Türkçe | English
MİMARLIK FAKÜLTESİ / İÇ MİMARLIK BÖLÜMÜ
( I. ÖĞRETİM)
Ders Bilgi Paketi
http://www.icmimarlik.ktu.edu.tr
Tel: +90 0462 3772695
MİMF
MİMARLIK FAKÜLTESİ / İÇ MİMARLIK BÖLÜMÜ / ( I. ÖĞRETİM)
Katalog Ana Sayfa
  Katalog Ana Sayfa  KTÜ Ana Sayfa   Katalog Ana Sayfa
 
 

SEC 415Yapay Sinir Ağları3+0+0AKTS:5
Yıl / YarıyılGüz Dönemi
Ders DuzeyiLisans
Yazılım Şekli Seçmeli
BölümüBİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ
Ön KoşulYok
Eğitim SistemiYüz yüze
Dersin Süresi14 hafta - haftada 3 saat teorik
Öğretim Üyesi--
Diğer Öğretim ÜyesiYok
Öğretim DiliTürkçe
StajYok
 
Dersin Amacı:
Yapay sinir ağlarının temellerini öğretmektir. Yapay sinir ağları matematiksel modeli kurulamayan ama giriş çıkış davranışı bilinen sistemlerin donanımsal veya yazılımsal olarak gerçeklenmesine imkan sağlar. İnsanlarda olduğu gibi, bazı işleri matematik kullanmadan da eğitimle yürütmenin mümkün olabileceğini göstermektir.
 
Öğrenim KazanımlarıBPKKÖY
Bu dersi başarı ile tamamlayan öğrenciler :
ÖK - 1 : Yapay Sinir Ağ (YSA) modellerini ve yapılarını tanıyabilir.1,3,4,5,81, 3
ÖK - 2 : İleri beslemeli YSA'ların yapısı ve eğitimi hakkında bilgi kazanabilir.1,3,4,5,81, 3
ÖK - 3 : Geri beslemeli YSA'ların yapısı ve eğitimi hakkında bilgi kazanabilir.1,3,4,5,81, 3
ÖK - 4 : Çok katmanlı YSA'ların çalışmasını ve eğitimini inceleyebilir.1,3,4,5,81, 3
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),ÖK : Öğrenim Kazanımı
 
Ders İçeriği
Yapay sinir sistemleri: Sinirsel hesaplama, ANS'lerin gelişim tarihi. ANS'lerin temel kavramları ve modelleri: Biyolojik sinirler, ANS modelleri, Sinirsel süreçleme, öğrenme ve uyum, sinirağı öğrenme kuralları.Tek-katmanlı sinir sınıflayıcılar. Çok katmanlı ileri beslemeli ağlar. Tek-katmanlı geri beslemeli ağlar. Çağrışımlı bellekler. Eşleyen ve kendinden-organizeli ağlar. Sinir algoritmaları ve sistemlerinin uygulamaları. Sinir ağlarının gerçeklenmesi.
 
Haftalık Detaylı Ders İçeriği
 HaftaDetaylı İçerikÖnerilen Kaynak
 Hafta 1Yapay sinir Ağları (YSA):Sinirsel hesaplama,YSA'lerin gelişim tarihi
 Hafta 2ANS'lerin temel kavramları ve modelleri: Biyolojik sinirler, ANS modelleri, Sinirsel süreçleme, Öğrenme ve uyum.
 Hafta 3Sinir ağı öğrenme kuralları. Tek katmanlı sinir sınıflayıcılar: Sınıflama modeli, ozellikler, ve karar bölgeleri, Ayırım fonksiyonları, Lineer makina ve minimum uzaklık sınıflayıcı,
 Hafta 4Parametrik olmayan eğitim kavramı. Lineer olarak ayrılabilen sınıflamalar için tek katmanlı sürekli perceptron ağlar. Örnekler
 Hafta 5Çok katmanlı ileri beslemeli ağlar: Lineer olarak ayrılamayan patern sınıflama, Çok sinirli katman için delta öğrenme kuralı, İleri beslemeli geri çağırma ve hata geri iletimli eğitim
 Hafta 6Öğrenme faktörleri
 Hafta 7Sınıflama ve uzman katmanlı ağlar
 Hafta 8Tek katmanlı geri beslemeli ağlar: Dinamik sistemlerin temel kavramları, Ayrık zamanlı Hopfield ağların matematiksel temelleri, Sürekli zamanlı ağların geçiş cevabı
 Hafta 9Ara Sınav
 Hafta 10Tek katmanlı geribeslemeli ağlarda relakzasyon modelleme, Optimizasyon problemlerinin örnek çözümleri
 Hafta 11Çağrışımlı bellekler
 Hafta 12Çağrışımlı bellekler
 Hafta 13Eşleyen ve kendinden organizeli ağlar
 Hafta 14Eşleyen ve kendinden organizeli ağlar
 Hafta 15Sinir algoritmaları ve sistemlerinin uygulamaları
 Hafta 16Dönem sonu sınavı
 
Ders Kitabı / Malzemesi
1Zurada, M., J., 1992, Introduction to Artificial Neural Systems, West Publishing Company, 825 p.
 
İlave Kaynak
1Cichocki, A., Unbehauen, R., 1993, Neural Networks for Optization and Signal Processing, John Wiley, 526 p.
 
Ölçme Yöntemi
YöntemHaftaTarih

Süre (Saat)Katkı (%)
Arasınav 9 13/10/2012 2 30
Proje 15 29/12/2012 2 20
Dönem sonu sınavı 16 05/01/2013 2 50
 
Öğrenci Çalışma Yükü
İşlem adıHaftalık süre (saat)

Hafta sayısı

Dönem toplamı
Yüz yüze eğitim 3 14 42
Sınıf dışı çalışma 1 14 14
Arasınav için hazırlık 10 1 10
Arasınav 2 1 2
Kısa sınav 2 1 2
Dönem sonu sınavı için hazırlık 11 1 11
Dönem sonu sınavı 2 1 2
Toplam Çalışma Yükü83