Ders Notları

100% Complete (success)
Dikkat !!! Lütfen okuyunuz ...

Öğretim Üyesi (Üyeleri): Dr. Öğr. Üyesi Mehmet Serhat Odabaş *

(*) Ders notu girebilmek için, bu alanda kendi isminiz yazıyor olmalı...

  • Bologna verilerinin girilmesi;
    ubys.omu.edu.tr adresinden,
    ÜBYS' de Öğretim Elemanları yetkisi seçilmeli... Öğretim elemanı danışmanlık işlemlerinden yapabilirsiniz...
Yıl: 2023, Dönem: Güz
Ders Kitabı / Malzemesi / Önerilen Kaynaklar

1. Prof. Dr. Ercan Öztemel, Yapay Sinir Ağları, Papatya Yayıncılık, ISBN: 975-67-97-39-8, 2006 2. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761 3. J. M. Zurada, Int. To Artificial Neural Systems, West Publishing Company, 1992 ISBN 053495460X, 9780534954604.

Dersin İçeriği

Yapay Sinir Ağlarına Giriş, Yapay Sinir Hücresi, Yapay Sinir Ağlarının Yapısı ve Temel Elemanları, Yapay Sinir Ağı Araçları (Matlab, JOONE,…), Makine Öğrenmesi, Öğreticili ve Öğreticisiz Öğrenme, Tek Katmanlı Algılayıcılar, Çok Katmanlı Algılayıcılar (MLP), Diğer Yapay Sinir Ağı Modelleri (LVQ, SOM, ART, …), Yapay Sinir Ağlarının Uygulama Alanları

Dersin Amacı

Dersin amacı yapay sinir ağlarına dayalı teknikleri, diğer öğrenme yöntemlerini ve pratik uygulamalarını öğretmek, yapay sinir ağlarının mühendislik ve yapay zeka alanındaki önemini anlatmaktır.

Haftalık Ders İçeriği

Hafta Teorik Uygulama Laboratuar Ders Notları
1 Desen ve veri, Desen tanıma görevleri, desen tanıma görevleri için yöntemler
2 Sinir ağlarının özellikleri, tarihçe, terminoloji, nöron modelleri, topoloji, basit öğrenme kuralları
3 Hata-düzeltme öğrenmesi, bellek-tabanlı öğrenme, Hebb öğrenmesi, Rekabetçi öğrenme, Boltzmann öğrenmesi, Öğretmenli öğrenme, Öğretmensiz öğrenme, Öğrenme görevleri, Bellek adaptasyonu, Öğrenme sürecinin İstatistiksel doğası, İstatistiksel öğrenme kuramı
4 Uyum sağlayan filtreleme problemi, Kısıtsız Eniyileme yöntemleri, doğrusal en küçük kareler süzgeçleri, en küçük ortalama kare algoritması, öğrenme eğrileri, tavlama yöntemleri, Perseptron, Perseptron Yakınsama Kuramı
5 Geri-Yayılım Algoritması, XOR problemi, çıktı gösterimi ve karar kuralı, bilgisayar deneyi, nitelik bulma, geri-yayılım ve fark, Hessian matrisi, genelleştirme
6 Desen ilişkilendirme ağlarının çözümlemesi, desen sınıflandırma ağlarının çözümlemesi, desen eşleme ağlarının çözümlemesi
7 Doğrusal oto-ilişkili FF ağlarının çözümlemesi, desen saklama ağlarının çözümlemesi, stokastik ağlar ve benzetimli tavlama, Boltzmann makinesi
8 Cover kuramı, desenlerin ayrılabilirliği, interpolasyon problemi, gözetimli öğrenme, düzenleme kuramı, düzenleme ağları, genelleştirilmiş radyal tabanlı fonksiyon ağları, XOR problemi, öğrenme stratejileri
9 Ara Sınav
10 Öz düzenleyici harita (SOM), SOM algoritması, nitelik haritası, öğrenme vektör niceleme (LVQ), sıradüzensel vektör niceleme (HVQ), Bağlamsal Haritalar
11 Entropi, Maksimum Entropi İlkesi, ortak bilgi, Kullback-Leibler yakınsama, Infomax, en yüksek ihtimaller tahminleme, maksimum entropi yöntemi
12 İstatiksel mekanik, Markov zincirleri, Metropolis algoritması, Benzetimli tavlama, Gibbs örneklemesi, Boltzmann makinesi, Sigmoid inanç ağları, Helmholtz makinesi, Ortalama-Alan kuramı
13 Kısa ömürlü bellek yapıları, zamansal işleme için ağ mimarileri, odaklı zaman gecikmeli ileri beslemeli ağlar, zamansal geri yayılım algoritması
14 Yinelemeli Ağ mimarileri, durum-uzay modeli, öğrenme algoritmaları, zaman içinde geri yayılım, Kalman süzgeçleri
15 Doğrudan uygulamalar, Uygulama Alanları
16 Final Sınavı