PAÜ .:. Eğitim Öğretim Bilgi Sistemi

Yazdır

DERS BİLGİLERİ

Ders Kod	Ders Ad	T+U Saat	Yarıyıl	AKTS
CENG 511	YAPAY SİNİR AĞLARI VE MÜHENDİSLİK UYGULAMALARI	3 + 0	1. Yarıyıl	7,5

DERS TANIMI

Ders Düzeyi	Doktora
Ders Türü	Seçmeli
Dersin Amacı	Yapay sinir ağlarının mantığını kavrayabilmek, yapay sinir ağları metodu ile modeller geliştirebilmek, en uygun modele karar verebilme becerisini kazandırmak.
Ders İçeriği	Biyolojik sinirler ve yapay sinir modelleri; Yapay ağ mimarileri, tam bağlantılı, katmanlı, ileri beslenmeli ve modüler ağlar. Sinir öğrenmeleri, korelasyon ve geri beslenmeli ağırlık adaptasyonlu öğrenmeler. Yapay sinir ağları kullanımları, sınıflandırma, gruplama, vektör sayısallaştırma, desen tanıma, fonksiyon yaklaşımı, öngörü, kontrol uygulamaları, optimizasyon. Ön işleme, taranmış görüntü girdisi, görüntü sıkıştırma, kenar belirlemesi, parçalama. Yapay sinir ağlarının temel bileşenleri, k-ortalama. Yapay Sinir Ağları ile çeşitli Uzaktan Algılama uygulamaları.
Ders Ön Koşul	Dersin ön koşulu yok.
Ders Yan Koşul	Dersin yan koşulu yok.

DERS ÖĞRENME KAZANIMLARI

1	Yapay Sinir Ağı kullanımının uygun olduğu ve olmadığı alanları ayırt eder
2	Yapay Sinir Ağı çeşitlerini listeler
3	YSA’da kullanılan farklı yapıları gösterir
4	Matlab ortamında YSA gerçekleştirmeyi gösterir
5	Matlab YSA toolbox’ını açıklar.

DERS ÖĞRENME KAZANIMININ PROGRAM YETERLİLİKLERİNE KATKISI

No	PY 01	PY 02	PY 03	PY 04	PY 05	PY 06	PY 07	PY 08	PY 09	PY 10	PY 11	PY 12
ÖK 001	5	2	4	3	2
ÖK 002	5	2	4	3	2
ÖK 003	5	2	4	3	2
ÖK 004	5	2	4	3	2
ÖK 005	5	2	4	3	2
Ara Toplam	25	10	20	15	10
Katkı	5	2	4	3	2	0	0	0	0	0	0	0

AKTS / İŞ YÜKÜ TABLOSU

Etkinlik	Sayısı	Süresi (Saat)	Toplam İş Yükü (Saat)
Ders Süresi(14 hafta/teorik+uygulama)	14	3	42
Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme)	14	5	70
Ödevler	5	8	40
Arasınavlar(hazırlık süresi dahil)	1	15	15
Yarıyıl Sonu Sınavı(hazırlık süresi dahil)	1	28	28
Toplam İş Yükü Dersin AKTS Kredisi			195 7,5

DERS ŞUBELERİ

Dönem seçiniz :

Yazdır

Ders Şube Detayları

Dersin Kodu	Dersin Ad	Saat (T+P)	Şube No	Öğretim Dili	Şube Dönemi	Öğretim Sistemi
CENG 511	YAPAY SİNİR AĞLARI VE MÜHENDİSLİK UYGULAMALARI	3 + 0	1	Türkçe	2013-2014 Güz	Yüz Yüze

Öğretim Elemanı	E-Posta	İç Hat	Ders Yeri	Devam Zorunluluğu
Prof. Dr. EMRE ÇOMAK	ecomak@pau.edu.tr		MUH A04125	Dersin Devam Yüzdesi : %

Amaç		Yapay sinir ağlarının mantığını kavrayabilmek, yapay sinir ağları metodu ile modeller geliştirebilmek, en uygun modele karar verebilme becerisini kazandırmak.
İçerik		Biyolojik sinirler ve yapay sinir modelleri; Yapay ağ mimarileri, tam bağlantılı, katmanlı, ileri beslenmeli ve modüler ağlar. Sinir öğrenmeleri, korelasyon ve geri beslenmeli ağırlık adaptasyonlu öğrenmeler. Yapay sinir ağları kullanımları, sınıflandırma, gruplama, vektör sayısallaştırma, desen tanıma, fonksiyon yaklaşımı, öngörü, kontrol uygulamaları, optimizasyon. Ön işleme, taranmış görüntü girdisi, görüntü sıkıştırma, kenar belirlemesi, parçalama. Yapay sinir ağlarının temel bileşenleri, k-ortalama. Yapay Sinir Ağları ile çeşitli Uzaktan Algılama uygulamaları.

Haftalık Konu Başlıkları

Hafta	Konular
1	Gerçek ve Yapay Sinir Hücreleri
2	Eğiticili ve Eğiticisiz Öğrenme Kavramları
3	Perceptron ve Çok Katmanlı Perceptron
4	Radial Basis Fonksiyonlu Yapay Sinir Ağları
5	Zaman Gecikmeli ve Geri Beslemeli Yapay Sinir Ağları
6	Eğiticisiz Öğrenen Yapay Sinir Ağları
7	Yapay Sinir Ağları Birleşik Hafıza Modelleri
8	Yapay Sinir Ağları Çeşitleri
9	Matlab’da Lineer Sinir Ağı
10	Matlab’da Rekabetçi Sinir Ağı (newc)
11	Matlab’da İleri Beslemeli Sinir Ağı (newff)
12	Matlab’da Regresyon Sinir Ağı (newgrnn)
13	Ödevlerin Sunulması ve tartışılması
14	Ödevlerin Sunulması ve tartışılması

Materyaller

Materyal belirtilmemiştir.

Kaynaklar

Ders Değerlendirme Sistemi

Değerlendirme Yöntemi	Katkı Yüzdesi (%)	Değerlendirme Yöntemi Ad
Dönem Sonu Sınavı	60	Dönem Sonu Sınavı
Ara Sınav	40	Ara Sınav

T+U : Teorik + Pratik
PY: Program Yeterlilikleri
ÖK: Ders Öğrenme Kazanımları

Aday Öğrenci