ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİMDALI I.

GENEL BİLGİLER BİM514 Bulanık Sistemler Teorisi Ders Adı Dönemi: Bahar Dili: Türkçe Kredisi (T-P-K) : 3-0-3 ECTS Kredisi: 7.0 Prof. Dr. Derviş Karaboğa Öğretim Üyesi 8.00-17.00 Görüşme Saatleri E posta: karaboga@erciyes.edu.tr WEB: http://abis.erciyes.edu.tr/Sorgu.aspx?Sorgu=236 Fakülte iletişim adresi: Erciyes Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, 38039 Melikgazi Kayseri / TURKİYE Tel: 90 352 4374901 Dahili: 32577 Faks: 90 352 4375784 II. DERS BİLGİLERİ Ders Tipi ve Seviyesi Seçmeli: Evet Zorunlu: Esas: Evet İlgili: Yan dal: İleri: Evet Başlangıç: Orta: Uzmanlık: Bulanık kümeye dair kavramların anlaşılması ve bulanık sistemlerin incelenmesi. Dersin Amacı Bulanık Küme Teorisi, Bulanık Kümelerde İşlemler, Üyelik Fonksiyonları, İlişki Ders İçeriği

Öğretim Metodu

Öğrenciden İstenilen Gereklilikler Kapalı notlarla, bir yazılı arasınav, bir yazılı yarıyılsonu sınavı yapılır. Ham başarı Başarı Notunun puanı, yarıyılsonu sınav puanının % 60'ına, ara sınavlar puan ortalamasının % Hesaplanması Önerilen Kaynaklar, • Araç ve Gereçler
40'ına eklenmesiyle hesaplanır. Fuzzy Set Theory--and Its Applications; Hans Jürgen Zimmermann; Springer, 2001. • Fuzzy Control Systems; Abraham Kandel, Gideon Langholz; CRC Press, 1994. • Fuzzy Logic with Engineering Applications; Timothy J. Ross; John Wiley and Sons, 2010.

Matrisleri ve Operatörler, Sonuç Çıkarım Mekanizmaları, Bulanık Algoritmalar, Bulanık Mantık Kontrolü (FLC), Bulanık Kümeleme, Adaptif Sinirsel Bulanık Çıkarım Sistemi (ANFIS). Derste verilen teorik bilgilerden sonra, seçilmiş çeşitli konularla ilgili uygulamalar anlatılır. Öğrencilere farklı araştırma konuları verilir ve daha sonra öğrenciler, yapılan araştırma ve uygulamaları derste sınıf geneliyle paylaşır ve konunun tartışması gerçekleştirilir. Öğrenciler derslere katılmalı, verilen ödevleri zamanında yapmalı, arasınav ve final sınavlarında başarılı olmalıdır.

Haftalara Göre Ders Planı Haftalar Konular 1. Hafta Bulanık Küme Teorisi 2. Hafta Bulanık Kümelerde İşlemler 3. Hafta Üyelik Fonksiyonları 4. Hafta İlişki Matrisleri ve Operatörler 5. Hafta Sonuç Çıkarım Mekanizmaları 6. Hafta Sonuç Çıkarım Mekanizmaları 7. Hafta Bulanık Algoritmalar 8. Hafta ARA SINAV 9. Hafta Bulanık Mantık Kontrolü (FLC) 10. Hafta Bulanık Mantık Kontrolü (FLC)

11. Hafta 12. Hafta 13. Hafta 14. Hafta

Bulanık Kümeleme Adaptif Sinirsel Bulanık Çıkarım Sistemi (ANFIS) Adaptif Sinirsel Bulanık Çıkarım Sistemi (ANFIS) Adaptif Sinirsel Bulanık Çıkarım Sistemi (ANFIS)

ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİMDALI I. GENEL BİLGİLER BİM513 Zeki Optimizasyon Teknikleri Ders Adı Dönemi: Güz Dili: Türkçe Kredisi (T-P-K) : 3-0-3 ECTS Kredisi: 7.0 Prof. Dr. Derviş Karaboğa Öğretim Üyesi 8.00-17.00 Görüşme Saatleri E posta: karaboga@erciyes.edu.tr WEB: http://abis.erciyes.edu.tr/Sorgu.aspx?Sorgu=236 Fakülte iletişim adresi: Erciyes Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, 38039 Melikgazi Kayseri / TURKİYE Tel: 90 352 4374901 Dahili 32577 Faks: 90 352 4375784 II. DERS BİLGİLERİ Ders Tipi ve Seviyesi Seçmeli: Evet Zorunlu: Esas: Evet İlgili: Yan dal: İleri: Evet Başlangıç: Orta: Uzmanlık: Optimizasyon kavramlarının anlaşılması ve farklı zeki optimizasyon tekniklerinin Dersin Amacı Ders İçeriği

Öğretim Metodu

Öğrenciden İstenilen Gereklilikler Kapalı notlarla, bir yazılı arasınav, bir yazılı yarıyılsonu sınavı yapılır. Ham başarı Başarı Notunun puanı, yarıyılsonu sınav puanının % 60'ına, ara sınavlar puan ortalamasının % Hesaplanması Önerilen Kaynaklar, Araç ve Gereçler
40'ına eklenmesiyle hesaplanır. • Karaboga D. and Pham D.T.: Intelligent Optimisation Techniques. Springer Verlag, 2000. • Karaboga D.: Yapay Zeka Optimizasyon Algoritmaları (Genişletilmiş 2. Basım). Nobel Yayın Dağıtım, Ankara, 2011. • Karaboga D.: Yapay Zeka Optimizasyon Algoritmaları. Atlas Yayın Dağıtım, İstanbul, 2004.

incelenmesi. Optimizasyon Temel Kavramları, Optimizasyon Problemlerinin ve Yöntemlerinin Sınıflandırılması, Geleneksel Optimizasyon Yöntemleri, Sezgisel Algoritmalar, Isıl İşlem Algoritması, Tabu Araştırma Algoritması, Genetik Algoritma, Karınca Koloni Algoritması, Yapay Bağışıklık Algoritması, Diferansiyel Gelişim Algoritması, Yapay Arı Kolonisi Algoritması. Derste verilen teorik bilgilerden sonra, seçilmiş çeşitli konularla ilgili uygulamalar anlatılır. Öğrenciler derslere katılmalı, arasınav ve final sınavlarında başarılı olmalıdır.

Haftalara Göre Ders Planı Haftalar Konular 1. Hafta Optimizasyon Temel Kavramları 2. Hafta Optimizasyon problemlerinin ve yöntemlerinin sınıflandırılması 3. Hafta Geleneksel Optimizasyon Yöntemleri 4. Hafta Geleneksel Optimizasyon Yöntemleri

erciyes.tr/bahriye Fakülte iletişim adresi: Erciyes Üniversitesi. Hafta 12.edu. Hafta 6.. Chapra. Canale.0 Yrd. Bilgisayar Müh. R.edu. Eğri uydurma Teorik bilgilerin verilmesi ve uygulamaya dönük kodlama yada yazılımların kullanılması Öğrenciden İstenilen Öğrencinin derse devam etmesi zorunludur. Hafta 7. Doç. C. Chapra. Hafta . Hafta 10. Hafta 8. 38039-Kayseri / TURKİYE Tel: 90 352 4374937 Dahili 32578 Faks: 90 352 4374933 II. S. Mühendisler için sayısal yöntemler Araç ve Gereçler MATLAB yazılımı Haftalara Göre Ders Planı Haftalar Konular MATLAB programlama dili giriş 1. Applied Numerical Methods with MATLAB. S. GENEL BİLGİLER Uygulamalı Sayısal Yöntemler Ders Adı Dili: Türkçe Dönemi: Bahar Kredisi (T-P-K) : 3-0-3 ECTS Kredisi: 7.00 Görüşme Saatleri E posta: bahriye@erciyes. Hafta 13. Hafta Sezgisel algoritmalar Isıl İşlem Algoritması Tabu Araştırma Algoritması ARA SINAV Genetik Algoritma Genetik Algoritma Karınca Koloni Algoritması Yapay Bağışıklık Algoritması Diferansiyel Gelişim Algoritması Yapay Arı Kolonisi Algoritması ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR ANABİLİMDALI I. Hafta 11.00-12. bu metotların programlanabilmesi yada paket programlar kullanarak kullanılabilmesi MATLAB. Hatalar. Kök Bulma. Gereklilikler Vize Notu %30 ve Final Notunun %70 ağırlıklı ortalaması alınarak Başarı Notunun karşılık gelen harf notuna çevrilir. Mühendislik Fak. Kısıtlamalı ve Kısıtlamasız Optimizasyon. Bahriye AKAY Öğretim Üyesi Perşembe 10. Hesaplanması Önerilen Kaynaklar.tr WEB: http://bm.5. Hafta 9. DERS BİLGİLERİ Ders Tipi ve Seviyesi Seçmeli: Evet Zorunlu: İlgili: Evet Esas: Yan dal: Orta: Evet Başlangıç: İleri Uzmanlık: Sayısal Yöntemlerde özellikle optimizasyon amaçlı kullanılan metotların Dersin Amacı Ders İçeriği Öğretim Metodu incelenerek. Lineer Cebirsel Denklemlerin Çözümü. Dr. Hafta 14.

