Elektrik Elektronik Mühendisliği
Dersin Ayrıntıları
KTO KARATAY ÜNİVERSİTESİ
Mühendislik ve Doğa Bilimleri Fakültesi
Elektrik Elektronik Mühendisliği Programı
Ders Bolognaları
Mühendislik ve Doğa Bilimleri Fakültesi
Elektrik Elektronik Mühendisliği Programı
Ders Bolognaları
| Ders Kodu | Ders Adı | Yıl | Dönem | Yarıyıl | T+U+L | Kredi | AKTS |
|---|---|---|---|---|---|---|---|
| 05171744 | Artificial Neural Network | 4 | Güz | 7 | 3+0+0 | 5 | 5 |
| Dersin Türü | Seçmeli |
| Dersin Düzeyi | Lisans (TYYÇ: 6. Düzey / QF-EHEA: 1. Düzey / EQF-LLL: 6. Düzey) |
| Dersin Dili | Türkçe |
| Yöntem ve Teknikler | - |
| Dersin Veriliş Şekli | Yüz Yüze |
| Ön Koşullar | - |
| Dersin Koordinatörü | - |
| Dersi Veren(ler) | - |
| Yardımcı(lar) | - |
Dersin İçeriği
Yapay sinir ağları ile hesaplama, ağ modelleri, yapay sinir ağlarında öğrenme, güncel uygulamalar
Dersin Amacı
Yapay sinir ağları hakkında temel bilgilerin edinilmesi ve uygulama alanlarının incelenmesi
Dersin Alan Öğretimini Sağlamaya Yönelik Katkısı
| Temel Meslek Dersleri | |
| Uzmanlık / Alan Dersleri | |
| Destek Dersleri | |
| Aktarılabilir Beceri Dersleri | |
| Beşeri, İletişim ve Yönetim Becerileri Dersleri |
Dersin Haftalık İçeriği
| Hafta | Konu |
|---|---|
| 1 | Yapay sinir ağları ile hesaplama ve tarihçesi |
| 2 | Yapay sinir ağları ve biyolojik nöron, yapay nöron modeli |
| 3 | Aktivasyon fonksiyonları , Ağ topolojileri: İleri beslemeli ve geri beslemeli ağlar |
| 4 | Yapay sinir ağı modelleri: Statik ve dinamik ağlar, karar sınırları |
| 5 | Yapay sinir ağlarının eğitilmesi-Eğiticili ve eğiticisiz |
| 6 | İşaret ve ağırlık vektör uzayları, temel öğrenme algoritması |
| 7 | Öğrenme kuralları: Hebb kuralı, Perceptron kuralı, Delta kuralı, Widrow-Hoff kuralı, Yarışmalı öğrenme kuralı |
| 8 | Perseptron, çok katmanlı ağlar ve geriye yayılma algoritması, genelleştirilmiş Delta kuralı |
| 9 | Ara Sınav |
| 10 | CSFN ağları |
| 11 | Çağrışımlı bellekler, Hopfield ağı, Kendi kendine organize olan ağlar |
| 12 | Yapay sinir ağlarının uygulamaları |
| 13 | Öğrenci Sunumları |
| 14 | Öğrenci Sunumları |
| 15 | Final Sınavı |
Ders Kitabı veya Malzemesi
| Kaynaklar | J.M. Zurada, Introduction to Artificial Neural Systems, West Publishing Company, 1995. |
| S. Haykin, Neural Networks: A Comprehensive Foundation, Prentice Hall, 1999 |
Değerlendirme Yöntemi ve Geçme Kriterleri
| Yarıyıl Çalışmaları | Sayısı | Katkı (%) |
|---|---|---|
| Devam | - | - |
| Laboratuvar | - | - |
| Uygulama | - | - |
| Ödev | - | - |
| Sunum | - | - |
| Projeler | - | - |
| Kısa sınav (Quiz) | - | - |
| Dinleme | - | - |
| Ara Sınavlar | - | - |
| Yarıyıl Sonu Sınavı | - | - |
| Toplam | 0 (%) | |
AKTS / Çalışma Yükü Tablosu
| Etkinlik | Sayı | Süre | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Hafta Sayısı ve Saati | 0 | 0 | 0 |
| Sınıf Dışı Ders Çalışma Süresi (Ön çalışma, Kütüphane, Pekiştirme) | 0 | 0 | 0 |
| Ara Sınav | 0 | 0 | 0 |
| Kısa Sınav | 0 | 0 | 0 |
| Ödev | 0 | 0 | 0 |
| Uygulama | 0 | 0 | 0 |
| Laboratuvar | 0 | 0 | 0 |
| Proje | 0 | 0 | 0 |
| Atölye | 0 | 0 | 0 |
| Sunum/Seminer Hazırlama | 0 | 0 | 0 |
| Alan Çalışması | 0 | 0 | 0 |
| Dönem Sonu Sınavı | 0 | 0 | 0 |
| Diğer | 0 | 0 | 0 |
| Toplam İş Yükü: | 0 | ||
| Toplam Yük / 30 | 0 | ||
| Dersin AKTS Kredisi: | 0 | ||