda bulunur.
    -
    -
    -
    -
    -
    11 Proje yonetimi ve is hayatı uygulamalarını bilir ve bunların muhendislik uygulamalarına getirdigi kısıtların farkındadır ve kısıtlar altında ozgun cozum uretmesini bilir. Bilimsel, teknolojik ve muhendislik arastırma ve gelistirme etkinliklerinin sonuclarını sosyal, cevresel, saglık, guvenlik ve hukuk boyutları cercevesinde degerlendirebilir. Alanı ile ilgili sosyal ilişkileri ve normları eleştirel bir bakıs acısıyla inceler, gelistirir ve gerektiginde degistirmeye yonelik girisimlerde bulunur.
    -
    -
    -
    -
    -
    12 Verilerin toplanması, yorumlanması, duyurulması asamalarında, akademik ve mesleki tum etkinliklerde,toplumsal, bilimsel ve etik degerleri gozetir. Arastırma ve yayın etigi ilkelerine uygun davranır. Toplumsal, bilimsel, kulturel ve etik sorunların cozumune katkıda bulunur.
    -
    -
    -
    -
    -

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

    YENİ GÜZELBAHÇE KAMPÜSÜMÜZ

    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