|
Ders Öğretim Planı| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS | | ZOO-23-119 | TARIMDA YAPAY SİNİR AĞLARI | Seçmeli | 1 | 2 | 6 |
| | Dersin Seviyesi | | Doktora | | Dersin Amacı | | Yapay sinir ağlarının temel kavramlarını, tekniklerini ve matematiksel altyapısını öğretmek, tarımsal sistemlerde özellikle tahminleme ve sınıflandırma ile ilgili pratik uygulamalar gerçekleştirerek tarımda kullanılabilirliğini göstermektir. | | Dersi Veren Öğretim Görevlisi/Görevlileri | | Dr. Ahmet Erhan KARAHAN | | Öğrenme Çıktıları | | 1 | 1 Yapay sinir ağını kavrar | | 2 | Yapay sinir ağları ve tarımda kullanımını öğrenir |
| | Öğrenim Türü | | Birinci Öğretim | | Dersin Ön Koşulu Olan Dersler | | | Ders İçin Önerilen Diğer Hususlar | | | Dersin İçeriği | | 1 Giriş, Zeka ve yapay zeka kavramları ile yapay zeka gelişim süreci.
2 Yapay zeka teknikleri
3 Yapay sinir ağları ve tarihçesi
4 Biyolojik sinir ağları, biyolojik nöron ve yapay sinir hücresi: girdiler, ağırlıklar, birleştirme ve aktivasyon fonksiyonu, çıktı.
5 Yapay sinir ağlarının yapısı: girdi katmanı, ara katman ile çıktı katmanı tanımı ve yapay sinir ağları tasarımı.
6 Öğrenme algoritmaları: Geriye yayılım algoritması, Delta-bar-delta, geliştirilmiş deltabar- delta, hızlı yayılım, genetik algoritma.
7 Öğrenme kuralları: Hebb kuralı, delta kuralı, hopfield kuralı, kohonen kuralı
8 Yapay sinir ağı araçları (Matlab vb.)
9 Öğreticili, destekleyici ve öğreticisiz öğrenme kavramları.
10 Tek katmanlı algılayıcılar, Çok katmanlı algılayıcılar (MLP).
11 Tarımsal sistemlerde yapay sinir ağı uygulamalarına örnekler
12 Regresyon analizi ve yapay sinir ağlarının karşılaştırılması | | Haftalık Ayrıntılı Ders İçeriği | |
| 1 | Giriş, Zeka ve yapay zeka kavramları ile yapay zeka gelişim süreci. | | | | 2 | Yapay zeka teknikleri | | | | 3 | Yapay sinir ağları ve tarihçesi | | | | 4 | Biyolojik sinir ağları, biyolojik nöron ve yapay sinir hücresi: girdiler, ağırlıklar, birleştirme ve aktivasyon fonksiyonu, çıktı. | | | | 5 | Yapay sinir ağlarının yapısı: girdi katmanı, ara katman ve çıktı katmanı ve yapay sinir ağları tasarımı. | | | | 6 | Öğrenme algoritmaları: Geriye yayılım algoritması, Delta-bar-delta, geliştirilmiş deltabar- delta, hızlı yayılım, genetik algoritma. | | | | 7 | Öğrenme kuralları: Hebb kuralı, delta kuralı, hopfield kuralı, kohonen kuralı | | | | 8 | ARASINAV | | | | 9 | Yapay sinir ağı araçları (Matlab vb.) | | | | 10 | Öğreticili, destekleyici ve öğreticisiz öğrenme kavramları. | | | | 11 | Tek katmanlı algılayıcılar, Çok katmanlı algılayıcılar (MLP). | | | | 12 | Diğer yapay sinir ağı modelleri (LVQ, SOM, ART) | | | | 13 | Regresyon analizi ve yapay sinir ağlarının karşılaştırılması | | | | 14 | Tarımsal sistemlerde yapay sinir ağı uygulamalarına örnekler | | | | 15 | Yapay sinir ağı uygulamaları | | | | 16 | FİNAL SINAVI | | |
| | Ders Kitabı / Malzemesi / Önerilen Kaynaklar | | - Öztemel, E., 2006. Yapay Sinir Ağları. Papatya yayınları, 232 s. İstanbul. 2- Haykin, S., 1998. Neural Networks: A Comprehensive Foundation (2nd Edition), Macmillan Collage Printing Company, 823 s. New Jersey. 3- Nabiyev , V., 2005. Yapay Zeka: Problemler, Yöntemler, Algoritmalar. Seçkin Yayıncılık, 764 s. Ankara. | | Planlanan Öğrenme Aktiviteleri ve Metodları | | | Değerlendirme | |
| Ara Sınav | 1 | 30 | | Ara Sınav İçin Bireysel Çalışma | 1 | 30 | | Ev Ödevi | 1 | 40 | | TOPLAM | 100 | |
| Final Sınavı | 1 | 70 | | Final Sınavı için Bireysel Çalışma | 1 | 30 | | TOPLAM | 100 | | Yarıyıl (Yıl) İçi Etkinlikleri | 40 | | Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | | TOPLAM | 100 |
| | Dersin Sunulduğu Dil | | Türkçe | | Staj Durumu | |
| | İş Yükü Hesaplaması | |
| Ara Sınav | 1 | 2 | 2 | | Final Sınavı | 1 | 2 | 2 | | Derse Katılım | 14 | 3 | 42 | | Takım/Grup Çalışması | 14 | 3 | 42 | | Proje Hazırlama | 30 | 3 | 90 | |
| Program ve Öğrenme Çıktıları İlişkisi | | | * Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek |
|
|
|
|
Iğdır University, Iğdır / TURKEY • Tel (pbx): +90 476
226 13 14 • e-mail: info@igdir.edu.tr
|
|
|