İndir

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