|
|
İçerik
|
|
| 1. hafta: |
Nöronların temel özellikleri, nöronlar arasındaki bağlantı şekilleri. Ana matematiksel nöron modelleri ve bunların ayırt edici özellikleri. |
| 2. hafta: |
YSA topolojik karakterizasyonu (grafların belirli sınıfları, direkt graflar, topolojik değişmezler, Voronoi diyagramları ve Delaunay mozaik vb) için geçerli Graf Teorisi önbilgiler. |
| 3. hafta: |
Algoritmaların karakterizasyonu: P ve NP-tam problemleri, en kısa yol problemi, arabağlantı ve yönlendirme algoritmaları |
| 4. hafta: |
Yerleştirme ve bölümleme. İlişkilendirilebilir Bellek (IB), lineer associator, IB tamamlaması. |
| 5. hafta: |
Algılayıcılar, basit öğrenme makineleri. Ana tanımlar (karar fonksiyonu, desen alanı, karar yüzeyi). Eğitim desenlerin lineyer ayrılabilirlik. Gradient descent yöntemin tamamlamaları: düzeltme arttırma ve perceptron eğitim algoritmalar. |
| 6. hafta: |
Algılayıcı yakınsama teoremi. Yakınsama hızı.Widrow-Hoff LMS algoritması. Yüklem derecesi ve algılayıcılar |
| 7. hafta: |
İleri beslemeli ağları kullanan tam göstermeler. Kolmogorov teoremi ve onun sonuçları. Yaklaşık göstermeler. Backpropagation tarafından katmanlı İleri beslemeli ağ eğitimi. |
| 8. hafta: |
Ara sınav |
| 9. hafta: |
Çok Katmanlı İleri Beslemeli Ağlar yapısal eğitimi (algoritma, sağlamlık ve boyut sorunları). Denetimsiz ve takviyeli öğrenme (Temel Bileşen Analizi ağlar, öz-örgütlenme ağları).Olasılıksal yapay sinir ağları. |
| 10. hafta: |
İleri Beslemeli Ağlar ve öğrenme karmaşıklığı. YSA larında öğrenilebilirlik, öğrenme genellenebilirliğini, İleri Beslemeli Ağlarında uzay karmaşıklığı. |
| 11. hafta: |
Büyüme algoritmaları (upstart algoritması, ‘böl ve fethet’ öğrenme ). Nonlineer sinapslar ile ağlar ve doğrusal olmayan sinaptik bağlar. |
| 12. hafta: |
Simetrik ağları (yakınsama ispatı, kapasite ve sahte hafıza, ilintili desenler). Analog üniteleri ile simetrik Hopfield ağları (yakınsama ispatı, hücresel YSA'lar). |
| 13. hafta: |
Global minimum araması. Boltzmann makine için bir öğrenme algoritması. Asimmetric rekurent ağlar |
| 14. hafta: |
Denetimsiz rekabetçi öğrenme. Adaptif rezonans ağlar. Öz-düzenleme özelliği haritalar. |
| 15. hafta*: |
Zor problemler (multitarget izleme, zaman serileri tahmini, konuşma üretimi ve tanıma vs.) için YSA ile çözme yaklaşımları. |
| 16. hafta*: |
Yılsonu Sınavı |
| Ders kitapları ve materyaller: |
|
| Önerilen kaynaklar: |
N.K.Bose, P.Liang, “Neural network fundamentals with graphs, algorithms and applications”
Laurene Fausett “Foundations of Neural Networks”. |
|
|
* 15. ve 16. haftalar arası final sınavına hazırlık haftası bulunmaktadır.
|
|
