Esnek Hesaplama Yöntemleri

Dersin adı: Esnek Hesaplama YöntemleriÖnkoşullar:Yapay zeka ve uzman sistemler dersi.Dersin tanımlanması:Dersin amacı, öğrenciye esnek hesaplama teorisinin temelleri olarak derste bahsedilen zorgerçek hayat problemlerinin çözülmesinde geleneksel-olmayan teknolojiler ve yaklaşımlarıntemelleri ile ilgili bilgi vermektir. Bu temel bilgiler, yapay sinir ağları, bulanık kümeler vebulanık mantık, genetik algoritmalar hakkındadır. Esnek hesaplama geleneksel-olmayanteknikleri veya yaklaşımları zor gerçek dünya problemlerinin çözümü için içermektedir.Dersin içeriğine bakıldığında; belirsizliğin ve duyarsızlık toleransı esnek hesaplamateorilerinin 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 dünyaproblemlerini çözmek için bu teorilerin yaklaşımlarının kullanıldığı program sistemleritasarlayabilme yeteneği kazanmak. Düşük-maliyetli ve sağlam zeki makineler tasarlamadabelirsizlik ve duyarsızlık toleransının öneminin anlaşılması.Ana kaynaklar:Michael Negnevitsky, “Artificial Intelligence: A Guide to Intelligent Systems”, Second Ed., AddisonWesley.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 PublishingCo. Pte. Ltd.Yardımcı kaynaklar:Çetin Elmas, “Yapay Zeka Uygulamaları”, Seçkin Yayıncılık.Yarıyıl ders planı:Hafta 1: Esnek hesaplamaya giriş. Kavramların açıklanması. Belirsizliğin ve duyarsızlıktoleransının önemi.Hafta 2: Biyolojik ve yapay sinir, sinir ağları. Adaline, Perceptron. Madaline ve Geriyayılımlı (BP) sinir ağları. Uyarlanabilir ileri beslemeli çok-katmanlı ağlar. Radyal tabanlıfonksiyon (RBF) ve kısıtlanmış kolomb enerjisi (RCE) sinir ağları. Topolojik organize olmuşsinir ağları.1

Hafta 3: Yarışmacı öğrenme. Kohonen haritaları. Karşı-yayma Ağı (CPN). Öğrenme VektörNicemlendirme (LVQ). Uyarlanabilir Rezonans Ağı (ART). Neocognitron sinir ağı. Çağrışımbellekleri 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: ArasınavHafta 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 vebulanık teorinin uygulanması.Hafta 12: Kaos. Kaotik sistemler. Kaotik yapay sinir ağları. Temel bileşenler analizi tabanlıyapay sinir ağları.Hafta 13: Proje 2 – sunumlar – Grup 1.Hafta 14: Proje 2 – sunumlar – Grup 2.2