Mühendislik ve Bilgisayar Bilimleri Fakültesi
advertisement
Mühendislik ve Bilgisayar Bilimleri Fakültesi Endüstri Sistemleri Mühendisliði CE 470 - Yapay Sinir Aðlarýna Giriþ DERS TANITIM BÝLGÝLERÝ Dersin Adý Kodu Yapay Sinir Aðlarýna Giriþ CE 470 Ön Koþullar Yok Dersin Dili İngilizce Dersin Türü Seçmeli Dersin Seviyesi Lisans Yarýyýl Teori Uygulama/Laboratuar Yerel (saat/hafta) (saat/hafta) Kredi 3 0 3 Güz/Bahar Dersin Koordinatörü * Prof. Dr. Cüneyt GÜZELİŞ Dersi Veren(ler) * Prof. Dr. Cüneyt GÜZELİŞ AKTS 4 Dersin Yardýmcýlarý - Dersin Amacý Bu derste, Yapay Sinir Ağlarının (YSA'nın) yaygın kullanım bulan model ve algoritmaları verilecektir. Dersin içeriği temel sinir hücre modeli, algılayıcı, uyarlanır doğrusal eleman, en küçük kareler algoritması, Çok Katmanlı Algılayıcı (ÇKA), Geriye Yayılım (GY) öğrenme algoritması, Radyal Tabanlı Fonksiyon (RTF) ağları, kendi kendini düzenleyen ağ, vektör nicemlemeyi öğrenen ağ; Destek Vektör Makineleri (DVM), Sürekli zaman ve ayrık zaman Hopfield ağları, sınıflandırma teknikleri, örüntü tanıma, işaret işleme ve kontrol uygulamaları. Dersin Öðrenme Çýktýlarý Bu dersi başarıyla tamamlayabilen öğrenciler; * Temel yapay sinir ağ modellerini tanımlayabilecek, * Yaygın kullanılan YSA modellerini ve öğrenme algoritmalarını belirli bir uygulama için kullanabilecek, * Eğiticili ve eğiticisiz öğrenme ile genelleme yeteneğinin ilkelerini açıklayabilecek, * Yapay sinir ağlarını gerçek sınıflandırma, örüntü tanıma, işaret işleme ve kontrol problemlerine uygularken pratik problemleri değerlendirebilecek, İzmir Ekonomi Üniversitesi | Yönetim Bilgi Sistemleri Müdürlüğü | AKTS ve TYYÇ Kataloğu: http://ects.ieu.edu.tr | 1508536506 Page 1/7 * MATLAB ve onun Yapay Sinir Ağ Aracını kullanarak temel YSA modellerini ve algoritmalarını gerçekleştirebilecektir. Dersin Ýçeriði Ders, temel yapay sinir ağları modelleri ve öğrenme algoritmalarını, algılayıcı YSA modellerini, LMS algoritmasını, geriyayılım öğrenme algoritmasını, radyal tabanlı fonksiyon ağlarını, destek vektör makinelerini, Kohonen'in kendini düzenleyen ağını, Hopfield ağlarını, yapay sinir ağlarının işaret işleme, örüntü tanıma ve kontrol uygulamalarını içermektedir. HAFTALIK KONULAR VE ÝLGÝLÝ ÖN HAZIRLIK ÇALIÞMALARI Hafta Konular Ön Hazýrlýk 1 Biyolojik esinlenme. Yapay sinir ağları üzerine tarihsel notlar. Yapay sinir ağlarının Introduction. S. Haykin, Neural Networks uygulamaları. Yapay sinir ağ modellerinin ve öğrenme algoritmalarının bir and Learning Machines, Pearson sınıflaması. Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes. 2 Genel yapay sinir hücre modeli. Ayrıkdeğerli algılayıcı, eşik mantığı ve sınırları. Chapter 1. S. Haykin, Neural Networks Ayrıkzaman (dinamik) Hopfield ağları. Hebb kuralı. Bellek örüntü vektörlerinin dış and Learning Machines, Pearson çarpımı olarak başlantı ağırlık matrisi. Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes. 3 Eğiticili öğrenme. Algılayıcı öğrenme kuralı. Doğrusal uyarlanır eleman. Çıkış hatası Chapter 2. S. Haykin, Neural Networks minimizasyon problemi olarak eğiticili öğrenme. Minimizasyon için gradyendüşüm and Learning Machines, Pearson algoritması. En küçük kareler kuralı. Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes. 4 Tek katmanlı sürekli değerli algılayıcı. Doğrusal olmayan (sigmoidal) aktivasyon Chapter 3. Chapter 4: Sections 4.1, 4.2, fonksiyonu. Delta kuralı. Grup ve veri tabanlı güncellenen gradyendüşüm 4.16. S. Haykin, Neural Networks and algoritmaları. Deterministik ve stokastik gradyendüşüm algoritmalar için yakınsaklık Learning Machines, Pearson Education, koşulları. 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes. İzmir Ekonomi Üniversitesi | Yönetim Bilgi Sistemleri Müdürlüğü | AKTS ve TYYÇ Kataloğu: http://ects.ieu.edu.tr | 1508536506 Page 2/7 5 Evrensel yaklaşım makinesi olarak çok katmanlı algılayıcı. Fonksiyon gösterimleri Chapter 4: Sections 4.4, 4.5, 4.8, 4.10, ve yaklaşım problemi. Geriye yayılım algoritması. Yerel minimum problemi. Aşırı 4.12. S. Haykin, Neural Networks and eğitim. Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes. 6 Yıliçi Sınavı I. Grup ve veri uyarlamalı eğitim biçimleri. Eğitim kümesine karşı test Chapter 4: Sections 4.3, 4.10., 4.11, kümesi. Aşırı uyma problemi. Ağların eğitim ve testinde pratik konular. Çok katmanlı 4.13, 4.14, 4.15, 4.19, 4.20. S. Haykin, algılayıcıların işaret işleme ve örüntü tanıma uygulamaları. Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes. 7 Radyal Taban Fonksiyonlu (RTF) ağlar. RTF ağlarının doğrusal ağırlıkları, Gauss Chapter 5. S. Haykin, Neural Networks merkezleri ve genişliklerini belirlemek için geriye yayılım algoritması. Merkezlerin and Learning Machines, Pearson rasgele seçimi. Gauss merkezlerinin ve genişliklerinin belirlenmesinde giriş Education, 3rd Ed., 2009, ISBN13 öbekleme ve giriş çıkış öbeklemenin kıyaslanması. Düzenlileştirme kuramı, karma 9780131293762 ISBN10 0131293761 Gauss (koşullu olasılık yoğunluk fonksiyonu) ve yapay sinir tabanlı bulanık sistem Lecture Notes. modelleri ile RTF ağlarının ilişkileri. 8 Sınıflama için destek vektör makineleri. Çekirdek gösterimi. Genelleme yeteneği. Chapter 6. S. Haykin, Neural Networks Vapnik Chervonenkis boyutu. Destek vektör makineleri. Farklı çekirdek, kayıp (hata) and Learning Machines, Pearson fonksiyonu ve (ayrıştıran düzlem) yatıklığı için norm seçimlerinin karşılaştırılması. Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761 Lecture Notes. 9 Veri gösterimi için parametrik ve parametrik olmayan yöntemlerin kıyaslanması. Chapter 9. S. Haykin, Neural Networks Vektör nicemleme problemi olarak eğiticisiz öğrenme. Yarışmacı ağlar. "Kazanan and Learning Machines, Pearson her şeyi alır" ağı. Kohonen'in özdüzenlemeli öznitelik haritası. Öbekleme. Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes. 10 Sürekli zaman Hopfield Ağı. Hopfield ağının çokludenge noktalarının kararlılık Chapter 13: Sections 13.1, 13.2, 13.3, analizi. Amaç ölçütü minimizasyonu için Hopfield ağları: Hopfield ağlarının Liapunov 13.4, 13.5, 13.6, 13.7, S. Haykin, Neural (enerji) tabanlı tasarımı. Çağrışımsal bellek. Gezgin satıcı problemi. Kombinatoryal Networks and Learning Machines, optimizasyon. Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes. İzmir Ekonomi Üniversitesi | Yönetim Bilgi Sistemleri Müdürlüğü | AKTS ve TYYÇ Kataloğu: http://ects.ieu.edu.tr | 1508536506 Page 3/7 11 Yıliçi Sınavı II. Yapay sinir ağlarının işaret işleme uygulamaları. Temel bileşen Chapter 8. S. Haykin, Neural Networks analizi. Veri sıkıştırma ve indirgeme. Yapay sinir ağlarının görüntü ve 1 boyutlu and Learning Machines, Pearson işaret sıkıştırma ve dönüştürme uygulamaları. Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761 12 Yapay sinir ağlarının örüntü tanıma uygulamaları. Öznitelik çıkarımı için yapay sinir Sections 1.4,1.5., 3.11, 4.7, 5.8, 6.7, S. ağları. Doğrusal olmayan öznitelik dönüşümü. Veri kaynaştırma. Sınıflayıcı olarak Haykin, Neural Networks and Learning yapay sinir ağları. Görüntü ve ses tanıma uygulamaları. Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes. 13 Yapay sinir ağlarının kontrol uygulamaları. Sistem tanılama için yapay sinir ağları. Chapter 15: Section 15.3. S. Haykin, Kontrolör olarak yapay sinir ağları. Ters sistem tasarımı. Doğrudan ve dolaylı Neural Networks and Learning denetim yöntemleri. Uyarlanır kontrol. Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes. 14 Yapay sinir ağ modelleri ve ilişkin öğrenme algoritmalarının işaret işleme, örüntü Lecture Notes. tanıma ve kontrol uygulamalarının MATLAB nümerik yazılım ortamında gerçeklenmesi. 15 Yapay sinir ağ modelleri, öğrenme algoritmaları ve uygulamalarının genel S. Haykin, Neural Networks and değerlendirmesi. Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761. Lecture Notes. 16 Dönemin gözden geçirilmesi KAYNAKLAR Ders Notu S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761 Diðer Kaynaklar J. M. Zurada, Int. To Artificial Neural Systems, West Publishing Company, 1992 ISBN 053495460X, 9780534954604. İzmir Ekonomi Üniversitesi | Yönetim Bilgi Sistemleri Müdürlüğü | AKTS ve TYYÇ Kataloğu: http://ects.ieu.edu.tr | 1508536506 Page 4/7 DEÐERLENDÝRME SÝSTEMÝ Yarýyýl Ýçi Çalýþmalarý Sayý Katký Payý Devam/Katılım - - Laboratuar - - Uygulama - - Arazi Çalışması - - Derse Özgü Staj - - Küçük Sınavlar/Stüdyo Kritiği - - Ödev 5 20 Sunum/Jüri - - Projeler 1 30 Seminer/Workshop - - Ara Sınavlar/Sözlü Sınavlar 2 50 Final/Sözlü Sınav - - Toplam 8 100 YARIYIL ÝÇÝ ÇALIÞMALARININ BAÞARI NOTU KATKISI - 100 YARIYIL SONU ÇALIÞMALARININ BAÞARI NOTUNA KATKISI - - Toplam 0 100 DERS KATEGORÝSÝ Ders Kategorisi Temel Meslek Dersleri Uzmanlık/Alan Dersleri Destek Dersleri X İletişim ve Yönetim Becerileri Dersleri Aktarılabilir Beceri Dersleri İzmir Ekonomi Üniversitesi | Yönetim Bilgi Sistemleri Müdürlüğü | AKTS ve TYYÇ Kataloğu: http://ects.ieu.edu.tr | 1508536506 Page 5/7 DERSÝN ÖÐRENÝM ÇIKTILARININ PROGRAM YETERLÝLÝKLERÝ ÝLE ÝLÝÞKÝSÝ # Program Yeterlilikleri / Çýktýlarý * Katký Düzeyi 1 1 2 3 Benzetim, eniyileme, olasılık ve istatistik gibi Endüstri Mühendisliği kavram ve tekniklerini üretim ve hizmet sistemlerinde kullanarak yönetimsel