Sinir Ağları

AMAÇ

Bu dersin amacı hesaplamalı nöron modellerini kullanmayı temel alan bilgi işleme tekniklerini ve kontrol algoritmalarını değerlendirmektir.

İÇERİK

Bu ders; Sinir Sistemi: Mikroskopik Görünüm,Sinir Sistemi: Makroskopik Görünüm,Algılayıcı,Çok katmanlı algılayıcı,Gözetimli Öğrenme,Hodgkin-Huxley Modeli,Izhikevich Modeli,Sinaptik Etkileşim Modelleri,Nöromodülasyon - Pekiştirmeli Öğrenme,Zamanlama – Osilasyonlar,Vuru Üreten Sinir Ağı Benzetimi,Gerçek-zamanlı Vuru Üreten Sinir Ağı Benzetimi,Nöromorfik İşlemciler,Geniş-Ölçekli Sinirsel Ağ Modelleme; konularını içermektedir.

1. 1

   Describes and evaluates fundamental neuron and synaptics interaction models.

   Öğretim yöntemi: Tartışma Yöntemi, Problem Çözme Yöntemi, Bireysel Çalışma Yöntemi, Soru - Cevap 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

   Explains key concepts in neuronal coding.

   Öğretim yöntemi: Tartışma Yöntemi, Problem Çözme Yöntemi, Bireysel Çalışma Yöntemi, Soru - Cevap 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 dynamics of biological neuronal circuits using mathematical modeling techniques.

   Öğretim yöntemi: Tartışma Yöntemi, Problem Çözme Yöntemi, Bireysel Çalışma Yöntemi, Soru - Cevap 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

   Identifies hardware and software tools for neuronal network simulations.

   Öğretim yöntemi: Tartışma Yöntemi, Problem Çözme Yöntemi, Bireysel Çalışma Yöntemi, Soru - Cevap 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

   Creates artificial neural networks to resolve engineering problems.

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

HAFTALIK PLAN

1. HAFTA 1

   Sinir Sistemi: Mikroskopik Görünüm

   Ön hazırlık: Hafta 1 ders notları.

2. HAFTA 2

   Sinir Sistemi: Makroskopik Görünüm

   Ön hazırlık: Hafta 1 ders notları (devamı).

3. HAFTA 3

   Algılayıcı

   Ön hazırlık: Hafta 3 ders notları.

4. HAFTA 4

   Çok katmanlı algılayıcı

   Ön hazırlık: Hafta 4 ders notları.

5. HAFTA 5

   Gözetimli Öğrenme

   Ön hazırlık: Hafta 5 ders notları.

6. HAFTA 6

   Hodgkin-Huxley Modeli

   Ön hazırlık: Hafta 6 ders notları.

7. HAFTA 7

   Izhikevich Modeli

   Ön hazırlık: Hafta 7 ders notları.

8. HAFTA 8

   Sinaptik Etkileşim Modelleri

   Ön hazırlık: Hafta 8 ders notları.

9. HAFTA 9

   Nöromodülasyon - Pekiştirmeli Öğrenme

   Ön hazırlık: Hafta 9 ders notları.

10. HAFTA 10

    Zamanlama – Osilasyonlar

    Ön hazırlık: Hafta 10 ders notları.

11. HAFTA 11

    Vuru Üreten Sinir Ağı Benzetimi

    Ön hazırlık: Hafta 11 ders notları.

12. HAFTA 12

    Gerçek-zamanlı Vuru Üreten Sinir Ağı Benzetimi

    Ön hazırlık: Hafta 12 ders notları.

13. HAFTA 13

    Nöromorfik İşlemciler

    Ön hazırlık: Hafta 13 ders notları.

14. HAFTA 14

    Geniş-Ölçekli Sinirsel Ağ Modelleme

    Ön hazırlık: Hafta 14 ders notları.

DEĞERLENDİRME

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

İŞ YÜKÜ

KAYNAKLAR

• Alpaydin, E., (2010) Introduction to machine learning, MIT Press,Cambridge. Lytton, W. W., (2002) From computer to brain : foundations of computational neuroscience, Springer, New York. Kandel, E. R., Schwartz, J. H., Jessell, T. M., Siegelbaum, S. A., Hudspeth, A. J. , (2012) Principles of neural science, McGraw-Hill, 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