Doç. Bilgisayar Müh.edu. Hafta 12.0 Yrd. Hafta 7.2. iteratif search.) Polinom Köklerinin Bulunmasında kullanılan metotlar ve bu metotların programlanması (Klasik yöntemler. Bahriye AKAY Öğretim Üyesi Perşembe 10. Hafta 11. Hafta 6. Ders İçeriği Durma Zamanları Teorik bilgilerin verilmesi Öğretim Metodu Öğrenciden İstenilen Öğrencinin derse devam etmesi zorunludur.tr WEB: http://bm.erciyes. Markov Modelleri. Newton Yöntemi) ARA SINAV Optimizasyon Çok Boyutlu Kısıtlamasız Optimizasyon (Direct methods. Martingale Modelleri. 38039-Kayseri / TURKİYE Tel: 90 352 4374937 Dahili 32578 Faks: 90 352 4374933 II. LU ve Inverse Matris.00 Görüşme Saatleri E posta: bahriye@erciyes. Hafta MATLAB grafik modülleri Kesme Hataları ve Taylor Serisi Denklem Köklerinin Bulunmasında Kullanılan metotlar ve bu metotların programlanması (Bisection.tr/bahriye Fakülte iletişim adresi: Erciyes Üniversitesi. dallanma ve yakınsama durumlarının analizi Dersin Amacı Olasılık teorisi. katlı kökler. sekant. DERS BİLGİLERİ Ders Tipi ve Seviyesi Seçmeli: Evet Zorunlu: İlgili: Evet Esas: Yan dal: Uzmanlık: Evet Başlangıç: Orta: İleri Stokastik süreçlerin durma.00-12. Hafta 13. GENEL BİLGİLER İleri Stokastik Süreçler Ders Adı Dili: Türkçe Dönemi: Güz Kredisi (T-P-K) : 3-0-3 ECTS Kredisi: 7. Yakınsama Teoremleri. Hafta 10. gradyent methods)Kısıtlamalı Optimizasyon Lineer Programlama Kısıtlamalı Optimizasyon Nonlineer Programlama Optimizasyon Lineer ve Nonlineer problemler için Sezgisel Algoritmalar Eğri Uydurma En küçük kareler regresyonu Eğri Uydurma İnterpolasyon Eğri uydurma Fourier Approximation ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR ANABİLİMDALI I. Hafta 5. Hafta 14. Hafta 8. Bairstow yöntemi) Lineer Cebirsel Denklemlerin Çözümünde kullanılan metotlar ve bu metotların programlanması (Gauss eliminasyon. Hafta 9. Dr.. Second Order Interpolation. Mühendislik Fak. Gauss Seidel) Optimizasyon Bir Boyutlu Kısıtlamasız Optimizasyon (Golden Section.edu. Hafta 3. Hafta 4. Gereklilikler Vize Notu %30 ve Final Notunun %70 ağırlıklı ortalaması alınarak Başarı Notunun . Newton raphson. Müller yöntemi.

Hafta 6. katlı kökler. Newton Yöntemi) ARA SINAV Optimizasyon Çok Boyutlu Kısıtlamasız Optimizasyon (Direct methods. 38039-Kayseri / TURKİYE Tel: 90 352 4374937 Dahili 32578 Faks: 90 352 4374933 II.edu. Hafta 7.tr/bahriye Fakülte iletişim adresi: Erciyes Üniversitesi. gradyent methods)Kısıtlamalı Optimizasyon Lineer Programlama Kısıtlamalı Optimizasyon Nonlineer Programlama Optimizasyon Lineer ve Nonlineer problemler için Sezgisel Algoritmalar Eğri Uydurma En küçük kareler regresyonu Eğri Uydurma İnterpolasyon Eğri uydurma Fourier Approximation 10. GENEL BİLGİLER Kombinasyonel Optimizasyon Ders Adı Dili: Türkçe Dönemi: Güz Kredisi (T-P-K) : 3-0-3 ECTS Kredisi: 7. Amir Dembo. Doç. Stanford University Araç ve Gereçler Haftalara Göre Ders Planı Haftalar Konular MATLAB programlama dili giriş 1. Bairstow yöntemi) Lineer Cebirsel Denklemlerin Çözümünde kullanılan metotlar ve bu metotların programlanması (Gauss eliminasyon. iteratif search. Hafta Denklem Köklerinin Bulunmasında Kullanılan metotlar ve bu metotların programlanması 4. LU ve Inverse Matris. Bilgisayar Müh. Second Order Interpolation. Hafta ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR ANABİLİMDALI I.) Polinom Köklerinin Bulunmasında kullanılan metotlar ve bu metotların programlanması (Klasik yöntemler. Müller yöntemi. Amir Dembo.erciyes. Hesaplanması Önerilen Kaynaklar. Hafta 11.. Bahriye AKAY Öğretim Üyesi Perşembe 10. Probability Theory.00 Görüşme Saatleri E posta: bahriye@erciyes. Hafta 8. Stanford University Stochastic Processes. Hafta 9. Hafta 14. Hafta (Bisection. Newton raphson. Mühendislik Fak. DERS BİLGİLERİ Ders Tipi ve Seviyesi Seçmeli: Evet Zorunlu: İlgili: Evet Esas: Yan dal: Orta: Evet Başlangıç: İleri Uzmanlık: Tamsayı ve kombinasyonel optimizasyon problemlerinin ve algoritmalarının Dersin Amacı . Dr.00-12. Hafta MATLAB grafik modülleri 2. Hafta 13. Hafta 12. Hafta Kesme Hataları ve Taylor Serisi 3.tr WEB: http://bm. sekant.karşılık gelen harf notuna çevrilir. Hafta 5.0 Yrd. Gauss Seidel) Optimizasyon Bir Boyutlu Kısıtlamasız Optimizasyon (Golden Section.edu.

Hafta 14. /Prş. Hafta ARA SINAV 8. Hafta 0-1 Çanta problemi Minimax network lokasyonunda karmaşıklık ve verimlilik Araç yönlendirme problemi Yükleme problemi Bir makinadaki maksimum gecikmesinin minimizasyonu Personel çizelgeleme problemi ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR ANABİLİMDALI I./Cuma: 14. Hafta Kesen düzlemler teorisi 2. Coşkun Özkan Öğretim Üyesi Pzt. Mühendislik Fakültesi. Foulds. Combinatorial Optimization Araç ve Gereçler Haftalara Göre Ders Planı Haftalar Konular Tamsayı programlama için Brach and Bound metodlaru 1. Hafta Gezgin satıcı problemi 6.0 Doç. Hafta Küme parçalama 7.Ders İçeriği Öğretim Metodu öğretilmesi Kombinasyonel optimizasyon problemleri ve bu problemleri çözen algoritmalar Teorik bilgilerin verilmesi ve uygulamaya dönük kodlama yada yazılımların kullanılması Öğrenciden İstenilen Öğrencinin derse devam etmesi zorunludur. L. Harita Mühendisliği Bölümü. Hafta Sub-gradient optimizasyon 3. /Salı /Çrş. Hafta İki değerli programların çözüm uzayında kısmi sıralama 4. 38039-Kayseri / TURKİYE Tel: 90 352 4374901 Dahili 32675 Faks: 90 352 4375784 II. R.30 Görüşme Saatleri E posta: cozkan@erciyes. Hafta 12.edu. GENEL BİLGİLER Çok Boyutlu Veri Analizi Ders Adı Dili: Türkçe Dönemi: Kredisi (T-P-K) : 3-0-3 ECTS Kredisi: 7. Dr.tr WEB: Fakülte iletişim adresi: Erciyes Üniversitesi. Hafta 13. Hafta 10. Gereklilikler Vize Notu %30 ve Final Notunun %70 ağırlıklı ortalaması alınarak Başarı Notunun karşılık gelen harf notuna çevrilir.00-14. DERS BİLGİLERİ Ders Tipi ve Seviyesi Seçmeli: Evet Zorunlu: İlgili: Evet Esas: Yan dal: Başlangıç: Evet Orta: İleri Uzmanlık: Tek ve çok boyutlu verinin analizinde kullanılan matematik istatistik Dersin Amacı . Hafta 11. Hafta Kombinasyonel optimizasyon algoritmalarının karmaşıklığı 5. Hafta Graf algoritmaları ve Graf renklendirme problemi 9. Hesaplanması Önerilen Kaynaklar.

Hafta Lineer cebir 4.tr/mcelik/bim532 Fakülte iletişim adresi: Erciyes Üniversitesi. /Prş. Mete Çelik Öğretim Üyesi Pzt.. /Salı /Çrş. bilgisayar başında uygulamalı ve öğrenci seminerleri Öğretim Metodu Öğrenciden İstenilen Temel matematik ve lineer cebir bilgisi. Hafta Çoklu ve çok boyutlu regresyon 12. Mühendislik Fak. Dr. Bilgisayar Müh. Gereklilikler Bir tek ara sınav ve yarıyıl sonu sınavı Başarı Notunun Hesaplanması Önerilen Kaynaklar.00-14. GENEL BİLGİLER BİM532 Mekansal Veritabanları Ders Adı Dili: Türkçe Dönemi: Güz Kredisi (T-P-K) : 3-0-3 ECTS Kredisi: 7. Faktör Analizi.edu. Alvin Rencher. Applied multivariate analysis. Hafta Kümeleme yöntemleri 14.edu..0 Yrd. Böl. DERS BİLGİLERİ Ders Tipi ve Seviyesi Seçmeli: Evet Zorunlu: İlgili: Evet Esas: Yan dal: Başlangıç: Evet Orta: İleri Uzmanlık: Mekansal veritabanları ve veri madenciliği hakkında temel teşkil edecek bilgilerin Dersin Amacı . Tahtada teorik. Hafta Çok boyutlu varyans analizi 10. Kümeleme Analizi. Araç ve Gereçler Haftalara Göre Ders Planı Haftalar Konular 1. Kanonik korelasyon. Hafta Çok boyutlu veri tanımı ve uygulama alanları 6. Ana Bileşen Dönüşümü. Çok Boyutlu Verilerin Görselleştirilmesi. Doç.bazlı yaklaşımları öğretmek Çok Boyutlu Veri kavramı. Hafta Çok boyutlu kovaryans analizi 11. Hafta Sınıflandırma Ders İçeriği ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR ANABİLİMDALI I.30 Görüşme Saatleri E posta: mcelik@erciyes. Hafta Çok boyutlu dağılımlar 7. Hafta Lineer cebir 5. Çok Boyutlu Verilerde istatistiksel analizler. Hafta ARA SINAV 9. Çok Boyutlu Veri Ölçekleme. 38039-Kayseri / TURKİYE Tel: 90 352 4374901 Dahili 32530 Faks: 90 352 4375784 II. Hafta Tek boyutlu istatistik 3. Hafta Tek boyutlu istatistik 2. Hafta Çok boyutlu dağılımlar 8./Cuma: 14.erciyes.tr WEB:bm. Hafta Ana bileşen dönüşümü ve faktör analizi 13.

