| DERSİN TÜRÜ | Seçmeli |
| DERSİN DÜZEYİ | Doktora |
| DERSİN YILI | - |
| YARIYIL | - |
| AKTS | 10 |
| ÖĞRETİM ELEMAN(LAR)I | Profesör Doktor Nizami Gasilov
|
| DERSİN ÖĞRENME KAZANIMLARI |
Bu dersin sonunda öğrenciler;
1) Bulanık Kümeler Teorisinin; üyelik derecesi, üyelik fonksiyonu, kesit, bulanık sayı gibi temel kavramlarını ve bulanık kümeler üzerinde işlemleri öğrenmiş olacaklar
2) Bir bulanık önermeyi, üyelik fonksiyonunu kullanarak ifade edebilecek; şartlı bulanık önermeler ve bulanık çıkarım yöntemleri konusunda bilgiler edinecekler
3) Akıllı sistemlerin tasarımında bulanık çıkarım yöntemlerinin kullanılmasının farkında olacaklar ve bulanık mantığın; robotik, kontrol vb. alanlardaki uygulamaları hakkında bilgi sahibi olacaklar.
|
| DERSİN VERİLİŞ BİÇİMİ | Yüz Yüze |
| DERSİN ÖNKOŞULLARI | Yok |
| ÖNERİLEN DERSLER | Yok |
| DERS TANIMI | Bulanık Mantık ve Bulanık Kümeler Teorisine giriş. Bulanık kümeler üzerinde işlemler.Bulanık bağıntılar ve Bulanık çıkarımlar. Yaklaşık muhakeme teorisi. Bulanık mantık denetleyicileri ve Bulanık sistemlerin uygulamaları. Yapay sinir ağları.Algılayıcı öğrenme yöntemi.Delta öğrenme yöntemi. Yapay sinir ağları uygulamaları. Bulanık sinir ağları ve Bulanık sinirler. Melez sinir ağları. Sayısal verilerden bulanık kural çıkarımı. Melez sinir ağları uygulamaları. |
| DERS İÇERİĞİ | | HAFTA | KONULAR |
|---|
| 1. Hafta | Bulanık Mantık ve Bulanık Kümeler Teorisine giriş. | | 2. Hafta | Bulanık kümeler üzerinde işlemler. | | 3. Hafta | Bulanık bağıntılar ve Bulanık çıkarımlar. | | 4. Hafta | Yaklaşık muhakeme teorisi. | | 5. Hafta | Bulanık mantık denetleyicileri ve Bulanık sistemlerin uygulamaları. | | 6. Hafta | Yapay sinir ağları. | | 7. Hafta | Algılayıcı öğrenme yöntemi. | | 8. Hafta | Ara Sınav | | 9. Hafta | Delta öğrenme yöntemi. | | 10. Hafta | Yapay sinir ağları uygulamaları. | | 11. Hafta | Bulanık sinir ağları ve Bulanık sinirler. | | 12. Hafta | Melez sinir ağları. | | 13. Hafta | Sayısal verilerden bulanık kural çıkarımı. | | 14. Hafta | Melez sinir ağları uygulamaları. |
|
| ZORUNLU YA DA ÖNERİLEN KAYNAKLAR | 1. R. Fuller (2000), Introduction to Neuro-Fuzzy Systems, Springer-Verlag Berlin Heidelberg.
2. T.J. Ross (2016), Fuzzy Logic with Engineering Applications, 4th Edition, Wiley.
3. K.H. Lee (2005), First Course on Fuzzy Theory and Applications, Springer.
|
| ÖĞRETİM YÖNTEM VE TEKNİKLERİ | Anlatım,Soru-Cevap,Sorun/Problem Çözme,Rapor Hazırlama,Sunum |
| DEĞERLENDİRME YÖNTEMİ VE GEÇME KRİTERLERİ | | | Sayısı | Toplam Katkısı(%) |
|---|
| Ara Sınav | 1 | 30 | | Ödev | 6 | 30 | | Toplam(%) | | 60 | | Yıl İçinin Başarıya Oranı(%) | | 60 | | Finalin Başarıya Oranı(%) | | 40 | | Toplam(%) | | 100 |
|
| AKTS İŞ YÜKÜ |
| Aktivite |
Sayı |
Süresi(Saat) |
İş Yükü |
| Ara Sınav | 1 | 2 | 2 | | Kısa Sınavlara hazırlık | | | | | Sınıf Dışı Ders Çalışma Süresi | 14 | 11 | 154 | | Final Sınavına Hazırlık | 1 | 69 | 69 | | Ders Saati | 14 | 3 | 42 | | Ara Sınava Hazırlık | 1 | 44 | 44 | | Laboratuvar | | | | | Final Sınavı | 1 | 2 | 2 | | Ödevler | | | | | Toplam İş Yükü | | | 313 |
|---|
| Toplam İş Yükü / 30 | | | 10,43 |
|---|
| Dersin AKTS Kredisi | | | 10 |
|---|
|
| DİL | Türkçe |
| STAJ / UYGULAMA | Yok |
| | |
