Türkçe English Ders İçerik Rapor
Ders Öğretim Planı
ÇOKLU SENSÖR VERİ FİZYONU
1 Dersin Adı: ÇOKLU SENSÖR VERİ FİZYONU
2 Dersin Kodu: BM5140
3 Dersin Türü: Seçmeli
4 Dersin Seviyesi: Yüksek Lisans
5 Dersin Verildiği Yıl: 1
6 Dersin Verildiği Yarıyıl: 2
7 Dersin AKTS Kredisi: 6
8 Teorik Ders Saati (saat/hafta): 3
9 Uygulama Ders Saati (saat/hafta): 0
10 Laboratuar Ders Saati (saat/hafta): 0
11 Dersin Önkoşulu Lisans Düzeyinde Olasılık ve İstatistik Bilgisi
12 Ders İçin Önerilen Diğer Hususlar Yok
13 Dersin Dili: Türkçe
14 Dersin Veriliş Şekli Yüz yüze
15 Dersin Koordinatörü: Prof. Dr. KEMAL FİDANBOYLU
16 Dersi Veren Diğer Öğretim Elemanları: -
17 Ders Koordinatörünün İletişim Bilgileri: e-posta: kfidan@uludag.edu.tr
Uludağ Üniversitesi, Bilgisayar Mühendisliği Bölümü
Görükle Kampüsü, 16059 Nilüfer, Bursa
18 Dersin Web Adresi:
19 Dersin Amacı Çoklu sensör veri füzyonunun temel prensipleri ve uygulamaları hakkında bilgi vermek.
20 Dersin Mesleki Gelişime Katkısı: Mühendislik Bilimleri: %85; Mühendislik Tasarımı: %15
21 Ders Öğrenme Kazanımları
1 Çoklu sensör veri füzyonu stratejilerini tanımlamak;
2 Farklı sensör tiplerini sınıflandırmak;
3 Füzyon ağlarının mimarilerini açıklamak;
4 Mekansal hizalama, zamansal hizalama, anlamsal hizalama ve radyometrik normalleştirme gibi çeşitli sensör temsili formatlarını açıklamak;
5 Bayes çıkarsama yöntemlerini incelemek;
6 Parametre tahmini ile ilgili farklı kavramları araştırmak;
7 Sağlam parametre tahmini ilkelerini açıklamak;
8 Özyinelemeli filtreler, Kalman filtreleri, parçacık filtreleri ve çoklu sensör çok geçici veri füzyonu gibi farklı ardışık Bayes arabirimlerini incelemek;
9 Örüntü tanıma için farklı yaklaşımları tartışmak;
10 Topluluk öğreniminin ve sensör yönetiminin temellerini açıklamak;
22 Dersin İçeriği
Hafta Teori Uygulama
1 Giriş: Çoklu sensör veri füzyonu stratejileri; Formal çerçeve; Katastrofik füzyon; Organizasyon.
2 Sensörler: Akıllı sensörler; Mantıksal sensörler; Arayüz dosya sistemleri; Sensör gözlemi; Sensör özellikleri; Sensör modeli.
3 Mimari: Füzyon modu; Basit Füzyon ağları; Ağ topolojileri.
4 Ortak Temsil Biçimi: Mekansal zamansal dönüşüm; Coğrafi Bilgi Sistemi; Ortak temsil formatı; Altuzay yöntemleri; Çoklu eğitim setleri.
5 Mekansal Hizalama: Görüntü kaydı; Karşılıklı bilgi; Optik akış; Özellik tabanlı görüntü kaydı; Yeniden örnekleme / İnterpolasyon; Çift dönüşüm; Belirsizlik tahmini; Görüntü füzyonu; Mozaik görüntüler.
6 Zamansal Hizalama: Dinamik zaman atlama; Dinamik program; Tek taraflı dinamik zaman atlama algoritması; Çoklu zaman serileri.
7 Anlamsal Hizalama: Görev matrisi; Kümeleme algoritması; Kümeleme toplulukları.
8 Radyometrik Normalizasyon: Ölçüm ölçekleri; Benzerlik derecesi ölçekleri; Radyometrik normalizasyon fonksiyonları; Veri çiftleme; Parametrik normalizasyon fonksiyonları; Bulanık normalleştirme fonksiyonları; Sıralama; Olasılıklara dönüşüm.
9 Bayesci Çıkarım: Bayes analizi; Olasılık modeli; Bir posteriori dağılım; Gauss karışım modeli; Model seçimi; Markov zinciri Monte Carlo hesaplaması.
10 Parametre Tahmini: Bayes eğrisi uydurma; Maksimum olasılık; En küçük kareler; Doğrusal Gauss modeli; Genelleştirilmiş Millman formülü.
11 Dayanıklı İstatistikler: Aykırı değerler; Dayanıklı parametre tahmini; Klasik dayanıklı tahmin ediciler; Dayanıklı altuzay teknikleri; Bilgisayar görüşünde dayanıklı altuzay.
12 Sıralı Bayes Arayüzü: Özyinelemeli filtre; Kalman filtresi; Kalman filtresinin uzantıları; Partikül filtresi; Çoklu sensör çok geçici veri füzyonu.
13 Bayesçi Karar Kuramı: Örüntü tanıma; Naif Bayes sınıflandırıcısı; Varyantlar; Çoklu Naif Bayes sınıflandırıcıları; Hata tahmini; İkili Naif Bayes sınıflandırıcıları.
14 Topluluk Öğrenimi: Bayes çerçevesi; Ampirik çerçeve; Çeşitlilik teknikleri; Çeşitlilik önlemleri; Sınıflandırıcı türleri; Kombinasyon stratejileri; Basit birleştiriciler; Meta-öğreniciler; Artırma. Sensör Yönetimi: Hiyerarşik sınıflandırma; Sensör yönetimi teknikleri.
23 Ders Kitabı, Referanslar ve/veya Diğer Kaynaklar: H.B. Mitchel, Data Fusion: Concepts and Ideas, 2nd Ed., Springer-Verlag 2012.
24 Değerlendirme
YARIYIL İÇİ ÇALIŞMALARI SAYISI KATKI YÜZDESİ
Ara Sınav 1 20
Kısa Sınav 0 0
Ödev 1 20
Yıl sonu Sınavı 1 60
Toplam 3 100
Yıl içi çalışmalarının Başarıya Oranı 40
Finalin BAşarıya Oranı 60
Toplam 100
Derste Kullanılan Ölçme ve Değerlendirme Yaklaşımları Ara sınav ve final sınavında ders konularıyla ilgili klasik problem çözme yeteneği ölçülecektir. Proje, ders içeriği ile ilgili bir konuda araştırma, simülasyon, rapor yazma ve sunum içerecektir.
Açıklama Tüm sınav ve proje değerlendirmeleri 100 üzerinden yapılacaktır. Daha sonra ilgili katkı yüzdesi ile çarpılacak ve genel ders notu 100 üzerinden elde edilecektir.
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 5 70
Ödevler 1 33 33
Projeler 0 0 0
Arazi Çalışmaları 0 0 0
Arasınavlar 1 15 15
Diğer 0 0 0
Yarıyıl Sonu Sınavları 1 20 20
Toplam İş Yükü 180
Toplam İş Yükü / 30 saat 6
Dersin AKTS Kredisi 6
26 PROGRAM YETERLİLİKLERİ İLE DERS ÖĞRENİN KAZANIMLARI İLİŞKİSİ TABLOSU
PY1 PY2 PY3 PY4 PY5 PY6
OK1 5 3 3 2 2 2
OK2 5 4 4 2 2 2
OK3 5 4 4 2 2 2
OK4 5 4 4 2 2 2
OK5 5 4 4 2 2 2
OK6 5 4 4 2 2 2
OK7 5 4 4 2 2 2
OK8 5 4 4 2 2 2
OK9 5 4 4 2 2 2
OK10 5 4 4 2 2 2
ÖK: Öğrenme Kazanımları PY: Program yeterlilikleri
Katkı Düzeyi: 1 Çok Düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok Yüksek
Bologna İletişim
Mail : bologna@uludag.edu.tr
Tasarım & Kodlama
Bilgi İşlem Daire Başkanlığı © 2015
otomasyon@uludag.edu.tr