Dersin Adı Dersin Seviyesi Dersin Kodu Dersin Tipi Dersin Dönemi Yerel Kredi AKTS Kredisi Ders Bilgileri
YAPAY SİNİR AĞLARI Birinci Düzey ENM 498 Seçmeli 7 3.00 3.00 Yazdır
   
Dersin Tanımı
Ön Koşul Dersleri Ön koşulu bulunmamaktadır
Eğitimin Dili Türkçe
Koordinatör
Dersi Veren Öğretim Eleman(lar)ı DOÇ. DR. SİNEM KULLUK
Yardımcı Öğretim Eleman(lar)ı Yok
Dersin Veriliş Şekli Örgün Öğretim
Dersin Amacı Yapay sinir ağlarının problem çözümlerinde nasıl kullanılacakları ile ilgili temel teorik bilgilerin ve tekniklerin öğrencilere sunulması.
Dersin Tanımı Yapay sinir ağlarına giriş. Yapay sinir ağlarının oluşturulması. Yapay sinir ağlarının oluşturulması: Perceptron, Delta kuralı. Yapay sinir ağlarının oluşturulması: İleri beslemeli ağlar, Geri beslemeli ağlar. Yapay sinir ağlarının yapıları: Geri yayılım ağı, Delta bar delta. Yapay sinir ağlarının yapıları: Hopfield ağı, Hamming ağı. Yapay sinir ağlarında öğrenme: Danışmanlı öğrenme. Yıliçi sınav ve genel tekrar. Yapay sinir ağlarında öğrenme: Danışmanlı öğrenme; Perceptron öğrenme kuralı. Yapay sinir ağlarında öğrenme: Danışmanlı öğrenme; Delta öğrenme kuralı. Yapay sinir ağlarında öğrenme: Danışmanlı öğrenme; Geri yayılımlı öğrenme. Yapay sinir ağlarında öğrenme: Danışmansız öğrenme; Karma öğrenme kuralı. Yapay sinir ağlarında öğrenme: Danışmansız öğrenme; Yarışmacı öğrenme. Matlab uygulamalar.

Dersin İçeriği
1 Yapay sinir ağlarına giriş
2 Yapay sinir ağlarının oluşturulması.
3 Yapay sinir ağlarının oluşturulması: Perceptron, Delta kuralı.
4 Yapay sinir ağlarının oluşturulması: İleri beslemeli ağlar, Geri beslemeli ağlar.
5 Yapay sinir ağlarının yapıları: Geri yayılım ağı, Delta bar delta.
6 Yapay sinir ağlarının yapıları: Hopfield ağı, Hamming ağı.
7 Yapay sinir ağlarında öğrenme: Danışmanlı öğrenme.
8 Arasınav
9 Yapay sinir ağlarında öğrenme: Danışmanlı öğrenme; Perceptron öğrenme kuralı.
10 Yapay sinir ağlarında öğrenme: Danışmanlı öğrenme; Delta öğrenme kuralı.
11 Yapay sinir ağlarında öğrenme: Danışmanlı öğrenme; Geri yayılımlı öğrenme.
12 Yapay sinir ağlarında öğrenme: Danışmansız öğrenme; Karma öğrenme kuralı.
13 Yapay sinir ağlarında öğrenme: Danışmansız öğrenme; Yarışmacı öğrenme.
14 Matlab uygulamaları
15 Final sınavı
16
17
18
19
20

Dersin Öğrenme Çıktıları
1 Kuramsal ve uygulamalı bilgileri Yapay sinir ağları alanındaki mühendislik problemlerinin modellenmesinde ve çözümünde uygulayabilme
2 Yapay sinir ağlarının oluşturulmasında karşılaşılan karmaşık mühendislik problemlerini uygun analiz ve modelleme yöntemlerini seçerek saptayabilme, tanımlayabilme, formüle edebilme ve çözebilme
3 Yapay sinir ağlarının öğrenme işlemi sırasında karşılaşılan karmaşık bir sistemi, süreci, gerçekçi kısıtlar ve koşullar altında modern tasarım yöntemlerini uygulayarak tasarlayabilme
4 Bilişim teknolojilerinden etkin bir biçimde faydalanarak sayısal işaret işleme uygulamaları için modern teknik ve araçları geliştirebilme, seçebilme ve kullanabilme
5 Yapay sinir ağları alanındaki mühendislik problemlerinin incelenmesi için veri toplayabilme ve sonuçları analiz ederek yorumlayabilme
6 -
7
8
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi
1 Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi.
2 Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi.
3 Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi.
4 Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi.
5 Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi.
6 Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi.
7 Türkçe sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi.
8 Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi.
9 Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi.
10 Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi.
11 Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık.
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 13 2 26
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme) 14 2 28
Ödevler 0 0 0
Sunum / Seminer hazırlama 0 0 0
Kısa sınavlar 0 0 0
Ara sınavlara hazırlık 0 0 0
Ara sınavlar 1 8 8
Proje (Yarıyıl ödevi) 0 0 0
Laboratuvar 0 0 0
Arazi çalışması 0 0 0
Yarıyıl sonu sınavına hazırlık 0 0 0
Yarıyıl sonu sınavı 1 10 10
Araştırma 0 0 0
Toplam iş yükü     72
AKTS     3.00

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   0
Yarıyıl sonu sınavının başarıya katkı oranı   60
Genel toplam   60

Önerilen Veya Zorunlu Okuma Materyalleri
Ders kitabı K. Gurney, An Introduction to Neural Networks, CRC Press, 1997. 2. Ç. Elmas, Yapay Sinir Ağları, Seçkin Yayınevi,.2003. 3. Ö. Efe, O. Kaynak, Yapay Sinir Ağları ve Uygulamaları, Boğaziçi Ünv., 2000. 4. A. Babaev, Bulanık Mantık ve Uygulamaları, Uludağ Ünv., 1998.
Yardımcı Kaynaklar -

Ders İle İlgili Dosyalar