Dersin Adı Dersin Seviyesi Dersin Kodu Dersin Tipi Dersin Dönemi Yerel Kredi AKTS Kredisi Ders Bilgileri
YAPAY SİNİR AĞLARI Birinci Düzey ENM 498 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 Matematiksel düşünme yeteneği kazanır ve bu yeteneği kullanır.
2 Matematik ile ilgili bir problemi kurgulayabilir, çözüm yöntemi geliştirebilir ve sonuçları gerektiğinde uygulayabilir.
3 Fiziksel olayları matematiksel modelleme yaparak çözebilme yeteneği geliştirir.
4 Güncel yazılım programları kullanır ve bu yeteneğini bilimsel ve teknolojik gelişmeleri izlemede de kullanır.
5 Girişimcilik ve yenilikçiliğe önem verir.
6 Soyut düşünme yeteneğini kullanır.
7 Soyut kavramları, matematiksel yöntemler ile somut hale indirgeyerek bunları anlama ve yorumlama yeteneği kazanır.
8 Matematiksel düşüncenin bir sanatsal özelliğe sahip olduğunun farkına varır.
9 Matematik tarihi ile ilgili belirli bir bilgi düzeyinde olur ve bilim tarihinde matematiğin yerini kavrar.
10 Analitik düşünme yeteneği kazanır.
11 Sorgulayıcı ve eleştirel düşünme yeteneği kazanır.
12 Kendi meslektaşları ile takım oluşturabilme ve bireysel bilgilerini takıma yansıtma yeteneği kazanır.
13 Kendi alanı ile ilgili sahip olduğu bilgi birikimini yazılı ve sözlü olarak ifade eder.
14 Kendi alanı ile ilgili matematiksel bilgileri belirli düzeyde takip edebilecek ve yorumlayabilecek düzeyde bir yabancı dil geliştirir.
15 Sahip olduğu matematiksel bilgileri farklı disiplinlerde de kullanır.
16 Yaşam boyu öğrenmenin gerekliliği bilincine sahip olur.
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