DERS ADI

: Bulanık Yaklaşımlı Bilgi Agregasyon Yöntemleri

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
CSC 5050 Bulanık Yaklaşımlı Bilgi Agregasyon Yöntemleri SEÇMELİ 3 0 0 8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DOÇ. DR. RESMİYE NASİBOĞLU

Dersi Alan Birimler

Bilgisayar Bilimleri Doktora (İngilizce)
Bilgisayar Bilimleri Yüksek Lisans

Dersin Amacı

Bulanık karar sistemlerinde çoklu bilgileri bir araya getirme (toparlama) yöntemlerini öğrenmek.

Dersin Öğrenme Kazanımları

1   Bulanık toparlama yöntemleri ve özellikleri hakkında temel bilgi sahibi olma.
2   WABL temelli yöntemler hakkında bilgi sahibi olma.
3   OWA temelli yöntemler hakkında bilgi sahibi olma.
4   Toparlama yöntemleri kullanılarak karar modelleri oluşturabilme.
5   Toparlama yöntemleri kullanılan problemleri çözebilme.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 Giriş. Bulanık bilgi nedir
2 Bulanık kümeler ve bulanık sayılar
3 Bulanık değerleri durulaştırma yöntemleri
4 Bulanık karar vermede toparlama yaklaşımları
5 Çoklu kriterler ve toparlanmış değerler
6 Seviyelere dayalı ağırlıklı toparlama yöntemi (WABL)
7 WABL temelli mesafe ve kıyaslama yöntemleri
8 WABL yöntemine dayalı uygulamalar
9 Sıralı ağırlıklı toparlama yöntemi (OWA)
10 OWA temelli genel toparlama yöntemleri
11 OWA yöntemine dayalı uygulamalar
12 Proje sunumları 1
13 Proje sunumları 2
14 Proje sunumları 3

Ders İçin Önerilen Kaynaklar

1. Yager RR. On Ordered Weighted Averaging Aggregation Operators in Multicriteria Decision Making. IEEE Trans. Systems, Man and Cybernetics; 1988. p.183-190: 18-1.
2. Yager R. Quantifier Guided Aggregation Using OWA Operators. International Journal of Intelligent Systems 2004; 49 73.
3. Nasibov E. Aggregation of fuzzy values in linear programming problems. Automatic Control and Computer Sciences, 37(2):1-11
4. R.A. Aliev, R.R. Aliev, Soft Computing and Its Applications, by World Scientific Publishing Co., 2001.
5. Jang, J., Sun C., Mizutani E. Neuro-Fuzzy and Soft Computing: A Computational Approach to Learning and Machine Intelligence, Prentice Hall, 1997.

Öğrenme ve Öğretme Yöntemleri

Ders, anlatım, sınıf sunumu ve tartışma biçiminde öğretilecek. Öğretilen dersin yanı sıra, öğrencilere gruplar halinde sunumlar hazırlatılacak ve tartışmalı oturumlar şeklinde sundurulacaktır. Dersin bazı haftalarında, daha önce verilen ödev sonuçları tartışılarak pekiştirilecektir.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 ODV Ödev/Sunum
2 FN Final
3 BNS BNS ODV * 0.40 + FN * 0.60
4 BUT Bütünleme Notu
5 BBN Bütünleme Sonu Başarı Notu ODV * 0.40 + BUT * 0.60


Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

İlan edilecektir

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

İlan edilecektir

Dersin Öğretim Üyesi İletişim Bilgileri

resmiye.nasiboglu@deu.edu.tr

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

İlan edilecektir

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ders Anlatımı 14 3 42
Haftalık Ders öncesi/sonrası hazırlıklar 14 5 70
Vize Sınavına Hazırlık 1 10 10
Final Sınavına Hazırlık 1 20 20
Sunum Hazırlama 3 15 45
Final Sınavı 1 2 2
Vize Sınavı 1 2 2
TOPLAM İŞ YÜKÜ (saat) 191

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9PK.10
ÖK.155544
ÖK.255544
ÖK.355544
ÖK.455544
ÖK.555544