Hafta Dağıtık ve paralel mekansal veritabanı sistemleri 7. Veri madenciliği problem ve yaklaşımlarının incelenmesi. Mete Çelik Öğretim Üyesi Pzt. Hesaplanması Önerilen Kaynaklar. Her bir konu derste teorik olarak işlenir ve örnekler çözülür Öğrencilerin derse önceden hazırlanması beklenmektedir. mekansal. Hafta Mekansal veri madenciliğine giriş 11.tr/mcelik/bim511 Fakülte iletişim adresi: Erciyes Üniversitesi. Hafta Mekansal sınıflandırma. Shekhar Araç ve Gereçler Haftalara Göre Ders Planı Haftalar Konular Giriş.edu. mekan-zamansal veri madenciliği 14. Böl.edu. Dr. sorgu optimizasyonu. Hafta Mekansal depolama ve indeksleme. Bilgisayar Müh. Hafta ARA SINAV Mekansal ağlar 9. /Salı /Çrş.30 Görüşme Saatleri E posta: mcelik@erciyes. Kümeleme ve anormallik tespiti 12. Hafta verilmesidir. mekansal ağlar ve mekansal veritabanlarındaki son gelişmeler. anormallik tespiti ve birliktelik analizi teknikleri incelenecektir. yarıyılsonu sınav puanının % 60’ ına. Hafta Mekansal sınıflandırma.Ders İçeriği Öğretim Metodu Öğrenciden İstenilen Gereklilikler Ham başarı puanı. Veri Nedir 1. /Prş.0 Yrd. S. R ağaçları 3. Hafta Mekansal kavramlar ve veri modelleri 2. Chawla.. mekansal veritabanları için veri modelleri. Hafta Sorgu optimizasyonu 5. grid dosyaları. Doç. ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR ANABİLİMDALI I. Mühendislik Fak. Hafta 8. GENEL BİLGİLER Bim511 Veri Madenciliği Ders Adı Dili: Türkçe Dönemi: Güz Kredisi (T-P-K) : 3-0-3 ECTS Kredisi: 7. Kümeleme ve anormallik tespiti 13.00-14. Hafta Zamansal. Hafta Mekansal ağlar 10. Hafta Sorgu optimizasyonu 6.. Hafta Mekansal depolama ve indeksleme. veri nedir. S. R ağaçları 4. ./Cuma: 14. kümeleme. Mekansal veritabanları ve coğrafi bilgi sistemleri arasındaki farklar.tr WEB:bm. Spatial databases. DERS BİLGİLERİ Ders Tipi ve Seviyesi Seçmeli: Evet Zorunlu: İlgili: Evet Esas: Yan dal: Başlangıç: Evet Orta: İleri Uzmanlık: Veri madenciliği problemlerinin analiz edilmesini ve bu problemler için geliştirilen Dersin Amacı Ders İçeriği temel yaklaşımları incelenmesini amaçlamaktadır. giriş. Bu kapsamda sınıflandırma. grid dosyaları. 38039-Kayseri / TURKİYE Tel: 90 352 4374901 Dahili 32530 Faks: 90 352 4375784 II. ara sınavlar puan Başarı Notunun ortalamasının % 40'ının eklenmesiyle hesaplanır.erciyes.

kümeleme.0 Doç. M. Steinbach. 38039-Kayseri / TURKİYE Tel: 90 352 4374901 Dahili 32675 Faks: 90 352 4375784 II. V. ara sınavlar puan Başarı Notunun ortalamasının % 40'ının eklenmesiyle hesaplanır.00-14. Hafta Sınıflandırma 6. Introduction to Data Mining. yarıyılsonu sınav puanının % 60’ ına. dijital ./Cuma: 14.edu. elektromanyetik enerji. Uydu sistemleri.30 Görüşme Saatleri E posta: cozkan@erciyes. Kumar. Hafta Birliktelik Analizi 4. Hafta Sınıflandırma 7. Hafta ARA SINAV Kümeleme 9. GENEL BİLGİLER Uzaktan Algılama Ders Adı Dili: Türkçe Dönemi: Kredisi (T-P-K) : 3-0-3 ECTS Kredisi: 7. Hafta Anormallik Tespiti 11. Hafta Kümeleme 10. Dr. Hafta sınıflandırma. Harita Mühendisliği Bölümü. Coşkun Özkan Öğretim Üyesi Pzt. ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR ANABİLİMDALI I. Tan. mekan-zamansal veri analizi. anormallik tespiti ve birliktelik analizi. diğer veri madenciliği konuları Her bir konu derste teorik olarak işlenir ve örnekler çözülür Öğrencilerin derse önceden hazırlanması beklenmektedir. Hafta Birliktelik Analizi 5. Hafta Veri Analizi 2. DERS BİLGİLERİ Ders Tipi ve Seviyesi Seçmeli: Evet Zorunlu: İlgili: Evet Esas: Yan dal: Başlangıç: Evet Orta: İleri Uzmanlık: Uzaktan algılamanın temelleri ve uygulama alanlarının öğretilmesi Dersin Amacı Uzaktan algılama biliminin temelleri.Öğretim Metodu Öğrenciden İstenilen Gereklilikler Ham başarı puanı. Hesaplanması Önerilen Kaynaklar. P. Addison Wesley Araç ve Gereçler Haftalara Göre Ders Planı Haftalar Konular Giriş. EMR Ders İçeriği nin cisimlerle etkileşimi. Hafta Mekansal ve Mekan-zamansal Veri Analizi 13. Hafta Diğer Veri Madenciliği Konuları 14. Hafta 8. Radar sistemleri. Hafta Anormallik Tespiti 12. /Prş. N. Hafta Veri Analizi 3. /Salı /Çrş.tr WEB: Fakülte iletişim adresi: Erciyes Üniversitesi. Mühendislik Fakültesi. Veri Nedir 1.

Mobil ve kablosuz ağlara giriş. Bilal BABAYİĞİT Öğretim Üyesi 8. Hafta Elektromanyetik enerjinin cisimlerle etkileşimi 5. uygulamalar. Hafta Değişik uzaktan algılama uygulamaları 12. Hafta Envi yapılan uygulamalar ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİMDALI I. GENEL BİLGİLER BİM 506 Mobil ve Kablosuz Ağlar Ders Adı Dönemi: Güz Dili: Türkçe Kredisi (T-P-K) : 3-0-3 ECTS Kredisi: 7. Hafta Uydu algılama sistemleri. radyometrik birimler 3. Hafta Tanım ve temel kavramlar 2.tr WEB: Fakülte iletişim adresi: Erciyes Üniversitesi. Dr. Hafta Matlab ortamında yapılan uygulamalar 13. Bilgisayar Mühendisliği Bölümü. Tahtada teorik ve bilgisayar başında uygulamalı anlatım Temel fizik bilgileri ve paket program kullanabilme Bir tek ara sınav ve yarıyıl sonu sınavı Uzaktan Algılama. Erdas ve Envi programları Haftalara Göre Ders Planı Haftalar Konular 1. .00 Görüşme Saatleri E posta: bilalb@erciyes. tarayıcı türleri 7. Filiz Sunar. Hafta Erdas programında yapılan uygulamalar 14. Hafta RADAR sistemleri 10. Kantitatif Yaklaşım. Hafta Elektromanyetik enerji. hücresel ağlar. Hafta RADAR sistemleri 11.edu. Hafta Elektromanyetik spektrum 4. Mobil ve kablosuz sistem tasarımı. Hafta Elektromanyetik enerjinin cisimlerle etkileşimi 6. Mobil radyo yayılımı.Öğretim Metodu Öğrenciden İstenilen Gereklilikler Başarı Notunun Hesaplanması Önerilen Kaynaklar. Mühendislik Fakültesi. Doç. DERS BİLGİLERİ Ders Tipi ve Seviyesi Seçmeli: Evet Zorunlu: Esas: Evet İlgili: Yan dal: Orta: Evet Başlangıç: İleri Uzmanlık: Mobil ve kablosuz ağ teknolojilerindeki temel kavramlarının ve teknolojilerinin Dersin Amacı Ders İçeriği öğretilmesi. çoklu iletişim. çeviri: Derya Maktav. Araç ve Gereçler görüntü işleme. Matlab. Hafta ARA SINAV 9.00-17.0 Yrd. Hafta Uydu platformu yörünge karakteristikleri 8. 38039 Melikgazi Kayseri / TURKİYE Tel: 90 352 4374901 Dahili 32553 Faks: 90 352 4375784 II.

