• ANASAYFA
• ÜNİVERSİTE HAKKINDA
  • İsim - Adres
  • Genel Bilgi
  • Üniversite Yönetimi
  • Akademik Takvim
  • Derece Programları
  • Yabancı Dilde Eğitim Veren Birimler
  • Genel Kabul ve Kayıt Koşulları
  • Kredi Hareketliliği ve Önceki Öğrenmenin Tanınması
  • AKTS Kredilerinin Belirlenmesi
  • Akademik Danışmanlık
  • İletişim
• DERECE PROGRAMLARI
  • Doktora Programları
  • Yüksek Lisans Programları
  • Lisans Programları
  • Önlisans Programları
• ÖĞRENCİ İÇİN GENEL BİLGİLER
  • Yaşam Standardı
  • Barınma
  • Beslenme
  • Sağlık
  • Engelli İçin Olanaklar
  • Sigorta
  • Finansal Destekler
  • Öğrenci İşleri Daire Başkanlığı
  • Uluslararası Öğrenciler için Pratik Bilgiler
  • Dil Kursları
  • Staj Olanakları
  • Sportif, Sosyal ve Kültürel Faaliyetler
  • Öğrenci Toplulukları ve Kulüpler
  • İzmir-Türkiye Hakkında
• ULUSLARARASI İLİŞKİLER
  • Dış İlişkiler Koordinatörlüğü
  • Kayıt İşlemleri
  • Anlaşmalar
  • Koordinatörler
  • Belgeler
  • Yabancı Dilde Eğitim Veren Birimler
  • AKTS/DE Etiketi

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS EED 3107 SİNİR AĞLARININ TEMELLERİ SEÇMELİ 3 2 0 5

Dersi Veren Birim

Elektrik - Elektronik Mühendisliği (İngilizce)

Dersin Düzeyi

Lisans

Ders Koordinatörü

DR. ÖĞR. ÜYESİ NESLİHAN AVCU

Dersi Alan Birimler

Elektrik - Elektronik Mühendisliği (İngilizce)

Dersin Amacı

Dersin Öğrenme Kazanımları

1   Yapay sinir ağlarının esaslarını tanımlayabilecek 2   Yaygın olarak kullanılan YSA modellerini ve öğrenme yordamlarını belirli uygulamalar için kullanabilecek 3   Yaygın olarak kullanılan sinir ağları modellerinin uygulamasında karşılaşılabilecek temel problemleri tanımlayabilecek 4   Bilgisayar kullanarak YSA yordamlarını uygulayabilecek 5   YSA'nın genelleştirme yeteneğini, eğiticili ve eğiticisiz öğrenmenin temel prensiplerini açıklayabilecektir.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

EED 2410 - İŞARETLER VE SİSTEMLER

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama 1 Yapay Sinir Ağlarına Giriş, YSA'larının tarihsel gelişimi 2 Temel kavram ve modeller, Genel yapay sinir hücre modeli 3 Eğiticili öğrenme,Tek katmanlı ayrık değerli perceptron 4 Tek katmanlı ayrık değerli perceptron. Doğrusal olmayan (sigmoidal) aktivasyon fonksiyonu 5 Çok Katmanlı Ağlar. Geriye yayılım algoritması 6 Radyal Taban Fonksiyonlu 7 Destek Vektör Makinesi 8 Çağrışımsal bellekler, Hopfield Ağları 9 Eğiticisiz öğrenme, Yarışmacı ağlar 10 Uyarlamalı ve Özdüzenlemeli Ağlar 11 Veri Önişleme 12 Yapay sinir ağlarının örüntü tanıma uygulamaları 13 Yapay sinir ağlarının kontrol uygulamaları 14 Kontrolör olarak yapay sinir ağları.

Ders İçin Önerilen Kaynaklar

İlan Edilecektir.

Öğrenme ve Öğretme Yöntemleri

Ders içeriği sunumlar aracılığıyla verilecek, ayrıca içeriği destekleyen laboratuar çalışmaları yapılacaktır.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL 1 VZ Vize 2 PR Proje 3 LAB Lab. 4 FN Final 5 BNS BNS VZ * 0.25 + PR * 0.15 + LAB * 0.20 + FN * 0.40 6 BUT Bütünleme Notu 7 BBN Bütünleme Sonu Başarı Notu VZ * 0.25 + PR * 0.15 + LAB * 0.20 + BUT * 0.40

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

İlan Edilecektir.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

İlan Edilecektir.

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 Uygulama 14 2 28 Haftalık Ders öncesi/sonrası hazırlıklar 14 1 14 Proje Hazırlama 1 5 5 Final Sınavına Hazırlık 1 3 3 Vize Sınavına Hazırlık 1 3 3 Final Sınavı 1 2 2 Vize Sınavı 1 2 2 TOPLAM İŞ YÜKÜ (saat) 99

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 PK.11 PK.12 PK.13 ÖK.1 5 ÖK.2 5 4 4 ÖK.3 5 5 ÖK.4 3 5 2 ÖK.5 4 5