Dersin Adı Dersin Seviyesi Dersin Kodu Dersin Tipi Dersin Dönemi Yerel Kredi AKTS Kredisi Ders Bilgileri
BİYOMEDİKAL MÜHENDİSLİĞİNDE YAPAY SİNİR AĞLARI İkinci Düzey BMM413 7 3.00 3.00 Yazdır
   
Dersin Tanımı
Ön Koşul Dersleri -
Eğitimin Dili Türkçe
Koordinatör PROF. DR. MEHMET EMİN YÜKSEL
Dersi Veren Öğretim Eleman(lar)ı PROF. DR. MEHMET EMİN YÜKSEL
Yardımcı Öğretim Eleman(lar)ı -
Dersin Veriliş Şekli Yüz Yüze
Dersin Amacı Yapay Sinir Ağlarının Biyomedikal Mühendisliği Alanındaki Uygulamalarını Anlamak ve Kullanmak
Dersin Tanımı Yapay Sinir Ağlarına Genel Bir Giriş Yapılması

Dersin İçeriği
1 Sinir Ağı Nedir
2 İnsan Beyni
3 Nöronun Matematiksel Modeli
4 Perseptron
5 Simulasyon: Örüntü Analizi
6 Regrasyon ile Model Oluşturmak
7 En Küçük Kareler Metodu
8 Çok Katmanlı Perseptron
9 Toplu Öğrenme ve On-Line Öğrenme
10 Geriye Yayılım Algoritması
11 Kernel Methodu Radyal Tabanlı Fonksiyon Ağları
12 K-Means Kümeleme
13 Destek Vektör Makinaları
14 Eğitim Algoritmaları
15
16
17
18
19
20

Dersin Öğrenme Çıktıları
1 Yapay Sinir Ağlarının Temellerinin Öğretilmesi
2 Yapay Sinir Ağlarına Biyomedikal Mühendisliği Açısından Bakılması
3 Matematik, fen ve mühendislik bilgilerini uygulama becerisi
4 İhtiyaçları karşılayacak sistem tasarımı
5 Mühendislik problemlerini tanımlama, formüle etme ve çözme becerisi
6 Yazılım geliştirilmesi
7
8
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi
1 Kimyasal problemlere temel kimya bilgi ve becerilerini kullanarak tek başına çözümler üretebilme yeteneği
2 İleri araştırmalarda bilgi ve beceri düzeyi planlama ve yürütebilme yeteneği
3 Ulusal ve uluslararası düzeyde kimya ile ilgili konuları izleyebilir, değerlendirip ve yorumlayabilme yeteneği
4 Alanı ile ilgili yeni düşünce ve yöntemler geliştirerek bilgi toplumu oluşum sürecine katkı yapabilme yeteneği
5 Kimya alanında lisans düzeyinde kazanılan bilgileri genişletmek ve geliştirebilme yeteneği
6 Bilimsel ve analitik düşünme ve sentez yapabilme formasyonu kazandırmak
7 Kimya alanında çeşitli cihazları kullanır ve sonuçlarını yorumlayabilme
8 Uzmanlık alanı ile ilgili deneyleri tasarlar ve uygulayabilme yeteneği
9 Deneysel verilerin değerlendirilmesinde çeşitli istatistik metotları ve paket programları kullanabilme yeteneği
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
Yıldızların sayısı 1’den (en az) 5’e (en fazla) kadar katkı seviyesini ifade eder

Planlanan Öğretim Faaliyetleri, Öğretme Metodları ve AKTS İş Yükü
  Sayısı Süresi (saat) Sayı*Süre (saat)
Yüz yüze eğitim 14 2 28
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme) 14 1 14
Ödevler 4 2 8
Sunum / Seminer hazırlama 0 0 0
Kısa sınavlar 0 0 0
Ara sınavlara hazırlık 4 1 4
Ara sınavlar 1 2 2
Proje (Yarıyıl ödevi) 0 0 0
Laboratuvar 0 0 0
Arazi çalışması 0 0 0
Yarıyıl sonu sınavına hazırlık 4 1 4
Yarıyıl sonu sınavı 1 2 2
Araştırma 0 0 0
Toplam iş yükü     62
AKTS     2.00

Değerlendirme yöntemleri ve kriterler
Yarıyıl içi değerlendirme Sayısı Katkı Yüzdesi
Ara sınav 1 40
Kısa sınav 0 0
Ödev 0 0
Yarıyıl içi toplam   40
Yarıyıl içi değerlendirmelerin başarıya katkı oranı   40
Yarıyıl sonu sınavının başarıya katkı oranı   60
Genel toplam   100

Önerilen Veya Zorunlu Okuma Materyalleri
Ders kitabı Neural Networks and Learning Machines (3rd Edition) by Simon Haykin
Yardımcı Kaynaklar Neural Network Learning: Theoretical Foundations by Martin Anthony, Peter L. Bartlett

Ders İle İlgili Dosyalar