tr WEB: Fakülte iletişim adresi: Erciyes Üniversitesi. ara sınavlar puan ortalamasının % Hesaplanması Önerilen Kaynaklar. Hafta Mobil radyo yayılımı 3. Introduction to Wireless and Mobile Systems. Cengage Learning. Dönem içerisinde yapılan ödev ve projeler final sınavının %20’sini oluşturur. Akyildiz and M. Vuran. arasınav ve final sınavlarında başarılı olmalıdır. kablosuz ağların başarımı. Teorik anlatılan konuları öğrencilerin daha iyi anlayabilmesi için dönem boyunca çeşitli ev ödevleri ve projeler verilir. P. Wireless Networking. Dr. 2010. 38039 Melikgazi Kayseri / TURKİYE Tel: 90 352 4374901 Dahili 32553 Faks: 90 352 4375784 II. Morgan Kaufmann. yarıyılsonu sınav puanının % 60'ına. Bilgisayar Mühendisliği Bölümü. Bilal BABAYİĞİT Öğretim Üyesi 8. 2007. bir yazılı arasınav. Hafta Proje Sunumları ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİMDALI I. 3rd edition. DERS BİLGİLERİ Ders Tipi ve Seviyesi .edu. • D. Kumar. bir yazılı yarıyılsonu sınavı yapılır. ad hoc ve sensör ağlar. • I. seçilmiş çeşitli konularla ilgili örnekler sınıfta çözülür. C. Q-an Zeng. • V. Hafta Kablosuz ağların başarım değerlendirmesi 11.Öğretim Metodu Öğrenciden İstenilen Gereklilikler Kapalı notlarla. Derste verilen teorik bilgilerden sonra. Doç. Hafta ARA SINAV 9.00 Görüşme Saatleri E posta: bilalb@erciyes. Garg. Kuri. Manjunath. Hafta Kablosuz ağların başarım değerlendirmesi 10. GENEL BİLGİLER BİM 533 Bilişsel Ağlar Ders Adı Dönemi: Güz Dili: Türkçe Kredisi (T-P-K) : 3-0-3 ECTS Kredisi: 7.0 Yrd. Hafta Çoklu paylaşımlı erişim teknikleri 8. Hafta Sensor Ağlar 13. D. mobil ve kablosuz ağlarda son gelişmeler. Hafta Çoklu iletişim 6. Hafta Mobil ve Kablosuz Ağlara Giriş 2. Agrawal. Araç ve Gereçler çoklu paylaşımlı erişim teknikleri. Hafta Çoklu paylaşımlı erişim teknikleri 7. Hafta Çoklu iletişim 5. Hafta Ad Hoc Ağlar 12. 2008. Morgan Kaufmann. Hafta Hücresel ağlar 4. Ham başarı Başarı Notunun puanı. verilen ödevleri zamanında yapmalı. Hafta Mobil ve kablosuz ağlardaki son gelişmeler 14. Haftalara Göre Ders Planı Haftalar Konular 1. Mühendislik Fakültesi. Öğrenciler derslere katılmalı. Wireless Sensor Networks. 40'ına eklenmesiyle hesaplanır. • A. J. F. 2011. Wireless Communicatio and Networking. John Wiley&Sons.00-17.

).Dr. GENEL BİLGİLER İleri Görüntü İşleme Teknikleri ve Bilgisayar Görme -I Ders Adı Dönemi: Güz Dili: Türkçe Kredisi (T-P-K) : 3-0-3 ECTS Kredisi: 5.). 2007. bir yazılı yarıyılsonu sınavı yapılır. Hafta Spektrum Sezme 7. • E. bilişsel çevrim. Haftalara Göre Ders Planı Haftalar 1. Öğrenciler derslere katılmalı. 2009. Veysel ASLANTAŞ Öğretim Üyesi Pzt. bilişsel radyo yapıları ve standartları. Hafta Yönlendirme Algoritmaları 13.0 Doç. karar verme. 40'ına eklenmesiyle hesaplanır.00-14. Hafta 9. • H. Hafta Proje Sunumları Konular ARA SINAV ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİMDALI I.30 Görüşme Saatleri . spektrum hareketliliği. Yönlendirme algoritmaları. /Prş. Hafta BR Mimari Yapısı 4. Hafta Bilişsel Radyo 3. spektrum sezme. Cognitive Radio Technology. Academic Press. Hafta Bilişsel Çevrim 5. paylaşma. Hossain. çok türellik ve güvenilirlik ihtiyaçlarını karşılamak üzerine odaklanmaktadır. Hafta Bilişsel Ağlara Giriş 2. Dynamic Spectrum Access and Management in Cognitive Radio Networks. seçilmiş çeşitli konularla ilgili örnekler sınıfta çözülür. Hafta Bilişsel Radyo Protokolleri 11. Arslan (Ed. arasınav ve final sınavlarında başarılı olmalıdır.H. bir yazılı arasınav. Bilişsel radyo. Bilişsel radyo protokolleri. Cambridge./Cuma: 14. and Adaptive Wireless Systems. Fette.Zorunlu: Esas: Evet Başlangıç: Dersin Amacı Seçmeli: Evet İlgili: Orta: Evet İleri Yan dal: Uzmanlık: Ders İçeriği Öğretim Metodu Öğrenciden İstenilen Gereklilikler Kapalı notlarla. Hafta Spektrum Karar Verme 8. 2007. yarıyılsonu sınav puanının % 60'ına. /Salı /Çrş. Teorik anlatılan konuları öğrencilerin daha iyi anlayabilmesi için dönem boyunca çeşitli ev ödevler ve projeler verilir. Cognitive Networks. Bilişsel radyo ve bilişsel ağlar konuları üzerinde yapılan çalışmalar anlaşılması. Derste verilen teorik bilgilerden sonra. Mahmoud (Ed. Araç ve Gereçler Gelecek nesil kablosuz ve mobil hesaplama ağları olarak da isimlendirilen Bilişsel Ağ konusu ve temel teknolojilerinin öğretilmesi. Springer. D. Ham başarı Başarı Notunun puanı. John Wiley&Sons. 2009. Dönem içerisinde yapılan ödev ve projeler final sınavının %20’sini oluşturur. Hafta CR Standartları 14. • B. • Q. Software Defined Radio. Hafta Spektrum Hareketliliği 12. ara sınavlar puan ortalamasının % Hesaplanması Önerilen Kaynaklar. Han. Hafta Spektrum Paylaşma 10. verilen ödevleri zamanında yapmalı. Cognitive Radio. Bilişsel ağlar gelecek nesil ağların karmaşıklık. Niyato. mimarisi. Hafta Spektrum Sezme 6. Z.

yarıyılsonu sınav puanının % 60’ ına. Gelişen birçok sahada olduğu gibi. Mühendislik Fakültesi. Sahadaki bu büyüme. endüstriyel teftiş. New York. Co. Hafta 6. (2nd edition) 2002. temel görüntü işleme operasyonları Görüntü işlemenin temelleri. Fundamentals of Digital Image Processing.edu. Prentice Hall. Hafta 14. Hafta 4. • Low. Gonzalez and R. Dizi resim analizi gibi yüksek seviyeli deneysel resim analizi tekniklerinin ve özel bir uygulama için başarılı bir sistem tasarlayabilmek için gerekli temel kavram ve teknikleri n öğrenilmesi. Hafta 9. nano teknoloji ve çokluortam veritabanı uygulamaları gibi bir çok sahada uygulama alanı bulmaktadır.aspx?Sorgu=714 Fakülte iletişim adresi: Erciyes Üniversitesi. A. Hafta 5. Dolayısıyla bilgisayar görme tasarımcısı. C. Böl. DERS BİLGİLERİ Ders Tipi ve Seviyesi Seçmeli: Evet Zorunlu: İlgili: Evet Esas: Yan dal: Başlangıç: Evet Orta: İleri Uzmanlık: Temel konuların ve sayısal resimlerden bilgi elde etmek için kullanılan tekniklerin Dersin Amacı Ders İçeriği Öğretim Metodu Öğrenciden İstenilen Gereklilikler Ham başarı puanı. görüntü elde etme. Hafta 10. görüntülerin algılanması ve temsil edilmesi Görüntü işlemenin temelleri. McGraw-hill. bölge. Bilgisayar Müh.) hesaplamak için kullanılan yaygın metotların bilinmesi ve uygulanması. vs. Addison-Wesley Pub. doküman inceleme. Digital Image Processing.E posta: aslantas@erciyes. Woods. Resimlerden çeşitli uygulamalar için gerekli olan temel özellikleri (kenar. • R. Bu ders. • Anil K. Hafta 13. 1991 öğrenilmesi. Hafta 12. görüntülerin algılanması ve temsil edilmesi Aydınlatma ve sensörler. ara sınavlar puan Başarı Notunun ortalamasının % 40'ının eklenmesiyle hesaplanır. Araç ve Gereçler notunun en az DD veya daha yukarı olması gerekir. Introductory Computer Vision and Image Processing. görüntü işleme ve bilgisayar görme temel ve ileri tekniklerinin verilmesi hedeflenmiştir. Aydınlatma ve sensörler. kavramların ve tekniklerin hem derinliğine hem de genişliğine olmaktadır. 1989. 38039 Kayseri / TURKİYE Tel: 90 352 4374937 Dahili 32602 II. tıbbi resim işleme. Hafta Konular Görüntü işleme ve bilgisayar görmeye giriş. Hafta 8. uzaktan algılama. Hafta 2. örnekleme ve kuantalama. Bu teknikler. Çeşitli pratik uygulamalar için gerekli olan algoritmalar detaylı olarak bahsedilmektedir. Jain. Hafta 11. görüntü işleme ve bilgisayar görme hemen hepsi bilgisayar görü sistem tasarımcılarının herhangi bir özel uygulaması için uygun olmayabilir. Başarılı olmak için başarı Hesaplanması Önerilen Kaynaklar. Hafta 3. Bu derste. Yüksek lisans öğrencileri Haftalara Göre Ders Planı Haftalar 1.erciyes..tr WEB: http://abis.. Görüntü işleme ve bilgisayar görme sahası oldukça hızlı bir şekilde büyümektedir. görüntü işleme örnekleri. özel bir uygulama için başarılı bir sistem tasarlayabilmek için temel kavram ve teknikleri bilmek zorundadır Sınıf dersleri: Haftada üç saat teorik temeller. dizi resim analizi gibi yüksek seviyeli deneysel resim analizi tekniklerini de ihtiva etmektedir.edu. E. temel görüntü işleme operasyonları Eşikleme teknikleri Renkli resim işleme ARA SINAV Resim bölütleme teknikleri Resim bölütleme teknikleri Resim sıkıştırma teknikleri Resim sıkıştırma teknikleri Hareketli nesnelerin hız ve pozisyon hesapları Hareketli nesnelerin hız ve pozisyon hesapları .tr/Sorgu. Hafta 7.

