Bölüm: Bilgisayar Mühendisliği Ders Adı: BSM816, Yapay Sinir Ağları ve Uygulamaları, (3+0) Ders Koordinatörü: Ümit ATİLA Ofis: Mühendislik Fakültesi, Oda No: M340 Tel: 433 20 21 / 1513 E-mail: [email protected] Dersin Amacı Ders Kitabı Yardımcı Kitap Değerlendirme Bu dersin amacı sezgisel bir yaklaşım olan Yapay Sinir Ağlarının ve onunla ilgili teorilerin matematiksel alt yapısıyla öğretilmesidir. S. Haykins, "Neural Networks", Pearson (2nd Edition) Paul E. Keller, Kevin L. Priddy, "Artificial Neural Networks: an Introduction", PHI, 2007 %40 Vize, %60 Final Hafta Konular 1 Yapay Sinir Ağlarına Giriş (Bölüm-1) 2 Yapay Sinir Ağlarına Giriş (Bölüm-2) 3 Öğrenme Süreci (Bölüm-1) 4 5 6 Öğrenme Süreci (Bölüm-4) Öğrenme Süreci (Bölüm-5) Öğrenme Süreci (Bölüm-6) 7 Öğrenme Süreci (Bölüm-7) 8 9 10 11 12 13 14 Tek Katmanlı Algılayıcılar Tek Katmanlı Algılayıcılar Backpropagation Algoritması Backpropagation Algoritması Backpropagation Algoritması Backpropagation Algoritması Backpropagation Algoritması Alt Konular Yapay Sinir Ağı Nedir İnsan Beyni ve Bilgisayar Sistemleri Yapay Zeka ve Yapay Sinir Ağı YSA'nın Yönlü Graf ile Temsili Nöron Modelleri Ağ Mimarileri Bilgi Temsili Hata Düzeltme Öğrenmesi Hafıza Temelli Öğrenme Hebb Öğrenmesi Yarışmacı Öğrenme İstatistiksel Açıdan Öğrenme VC Dimensions VC Dimensions Örnekleri VC Dimensions Önemi ve Yapısal Risk Minimizasyonu Tek Katmanlı Algılayıcılar Kısıtsız Optimizasyon Teknikleri (Steepest Descent Metodu, Newton Metodu) Perceptron Yakınsama Teorisi Backpropagation Algoritması Backpropagation Algoritmasının Pratik Değerlendirmesi Doğrusal Olmayan Problemlerin Çok Katmanlı Algılayıcılar ile Çözümü Backpropagation için Sezgisellik Çok Katmanlı Algılayıcılar ile Çoklu Sınıf Sınıflandırması
© Copyright 2024 Paperzz