MÜHENDİSLİK FAKÜLTESİ

Endüstri Mühendisliği

 

Duyurular


 

SOSYAL MEDYA


 

CE 470 | Ders Tanıtım Bilgileri

Dersin Adı
Yapay Sinir Ağlarına Giriş
Kodu
Yarıyıl
Teori
(saat/hafta)
Uygulama/Lab
(saat/hafta)
Yerel Kredi
AKTS
CE 470
Güz/Bahar
3
0
3
5

Ön Koşul(lar)
Yok
Dersin Dili
İngilizce
Dersin Türü
Seçmeli
Dersin Seviyesi
Lisans
Dersin Koordinatörü -
Öğretim Eleman(lar)ı -
Yardımcı(lar)ı -
Dersin Amacı Bu derste, Yapay Sinir Ağlarının (YSA’nın) yaygın kullanım bulan model ve algoritmaları verilecektir. Dersin içeriği temel sinir hücre modeli, algılayıcı, uyarlanır doğrusal eleman, en küçük kareler algoritması, Çok Katmanlı Algılayıcı (ÇKA), Geriye Yayılım (GY) öğrenme algoritması, Radyal Tabanlı Fonksiyon (RTF) ağları, kendi kendini düzenleyen ağ, vektör nicemlemeyi öğrenen ağ; Destek Vektör Makineleri (DVM), Sürekli zaman ve ayrık zaman Hopfield ağları, sınıflandırma teknikleri, örüntü tanıma, işaret işleme ve kontrol uygulamaları.
Öğrenme Çıktıları Bu dersi başarıyla tamamlayabilen öğrenciler;
  • Temel yapay sinir ağ modellerini tanımlayabilecek,
  • Yaygın kullanılan YSA modellerini ve öğrenme algoritmalarını belirli bir uygulama için kullanabilecek,
  • Eğiticili ve eğiticisiz öğrenme ile genelleme yeteneğinin ilkelerini açıklayabilecek,
  • Yapay sinir ağlarını gerçek sınıflandırma, örüntü tanıma, işaret işleme ve kontrol problemlerine uygularken pratik problemleri değerlendirebilecek,
  • MATLAB ve onun Yapay Sinir Ağ Aracını kullanarak temel YSA modellerini ve algoritmalarını gerçekleştirebilecektir.
Tanımı Ders, temel yapay sinir ağları modelleri ve öğrenme algoritmalarını, algılayıcı YSA modellerini, LMS algoritmasını, geriyayılım öğrenme algoritmasını, radyal tabanlı fonksiyon ağlarını, destek vektör makinelerini, Kohonen’in kendini düzenleyen ağını, Hopfield ağlarını, yapay sinir ağlarının işaret işleme, örüntü tanıma ve kontrol uygulamalarını içermektedir.

 



Ders Kategorisi

Temel Meslek Dersleri
Uzmanlık/Alan Dersleri
Destek Dersleri
X
İletişim ve Yönetim Becerileri Dersleri
Aktarılabilir Beceri Dersleri

 

HAFTALIK KONULAR VE İLGİLİ ÖN HAZIRLIK ÇALIŞMALARI

Hafta Konular Ön Hazırlık
1 Biyolojik esinlenme. Yapay sinir ağları üzerine tarihsel notlar. Yapay sinir ağlarının uygulamaları. Yapay sinir ağ modellerinin ve öğrenme algoritmalarının bir sınıflaması. Introduction. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes.
2 Genel yapay sinir hücre modeli. Ayrıkdeğerli algılayıcı, eşik mantığı ve sınırları. Ayrıkzaman (dinamik) Hopfield ağları. Hebb kuralı. Bellek örüntü vektörlerinin dış çarpımı olarak başlantı ağırlık matrisi. Chapter 1. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes.
3 Eğiticili öğrenme. Algılayıcı öğrenme kuralı. Doğrusal uyarlanır eleman. Çıkış hatası minimizasyon problemi olarak eğiticili öğrenme. Minimizasyon için gradyendüşüm algoritması. En küçük kareler kuralı. Chapter 2. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes.
4 Tek katmanlı sürekli değerli algılayıcı. Doğrusal olmayan (sigmoidal) aktivasyon fonksiyonu. Delta kuralı. Grup ve veri tabanlı güncellenen gradyendüşüm algoritmaları. Deterministik ve stokastik gradyendüşüm algoritmalar için yakınsaklık koşulları. Chapter 3. Chapter 4: Sections 4.1, 4.2, 4.16. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes.
5 Evrensel yaklaşım makinesi olarak çok katmanlı algılayıcı. Fonksiyon gösterimleri ve yaklaşım problemi. Geriye yayılım algoritması. Yerel minimum problemi. Aşırı eğitim. Chapter 4: Sections 4.4, 4.5, 4.8, 4.10, 4.12. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes.
6 Yıliçi Sınavı I. Grup ve veri uyarlamalı eğitim biçimleri. Eğitim kümesine karşı test kümesi. Aşırı uyma problemi. Ağların eğitim ve testinde pratik konular. Çok katmanlı algılayıcıların işaret işleme ve örüntü tanıma uygulamaları. Chapter 4: Sections 4.3, 4.10., 4.11, 4.13, 4.14, 4.15, 4.19, 4.20. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes.
7 Radyal Taban Fonksiyonlu (RTF) ağlar. RTF ağlarının doğrusal ağırlıkları, Gauss merkezleri ve genişliklerini belirlemek için geriye yayılım algoritması. Merkezlerin rasgele seçimi. Gauss merkezlerinin ve genişliklerinin belirlenmesinde giriş öbekleme ve giriş çıkış öbeklemenin kıyaslanması. Düzenlileştirme kuramı, karma Gauss (koşullu olasılık yoğunluk fonksiyonu) ve yapay sinir tabanlı bulanık sistem modelleri ile RTF ağlarının ilişkileri. Chapter 5. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761 Lecture Notes.
8 Sınıflama için destek vektör makineleri. Çekirdek gösterimi. Genelleme yeteneği. Vapnik Chervonenkis boyutu. Destek vektör makineleri. Farklı çekirdek, kayıp (hata) fonksiyonu ve (ayrıştıran düzlem) yatıklığı için norm seçimlerinin karşılaştırılması. Chapter 6. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761 Lecture Notes.
9 Veri gösterimi için parametrik ve parametrik olmayan yöntemlerin kıyaslanması. Vektör nicemleme problemi olarak eğiticisiz öğrenme. Yarışmacı ağlar. “Kazanan her şeyi alır” ağı. Kohonen’in özdüzenlemeli öznitelik haritası. Öbekleme. Chapter 9. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes.
10 Sürekli zaman Hopfield Ağı. Hopfield ağının çokludenge noktalarının kararlılık analizi. Amaç ölçütü minimizasyonu için Hopfield ağları: Hopfield ağlarının Liapunov (enerji) tabanlı tasarımı. Çağrışımsal bellek. Gezgin satıcı problemi. Kombinatoryal optimizasyon. Chapter 13: Sections 13.1, 13.2, 13.3, 13.4, 13.5, 13.6, 13.7, S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes.
11 Yıliçi Sınavı II. Yapay sinir ağlarının işaret işleme uygulamaları. Temel bileşen analizi. Veri sıkıştırma ve indirgeme. Yapay sinir ağlarının görüntü ve 1 boyutlu işaret sıkıştırma ve dönüştürme uygulamaları. Chapter 8. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761
12 Yapay sinir ağlarının örüntü tanıma uygulamaları. Öznitelik çıkarımı için yapay sinir ağları. Doğrusal olmayan öznitelik dönüşümü. Veri kaynaştırma. Sınıflayıcı olarak yapay sinir ağları. Görüntü ve ses tanıma uygulamaları. Sections 1.4,1.5., 3.11, 4.7, 5.8, 6.7, S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes.
13 Yapay sinir ağlarının kontrol uygulamaları. Sistem tanılama için yapay sinir ağları. Kontrolör olarak yapay sinir ağları. Ters sistem tasarımı. Doğrudan ve dolaylı denetim yöntemleri. Uyarlanır kontrol. Chapter 15: Section 15.3. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes.
14 Yapay sinir ağ modelleri ve ilişkin öğrenme algoritmalarının işaret işleme, örüntü tanıma ve kontrol uygulamalarının MATLAB nümerik yazılım ortamında gerçeklenmesi. Lecture Notes.
15 Yapay sinir ağ modelleri, öğrenme algoritmaları ve uygulamalarının genel değerlendirmesi. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes.
16 Dönemin gözden geçirilmesi  

 

Dersin Kitabı S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761
Diğer Kaynaklar J. M. Zurada, Int. To Artificial Neural Systems, West Publishing Company, 1992 ISBN 053495460X, 9780534954604.

