SİNİR AĞLARI

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: Öğretme – öğrenme yöntem ve stratejileri, öğrencilerin kendi kendine çalışma, yaşam boyu öğrenme, gözlem yapma, başkasına öğretme, sunma, eleştirel düşünme, takım çalışması, bilişimden etkin yararlanma gibi becerilerini arttıracak şekilde seçilmektedir. Ayrıca, öğretim tarzının farklı kabiliyetleri olan öğrencileri destekleyecek biçimde olmasına dikkat edilir. Programında kullanılan eğitim-öğretim metotları aşağıdaki listede verilmiştir **: Eğitim - Öğretim Yöntemleri *, Tartışma Yöntemi, Örnek Olay Yöntemi, Bireysel Çalışma Yöntemi, Soru - Cevap Tekniği, Beyin Fırtınası Tekniği, Proje Temelli Öğrenme Modeli, Proje Temelli Öğrenme Modeli, Deneyimle Öğrenme Modeli · Değerlendirme: Klasik Yazılı Sınav, Ödev, Proje Görevi

2. 2

   Explains key concepts in neuronal coding.

   Öğretim yöntemi: Öğretme – öğrenme yöntem ve stratejileri, öğrencilerin kendi kendine çalışma, yaşam boyu öğrenme, gözlem yapma, başkasına öğretme, sunma, eleştirel düşünme, takım çalışması, bilişimden etkin yararlanma gibi becerilerini arttıracak şekilde seçilmektedir. Ayrıca, öğretim tarzının farklı kabiliyetleri olan öğrencileri destekleyecek biçimde olmasına dikkat edilir. Programında kullanılan eğitim-öğretim metotları aşağıdaki listede verilmiştir **: Eğitim - Öğretim Yöntemleri *, Tartışma Yöntemi, Örnek Olay Yöntemi, Bireysel Çalışma Yöntemi, Soru - Cevap Tekniği, Beyin Fırtınası Tekniği, Proje Temelli Öğrenme Modeli, Proje Temelli Öğrenme Modeli, Deneyimle Öğrenme Modeli · Değerlendirme: Klasik Yazılı Sınav, Ödev, Proje Görevi

3. 3

   Explains dynamics of biological neuronal circuits using mathematical modeling techniques.

   Öğretim yöntemi: Öğretme – öğrenme yöntem ve stratejileri, öğrencilerin kendi kendine çalışma, yaşam boyu öğrenme, gözlem yapma, başkasına öğretme, sunma, eleştirel düşünme, takım çalışması, bilişimden etkin yararlanma gibi becerilerini arttıracak şekilde seçilmektedir. Ayrıca, öğretim tarzının farklı kabiliyetleri olan öğrencileri destekleyecek biçimde olmasına dikkat edilir. Programında kullanılan eğitim-öğretim metotları aşağıdaki listede verilmiştir **: Eğitim - Öğretim Yöntemleri *, Tartışma Yöntemi, Örnek Olay Yöntemi, Bireysel Çalışma Yöntemi, Soru - Cevap Tekniği, Beyin Fırtınası Tekniği, Proje Temelli Öğrenme Modeli, Proje Temelli Öğrenme Modeli, Deneyimle Öğrenme Modeli · Değerlendirme: Klasik Yazılı Sınav, Ödev, Proje Görevi

4. 4

   Identifies hardware and software tools for neuronal network simulations.

   Öğretim yöntemi: Öğretme – öğrenme yöntem ve stratejileri, öğrencilerin kendi kendine çalışma, yaşam boyu öğrenme, gözlem yapma, başkasına öğretme, sunma, eleştirel düşünme, takım çalışması, bilişimden etkin yararlanma gibi becerilerini arttıracak şekilde seçilmektedir. Ayrıca, öğretim tarzının farklı kabiliyetleri olan öğrencileri destekleyecek biçimde olmasına dikkat edilir. Programında kullanılan eğitim-öğretim metotları aşağıdaki listede verilmiştir **: Eğitim - Öğretim Yöntemleri *, Tartışma Yöntemi, Örnek Olay Yöntemi, Bireysel Çalışma Yöntemi, Soru - Cevap Tekniği, Beyin Fırtınası Tekniği, Proje Temelli Öğrenme Modeli, Proje Temelli Öğrenme Modeli, Deneyimle Öğrenme Modeli · Değerlendirme: Klasik Yazılı Sınav, Ödev, Proje Görevi

5. 5

   Creates artificial neural networks to resolve engineering problems.

   Öğretim yöntemi: Öğretme – öğrenme yöntem ve stratejileri, öğrencilerin kendi kendine çalışma, yaşam boyu öğrenme, gözlem yapma, başkasına öğretme, sunma, eleştirel düşünme, takım çalışması, bilişimden etkin yararlanma gibi becerilerini arttıracak şekilde seçilmektedir. Ayrıca, öğretim tarzının farklı kabiliyetleri olan öğrencileri destekleyecek biçimde olmasına dikkat edilir. Programında kullanılan eğitim-öğretim metotları aşağıdaki listede verilmiştir **: Eğitim - Öğretim Yöntemleri *, Tartışma Yöntemi, Örnek Olay Yöntemi, Bireysel Çalışma Yöntemi, Soru - Cevap Tekniği, Beyin Fırtınası Tekniği, Proje Temelli Öğrenme Modeli, Proje Temelli Öğrenme Modeli, Deneyimle Öğrenme Modeli · 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