İşaret İşleme için Sinir Ağları

AMAÇ

Bu dersin amacı hesaplamalı nöron modellerini kullanmayı temel alan işaret işleme ve desen tanıma tekniklerini değerlendirmektir.

İÇERİK

Bu ders; Sinir Sistemi: Mikroskopik Görünüm,Sinir Sistemi: Makroskopik Görünüm,Makine Öğrenmesi ve Desen Tanıma,Algılayıcı,Çok Katmanlı Algılayıcı,Gözetimli Öğrenme,Geri Yayılım Algoritması,Bağlanımda Sinir Ağları,Desen Sınıflandırma için Sinir Ağları,Gözetimsiz Öğrenme,Parametrik Olmayan Yöntemler,Nöromodulasyon - Pekiştirmeli Öğrenme,Vuru Temelli Sinir Ağları,Vuru Temelli Sinir Ağı Benzetimi; konularını içermektedir.

1. 1

   Designs neural networks for signal processing and pattern recognition problems.

   Öğretim yöntemi: Tartışma Yöntemi, Bireysel Çalışma Yöntemi, Soru - Cevap Tekniği, Deney yapma Tekniği, Beyin Fırtınası Tekniği, Proje Temelli Öğrenme Modeli, Benzetim/Simülasyon Tekniği, Deneyimle Öğrenme Modeli, Anlatım Yöntemi · Değerlendirme: Klasik Yazılı Sınav, Ödev, Proje Görevi

2. 2

   Evaluates fundamental neuron and synaptics interaction models.

   Öğretim yöntemi: Tartışma Yöntemi, Bireysel Çalışma Yöntemi, Soru - Cevap Tekniği, Deney yapma Tekniği, Beyin Fırtınası Tekniği, Proje Temelli Öğrenme Modeli, Benzetim/Simülasyon Tekniği, Deneyimle Öğrenme Modeli, Anlatım Yöntemi · Değerlendirme: Klasik Yazılı Sınav, Ödev, Proje Görevi

3. 3

   Explains key concepts in neural coding.

   Öğretim yöntemi: Tartışma Yöntemi, Bireysel Çalışma Yöntemi, Soru - Cevap Tekniği, Deney yapma Tekniği, Beyin Fırtınası Tekniği, Proje Temelli Öğrenme Modeli, Benzetim/Simülasyon Tekniği, Deneyimle Öğrenme Modeli, Anlatım Yöntemi · Değerlendirme: Klasik Yazılı Sınav, Ödev, Proje Görevi

4. 4

   Evaluates the use of model neurons in computational models of the components of the nervous system.

   Öğretim yöntemi: Tartışma Yöntemi, Bireysel Çalışma Yöntemi, Soru - Cevap Tekniği, Deney yapma Tekniği, Beyin Fırtınası Tekniği, Proje Temelli Öğrenme Modeli, Benzetim/Simülasyon Tekniği, Deneyimle Öğrenme Modeli, Anlatım Yöntemi · Değerlendirme: Klasik Yazılı Sınav, Ödev, Proje Görevi

5. 5

   Designs neural networks for regression problems.

   Öğretim yöntemi: Tartışma Yöntemi, Problem Çözme Yöntemi, Örnek Olay Yöntemi, Bireysel Çalışma Yöntemi, Soru - Cevap Tekniği, Beyin Fırtınası Tekniği, Proje Temelli Öğrenme Modeli, Benzetim/Simülasyon Tekniği, İşbirlikli Öğrenme Modeli, Deneyimle Öğrenme Modeli, Anlatım Yöntemi · Değerlendirme: Klasik Yazılı Sınav, Ödev, Proje Görevi

6. 6

   Provides solutions for classification problems using neural networks.

   Öğretim yöntemi: Tartışma Yöntemi, Problem Çözme Yöntemi, Bireysel Çalışma Yöntemi, Soru - Cevap Tekniği, Beyin Fırtınası Tekniği, Proje Temelli Öğrenme Modeli, Benzetim/Simülasyon Tekniği, İşbirlikli Öğrenme Modeli, Ters-yüz Edilmiş Sınıf Modeli, Anlatım Yöntemi · Değerlendirme: Klasik Yazılı Sınav, Ödev, Proje Görevi

HAFTALIK PLAN

1. HAFTA 1

   Sinir Sistemi: Mikroskopik Görünüm

2. HAFTA 2

   Sinir Sistemi: Makroskopik Görünüm

3. HAFTA 3

   Makine Öğrenmesi ve Desen Tanıma

4. HAFTA 4

   Algılayıcı

5. HAFTA 5

   Çok Katmanlı Algılayıcı

6. HAFTA 6

   Gözetimli Öğrenme

7. HAFTA 7

   Geri Yayılım Algoritması

8. HAFTA 8

   Bağlanımda Sinir Ağları

9. HAFTA 9

   Desen Sınıflandırma için Sinir Ağları

10. HAFTA 10

    Gözetimsiz Öğrenme

11. HAFTA 11

    Parametrik Olmayan Yöntemler

12. HAFTA 12

    Nöromodulasyon - Pekiştirmeli Öğrenme

13. HAFTA 13

    Vuru Temelli Sinir Ağları

14. HAFTA 14

    Vuru Temelli Sinir Ağı Benzetimi

DEĞERLENDİRME

• Ara Sınavın Başarıya Oranı50%
• Genel Sınavın Başarıya Oranı50%

İŞ YÜKÜ

KAYNAKLAR

• Alpaydin, E., (2010) Introduction to machine learning, MIT Press,Cambridge. Kandel, E. R., Schwartz, J. H., Jessell, T. M., Siegelbaum, S. A., Hudspeth, A. J. , (2012) Principles of neural science, McGraw-Hill, New York. Lytton, W. W., (2002) From computer to brain : foundations of computational neuroscience, Springer, New York. Dayan, P., Abbott, L. F., (2001) Theoretical neuroscience: Computational and mathematical modeling of neural systems, MIT Press, Cambridge. Izhikevich, E.M., (2007) Dynamical systems in neuroscience: The geometry of excitability and bursting, MIT Press, Cambridge.

ÖĞRETİM ELEMANLARI

• Assist.Prof. Mehmet KOCATÜRKKOORDİNATÖR
• Assist.Prof. Mehmet KOCATÜRK