1993. V. Bilgisayar Müh. filtre tasarımı. Sınıf dersleri: Haftada üç saat teorik temeller. 1991 Haftalara Göre Ders Planı Haftalar 1. Analysis and Machine Vision. Jain.00-14. gürültü. ayrık transformlar. E. • Doku modellemenin temelleri ve doku sınıflandırma algoritmaları. Mühendislik Fakültesi. hat ve hareket temelli resim bölütleme konularını ihtiva etmektedir. • Nesne hareketler tahmininin temelleri ve optik akış tahmini algoritmalarının uygulamaları.aspx?Sorgu=714 Fakülte iletişim adresi: Erciyes Üniversitesi./Cuma: 14. /Prş. yarıyılsonu sınav puanının % 60’ ına. (2nd edition) 2002.edu. Fundamentals of Digital Image Processing. nesne özellikleri elde etme ve analizleri. görüntü restorasyonu. Co. and Boyle. Böl. Hafta 2. Prentice Hall. 1989. Gonzalez and R. GENEL BİLGİLER İleri Görüntü İşleme Teknikleri ve Bilgisayar Görme -II Ders Adı Dönemi: Bahar Dili: Türkçe Kredisi (T-P-K) : 3-0-3 ECTS Kredisi: 5.. Ders genel olarak: geometrik transformlar..Dr. Introductory Computer Vision and Image Processing. Hafta Geometrik transformlar Ayrık transformlar Konular .0 Doç. Veysel ASLANTAŞ Öğretim Üyesi Pzt. Image Processing.ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİMDALI I. • Sonka. kenar tespit teknikleri. Hlavac. Addison-Wesley Pub. ara sınavlar puan ortalamasının % 40'ının eklenmesiyle hesaplanır. McGraw-hill. Low.. Chapman & Hall Computing. • R. bölge. gürültü temizleme.tr/Sorgu.edu. Lineer sistem modelleme ve lineer ve lineer olmayan filitrelerin uygulamaları. Bu ders. Digital Image Processing. C. 38039 Kayseri / TURKİYE Tel: 90 352 4374937 Dahili 32602 II. Araç ve Gereçler Ham başarı puanı. • Anil K. Başarılı olmak için başarı notunun en az DD veya daha yukarı olması gerekir. • Resim bölütleme ve gruplamanın önemi ve problemleri ve bunlarla ilgili temel algoritmaların uygulaması • Resimlerdeki nesnelerin tanınması ve temel şablon karşılaştırma algoritmalarının uygulamaları konuları hakkında bilgi sahibi olacaklardır.erciyes. R. resim analizi.. görüntü işleme ve bilgisayar görme için geliştirilmiş yeni teknikler hakkında bilgi vermektedir. Woods. A. New York. M. Yüksek lisans öğrencileri Öğretim Metodu Öğrenciden İstenilen Gereklilikler Başarı Notunun Hesaplanması Önerilen Kaynaklar. /Salı /Çrş.tr WEB: http://abis. • Kenar tespit algoritmalarının tasarın-m ve uygulamaları.30 Görüşme Saatleri E posta: aslantas@erciyes. DERS BİLGİLERİ Ders Tipi ve Seviyesi Seçmeli: Evet Zorunlu: İlgili: Evet Esas: Yan dal: Başlangıç: Evet Orta: İleri Uzmanlık: Bu dersin başarı ile tamamlanması sonucunda öğrenciler: Dersin Amacı • • Ders İçeriği Resim modelleri ve onlların nasıl üretildikleri.

Ultrasonik. Hafta 13. bir yazılı yarıyılsonu sınavı yapılır. İşlenecek konular: Görüntü formasyon ve temsili.aspx?Sorgu=714 Fakülte iletişim adresi: Erciyes Üniversitesi. GENEL BİLGİLER HAREKETLİ ROBOTLAR İÇİN MESAFE ÖLÇME TEKNİKLERİ Ders Adı Dili: Türkçe Dönemi: Bahar Kredisi (T-P-K) : 3-0-3 ECTS Kredisi: 7. özellik elde etme.00-14. sayısal resimlerden üç boyutlu çevrenin yorumlanması. Hafta 12. Öğrenciden İstenilen olasılık teorisi ve lineer cebir bilmeleri konuları anlamakta yardımcı olacaktır. Veysel ASLANTAŞ Öğretim Üyesi Pzt. “Ben yoktum”. Bilgisayar Mühendisliği Bölümü. Hafta 5. DERS BİLGİLERİ Ders Tipi ve Seviyesi Seçmeli: Evet Zorunlu: İlgili: Evet Esas: Yan dal: Başlangıç: Evet Orta: İleri Uzmanlık: Üç boyutlu Bilgisayar Görme teknikleri için gerekli altyapının oluşturulması. ara sınavlar puan ortalamasının % Hesaplanması 30'unun eklenmesiyle hesaplanır. Hafta 9. Bulanıklık. hat ve hareket temelli resim bölütleme teknikleri ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİMDALI I. Structured light) ve Passive Teknikler (Stereo. Başarılı olmak için başarı notunun en az DD veya daha yukarı olması gerekir. Dersin Amacı Verilen bir çevrenin üç boyutlu yapısının elde edilmesi. /Salı /Çrş. Ayrıca.. yarıyılsonu sınav puanının % 70'ine.0 Doç. Hafta 14. /Prş. hat ve hareket temelli resim bölütleme teknikleri Bölge. AA. BA. filtre tasarımı.CC (ham başarı puanı 100-70 arasında kalan notlar) şartsız başarılı notlardır. Doku. Bilgisayar görü konusunun fizikî. anlaşılması ve Ders İçeriği modelinin oluşturulması gayesiyle 3D bilgisayar görü sahasının ilim ve mühendislik konularını içermektedir. nesne tanıma ve konumlandırma. Otomatik Odaklama. . “Bilmiyordum” gibi mazeretler geçerli değildir. Hafta Ayrık transformlar Gürültü. Gölge.erciyes.30 Görüşme Saatleri E posta: aslantas@erciyes. Hafta 4. Ultraviyole. 3D tekniklerinin genel çalışma prensiplerinin öğrenilmesi.tr/Sorgu. Evödevleri toplanılmayacak fakat benzer sorular imtihanlarda sorulacaktır. 38039-Kayseri / TURKİYE Tel: 90 352 4374937 Dahili 32602 Faks: 90 352 4375784 II. Hafta 8. Ham başarı Başarı Notunun puanı. Hafta 6. Bir yarıyıl ve bir yılsonu olmak üzere iki imtihan yapılacaktır. kamera kalibrasyonu ve 3D görü teknikleri: Aktif Teknikler (Radar. Hafta 7.edu.tr WEB: http://abis. Hafta 10. Mühendislik Fakültesi. Hafta 11. Bir dönem boyunca 6-7 evödevi verilecektir. Öğrencilerin görüntü işleme ve lineer sistemler bildiği kabul edilmektedir. BB. gürültü temizleme Görüntü restorasyonu Görüntü restorasyonu Kenar tespit teknikleri ARA SINAV Nesnelerin özelliklerinin elde edilmesi ve analizi Nesnelerin özelliklerinin elde edilmesi ve analizi Resim analizi Resim analizi Bölge. Derslere verilen ödevler yapılmış olarak ve önceki dersler anlaşılış olarak gelinmelidir./Cuma: 14. DC ve DD (ham başarı puanı 69-60 arasında kalan notlar) ise şartlı başarılı notlardır.3. CB.Dr. Gereklilikler Kapalı notlarla bir yazılı arasınav. Triangulation. 3D çıkarım algoritmaları uygulamaları ile 2D sayısal resimlerden üçüncü boyutun elde edilmesi Bu ders.edu. Hareket) Derslere katılım oldukça önemli olup derslerde anlatılan herşeyden öğrenciler Öğretim Metodu mesuldür. matematikî ve bilgi işleme yönüne odaklanılmıştır.