 

DEĞERLENDİRME ÖLÇÜTLERİ

Yarıyıl İçi Çalışmaları Sayı Katkı Payı %
Derse Katılım
Laboratuvar / Uygulama
Arazi Çalışması
Küçük Sınavlar / Stüdyo Kritiği
Ödev
5
20
Sunum / Jüri Önünde Sunum
Proje
1
30
Çalıştay
Ara Sınav / Sözlü Sınav
2
50
Final Sınavı / Sözlü Sınav
Toplam

Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı
100
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı
Toplam

AKTS / İŞ YÜKÜ TABLOSU

Aktiviteler Sayı Süresi (Saat) İş Yükü
Teorik Ders Saati
(Sınav haftası dahildir: 16 x toplam ders saati)
16
3
48
Laboratuvar / Uygulama Ders Saati
Sınav haftası dahil değildir. 16 x uygulama/lab ders saati
16
Sınıf Dışı Ders Çalışması
15
3
Arazi Çalışması
Küçük Sınavlar / Stüdyo Kritiği
Ödev
5
3
Sunum / Jüri Önünde Sunum
Proje
1
24
Çalıştay
Ara Sınavlar / Sözlü Sınavlar
2
9
Final / Sözlü Sınav
    Toplam
150

 

DERSİN ÖĞRENME ÇIKTILARININ PROGRAM YETERLİLİKLERİ İLE İLİŞKİSİ

#
Program Yeterlilikleri / Çıktıları
* Katkı Düzeyi
1
2
3
4
5
1 Benzetim, eniyileme, olasılık ve istatistik gibi Endüstri Mühendisliği kavram ve tekniklerini üretim ve hizmet sistemlerinde kullanarak yönetimsel karar verme işlemlerini iyileştirmek, kalite bilincini oluşturmak, elde edilen verileri yorumlayabilmek ve değerlendirebilmek X
2 Bütünleşik işleri veya iş sistemlerini ihtiyaçları doğrultusunda çeşitli alternatifler üreterek ve değerlendirerek sistem bakış açısı ile tasarlayabilmek X
3 Endüstri Mühendisliği ile ilgili uygulamada karşılaşılan konuları/sorunları tanımlayabilmek, analiz edebilmek, kanıtlara ve araştırmalara dayalı çözüm önerileri geliştirebilmek X
4 Nicel analiz ve eleştirel düşünce yöntemlerini kullanarak kaynak aktarımı, üretim planlaması ve çizelgelemesi, kalite kontrol ve güvence, finansal analiz ve risk analizi vb. Endüstri Mühendisliği ile ilgili konularda sorunları belirleyebilmek; bu sorunlar için alternatif çözümler üretebilmek ve alternatif çözümler içinden sistem gereksinimlerine cevap verecek en iyi çözümleri bulmak X
5 Uygulamada karşılaşılan ve öngörülemeyen karmaşık sorunları çözmek için bireysel ve grup üyesi olarak sorumluluk alabilmek, sorumluluğu altında çalışanların veya grup çalışanlarının mesleki gelişimine yönelik etkinlikleri planlayabilmek ve yönetebilmek X
6 Endüstri Mühendisliği alanında edindiği bilgi ve becerileri eleştirel bir yaklaşımla değerlendirebilmek, öğrenme gereksinimlerini belirleyebilmek ve öğrenmesini yönlendirebilmek
7 Endüstri Mühendisliği ile ilgili konularda ilgili kişi ve kurumları bilgilendirebilmek; düşüncelerini ve sorunlara ilişkin çözüm önerilerini yazılı ve sözlü olarak aktarabilmek ve nicel ve nitel verilerle destekleyerek uzman olan ve olmayan kişilerle paylaşabilmek
8 Bir yabancı dili kullanarak Endüstri Mühendisliği ilgili bilgileri izleyebilmek ve meslektaşları ile iletişim kurabilmek (“European Language Portfolio Global Scale”, Level B1) X
9 Endüstri Mühendisliği ile ilgili bilgisayar yazılımlarını kullanabilmek ve uygulamada karşılaşacağı bilişim ve iletişim teknolojilerini kullanabilecek bilgi ve beceriye sahip olmak (“European Computer Driving License”, Advanced Level) X
10 Sosyal hakların evrenselliğine değer veren, sosyal adalet bilinci kazanmış, kalite yönetimi ve süreçleri ile çevre koruma ve iş güvenliği konularında yeterli bilince sahip olmak
11 Endüstri Mühendisliği ile ilgili verilerin toplanması, yorumlanması, duyurulması ve uygulanması aşamalarında toplumsal, bilimsel ve etik değerlere sahip olmak X

*1 Lowest, 2 Low, 3 Average, 4 High, 5 Highest

 


HABERLER