karar verme işlemlerini iyileştirmek, kalite bilincini X oluşturmak, elde edilen verileri yorumlayabilmek ve değerlendirebilmek 2 Bütünleşik işleri veya iş sistemlerini ihtiyaçları doğrultusunda çeşitli alternatifler üreterek ve X değerlendirerek sistem bakış açısı ile tasarlayabilmek 3 Endüstri Mühendisliği ile ilgili uygulamada karşılaşılan konuları/sorunları tanımlayabilmek, analiz edebilmek, kanıtlara ve araştırmalara dayalı X çözüm önerileri geliştirebilmek 4 Nicel analiz ve eleştirel düşünce yöntemlerini kullanarak kaynak aktarımı, üretim planlaması ve çizelgelemesi, kalite kontrol ve güvence, finansal analiz ve risk analizi vb. Endüstri Mühendisliği ile ilgili konularda sorunları belirleyebilmek; bu sorunlar için X alternatif çözümler üretebilmek ve alternatif çözümler içinden sistem gereksinimlerine cevap verecek en iyi çözümleri bulmak 5 Uygulamada karşılaşılan ve öngörülemeyen karmaşık sorunları çözmek için bireysel ve grup üyesi olarak sorumluluk alabilmek, sorumluluğu altında çalışanların veya grup çalışanlarının X mesleki gelişimine yönelik etkinlikleri planlayabilmek ve yönetebilmek 6 Endüstri Mühendisliği alanında edindiği bilgi ve becerileri eleştirel bir yaklaşımla değerlendirebilmek, öğrenme gereksinimlerini belirleyebilmek ve öğrenmesini yönlendirebilmek 7 Endüstri Mühendisliği ile ilgili konularda ilgili kişi ve kurumları bilgilendirebilmek; düşüncelerini ve sorunlara ilişkin çözüm önerilerini yazılı ve sözlü olarak aktarabilmek ve nicel ve nitel verilerle destekleyerek uzman olan ve olmayan kişilerle paylaşabilmek 8 Bir yabancı dili kullanarak Endüstri Mühendisliği ilgili bilgileri izleyebilmek ve meslektaşları ile iletişim kurabilmek (“European Language Portfolio Global X Scale”, Level B1) İzmir Ekonomi Üniversitesi | Yönetim Bilgi Sistemleri Müdürlüğü | AKTS ve TYYÇ Kataloğu: http://ects.ieu.edu.tr | 1508536506 Page 6/7 4 5 9 Endüstri Mühendisliği ile ilgili bilgisayar yazılımlarını kullanabilmek ve uygulamada karşılaşacağı bilişim ve iletişim teknolojilerini kullanabilecek bilgi ve beceriye sahip X olmak (“European Computer Driving License”, Advanced Level) 10 Sosyal hakların evrenselliğine değer veren, sosyal adalet bilinci kazanmış, kalite yönetimi ve süreçleri ile çevre koruma ve iş güvenliği konularında yeterli bilince sahip olmak 11 Endüstri Mühendisliği ile ilgili verilerin toplanması, yorumlanması, X duyurulması ve uygulanması aşamalarında toplumsal, bilimsel ve etik değerlere sahip olmak *1 Lowest, 2 Low, 3 Average, 4 High, 5 Highest AKTS / ÝÞ YÜKÜ TABLOSU Aktiviteler Sayý Süresi (Saat) Toplam Ýþ Yükü Ders saati (Sınav haftası dahildir: 16 x toplam ders saati) 16 3 48 Laboratuvar - - - Uygulama - - - Derse Özgü Staj - - - Arazi Çalışması - - - Sınıf Dışı Ders Çalışması 15 1 15 Sunum / Seminer - - - Proje 1 24 24 Ödevler 5 3 15 Küçük Sınavlar - - - Ara Sınavlar / Sözlü Sınavlar 2 9 18 Final / Sözlü Sınav - - - Toplam Ýþ Yükü 120 İzmir Ekonomi Üniversitesi | Yönetim Bilgi Sistemleri Müdürlüğü | AKTS ve TYYÇ Kataloğu: http://ects.ieu.edu.tr | 1508536506 Page 7/7
