Türkçe | English
FEN BİLİMLERİ ENSTİTÜSÜ / BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI
TEZLİ YÜKSEK LİSANS
Ders Bilgi Paketi
http://ceng.ktu.edu.tr
Tel: +90 0462 3773157
FBE
FEN BİLİMLERİ ENSTİTÜSÜ / BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI / TEZLİ YÜKSEK LİSANS
Katalog Ana Sayfa
  Katalog Ana Sayfa  KTÜ Ana Sayfa   Katalog Ana Sayfa
 
 

BIL5050Artificial Neural Systems3+0+0AKTS:7.5
Yıl / YarıyılBahar Dönemi
Ders DuzeyiYüksek Lisans(Tezli)
Yazılım Şekli Seçmeli
BölümüBİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI
Ön KoşulYok
Eğitim SistemiYüz yüze
Dersin Süresi14 hafta - haftada 3 saat teorik
Öğretim ÜyesiProf. Dr. Murat EKİNCİ
Diğer Öğretim ÜyesiYok
Öğretim Diliİngilizce
StajYok
 
Dersin Amacı:
Yapays sinir sistemleri konusunda bilgi vermek
 
Öğrenim KazanımlarıPÖKKÖY
Bu dersi başarı ile tamamlayan öğrenciler :
ÖK - 1 : Yapay Sinir sistemleri (YSS) modellerini ve yapılarını tanıyabilir. 1,4,5,8,9,10,151,3
ÖK - 2 : İleri beslemeli YSS' lerin yapısı ve eğitimi hakkında bilgi kazanabilir.1,4,5,8,151,3
ÖK - 3 : Geri beslemeli YSS' lerin yapısı ve eğitimi hakkında bilgi kazanabilir.1,3,5,8,13,151,3
ÖK - 4 : Çok katmanlı YSS 'lerin çalışmasını ve eğitimini inceleyebilir.1,3,4,5,8,9,14,151,3
ÖK - 5 : Çağrışımlı belleklerin çalışmasını ve eğitimini kavrayabilir.1,3,5,8,151,3
ÖK - 6 : Evrişimsel Sinir Ağları tasarımı ve uygulamaları
PÖKK :Program öğrenim kazanımlarına katkı, ÖY : Ölçme ve değerlendirme yöntemi (1: Yazılı Sınav, 2: Sözlü Sınav, 3: Ev Ödevi, 4: Laboratuvar Çalışması/Sınavı, 5: Seminer / Sunum, 6: Dönem Ödevi / Proje),ÖK : Öğrenim Kazanımı
 
Ders İçeriği
Yapay sinir sistemlerin (YSS) temel kavramları ve modelleri; Yapay sinir öğrenme kuralları. Tek-katmanlı perceptron sınıflayıcılar. Çok-katmanlı ileri beslemeli ağlar. Tek-Katmalı Geri beslemeli Ağlar, Çağrışımlı bellekler. Evrişimsel Sinir Ağları : Mimarisi, Evrişimsel/Boyut indirgeme katmanları; Ağ modelleri : Alexet, VGGNET, ResNet, DarkNet, DenseNet; Tekrarlayan Sinir Ağları- RNN, Uzun Kısa Süreli Hafıza Sinir Ağları.
 
Haftalık Detaylı Ders Planı
 HaftaDetaylı İçerikÖnerilen Kaynak
 Hafta 1ANS'lerin temel kavramları ve modelleri: Biyolojik sinirler, ANS modelleri, Sinirsel süreçleme, Öğrenme ve uyum.
 Hafta 2Yapay Sinir Sistemleri (ANS) temel kavramları ve öğrenme modelleri;
 Hafta 3Nöron modelleri (Sign-Sigmoid-Softmax-ReLU) matematiksel kavramları;
 Hafta 4Tek katmanlı Ağlar Perceptron ; Hataların Geri Yayılımı teorisi ve uygulaması;
 Hafta 5Çoklu Katmanlı Yapay Sinir Ağ teorisi ve tasarımı;
 Hafta 6Tam Bağlantılı Yapar Sinir Ağlarında Hatanın geri yayılımı eğitimi algoritma ve C/C++ kodlaması ;
 Hafta 7Çoklu katmanlı ağ modellerinde Öğrenme faktörleri;
 Hafta 8Tam Bağlantılı Sinir Sistemleri ile Regresyon;
 Hafta 9Ara Sınav
 Hafta 10Geri beslemeli ağlar. Çağrışımlı bellekler. Denetimsiz Öğrenme kavram ve ağ modelleri ve Kümeleme;
 Hafta 11Evrişimsel Sinir Ağları : Temel işlevler, mimarisi, kavram ve ileri-yön hesaplaması;
 Hafta 12Evrişimsel Sinir Ağları : Ağırlık parametrelerinin eğitimleri, Hatanın-Geri yayılımın uyarlanması Teorisi ve C/C++ ile kodlaması;
 Hafta 13CNN Ağ Mimari modelleri : AlexNet, VGGNET, ResNet, DenseNet;
 Hafta 14Evrişimsel Sinir Ağlarında Nöron modelleri :
 Hafta 15Nesne Algılama Modelleri amaçlı Ağ Mimarileri (FCN, YOLO); İmge Bölütleme Uygulama Derin ağ mimarileri (SegNet, U-Net);
 Hafta 16Dönem sonu sınavı
 
Ders Kitabı / Malzemesi
1Jacek M. Zurada, Artificial Neural Systems, West Publishing Company
 
İlave Kaynak
1Simon Haykin, Neural Networks and Learrning Machines, Pearson International Edition
2Mohamad H. Hassoun, Fundamentals of Artificial Neural Networks, The MIT Press
 
Ölçme Yöntemi
YöntemHaftaTarih

Süre (Saat)Katkı (%)
Proje 15 25012021 10 50
Dönem sonu sınavı 16 17/01/2021 2.0 50
 
Öğrenci Çalışma Yükü
İşlem adıHaftalık süre (saat)

Hafta sayısı

Dönem toplamı
Yüz yüze eğitim 3 14 42
Sınıf dışı çalışma 3 14 42
Arasınav için hazırlık 4 1 4
Arasınav 2 1 2
Proje 25 1 25
Dönem sonu sınavı için hazırlık 5 1 5
Dönem sonu sınavı 2 1 2
Toplam Çalışma Yükü122