Hafta Pasif teknikler: Zoom 12. benimle görüşmek isteyenler mail yoluyla da iletişim kurabilirler. Araç ve Gereçler • • • • • • • R. Dr. Computer Vision: Algorithms and Applications. çünkü dersim yoksa genellikle hep ofisimde Görüşme Saatleri olurum. Mühendislik Fakültesi. Kak.erciyes. Springer 2010. Digital Image Processing.0 Yrd.edu. Stockman.tr WEB: http://abis. 1982. DERS BİLGİLERİ Ders Tipi ve Seviyesi Seçmeli: Evet Zorunlu: İlgili: Evet Esas: Yan dal: Orta: Evet Başlangıç: İleri Uzmanlık: Bu dersin amacı öğrencilere olasılık ve rassal süreçlerin temel ve bazı Dersin Amacı ileri kavramlarını tanıtmaktır. . Necla ÖZKAYA Öğretim Üyesi Ofis saatleri belirtmedim.tr/Sorgu. 38039-Kayseri / TÜRKİYE Tel: 90 352 4374901 Dahili 32600 Faks: 90 352 4375784 II. Hafta Özellikler ve özellik elde etme 4. Hafta Giriş:Üç boyutlu Bilgisayar Görme teknikleri 2. GENEL BİLGİLER İleri Olasılık Ders Adı Dili: Türkçe Dönemi: Güz Kredisi (T-P-K) : 3-0-3 ECTS Kredisi: 7. Hafta Pasif teknikler: Hareket ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİMDALI I. Elektronik postamı düzenli olarak kontrol ederim. Hafta Görüntü formasyonu ve işleme 3.edu. Castleman. Herhangi bir öğrenci bir şey sormak istediğinde direk odama gelerek sorusunu sorabileceği gibi randevu alarak da görüşme talebinde bulunabilir. Rosenfeld and A. Hafta MID-TERM EXAM 9. Hafta Pasif teknikler: Stereo 11. Shapiro and G. Hafta Aktif teknikler: Ultraviyole-üçgenleme-yapılandırılmış ışık demeti 7. Hafta Aktif teknikler: Ultraviyole-üçgenleme-yapılandırılmış ışık demeti 8. Computer Vision. 2001. Szeliski. G. Hafta Pasif teknikler: Fotometrik stereo 10. A. L. Bilgisayar Mühendisliği Bölümü. Prentice Hall. Hafta Aktif teknikler: Radar-ultrason 6. C. Doç. 1996.aspx?Sorgu=3388 Fakülte iletişim adresi: Erciyes Üniversitesi. Prentice Hall. Kenneth R. E posta: neclaozkaya@erciyes. Digital Image Processing. Hafta Kamera modelleri ve kalibrasyonu 5. Hafta Pasif teknikler: Odak temelli teknikler 13. Hafta Pasif teknikler: Doku-gölge temelli teknikler 14.Önerilen Kaynaklar. Image Processing Fundamentals Home Page Image Processing Home Page Computer Vision Home Page Haftalara Göre Ders Planı Haftalar Konular 1. Volume 1. Academic Press.

Probability. Bayes teoremi. Probability and Random Processes for Electrical and Computer Engineers. by J. NJ 07458. Gerekirse ödev verilen sorular tahtada çözülerek öğrencilerin soruları cevaplandırılmış olur. Woods. güven aralıkları. Goodman.Ders İçeriği Bu dersin konuları arasında olasılık belitleri. by Henry Stark. and John W. Diğer Kaynaklar: An Introduction to Probability Theory and Its Applications. ISBN-10: 0070484775 Haftalara Göre Ders Planı Haftalar Konular 1. 3/E. teorik bilgi işlendikten sonra konunun daha iyi anlaşılması için çeşitli problemler çözülür. Yates and David J. A. rassal değişkenler. Öğrenci ödevi çözerken herhangi bir Gereklilikler problemle karşılaşırsa bu problemi bir sonraki hafta derste sorabilmekte böylece öğrencinin kafasında konuyla ilgili herhangi bir belirsizliğin kalmamasına özen gösterilmektedir.. Araç ve Gereçler Ders Notu: Probability and Stochastic Processes: A Friendly Introduction for Electrical and Computer Engineers. Upper Saddle River. ayrık ve sürekli rassal süreçler ve kuyruk teorisine giriş bulunmaktadır. Öğretim Metodu Her konunun daha iyi anlaşılması için. New Jersey). Belitlerin Bazı Sonuçları 2. Öğrencilere bir sonraki derste ev ödevlerini çözerken karşılaştıkları problemleri varsa sormaları için söz hakkı verilir. 2nd Ed. Önerilen Kaynaklar. Konu derste işlenip bitirildikten sonra öğrencilerin öğrenme durumlarını pekiştirmek ve kontrol etmek için çeşitli ev ödevleri verilir. merkezi limit teoremi ve uygulamaları. Volume 1. 2002. Öğrenciden İstenilen Öğrenciler derslere katılmalıdır. Sıralı Deneyler ve Ağaç Diyagramları. Random Variables and Stochastic Processes. Öğrencinin notu üniversitede kullanılan bir yazılım sayesinde harf notuna çevrilmekte ve öğrencinin mailine gönderilerek sınav sonucundan öğrencinin haberdar olması sağlanmaktadır. Bağımsızlık. 1968. Küme Teorisini Olasılık Belitlerine Uygulama. Gubner. Hafta Koşullu Olasılık. McGraw-Hill Companies. Derste öğrencinin başarmak zorunda olduğu iki sınav vardır: Ara Başarı Notunun sınav ve final sınavı. Bu ileri konuların yanı sıra temel istatistik konuları da bu ders çerçevesinde işlenecektir. by Roy D. Prentice-Hall. Hafta Deneyler. 3rd Edition William Feller (Princeton Univ. Her öğrenci kendisine verilen ev ödevlerini çözmek zorundadır. 2006. final sınavının ise % 70’i alınmaktadır.. Başarı notunun hesaplanmasında ara sınavın % Hesaplanması 30’u. Inc. Sayma . 3/E. Papoulis. rassal değişkenlerin toplamı. 1991. Modeller ve Olasılıklar: Küme Teorisi. büyük sayılar kuralı. John Wiley & Sons. Probability and Random Processes with Applications to Signal Processing. ISBN: 978-0-47125708-0.

Çapraz Spektral Yoğunluk Final Sınavı için Gözden Geçirme ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİMDALI I. Tahminleme ve Öngörü. Sürekli Zamanlı Markov Zincirleri.edu. Moment Üreten Fonksiyon. Beklenen Değerden Rassal Değişken Türetme Rassal Süreçler: Poisson Süreci. Hafta 5. Türetilmiş Rassal Değişkenlerin Olasılık Modelleri Rassal Değişken Çiftleri: Ortak Birikimli Dağılım Fonksiyonu. Hafta 4. Hafta 14. Necla ÖZKAYA Öğretim Üyesi Ofis saatleri belirtmedim. GENEL BİLGİLER Biyometrik Sistemler Ders Adı Dili: Türkçe Dönemi: Güz Kredisi (T-P-K) : 3-0-3 ECTS Kredisi: 7. Hafta Yöntemleri. Doç. Hafta 11. Hafta 12. Birikimli Dağılım Fonksiyonu Ortalamalar. Korelasyon Matrisi İki Rassal Değişkeninin Toplamının Olasılık Yoğunluk Fonksiyonu. Koşullu Olasılık Kütle Fonksiyonu Sürekli Rassal Değişkenler: Olasılık Yoğunluk Fonksiyonu. Mühendislik Fakültesi. Durağan Süreçler. 38039-Kayseri / TÜRKİYE Tel: 90 352 4374901 Dahili 32600 Faks: 90 352 4375784 II. Ayrık Rassal Değişken Aileleri. Gaussian Süreçleri Ayrık Zamanlı Markov Zinciri Dinamikleri. Bilgisayar Mühendisliği Bölümü.erciyes. Doğum-Ölüm Süreçleri ve Kuyruk Sistemleri Rassal Sinyal Süreçleri: Ayrık Zamanlı Doğrusal Filtreleme. Hafta 9. Bağımsız Rassal Değişkenlerin Rassal Toplamları Merkezi Limit Teoremi e Uygulamaları. Varyans ve Standard Sapma. Delta Fonksiyonları. Sürekli Rassal Değişken Aileleri Gaussian Rassal Değişkenleri. DERS BİLGİLERİ Ders Tipi ve Seviyesi . Sınırsal Olasılık Fonksiyonları. Herhangi bir öğrenci bir şey sormak istediğinde direk odama gelerek sorusunu sorabileceği gibi randevu alarak da görüşme talebinde bulunabilir.edu. Kuvvet Spektral Yoğunluk. Hafta 6. E posta: neclaozkaya@erciyes. Hafta 7. Ortak Olasılık Kütle Fonksiyonu.0 Yrd. Sınırsal Olasılık Kütle Fonksiyonu Ara sınav İki Rassal Değişken Fonksiyonları. Hafta 10. dolayısıyla benimle görüşmek isteyenler mail yoluyla da iletişim kurabilirler. N Rassal Değişken Olasılık Modelleri.3. Beklenen Değerler. çünkü dersim yoksa genellikle hep ofisimde Görüşme Saatleri olurum. Beklenen Değer. Bağımsız Deneyler Ayrık Rassal Değişkenler: Olasılık Kütle Fonksiyonu. Elektronik postamı düzenli olarak kontrol ederim. Dr.tr WEB: http://abis. Hafta 8.tr/Sorgu.aspx?Sorgu=3388 Fakülte iletişim adresi: Erciyes Üniversitesi. Hafta 13. Karışık Rassal Değişkenler.

