GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| DUM6062-25 | DENİZCİLİK UYGULAMALARINDA BULANIK MANTIK VE YAPAY SİNİR AĞLARI | Ders | 1 | 2 | 6.00 |
Dersin Seviyesi
Yüksek Lisans
Dersin Sunulduğu Dil
[DersinAmaci]
Bu dersin amacı, bulanık mantık ve yapay sinir ağlarının teorik temellerini ve uygulamalarını, özellikle denizcilik ve mühendislik alanlarına odaklanarak öğretmektir. Öğrenciler, belirsizliklerin modellenmesi, kural tabanlı sistemlerin geliştirilmesi ve karar verme / kontrol süreçleri için yapay sinir ağlarının tasarlanması konusunda bilgi sahibi olacaklardır.
Dersi Veren Öğretim Görevlisi / Görevlileri
Dr. Öğr. Üyesi Ali Yasin KAYA
Öğrenme Çıktıları
| 1 | Bu dersi başarı ile tamamlayan öğrenciler: Bulanık mantık ve yapay sinir ağlarının temel ilkelerini açıklayabilir. Bulanık sistemler ile denizcilik ve mühendislik problemlerinde belirsizlikleri modelleyebilir. Sınıflandırma ve tahminleme için yapay sinir ağı tasarımı yapabilir. Bulanık ve yapay sinir ağı modellerini hibrid sistemlerde entegre edebilir. Zeki hesaplama tekniklerini denizcilik uygulamalarına uyarlayabilir. |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Ders İçin Önerilen Diğer Hususlar
[Yok]
Dersin İçeriği
Bulanık küme teorisi ve mantığı, üyelik fonksiyonları, bulanık çıkarım sistemleri, bulanık kontrol, yapay sinir ağı teorisi ve uygulamaları, öğrenme algoritmaları, çok katmanlı algılayıcılar (MLP), bulanık-sinir hibrid sistemler. Denizcilik ve genel mühendislik uygulamaları için çeşitli yazılımlarla gerçekleştirilen uygulamalar.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | Uygulama | Laboratuvar |
|---|---|---|---|
| 1 | Yumuşak hesaplama ve zeki sistemlere giriş | ||
| 2 | Bulanık küme teorisi ve üyelik fonksiyonları | ||
| 3 | Bulanık çıkarım sistemleri | ||
| 4 | Kural tabanlı bulanık kontrol sistemleri | ||
| 5 | Denizcilikte bulanık mantık uygulamaları | ||
| 6 | Yapay sinir ağlarına giriş | ||
| 7 | Algılayıcılar ve çok katmanlı ağlar | ||
| 8 | ARA SINAV | ||
| 9 | Geri yayılım algoritması ve ağ eğitimi | ||
| 10 | Mimari seçimi ve model optimizasyonu | ||
| 11 | Denizcilik güvenliğinde hibrid bulanık-sinir sistemleri | ||
| 12 | Vaka çalışmaları: seyir güvenliği, emisyon tahmini | ||
| 13 | Yazılım uygulamaları | ||
| 14 | Proje geliştirme ve öğrenci sunumları | ||
| 15 | Genel tekrar ve değerlendirme | ||
| 16 | FİNAL SINAVI |
Ders Kitabı Malzemesi Önerilen Kaynaklar
Ross, T.J. (2010). Fuzzy Logic with Engineering Applications. Wiley. Haykin, S. (2009). Neural Networks and Learning Machines. Pearson. Jang, J.-S.R., Sun, C.-T., & Mizutani, E. (1997). Neuro-Fuzzy and Soft Computing. Prentice-Hall. MATLAB/Simulink Fuzzy Logic Toolbox & Deep Learning Toolbox Documentation Zimmermann, H.-J. (2001). Fuzzy Set Theory and Its Applications. Springer. Kosko, B. (1997). Neural Networks and Fuzzy Systems. Prentice Hall
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 1 | 1 |
| Final Sınavı | 1 | 1 | 1 |
| Derse Katılım | 14 | 3 | 42 |
| Bireysel Çalışma | 12 | 3 | 36 |
| Ara Sınav İçin Bireysel Çalışma | 12 | 3 | 36 |
| Final Sınavı içiin Bireysel Çalışma | 15 | 4 | 60 |
| Toplam İş Yükü (saat) | 176 | ||
Program ve Öğrenme Çıktıları İlişkisi
| [PC] 1 | [PC] 2 | [PC] 3 | [PC] 4 | [PC] 5 | [PC] 6 | [PC] 7 | [PC] 8 | [PC] 9 | [PC] 10 | [PC] 11 | [PC] 12 | |
| [OC] 1 | 5 | 3 | 5 | 5 | 5 | 3 | 5 | 5 | 5 | 3 | 4 | 5 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek