Giriş | English

Doktora > Fen Bilimleri Enstitüsü > Harita Mühendisliği (doktora) > SEZİM VE KESTİRİM TEORİSİ
 
Dersin adı Dersin seviyesi Dersin kodu Dersin tipi Dersin dönemi Yerel kredi AKTS kredisi Ders bilgileri
SEZİM VE KESTİRİM TEORİSİ Üçüncü düzey EEM 619 1 7.50 7.50 Yazdır
   
Dersin tanımı
Ön koşul dersleri Ön Koşul Dersleri Bulunmamaktadır
Eğitimin dili Türkçe
Koordinatör PROF. DR. İBRAHİM DEVELİ
Dersi veren öğretim eleman(lar)ı PROF. DR. İBRAHİM DEVELİ
Yardımcı öğretim eleman(lar)ı Yok
Dersin veriliş şekli Ders, çoğunluğu teorik olmak üzere öğretim elemanı ve öğrenci merkezli verilmektedir. Dersin tamamlanmasına 4-5 hafta kala ise öğrencilere çeşitli araştırma ödevleri verilerek tamamen öğrenci merkezli eğitim yolu takip edilmektedir.
Dersin amacı Sezim ve kestirim arasındaki farkların öğrenilmesi, kestirimde kullanılan yaklaşımların matematiksel temellerinin bilinmesi amaçlanmaktadır.
Dersin tanımı Hipotez testi unsurları, Bayesian, minimax, Neyman- Pearson ve birleşik hipotez testi yaklaşımları. Ayrık zamanda işaret sezme, sıralı sezme, parametrik olmayan ve dayanıklı sezme. En az kesinlik, en yüksek benzerlik, MAP ve Bayesian parametre kestirimi. Bilinen sinyallerin beyaz ve beyaz olmayan Gauss gürültüsü varlığında sezimi ve kestirimi. Çok kullanıcılı sezme, optimum çok kullanıcılı sezici, ilişkisizleştiren sezici, ilişkisizleştirmeyen doğrusal çok kullanıcılı sezici, karar yönelimli seziciler.

Dersin içeriği
1- Hipotez testi unsurları
2- Bayesian, minimax, Neyman- Pearson ve birleşik hipotez testi yaklaşımları
3- Bayesian, minimax, Neyman- Pearson ve birleşik hipotez testi yaklaşımları
4- Ayrık zamanda işaret sezme, sıralı sezme, parametrik olmayan ve dayanıklı sezme
5- Ayrık zamanda işaret sezme, sıralı sezme, parametrik olmayan ve dayanıklı sezme
6- En az kesinlik, en yüksek benzerlik, MAP ve Bayesian parametre kestirimi
7- En az kesinlik, en yüksek benzerlik, MAP ve Bayesian parametre kestirimi
8- Bilinen sinyallerin beyaz ve beyaz olmayan Gauss gürültüsü varlığında sezimi ve kestirimi
9- Çok kullanıcılı sezme
10- Optimum çok kullanıcılı sezici
11- Optimum çok kullanıcılı sezici
12- İlişkisizleştiren sezici, ilişkisizleştirmeyen doğrusal çok kullanıcılı sezici
13- İlişkisizleştiren sezici, ilişkisizleştirmeyen doğrusal çok kullanıcılı sezici
14- Karar yönelimli seziciler
15-
16-
17-
18-
19-
20-

Dersin öğrenme çıktıları
1- Matematik, fen ve mühendislik bilgilerini uygulama becerisi
2- Mühendislik problemlerini tanımlama, formüle etme ve çözme becerisi
3- Sezim ve kestirim arasındaki farkların öğrenilmesi
4- Kestirimde kullanılan yaklaşımların matematiksel temellerinin bilinmesi
5- Gauss gürültüsü varlığında sezimi ve kestirimi
6- Çok kullanıcılı sezmenin ve türlerinin öğrenilmesi
7-
8-
9-
10-

*Dersin program yeterliliklerine katkı seviyesi
1- Temel bilimleri, matematik ve mühendislik bilimlerini üst düzeyde anlar ve uygular.
2- Alanında en son gelişmeler dâhil olmak üzere genişlemesine ve derinlemesine bilgi sahibidir.
3- Bir alanda en yeni bilgilere ulaşır ve bunları kavrayarak araştırma yapabilmek için gerekli yöntem ve becerilerde üst düzeyde yeterliğe sahiptir.
4- Bilime veya teknolojiye yenilik getiren, yeni bir bilimsel yöntem veya teknolojik ürün/süreç geliştiren ya da bilinen bir yöntemi yeni bir alana uygulayan kapsamlı bir çalışma yapar.
5- Özgün bir araştırma sürecini bağımsız olarak algılar, tasarlar, uygulama ve sonuçlandırır; bu süreci yönetir.
6- Akademik çalışmalarının çıktılarını saygın akademik ortamlarda yayınlayarak bilim ve teknoloji literatürüne katkıda bulunur.
7- Bilimsel, teknolojik, sosyal ve kültürel gelişmeleri değerlendirme ve bilimsel tarafsızlık ve etik sorumluluk bilinciyle topluma aktarır.
8- Uzmanlık alanındaki fikirlerin ve gelişmelerin eleştirel analizini, sentezini ve değerlendirmesini yapar.
9- Uzmanlık alanında çalışanlarla ve daha geniş bilimsel ve sosyal topluluklarla yazılı ve sözlü etkin iletişim kurar, bir yabancı dili en az Avrupa Dil Portföyü C1 Genel Düzeyinde kullanarak ileri düzeyde yazılı, sözlü ve görsel iletişim kurar ve tartışır.
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 iş yükü
  Sayısı Süresi (saat) Sayı*Süre (saat)
Yüz yüze eğitim 14 3 42
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme) 14 4 56
Ödevler 7 4 28
Sunum / Seminer hazırlama 2 1 2
Kısa sınavlar 0 0 0
Ara sınavlara hazırlık 5 8 40
Ara sınavlar 1 2 2
Proje (Yarıyıl ödevi) 1 3 3
Laboratuvar 0 0 0
Arazi çalışması 0 0 0
Yarıyıl sonu sınavına hazırlık 1 10 10
Yarıyıl sonu sınavı 1 2 2
Araştırma 0 0 0
Toplam iş yükü     185
AKTS     7.50

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

Önerilen veya zorunlu okuma materyalleri
Ders kitabı K. S. Shanmugan and A. M. Breipohl, Random Signals: Detection, Estimation and Data Analysis, John Wiley and Sons, 1988.
Yardımcı Kaynaklar M. Barkat, Signal Detection and Estimation, Artech House, 2005.

Ders ile ilgili dosyalar