işaret işlemenin biyometrik sistemlere uygulanması. karşılaştırmayı ve sorunsuz çalışan bir sistem elde etmeyi öğreneceklerdir. Biyometrik temelli tanıma ve onaylama sisteminin teorik kısmı sınıflarda işlenecek. görüntü işleme gibi lisansta aldıkları konuları uygulamalı olarak görüp pekiştirecekleri bir platform sağlamaktadır. Bu sistemler genellikle güvenlik uygulamaları ve suç ve suçlu tespiti gibi uygulamalarda kullanılmaktadır. gerçekleştirilebilecek projeler daha önce geliştirilmiş biyometrik sistemlere yapıda olabileceği gibi farklı biyometrik özellikler kullanılarak da gerçeklenebilir. öğrencilerin biyometrik sistemlerin tasarımı. öğrencilere temel görüntü işleme bilgilerinin verilmesi. Laboratuar uygulamaları esnasında öğrenciler gruplar halinde çalışırlar ve uygulama esnasında anlaşılmayan bir şey olduğunda sorular sorarak konuyu tam olarak anlamaya çalışırlar. sosyal ve etik kuralları konusunda bilgilendirilmesi vardır. Öğrenciler bu derstegörüntü işleme desen tanıma ve biyometrik sistemin doğruluk analizini gerçekleştirebilecek kadar istatistik göreceklerdir. öğrencilere işaret işleme. gerçekleştirilmesi. Öğrenciler laboratuar çalışmaları sırasında biyometrik literatüründe bulunan ve sıkça kullanılan standart veritabanlarını kullanabilecekleri gibi sensorlar aracılığıyla elde ettikleri şablonları da kullanabileceklerdir. Bu projeleriyle ilgili birer raporu da belirtilen tarihlerde yazılı ve sözlü olarak sunmak zorundadırlar. ardından konuyla ilgili uygulamalar laboratuarda gerçekleştirilecektir. Tek başına veya iki kişilik grup içerisinde almış olduğu 2 adet projeyi başarıyla tamamlamak Gereklilikler zorundadır. Ders. sınıflandırmayı. Proje gerçekleştirirken karşılaştığı zorluklar varsa bunları dersin sorumlusuyla tartışarak kafasındaki belirsizlikleri gidermelidir. Laboratuar uygulamaları Matlab programlama ortamında gerçekleştirilecektir. işaret ve görüntü işlemeyi. Sözlü sunumların ardından soru-cevap 2’şer kişilik gruplarla da kısmıyla konu pekiştirilir. İnsana özgü karakteristik özelliklerin işlenerek kişilerin kimliklendirilmesinde kullanıldığı teknolojiler olan biyometrik sistemlere işaret işleme ve görüntü işleme uygulamalarının nasıl yapıldığı konusunda detaylar veren bir derstir. Proje geliştirme aşamasında gerektiğinde ders sorumlusuyla ileitşim kurularak karşılaşılan sorunlara birlikte çözümler bulunulacaktır. özellik seti elde etmeyi. Öğrenciden İstenilen Öğrenci derse atılmak zorundadır. desen tanımaya giriş bilgilerinin verilmesi. Ders çerçevesinde işlenen konuların tam olarak anlaşılması için her öğrenci iki biyometrik sistem projesi gerçekleştirmek zorundadır. Bu dersi alan öğrencilerin problemsiz çalışan tam bir biyometrik sistemi tasarlayıp gerçekleştirmesi beklenmektedir. Bu ders sınıfta yapılan teorik bilgilendirme ve laboratuar uygulamalrı geliştirme şeklinde işlenecektir. Projeler hem projede gerçekleştirilen sistemin sonuçları hem de öğrencinin bireysel gayreti göz önünde bulundurularak .Zorunlu: Esas: Başlangıç: Dersin Amacı Ders İçeriği Öğretim Metodu Seçmeli: Evet İlgili: Evet Yan dal: Orta: Evet İleri Uzmanlık: Bu dersin amaçları arasında temel işaret işleme ve görüntü işleme bilgilerinin uygulamalarla takviye edilmesi. Öğrenciler bu derste.

This text will be supplemented with assigned readings on biometrics as detailed in the class schedule online. Prentice Hall. A. BIOMETRICS: Personal Identification in Networked Society. 4. Katılımlı-katılımsız. Springer. 2007. vs. Michael Thieme. Kluwer. Başarı Notunun Derste öğrencinin başarmak zorunda olduğu iki sınav vardır: Ara sınav ve final sınavı. and S. John Wiley & Sons. Design and Performance Evaluation. D. Wayman. D. Jain.değerlendirilecektir. Digital Image Processing. Handbook of Fingerprint Recognition. Biyometrik sistemlerin performans değerlendirilmelerine yönelik yönelik temel temel . Kung. 2004. K.. Gonzalez and R. and D. Maltoni. Prentice Hall. Prabhakar. K. Hafta 4. A. 3rd Edition. and Raj Nanavati. and S. 2002. Biometric Systems: Technology. Jain. Biyometrik sistem modları ve mimarilerinin görüntü işleme teknikleri kullanılarak gerçekleştirilmesi. 2002. 2004. David Zhang (Ed. açık-kapalı.W. Jain. modları ve sistem mimarileri: Kayıt. 3.). Önerilen Kaynaklar. Kluwer Academic Publishers. 2. Ruud Bolle. Ruud M. Maio. Springer. 2005. Başarı notunun hesaplanmasında ara sınavın % Hesaplanması 30’u. Samir Nanavati. tanıma. Pankanti (Eds. Bolle. Paul Reid. S.K. Jain. Biometric Solutions for Authentication in an E-World. Maltoni. final sınavının ise % 70’i alınmaktadır. izleme.E.C. Woods. Anil K.). Biometrics for Network Security. Hafta Biyometrik özelliklere ve biyometrik temelli sistemlere giriş. Maio (Eds. Springer Verlag. Guide to Biometrics. 2.). 2003. onaylama. and Sharath Pankanti (Eds. J. 3. 4. Biometric Authentication: A Machine Learning Approach.). Lin. Prentice Hall PTR.H. Öğrencinin notu üniversitede kullanılan bir yazılım sayesinde harf notuna çevrilmekte ve öğrencinin mailine gönderilerek sınav sonucundan öğrencinin haberdar olması sağlanmaktadır. 6. Araç ve Gereçler Ders Notları: 1. S. Hafta Biyometrik sistemlerin kullanımı. Biyometrik temelli sistemlerin gerçekleştirilmesi konusuna görüntü işleme açısından giriş. A.Y. 3. D. Hafta Biyometrik sistemlerin performans değerlendirilmelerine açıklamalar: hata oranları. R. 2004. R. Mak. M. Haftalara Göre Ders Planı Haftalar Konular 1. 1999. 2. Biometrics: Identity Verification in a Networked World. Biometrics: Personal Identification in Networked Society. 1999. DiğerKaynaklar: 1. tanıma doğrulukları vs. 5. Kluwer Academic Publishers. Bolle et al.

iletişimde ve hesaplamada karşılaşılan zorluklar. Hafta 13. Bölümü. Kablosuz algılayıcı ağlarına giriş. /Prş.tr WEB: http://bm.erciyes. özellik noktalarının elde edilmesi. Gör. Bilgisayar Müh. Hafta 7. yeni bir Dersin Amacı Ders İçeriği teknoloji olan kablosuz algılayıcı ağlarının öğrencilere tanıtılması. Hafta 12. algılayıcı ağlarının karakteristikleri. Hafta istatistiksel yöntemler. DERS BİLGİLERİ Ders Tipi ve Seviyesi Seçmeli: Evet Zorunlu: İlgili: Evet Esas: Yan dal: Başlangıç: Evet Orta: İleri Uzmanlık: Bilgisayar Bilimleri ve Bilgisayar Mühendisliği eğitimi çerçevesinde. Yüz tanıma: Görünüş temelli ve yerel özelliklere dayalı yüz tanıma yaklaşımları ve bunların gerçekleştirilmeleri. Öğrenci projelerinin sunumu ve Final Sınavı için Gözden Geçirme ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİMDALI I. Ülkemizde algılayıcı ağları üzerinde bilgi sahibi olan bilgisayar mühendislerinin sayısının artmasına katkı sağlanması. Öğretim Metodu Öğrenciden İstenilen Gereklilikler Başarı Notunun . Ara sınav Parmak izi tanıma: Özellik noktaları temelli yaklaşımlar ve özellik noktaları temelli olamayan yaklaşımlar ve bunların gerçekleştirilmeleri. Hafta 11. Hafta 9. 38039-Kayseri / TURKİYE Tel: 90 352 4374901 Dahili 32581 Faks: 90 352 4375784 II. Likelihood oranı. Bayesian yaklaşımı. kaydı.edu. algılayıcı ağ protokolleri ve uygulamaları. Mühendislik Fak. kan damarları yapısı. Hafta 10. Çoklu biyometrik özellik temelli sistemler. Üç boyutlu yüz tanıma: yüz bilgilerinin alınması. Diğer biyometrik özellikler: avuç içi. Öğrenci projelerinin sunumu. Dr.edu. güncel gelişmeler ve uygulamalar. Biyometrik sistemlerin sınıflandırılma teorileri: Neyman-Pearson yaklaşımı. GENEL BİLGİLER KABLOSUZ ALGILAYICI AĞLARI UYGULAMALARI Ders Adı Dönemi: Bahar Dili: Türkçe Kredisi (T-P-K) : 3-0-3 ECTS Kredisi: 7. Gaussian durumu. /Salı /Çrş.5. özellik setinin hesaplanması ve karşılaştırma. Celal ÖZTÜRK Öğretim Üyesi Pzt. İris tanıma: iris temelli bir biyometrik sistemin gerçekleştirilmesi.00-14.30 Görüşme Saatleri E posta: celal@erciyes.0 Öğr. algılayıcı ağlarında veri toplama ve kümeleme. Hafta 14. Hafta 6. yürüyüş ve konuşmacı tanıma vs. algılayıcı ağ güvenliği. Hafta 8.tr/celal/ Fakülte iletişim adresi: Erciyes Üniversitesi../Cuma: 14. MAP yaklaşımı.

