| Dersin Türü | Seçmeli |
|---|
| Dersin Düzeyi | Tezli Yüksek Lisans |
|---|
| Dersin Yılı | - |
|---|
| Dersin Yarıyılı | - |
|---|
| AKTS | 7 |
|---|
| Öğretim Eleman(lar)ı |
- |
| Öğrenme Kazanımları |
Bu dersin sonunda öğrenciler;
- Yapay sinir ağının (YSA) ne demek olduğunu anlarlar.
- YSA'ların psikoloji ve sinirbilim için önemini kavrarlar.
- YSA'ların nasıl çalıştığı hakkında bilgi sahibi olurlar.
- YSA çeşitleri hakkında bilgi sahibi olurlar.
- Basit bir sinir ağı simülatörü ile öğrenme simülasyonu yapma fırsatı bulurlar.
|
| Veriliş Biçimi | Yüz Yüze |
|---|
| Önkoşullar | Yok |
|---|
| Önerilen Dersler | Yok |
|---|
| Ders Tanımı | Bu derste yapay sinir ağları ve yapay sinir ağlarının insan davranış ve bilişsel süreçlerinin modellemesinde kullanımı ele alınacaktır. Dersin içeriğinde yapay sinir ağlarının yapısı ve bileşenleri, bağlantı geometrileri, ağ parametreleri, ağ tipleri, eşik fonksiyonları, öğrenme paradigmaları ve ağların öğrenme algoritmaları, bellek özellikleri, genelleme ve berimsel yetileri gibi konular üzerinde durulacaktır. Dersin içeriğinde ayrıca perceptron modeli, bağlaşımcılık ve bağlaşımcı modeller, paralel dağıtılmış işleme gibi konular üzerinde de durulacaktır. Görsel algı, öğrenme, konuşma algısı, dil edinimi ve bellek araştırmaları için geliştiren yapay sinir ağı modellerinden örnekler verilerek öğrencilerin yapay sinir ağlarının psikoloji bilimindeki yeri ve kullanımı hakkında bilgi sahibi olması hedeflenmiştir. |
|---|
| Ders İçeriği |
| HAFTA |
KONULAR |
|
1. Hafta |
Giriş |
|
2. Hafta |
Nöronların Özellikleri |
|
3. Hafta |
Yapay Nöronlar ve Yapay Sinir Ağları |
|
4. Hafta |
Lateral İnhibisyon ve Duyusal İşlemleme |
|
5. Hafta |
YSA Çeşitleri ve Tarihçesi |
|
6. Hafta |
Yapay Ağ Algoritmaları |
|
7. Hafta |
Öğrenme Algoritmaları |
|
8. Hafta |
Ara Sınav |
|
9. Hafta |
T-Learn Sinir Ağı Simülasyon Programı |
|
10. Hafta |
T-Learn İle Basit Yapay Sinir Ağı Oluşturma |
|
11. Hafta |
YSA Tartışmaları |
|
12. Hafta |
Bilginin Temsili |
|
13. Hafta |
YSA'lar ve Sinirbilim |
|
14. Hafta |
Hibrid Modeller |
|
15. Hafta |
Hibrid Modeller |
|
| Kaynaklar | Anderson, J.A., (1995). An Introcution to Neural Networks. MIT Press.
Bar-Yam, Y. (1997). Dynamics of complex systems. Addison-Wesley.
Rumelhart, D. ve J. McClelland (1986). Parallel distributed processing. MIT Press, Cambridge, Mass.
|
|---|
| Öğretim Yöntemleri |
|
|---|
| Değerlendirme |
|
Sayısı |
Toplam Katkısı (%) |
| Ara Sınav |
1 |
30 |
| Proje |
1 |
40 |
| Toplam(%) |
|
70 |
| Yıl İçinin Başarıya Oranı(%) |
|
70 |
| Finalin Başarıya Oranı(%) |
|
30 |
| Toplam(%) |
|
100 |
|
| AKTS İş Yükü |
| Aktivite |
Sayı |
Süre (Saat) |
İş Yükü |
| Ara Sınav |
1 |
3 |
3 |
| Kısa Sınavlara hazırlık |
|
|
|
| Sınıf Dışı Ders Çalışma Süresi |
14 |
8 |
112 |
| Final Sınavına Hazırlık |
1 |
20 |
20 |
| Ders Saati |
15 |
3 |
45 |
| Ara Sınava Hazırlık |
1 |
15 |
15 |
| Laboratuvar |
|
|
|
| Final Sınavı |
1 |
3 |
3 |
| Ödevler |
|
|
|
| Proje |
1 |
10 |
10 |
| Toplam İş Yükü | 208 |
| Toplam İş Yükü / 30 | 6.93 |
| Dersin AKTS Kredisi | 7 |
|
| Dil | Türkçe |
|---|
| Staj / Uygulama | Yok |
|---|
