• 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 EEE 5030 İşaret İşleme İçin Sinir Ağları SEÇMELİ 3 0 0 8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DOÇ. DR. HATİCE DOĞAN

Dersi Alan Birimler

İleri Biyomedikal Teknolojiler Sanayi Ortak Bütünleşik Doktora İleri Biyomedikal Teknolojiler Sanayi Ortak Doktora Elektrik ve Elektronik Mühendisliği Bütünleşik Doktora (İngilizce) Biyomedikal Teknolojiler Yüksek Lisans (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

Dersin Öğrenme Kazanımları

1   Verilen belirli bir sinyal işleme uygulaması için yapay sinir ağı modeli tasarlayabilme 2   Yapay sinir ağı yazılımlarını kullanabilme 3   Genel sinir ağı modelleri için uygulamaya dönük sorunları tanımlayabilme 4   Öğrenme algoritmalarını ve yapay sinir ağlarının genelleme yeteneğini açıklayabilme 5   Öğrenme algoritmalarını farklı problemlere uygulayabilme

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama 1 YSA'lara giriş, YSA'ların tarihsel gelişimi 2 Öğrenme algoritmalarının temelleri ve YSA yapıları 3 Tek katmanlı sürekli/kesikli değerli perceptron 4 Çok katmanlı ileri beslemeli sinir ağları 5 Çok katmanlı ileri beslemeli sinir ağları 6 Geribeslemeli ağlar 7 Geribeslemeli ağlar 8 YSA uygulamaları 9 Derin ileri beslemeli ağlar 10 Konvolüsyonel ağlar 11 Konvolüsyonel ağlar 12 YSA uygulamaları 13 Oto-kodlayıcılar 14 Çekişmeli üretici ağlar

Ders İçin Önerilen Kaynaklar

İlan Edilecektir.

Öğrenme ve Öğretme Yöntemleri

Sunumlar, belirli bir problem üzerine sınıf-içi tartışmalar ve proje tabanlı eğitim ögeleri kullanılacaktır.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL 1 ODV ÖDEV 2 ARS ARASINAV 3 YSS YIL SONU SINAVI 4 YSBN YIL SONU BAŞARI NOTU ODV * 0.30 + ARS * 0.30 + YSS * 0.40 5 BUT BÜTÜNLEME 6 BUTBN BÜTÜNLEME SONU BAŞARI NOTU ODV * 0.30 + ARS * 0.30 + 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 Ödev Hazırlama 1 50 50 Haftalık Ders öncesi/sonrası hazırlıklar 13 3 39 Final Sınavına Hazırlık 1 18 18 Vize Sınavına Hazırlık 1 20 20 Rapor hazırlama 1 8 8 Kitap Okuma 1 10 10 Vize Sınavı 1 2 2 Final Sınavı 1 2 2 TOPLAM İŞ YÜKÜ (saat) 191

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 PK.14 PK.15 ÖK.1 4 3 1 3 3 3 2 1 ÖK.2 3 3 2 ÖK.3 2 1 2 ÖK.4 4 3 1 3 3 ÖK.5