1. Anasayfa

Ders Notları

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

Öğretim Üyesi (Üyeleri): Arş. Gör. Zinnet Duygu Akşehir Arş. Gör. Bilge Kağan Yazar *

(*) 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: 2024, Dönem: Güz
BİL514, Yapay Sinir Ağları (TS8) (mufredatId:4184, dersId: 11515, programId: 2727)
Ders Kitabı / Malzemesi / Önerilen Kaynaklar

S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761 J. M. Zurada, Int. To Artificial Neural Systems, West Publishing Company, 1992 ISBN 053495460X, 9780534954604. L. Fausett, Fundamentals of Neural Networks, Prentice Hall, ISBN-13: 978-0133341867

Dersin İçeriği

Ders kapsamında temel yapay sinir ağı (YSA) modelleri ve ilişkili öğrenme algoritmaları ele alınmaktadır. Algılayıcı tabanlı YSA modelleri, en küçük ortalamalı kareler algoritması, geriye yayılım öğrenme algoritması ve radyal tabanlı fonksiyon ağları incelenmektedir. Ayrıca destek vektör makineleri, Kohonen'in kendini düzenleyen ağları ve Hopfield ağları üzerinde durulmaktadır. Dersin içeriğinde, yapay sinir ağlarının işaret işleme, örüntü tanıma ve kontrol alanlarındaki uygulamaları teorik ve pratik perspektiften değerlendirilmektedir.

Dersin Amacı

Bu derste, Yapay Sinir Ağları'nın sıklıkla kullanılan model ve algoritmaları teorik ve pratik boyutlarıyla ele alınmaktadır. Ders kapsamında temel sinir hücresi modeli, algılayıcı, uyarlanır doğrusal eleman ve en küçük kareler algoritması gibi temel kavramlar incelenmektedir. Çok Katmanlı Algılayıcılar ve Geriye Yayılım öğrenme algoritması detaylandırılmaktadır. Ayrıca Radyal Tabanlı Fonksiyon ağları, kendi kendini düzenleyen ağlar ve vektör nicemleme yöntemleri işlenmektedir. Destek Vektör Makineleri sürekli zaman ve ayrık zaman Hopfield ağları gibi ileri düzey konular da derste yer almaktadır. Son olarak, sınıflandırma yöntemleri, örüntü tanıma, işaret işleme ve kontrol alanlarındaki uygulama örneklerine değinilmektedir.

Haftalık Ders İçeriği

Hafta Teorik Uygulama Laboratuar Ders Notları
1 Yapay sinir ağları üzerine tarihsel notlar. Yapay sinir ağlarının uygulamaları. Yapay sinir ağ modellerinin ve öğrenme algoritmalarının sınıflandırılması.
2 Genel yapay sinir hücre modeli. Ayrıkdeğerli algılayıcı, eşik mantığı ve sınırları. Ayrık zaman (dinamik) Hopfield ağları. Hebb kuralı. Bellek örüntü vektörlerinin dış çarpımı olarak başlantı ağırlık matrisi.
3 Denetimli öğrenme. Algılayıcı öğrenme kuralı. Doğrusal uyarlanır eleman. Çıkış hatası minimizasyon problemi olarak denetimli öğrenme. Minimizasyon için gradyan düşüm algoritması. En küçük kareler kuralı.
4 Tek katmanlı sürekli değerli algılayıcı. Doğrusal olmayan (sigmoidal) aktivasyon fonksiyonu. Delta kuralı. Grup ve veri tabanlı güncellenen gradyen düşüm algoritmaları. Deterministik ve stokastik gradyen düşüm algoritmalar için yakınsaklık koşulları.
5 Evrensel yaklaşım makinesi olarak çok katmanlı algılayıcı. Fonksiyon gösterimleri ve yaklaşım problemi. Geriye yayılım algoritması. Yerel minimum problemi. Aşırı eğitim.
6 Önyargı-varyans dengesi
7 Geriye yayılım algoritması uygulaması, perceptron eğitimi gerçekleştirilmesi
8 Arasınav
9 Grup ve veri uyarlamalı eğitim biçimleri. Eğitim kümesine karşı test kümesi. Aşırı uyma problemi. Ağların eğitim ve testinde pratik konular. Çok katmanlı algılayıcıların işaret işleme ve örüntü tanıma uygulamaları.
10 Radyal Taban Fonksiyonlu (RTF) ağlar. RTF ağlarının doğrusal ağırlıkları, Gauss merkezleri ve genişliklerini belirlemek için geriye yayılım algoritması. Merkezlerin rastgele seçimi. Gauss merkezlerinin ve genişliklerinin belirlenmesinde giriş öbekleme ve giriş çıkış öbeklemenin kıyaslanması.
11 Düzenlileştirme kuramı, karma Gauss (koşullu olasılık yoğunluk fonksiyonu) ve yapay sinir tabanlı bulanık sistem modelleri ile RTF ağlarının ilişkileri.
12 Veri gösterimi için parametrik ve parametrik olmayan yöntemlerin kıyaslanması. Vektör nicemleme problemi olarak eğiticisiz öğrenme. Yarışmacı ağlar. “Kazanan her şeyi alır” ağı. Kohonen’in özdüzenlemeli öznitelik haritası. Öbekleme.
13 Yapay sinir ağlarının işaret işleme uygulamaları. Temel bileşen analizi. Veri sıkıştırma ve indirgeme. Yapay sinir ağlarının görüntü ve 1 boyutlu işaret sıkıştırma ve dönüştürme uygulamaları.
14 Yapay sinir ağ modelleri ve ilişkin öğrenme algoritmalarının işaret işleme, örüntü tanıma ve kontrol uygulamalarının MATLAB nümerik yazılım ortamında gerçeklenmesi.
15 Final Sınavı