|
|
| INSL7640 | Su Kaynaklarında Yapay Zeka Tek. | 3+0+0 | AKTS:7.5 | | Yıl / Yarıyıl | Bahar Dönemi | | Ders Duzeyi | Doktora | | Yazılım Şekli | Seçmeli | | Bölümü | İNŞAAT MÜHENDİSLİĞİ ANABİLİM DALI | | Ön Koşul | Yok | | Eğitim Sistemi | Yüz yüze | | Dersin Süresi | 14 hafta - haftada 3 saat teorik | | Öğretim Üyesi | Dr. Öğr. Üyesi Ergun UZLU | | Diğer Öğretim Üyesi | | | Öğretim Dili | Türkçe | | Staj | Yok | | | | Dersin Amacı: | | Öğrenciye yapay zeka tekniklerinin ve inşaat mühendisliği alanındaki uygulamalarının tanıtılması. İnşaat mühendisliğinde en çok kullanılan yapay zeka yöntemi olan Yapay Sinir Ağları ile ilgili örnek uygulamalar gerçekleştirmek |
| Program Kazanımları | BPKK | ÖY | | Bu dersi başarı ile tamamlayan öğrenciler : | | | | PK - 1 : | Yapay zeka yöntemlerinin temel kavramlarını tanımlayabilecek. | | | | PK - 2 : | Yapay sinir ağlari kullanarak inşaat mühendisliği ile ilgili bir problem üzerinde analiz yapma becerisi kazanacak | | | | BPKK :Bölüm program kazanımlarına katkı, ÖY : Ölçme ve değerlendirme yöntemi (1: Yazılı Sınav, 2: Sözlü Sınav, 3: Ev Ödevi, 4: Laboratuvar Çalışması/Sınavı, 5: Seminer / Sunum, 6: Dönem Ödevi / Proje),PK : Öğrenim Kazanımı | | |
| Yapay zeka tekniklerinin tanıtılması. İleri beslemeli geri yayınımlı yapay sinir ağları ve Takagi?Sugeno (TS) bulanık mantık yönteminin temel kavramları. Farklı su kaynakları mühendisliği sorunları için bu iki yöntemin uygulamaları. |
| |
| Haftalık Detaylı Ders İçeriği | | Hafta | Detaylı İçerik | Önerilen Kaynak | | Hafta 1 | YAPAY ZEKA YÖNTEMLERİNİN TANITILMASI | | | Hafta 2 | GENETİK ALGORİTMANIN TANITILMASI | | | Hafta 3 | İNŞAAT MÜHENDİSLİĞİNDE GENETİK ALGORİTMA UYGULAMALARININ İNCELENMESİ | | | Hafta 4 | BULANIK MANTIĞIN TANITILMASI | | | Hafta 5 | İNŞAAT MÜHENDİSLİĞİNDE BULANIK MANTIK UYGULAMALARININ İNCELENMESİ | | | Hafta 6 | YAPAY SİNİR AĞLARININ TANITILMASI | | | Hafta 7 | YAPAY SİNİR AĞLARININ İNŞAAT MÜHENDİSLİĞİ UYGULAMALARINI İNCELENMESİ | | | Hafta 8 | İLERİ BESLEMELİ GERİ YAYINIMLI YAPAY SİNİR AĞLARININ TEMEL KAVRAMALARI | | | Hafta 9 | BİRİNCİ ARA SINAV | | | Hafta 10 | İLERİ BESLEMELİ GERİ YAYINIMLI YAPAY SİNİR AĞLARININ TEMEL KAVRAMALARI | | | Hafta 11 | MATLAB YAZILIMI İLE YAPAY SİNİR AĞLARINI İNCELENMESİ | | | Hafta 12 | İKİNCİ ARA SINAV | | | Hafta 13 | İNŞAAT MÜHENDİSLİĞİ PROBLEMLERİ İLE İLGİLİ VERİLERİN ELDE EDİLMESİ | | | Hafta 14 | İNŞAAT MÜHENDİSLİĞİ PROBLEMLERİNİN ANALİZİNDE YAPAY SİNİR AĞLARININ ANALİZİ | | | Hafta 15 | İNŞAAT MÜHENDİSLİĞİ PROBLEMLERİNİN ANALİZİNDE YAPAY SİNİR AĞLARININ ANALİZİ | | | Hafta 16 | YILSONU SINAVI | | | |
| 1 | Öztemel, E, Yapay Sinir Ağları, Papatya Yayıncılık, İstanbul, 2006, 232s. | | | 2 | Şen, Z., Mühendislikte Bulanık (Fuzzy) Mantık ile Modelleme Prensipleri, Su Vakfı Yayınları, İstanbul, 2004, 191s. | | | |
| 1 | Haykin, S., Neural Networks: A Comprehensive Foundation (second ed.), Macmillan, 1994. | | | 2 | Şen, Z., Yapay Sinir Ağları İlkeleri, Su Vakfı Yayınları, İstanbul, 2004, 183s. | | | 3 | Demuth H., Beale M., and Hagan. M. Neural Network Toolbox 5 Users Guide, The Math Works, 2007. | | | 4 | Halıcı, U., Artificial Neural Network, Lecture Notes. http://vision1.eee.metu.edu.tr./~halici/543LectureNotes/543index.html 21 Nisan 2010. | | | 5 | Yurtoğlu, H., Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği, DPT Uzmanlık Tezi, DPT, Ankara, 2005. | | | |
| Ölçme Yöntemi | | Yöntem | Hafta | Tarih | Süre (Saat) | Katkı (%) | | Arasınav | 9 | | | 30 | | Yıl içi çalışma | 12 | | | 20 | | Dönem sonu sınavı | 16 | | | 50 | | |
| Öğrenci Çalışma Yükü | | İşlem adı | Haftalık süre (saat) | Hafta sayısı | Dönem toplamı | | Yüz yüze eğitim | 3 | 13 | 39 | | Sınıf dışı çalışma | 3 | 13 | 39 | | Arasınav için hazırlık | 8 | 1 | 8 | | Arasınav | 1 | 2 | 2 | | Proje | 5 | 1 | 5 | | Kısa sınav | 1 | 2 | 2 | | Dönem sonu sınavı için hazırlık | 8 | 1 | 8 | | Dönem sonu sınavı | 2 | 1 | 2 | | Toplam Çalışma Yükü | | | 105 |
|