Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
PHY 5192	Yapay Sinir Ağları ve Fizik Uygulamaları	SEÇMELİ	3	0	0	7

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DOÇ.DR. ÜMİT AKINCI

Dersi Alan Birimler

Fizik Yüksek Lisans
Fizik Doktora

Dersin Amacı

YSA günümüzde gerek zeka ve öğrenmenin ortaya çıkışının anlaşılması adına gerekse geniş alanlardaki potansiyel uygulamaları adına oldukça önemli bir yerde durmaktadır. Öte yandan YSA ile problem çözümlerinin gerçekleştirilmesi gelişmekte olan bir alandır. Bu ders ile öğrencilere, YSA temelleri verilerek fizikteki çeşitli problemlere olası uygulamaları üzerinde durulacaktır.

Dersi başarı ile tamamlayan öğrenciler, YSA temellerini kavrayacak ve fizikteki çeşitli problemleri YSA ile nasıl çözebileceklerine dair bilgi ve fikir sahibi olacaklardır.

Dersin Öğrenme Kazanımları

1	YSA temellerini kavrama ve farklı mimarileri tanıyabilme
2	Öğrenme kavramı YSA larının öğrenme stratejilerini tanıyabilme
3	Perceptron ağını ve çalışma mekanizmasını öğrenme
4	Boltzmann makinalarını tanıyabilme
5	Farklı YSA mimarileri ile diferansiyel denklem çözümü içeren fiziksel uygulamaları yapabilme
6	Boltzmann makinaları ile istatistik fizik problemlerini çözebilme

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Giriş: Yapay sinir ağları (YSA) temmelleri ve tarihçesi
2	Yapay sinir ağları mimarileri ve eğitim süreci
3	Perseptron Ağı
4	ADALINE ağı
5	Çok katmanlı perseptron Ağı
6	Tekrarlamalı Hopfield ağları
7	Arasınav I
8	Boltzmann makinaları
9	YSA ile diferansiyel denklem çözümü
10	YSA ile Lagrange ve Hamilton hareket denklemleri çözümü
11	YSA ile Schrodinger denklemi çözümü
12	Boltzmann makinaları ile MC simülasyonu kıyaslaması
13	Boltzmann makinaları ile Ising model çözümü
14	Ödev sunumları

Ders İçin Önerilen Kaynaklar

Ana kaynak:
Ivan Nunes da Silva, Danilo Hernane Spatti, Rogerio Andrade Flauzino, Luisa Helena, Bartocci Liboni,
Silas Franco dos Reis Alves, Artificial Neural Networks A Practical Course, Springer, 2017

Referanslar:
Pıerre Peretto, An Introductıon To The Modelıng Of Neural Networks, Cambridge university Press, 1994

Öğrenme ve Öğretme Yöntemleri

Konu anlatımı, problem çözümü, ödev ve sunum

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	ARS	ARASINAV
2	PRJ	PROJE
3	YSS	YIL SONU SINAVI
4	YSBN	YIL SONU BAŞARI NOTU	ARS 0.25 +PRJ 0.45 + YSS *0.30
5	BUT	BÜTÜNLEME
6	BUTBN	BÜTÜNLEME SONU BAŞARI NOTU	ARS 0.25 + PRJ 0.45 +BUT *0.30

*** Bütünleme Sınavı Yapılmayan Birimlerde Bütünleme Kriteri Dikkate Alınmaz.

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Değerlendirme, dönem içi arasınavı, dönem içine yayılan ödevler ve dönem sonu sınavı üzerinden gerçekleştirilecektir.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

umit.akinci@deu.edu.tr/ Tınaztepe kampüsü öğretim üyeleri binası /223

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

Çarşamba 13.00-15.00

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler	Sayısı	Süresi (saat)	Toplam İş Yükü (saat)
Ders Anlatımı	10	3	30
Uygulama	2	3	6
Haftalık Ders öncesi/sonrası hazırlıklar	12	4	48
Vize Sınavına Hazırlık	1	20	20
Final Sınavına Hazırlık	1	20	20
Ödev Hazırlama	5	10	50
Vize Sınavı	1	3	3
Final Sınavı	1	3	3
TOPLAM İŞ YÜKÜ (saat)			180

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK	PK.1	PK.2	PK.3	PK.4	PK.5	PK.6	PK.7	PK.8	PK.9	PK.10
ÖK.1	3	5	4	4	5	5	4	5	3	2
ÖK.2	5	5	5	4	5	5	4	4	3	2
ÖK.3	5	5	4	4	5	5	4	4	3	2
ÖK.4	4	5	4	4	5	5	4	4	3	2
ÖK.5	5	5	4	4	4	5	4	4	3	2
ÖK.6	4	5	4	4	5	5	4	5	3	2

DERS ADI

DERECE PROGRAMLARI