Bilgi Paketi & Ders Kataloğu
| 1 | Dersin Adı: | YAPAY SİNİR AĞLARI |
| 2 | Dersin Kodu: | EEM4420 |
| 3 | Dersin Türü: | Seçmeli |
| 4 | Dersin Seviyesi: | Lisans |
| 5 | Dersin Verildiği Yıl: | 4 |
| 6 | Dersin Verildiği Yarıyıl: | 8 |
| 7 | Dersin AKTS Kredisi: | 4 |
| 8 | Teorik Ders Saati (saat/hafta): | 3 |
| 9 | Uygulama Ders Saati (saat/hafta): | 0 |
| 10 | Laboratuar Ders Saati (saat/hafta): | 0 |
| 11 | Dersin Önkoşulu | - |
| 12 | Ders İçin Önerilen Diğer Hususlar | Yok |
| 13 | Dersin Dili: | Türkçe |
| 14 | Dersin Veriliş Şekli | Yüz yüze |
| 15 | Dersin Koordinatörü: | Doç. Dr. NEYİR ÖZCAN SEMERCİ |
| 16 | Dersi Veren Diğer Öğretim Elemanları: | - |
| 17 | Ders Koordinatörünün İletişim Bilgileri: |
E-posta:neyir@uludag.edu.tr Tel: (224) 294 06 50 Adres: Elektronik Mühendisliği Bölümü 5. Kat, No:540 |
| 18 | Dersin Web Adresi: | |
| 19 | Dersin Amacı | Yapay Sinir Ağları konusunda öğrencilere teorik ve uygulamalı bilgilerin verilmesi amaçlanmaktadır. |
| 20 | Dersin Mesleki Gelişime Katkısı: | Yapay sinir ağları hakkında yeterli teorik ve pratik bilgiyi kazanır. |
| 21 | Ders Öğrenme Kazanımları |
|
| 22 | Dersin İçeriği |
| Hafta | Teori | Uygulama |
| 1 | Yapay Zeka ve Yapay sinir ağları | |
| 2 | Yapay sinir ağlarının oluşturulması. | |
| 3 | Yapay sinir ağlarının oluşturulması: McCulloch-Pitts Modeli | |
| 4 | Aktivasyon fonksiyonları | |
| 5 | Yapay sinir ağı Modelleri: İleri beslemeli yapay sinir ağları, Geri beslemeli yapay sinir ağları | |
| 6 | Yapay sinir ağlarında öğrenme: Danışmanlı, Danışmansız, Desteklemeli Öğrenme | |
| 7 | Yapay sinir ağlarında öğrenme kuralları: Hebbian, Perceptron, Delta | |
| 8 | Yapay sinir ağlarında öğrenme kuralları: Widrow-Hoff, Correlation, Winner-Take-All, Outstar | |
| 9 | Çok katmanlı Algılayıcılar, XOR problemi | |
| 10 | Geri yayılım Algoritması | |
| 11 | Yapay sinir ağlarında ağ performansının değerlendirilmesi | |
| 12 | Yapay Sinir Ağları modelleri: LVQ Modeli, Adaptif Rezonans Teori (Art) | |
| 13 | Gradyen Tipi Hopfield Sinir Ağları ve elektrik devre elemaları kullanarak gerçeklenmesi | |
| 14 | CNNs, Kohen-Grossberg, Cognitron Ağları |
| 23 | Ders Kitabı, Referanslar ve/veya Diğer Kaynaklar: |
1. M. Jacek Zurada, , Introduction to Artificial Neural Systems, West Publishing Company, 1992, 2. S. Haykin, Neural Networks: A Comprehensive Foundation (2nd Edition), Prentice-Hall, 1998 3. L.O. Chua, T. Roska, Cellular Neural Networks and Visual Computing, Foundations and Applications, Cambridge University Press, 2002. 4. Ç. Elmas, Yapay Sinir Ağları, Seçkin Yayınevi,.2003. 5. Ö. Efe, O. Kaynak, Yapay Sinir Ağları ve Uygulamaları, Boğaziçi Ünv., 2000. 6. A. Babaev, Bulanık Mantık ve Uygulamaları, Uludağ Ünv., 1998. |
| 24 | Değerlendirme |
| YARIYIL İÇİ ÇALIŞMALARI | SAYISI | KATKI YÜZDESİ |
| Ara Sınav | 1 | 40 |
| Kısa Sınav | 0 | 0 |
| Ödev | 0 | 0 |
| Yıl sonu Sınavı | 1 | 60 |
| Toplam | 2 | 100 |
| Yıl içi çalışmalarının Başarıya Oranı | 40 | |
| Finalin BAşarıya Oranı | 60 | |
| Toplam | 100 | |
| Derste Kullanılan Ölçme ve Değerlendirme Yaklaşımları | Ölçme ve değerlendirme, Bursa Uludağ Üniversitesi Önlisans ve Lisans Eğitim Öğretim Yönetmeliği ilkelerine göre yapılmaktadır. | |
| Açıklama | Bağıl değerlendirme sistemi uygulanmaktadır. 1 Ara Sınav ve 1 Final sınavı yapılmaktadır. | |
| 25 | AKTS / İŞ YÜKÜ TABLOSU |
| Etkinlik | SAYISI | Süresi [Saat] | Toplam İş Yükü [Saat] |
| Teorik Dersler | 14 | 3 | 42 |
| Uygulamalı Dersler | 0 | 0 | 0 |
| Sınıf Dışı Ders Çalışma Süresi (Ön çalışma, pekiştirme) | 14 | 2 | 28 |
| Ödevler | 0 | 0 | 0 |
| Projeler | 0 | 0 | 0 |
| Arazi Çalışmaları | 0 | 0 | 0 |
| Arasınavlar | 1 | 25 | 25 |
| Diğer | 0 | 0 | 0 |
| Yarıyıl Sonu Sınavları | 1 | 30 | 30 |
| Toplam İş Yükü | 150 | ||
| Toplam İş Yükü / 30 saat | 4,17 | ||
| Dersin AKTS Kredisi | 4 |
| 26 | PROGRAM YETERLİLİKLERİ İLE DERS ÖĞRENİN KAZANIMLARI İLİŞKİSİ TABLOSU | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| ÖK: Öğrenme Kazanımları | PY: Program yeterlilikleri |
| Katkı Düzeyi: | 1 Çok Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 Çok Yüksek |