Esnek Hesaplama Yöntemleri

Dersin adı: Esnek Hesaplama Yöntemleri
Önkoşullar:
Yapay zeka ve uzman sistemler dersi.
Dersin tanımlanması:
Dersin amacı, öğrenciye esnek hesaplama teorisinin temelleri olarak derste bahsedilen zor
gerçek hayat problemlerinin çözülmesinde geleneksel-olmayan teknolojiler ve yaklaşımların
temelleri ile ilgili bilgi vermektir. Bu temel bilgiler, yapay sinir ağları, bulanık kümeler ve
bulanık mantık, genetik algoritmalar hakkındadır. Esnek hesaplama geleneksel-olmayan
teknikleri veya yaklaşımları zor gerçek dünya problemlerinin çözümü için içermektedir.
Dersin içeriğine bakıldığında; belirsizliğin ve duyarsızlık toleransı esnek hesaplama
teorilerinin ana özellikleri olarak ve sinir ağları, bulanık mantık, genetik algoritmalar,
Olasılıksal akıl yürütme, kaba kümeler, kaos ve melez yaklaşımlar olarak verilmektedir.
Öğretim Metotları – Materyalleri:
Anlatım, soru-cevap, örnekler, projeler, ders notları, sunumlar.
Değerlendirme Metotları:
%40 Vize, % 60 Final.
Öğrencinin kazanacağı temel beceriler:
Esnek hesaplama teorilerinin temellerine ait bilgi elde ederek ve bu yolla gerçek dünya
problemlerini çözmek için bu teorilerin yaklaşımlarının kullanıldığı program sistemleri
tasarlayabilme yeteneği kazanmak. Düşük-maliyetli ve sağlam zeki makineler tasarlamada
belirsizlik ve duyarsızlık toleransının öneminin anlaşılması.
Ana kaynaklar:
Michael Negnevitsky, “Artificial Intelligence: A Guide to Intelligent Systems”, Second Ed., Addison
Wesley.
Stuart Russel, Peter Norvig. Artificial Intelligence.Modern Approach, 3nd Ed., Prentice Hall.
Frank Hoffman, Mario Köppen, Frank Klawonn, Rajkumar Roy (Eds.) “Soft Computing:
Methodologies and Applications”, Springer.
Aliev,R.A, Aliev,R.R., “Soft Computing and its Application”, World Scientific Publishing
Co. Pte. Ltd.
Yardımcı kaynaklar:
Çetin Elmas, “Yapay Zeka Uygulamaları”, Seçkin Yayıncılık.
Yarıyıl ders planı:
Hafta 1: Esnek hesaplamaya giriş. Kavramların açıklanması. Belirsizliğin ve duyarsızlık
toleransının önemi.
Hafta 2: Biyolojik ve yapay sinir, sinir ağları. Adaline, Perceptron. Madaline ve Geri
yayılımlı (BP) sinir ağları. Uyarlanabilir ileri beslemeli çok-katmanlı ağlar. Radyal tabanlı
fonksiyon (RBF) ve kısıtlanmış kolomb enerjisi (RCE) sinir ağları. Topolojik organize olmuş
sinir ağları.
1
Hafta 3: Yarışmacı öğrenme. Kohonen haritaları. Karşı-yayma Ağı (CPN). Öğrenme Vektör
Nicemlendirme (LVQ). Uyarlanabilir Rezonans Ağı (ART). Neocognitron sinir ağı. Çağrışım
bellekleri olarak sinir ağları. Hopfield. İkili yönlü Çağrışım Belleği (BAM).
Hafta 4: Sinir ağları kullanılarak eniyileme problemlerinin çözülmesi. Stokastik sinir ağları.
Boltzman makinesi.
Hafta 5: Bulanık kümeler. Bulanık mantık ve bulanık çıkarsama. Genetik algoritmalar.
Olasılıksal akıl yürütme. Kaba kümeler.
Hafta 6: Kombinasyonel Eniyileme. İrtifa yokuşu. Benzetimli Tavlama.
Hafta 7: Proje 1 – sunumlar.
Hafta 8: Arasınav
Hafta 9: Melez yaklaşımlar. Genetik algoritma ve yapay sinir ağlarının birlikte kullanımı.
Yapay sinir ağları ile bulanık teorinin birlikte kullanımı.
Hafta 10: Genetik algoritma ve bulanık teorinin birlikte kullanımı.
Hafta 11: Uzman sistemlerin tasarlanmasında genetik algoritmalar, yapay sinir ağları ve
bulanık teorinin uygulanması.
Hafta 12: Kaos. Kaotik sistemler. Kaotik yapay sinir ağları. Temel bileşenler analizi tabanlı
yapay sinir ağları.
Hafta 13: Proje 2 – sunumlar – Grup 1.
Hafta 14: Proje 2 – sunumlar – Grup 2.
2