1. Eğitim Bilgi Sistemi
  2. Elektronik Pr. (Yl)
  3. Sinir Ağları ve Bulanık Mantık Sistemleri (2025 - 2026)
Ders Adı Kodu Yarıyıl T+U Saat Kredi AKTS
Sinir Ağları ve Bulanık Mantık Sistemleri ELE 521 0 3 + 0 3 6
Ön Koşul Dersleri

 

 

  • Sayısal Yöntemler

  • Lineer Cebir

  • Diferansiyel Denklemler

  • Olasılık ve İstatistik

  • Temel Kontrol Sistemleri
Önerilen Seçmeli Dersler

 

  • İleri Kontrol Sistemleri

  • Görüntü İşleme

  • Optimizasyon Teknikleri

  • Yapay Zekâ ve Makine Öğrenmesi

  • Robotik Sistemler
Dersin Dili Türkçe
Dersin Seviyesi YUKSEK_LISANS
Dersin Türü Seçmeli
Dersin Koordinatörü Prof.Dr. ARDASHIR MOHAMMADZADEH
Dersi Verenler Prof.Dr. ARDASHIR MOHAMMADZADEH,
Dersin Yardımcıları

-
Dersin Kategorisi Diğer
Dersin Amacı

Bu dersin amacı, sinir ağları (NN) ve bulanık mantık sistemlerinin (FLS) temel prensiplerini, eğitim yöntemlerini ve ileri düzey uygulamalarını öğretmektir. Öğrenciler, yapay sinir ağlarının farklı türlerini ve öğrenme algoritmalarını inceleyerek kontrol sistemleri, dinamik sistem tanımlama ve görüntü işleme gibi alanlarda bu yöntemleri uygulama becerisi kazanacaktır. Ayrıca, bulanık mantık sistemlerinin teorik temelleri ile sinir ağlarıyla bütünleşik hibrit yaklaşımlar (neuro-fuzzy) da tanıtılacaktır.
Dersin İçeriği

 

  • Genel Bakış ve Temel Kavramlar

  • Multilayer Perceptron (MLP) mimarisi

  • Geri yayılım algoritması ve türev-tabanlı öğrenme yöntemleri

  • Gradient Descent, Kalman Filtresi, Levenberg-Marquardt, Newton-Raphson ve yüksek mertebe yöntemlerle MLP eğitimi

  • Evrimsel algoritmalar ile MLP eğitimi: Genetik algoritma, Parçacık Sürü Optimizasyonu

  • Radial Basis Functions (RBF), Tekrarlayan Sinir Ağları (RNN), LSTM, GMDH, Short-Term Memory NNs

  • CMAC (Cerebellar Model Articulation Controller), Konvolüsyonel Sinir Ağları (CNN), RBM, Derin Sinir Ağları, GAN

  • Bulanık Mantık Sistemleri: temel teoremler ve çıkarım mekanizmaları

  • Tip-2 ve Tip-3 bulanık sistemler

  • Neuro-Fuzzy sistemler ve hibrit yaklaşımlar

  • Uygulamalar: Kontrol sistemleri, dinamik sistem tanımlama, görüntü işleme, optimizasyon ve karar destek sistemler
# Ders Öğrenme Çıktıları Öğretim Yöntemleri Ölçme Yöntemleri
Hafta Ders Konuları Ön Hazırlık
1 Genel bakış
2 Multilayer Perceptrons (MLP)
3 Geri yayılım öğrenimi ile MLP eğitimi
4 Gradient descent ile MLP eğitimi, Kalman filtresi ile MLP eğitimi,
5 Levenberg-Marquardt, Newton-Raphson, yüksek mertebeden yöntem,
6 "MLP training by genetic algorithm, and particle swarm optimization method"
7 Radial basis functions, Recurrent neural networks (NN)
8 Group Method of Data Handling (GMDH), Short-term Memory based NNs
9 " Cerebellar model articulation controller (CMAC); Convolutional neural networks "
10 Rough neural networks, Recurrent, LSTM
11 RBM, Deep Neural netowrks, GAN
12 Fuzzy Logic Systems-basic theorems
13 Neuro-Fuzzy systems
14 typpe-2 and 3 fuzzy systems
Kaynaklar
Ders Notu

-
Ders Kaynakları

 

Mohammadzadeh, A. (2020). Applied Type-3 Fuzzy Logic Systems and Controllers. Springer.

Kapsam: Tip-3 bulanık mantık sistemleri ve kontrol uygulamaları, ileri düzey teorik açıklamalar ve simülasyon örnekleri.

Mohammadzadeh, A. (2019). Modern Adaptive Fuzzy Control Systems. Springer.

  • Kapsam: Uyarlanabilir bulanık kontrol sistemleri, sinir ağları ile entegrasyon, kontrol ve tanımlama uygulamaları.

  • Link: Better World Books

Mohammadzadeh, A. (2018). Neural Networks and Learning Algorithms in MATLAB. Springer.

  • Kapsam: Sinir ağları teorisi, eğitim algoritmaları (MLP, RBF, RNN vb.), MATLAB ile uygulamalar.

 

Simon Haykin, Neural Networks and Learning Machines

 

Güncel makaleler ve IEEE Transactions on Neural Networks and Fuzzy Systems dergisinden seçilmiş yayınlar

 
Sıra Program Çıktıları Katkı Düzeyi
1 2 3 4 5
1 Yaşadığı toplumun bilgi toplumu olmasına katkıda bulunmak, toplumsal, bilimsel, kültürel ve etik sorunlara çözüm sunmak amaçlarıyla alanındaki bilimsel, teknolojik, sosyal veya kültürel ilerlemeleri ulusal ve uluslararası bilimsel ortamlarda (toplantılarda) tanıtır.
2 Alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, alanında güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgiye sahip olup ve elde ettiği bilgiyi değerlendirir, yorumlar ve uygular.
3 Alanı ile ilgili problemleri tanımlar ve formüle eder, yeni ve/veya özgün fikir ve yöntemler geliştirir; karmaşık sistem veya süreçleri tasarlar ve tasarımlarında yenilikçi/alternatif çözümler ile gelişmekte olan yenilikçi yöntemleri kullanır.
4 Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular, belirsiz, sınırlı ya da eksik verileri bilimsel yöntemlerle tamamlar; verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir.
5 Alanındaki uygulamaların sosyal, çevresel, sağlık, güvenlik, hukuki boyutlarını ve iş hayatı uygulamalarını bilir ve bunların getirdiği kısıtların farkındadır. Disiplin içi ve çok disiplinli takımlarda etkin bir biçimde birlikte ve ya bağımsız çalışabilir ve sorumluluk alır.
# Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı PÇ 1 PÇ 2 PÇ 3 PÇ 4 PÇ 5
Değerlendirme Sistemi
Yarıyıl Çalışmaları Katkı Oranı
1. Proje / Tasarım 100
Toplam 100
Toplam 0
AKTS - İş Yükü Etkinlik Sayı Süre (Saat) Toplam İş Yükü (Saat)