Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
EEE 5119	Eğiticisiz Uyarlamalı Filtrelemede Özel Konular	SEÇMELİ	3	0	0	7

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DOÇ. DR. MEHMET EMRE ÇEK

Dersi Alan Birimler

Elektrik ve Elektronik Mühendisliği Bütünleşik Doktora (İngilizce)
Elektrik ve Elektronik Mühendisliği Tezsiz Yüksek Lisans (İ.Ö) (İngilizce)
Elektrik ve Elektronik Mühendisliği Yüksek Lisans (İngilizce)
Elektrik ve Elektronik Mühendisliği Doktora (İngilizce)

Dersin Amacı

Bu dersin ana amacı, doğrusal (denetlenen) uyarlamalı süzgeçleme yöntemlerinden farklı olarak, süzgeçlemenin gerçekleşmesi için istenen cevaba ihtiyaç duyulmayan süzgeçleme tekniklerini içeren kör adaptasyon yöntemlerinin temellerini öğretmektir.

Dersin Öğrenme Kazanımları

1	Denetimsiz süzgeçleme probleminde kullanılan temel ayırıcı yapıları ve kaynak ayrıştırma problemini tanımlayabilmeli.
2	Evrişimsel gürültülü karışımları matematiksel olarak tanımlayabilmeli, ve gürültü azaltımı, Temel Bileşen Analizi (İng. PCA) ve beyazlaştırma gibi ön-işleme yöntemlerini algılayabilmeli.
3	Bağımsız Bileşen Analizi (İng. ICA) teorisini anlayabilmeli ve ICA algoritmasını bilinmeyen karışmış kaynakların ayrıştırılmasında gerçekleştirebilmeli.
4	Kör kaynak ayrıştırma ve kör ters evrişim teknikleri arasındaki ilişkiyi kurabilmeli.
5	İşaret ve görüntü işleme uygulamalarında kullanılan kör kaynak ayrıştırma ve kör ters evrişim problemlerini bilgisayar ortamında çözebilmeli.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Neden Uyarlamalı Süzgeçleme nin Denetlenen ve Denetlenmeyen Yapıda Uyarlamalı Süzgeçleme.
2	Standart Gradient Adaptasyonu, Doğal Gradient Adaptasyonu.
3	Beyazlaştırma İşlemi, Temel Bileşen Analizi, Özayrıştırma,Tekil Değer Ayrıştırması, Gürültü Azaltımı.
4	Kaynak İşaretlerin Kör Çıkarımı.
5	Kaynak Ayrıştırma için Entropik Zıtlıklar Geometri ve Kararlılık, Kaynak Ayrıştırma İçin Zıtlık Fonksiyonları.
6	Bağımsız Bileşen Analizine Giriş (İng. ICA). ICA'nın Teorisi, Temel Kavramlar.
7	Non-Gaussianitenin Maksimumlaştırılması, Hızlı ICA Methodu, ICA'nın Uygulamaları
8	Gecikmeli ve Evriştirilmiş (İng. Convolved) Kaynakların Kör Ayrıştırılması
9	Çok Yollu Karışımların Kör Ters Evrişimi (İng. Deconvolution)
10	Kör Ters Evrişim ile Kör Kaynak Ayrıştırma Arasındaki İlişkiler.
11	Çok kullanıcılı Kurtosis optimizasyon kriterine bağlı olarak bağımsız kaynakların kör ayrışımı.
12	Dönem Projesi Çalışmaları
13	Dönem Projesi Çalışmaları
14	Dönem Projesi Sunumları

Ders İçin Önerilen Kaynaklar

1) S. Haykin S. Unsupervised Adaptive Filtering Blind Source Separation, Wiley Interscience Publication, 2000,
2) S. Haykin S. Unsupervised Adaptive Filtering Blind Deconvolution, Wiley Interscience Publication, 2000,

Öğrenme ve Öğretme Yöntemleri

Dersler, sunumlar

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	ODV	ÖDEV
2	SUN	SUNUM
3	YSBN	YIL SONU BAŞARI NOTU	ODV * 0.50 + SUN * 0.50

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Ödevler, Dönem Projesi Raporu

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

emre.cek@deu.edu.tr

Ders Öğretim Üyesi Görüşme Gün ve Saatleri