genetik algoritma. tabu araştırma.edu.. çoklu zeka ve yapay zeka kavramları. Hafta Araştırma ve uygulama projeleri 14. uzman sistemler ve yapay sinir ağları (YSA). GENEL BİLGİLER YAPAY SİNİR AĞLARI – I Ders Adı Dönemi: Güz Dili: Türkçe Kredisi (T-P-K) : 3-0-3 ECTS Kredisi: 7. Hafta Algılayıcı ve ağ mimarisi 3. Griffin (eds). radial tabanlı ağlar. T. S. Mobile and Pervasive Computing". /Salı /Çrş. Sensor Network Operations. /Prş. Morgan Kaufmann Publishing. ISBN-10: 1558609148. Hafta Transport protokolleri 5./Cuma: 14. Hafta Yönlendirme protokolleri 6. Hafta Araştırma ve uygulama projeleri ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİMDALI I. Phoha. Haftalara Göre Ders Planı Haftalar Konular 1. YSA kavramları. DERS BİLGİLERİ Ders Tipi ve Seviyesi Seçmeli: Evet Zorunlu: İlgili: Evet Esas: Yan dal: Başlangıç: Evet Orta: İleri Uzmanlık: Bilgisayar bilimleri ve Bilgisayar Mühendisliği eğitimi çerçevesinde.tr/celal/ Fakülte iletişim adresi: Erciyes Üniversitesi. yapay sinir Dersin Amacı Ders İçeriği ağlarının problem çözmede nasıl kullanılabileceği hususunda ihtiyaç duyulan teorik ve pratik bilgilerin öğrencilere sunulması. Zeka. Yapay zeka teknikleri: Bulanık mantık. Grid. Auerbach Publications. Değişik ağ tipleri: Çok katlı perseptronlar. LVQ. Hafta Ortam paylaşımı protokolleri 8. yapıları ve algoritmaları. Bilgisayar Müh.edu.tr WEB: http://bm.00-14. Araç ve Gereçler 2. Hafta Hedef bulma ve takip protokolleri 7. Öğrenme algoritmaları: geri . Celal ÖZTÜRK Öğretim Üyesi Pzt. Hafta ARA SINAV 9. Yang Xiao. 3.30 Görüşme Saatleri E posta: celal@erciyes. Gör. 1. Teorik bilgilerin yanında öğrencinin kendi uygulamasını geliştirebilmesidir. La Porta. Hafta Güvenlik protokolleri 12. pp. Wiley-IEEE Press. hopfield ağ. Mühendislik Fak. Bölümü.erciyes. Hafta Kablosuz Algılayıcı ağlarına giriş 2. Wireless Sensor Networks: An Information Processing Approach by Feng Zhao and Leonidas Guibas. CRC Press 2007. Security in Distributed. Hafta Güvenli veri kümeleme protokolleri 13. and C.0 Öğr. 422-441. Dr. ISBN: 0471719765. Hafta Veri depolama protokolleri 10.F.Hesaplanması Önerilen Kaynaklar. 38039-Kayseri / TURKİYE Tel: 90 352 4374901 Dahili 32581 Faks: 90 352 4375784 II. Edited by Prof. Hafta Veri kümeleme protokolleri 11. Hafta Ağ kurulumu ve organizasyonu 4.

Araç ve Gereçler 2003.30 Görüşme Saatleri E posta: danaci@erciyes. Hafta Kendisini Organize Edebilen Haritalar 11. Hızlı yayılım. deltabar-delta. Bilgisayar M.yayılım.edu. geliştirilmiş delta-bar-delta. /Salı /Çrş. 1994. Yapay sinir ağlarının uygulama alanlarına örnekler. Hafta ARA SINAV 9. Hafta YSA yapıları 5. Hafta Tek Katmanlı Ağlar 7. rasgele önlendirilmiş araştırma. Artificial Neural Networks: A Compherensive Foundation. Haykin. Hafta İleri beslemeli YSA Uygulamaları 10.tr WEB: Fakülte iletişim adresi: Erciyes Üniversitesi. 2. Hafta YZ tekniklerine genel bakış 3. Hafta YZ Genel Bakış 2. Hafta Çok Katmanlı İleri beslemeli ağlar 8. Hafta YSA temel kavramlar ve terimler. YSA tarihçe 4. S. Hafta Vektör Kuantalama Öğrenmeli Ağlar 12. /Prş.Doç. Levenberg-Marquardt algoritması. 38039-Kayseri / TURKİYE Tel: 90 352 4374937 Dahili 32528 Faks: 90 352 4374933 II. Öğretim Metodu Öğrenciden İstenilen Gereklilikler Başarı Notunun Hesaplanması Önerilen Kaynaklar. yapay sinir ağı uygulamaları. Hafta Radyal Tabanlı Fonksiyon Ağları 13. DERS BİLGİLERİ Ders Tipi ve Seviyesi Seçmeli: Evet Zorunlu: İlgili: Evet Esas: Yan dal: Başlangıç: Evet Orta: İleri Uzmanlık: bir sistemin tasarım ve modellenmesinin yüksek seviyeli bilgisayar Dersin Amacı . Hafta YSA öğrenme algoritmaları 6.Dr. Haftalara Göre Ders Planı Haftalar Konular 1. Hafta Araştırma ve Uygulama Ödev Sunumları 14. 1. Bölümü. Hafta Araştırma ve Uygulama Ödev Sunumları ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİMDALI I. Mühendislik Fakültesi. GENEL BİLGİLER Dinamik Sistem ve Modelleme Ders Adı Dili: Türkçe Dönemi: Kredisi (T-P-K) : 3-0-3 ECTS Kredisi: 7. Ufuk Kitabevi. Mühendislikte Yapay Zeka Kullanımı I: Yapay Sinir Ağları./Cuma: 14. Dönem araştırma projesi.00-14. Mustafa DANACI Öğretim Üyesi Pzt. genetik algoritma.0 Y.

Sistem kavramı. Araç Mifflin. Teorik olarak verilen temel bilgi üzerine yapılacak çeşitli problem çözümleri ve verilecek ödev çalışmaları ile ders işlenecektir. olasılık.30 Görüşme Saatleri E posta: danaci@erciyes. Önerilen Modeling and Analysis of Dynamic Systems. ilk olarak model kavramını vermektedir. Houghton Kaynaklar. ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİMDALI I. Hafta ARA SINAV Hidrolik sistemler 9.Doç. 2008 Springer. /Salı /Çrş. Bölümü. Hafta Lineer modellerin analitik çözümü 2. Başarı Notunun Hesaplanması Introduction to discrete event systems C. Hafta Mekanik sistemler 11. Bilgisayar M. Mühendislik Fakültesi. Ders içeriği. programlama gibi temel konularda önbilgileri olmalıdır. Hafta 10. Hafta Transfer Function Analysis 4. Hafta Dişli mekanik sistemler 13. ve Gereçler Haftalara Göre Ders Planı Haftalar Konular Sistem ve modelleme./Cuma: 14.tr WEB: Fakülte iletişim adresi: Erciyes Üniversitesi. Hafta Elektriksel sistemler 6. Hafta 8. by Close and Frederick. 38039-Kayseri / TURKİYE Tel: 90 352 4374937 Dahili 32528 .0 Y. Öğrencilerin derse katılmaları gerekmektedir. tasarlanması ve modellenmesi için gerekli bilgiler verilmektedir. Hafta Laplace dönüşümü 3. Hafta Mekanik sistemler 12.00-14. İlgi duyulan sistemin davranışını tam olarak verebilecek dinamik bir model ortaya konulacaktır. Mustafa DANACI Öğretim Üyesi Pzt. 1993. Hafta Nonlineer bir sistem üzerinden lineer model geliştirilmesi 5. /Prş. Cassandras and S. Lafortune.Dr. İstatistik.Ders İçeriği Öğretim Metodu Öğrenciden İstenilen Gereklilikler %40 Vize %60 Final notu ile başarı değerlendirilir. Temel istatistik ve matematik modellerin üzerine dinamik bir sistemin tanımlanması. Değişik amaçlara yönelik olarak matematiksel denklemler ile bir sistem davranışı modellenecektir. Hafta Elektromekanik sistemler programları ve dili ile yapılması için gerekli akademik bilgi verilmesi amaçlanmaktadır. GENEL BİLGİLER Ayrık Simulasyon Ders Adı Dili: Türkçe Dönemi: Kredisi (T-P-K) : 3-0-3 ECTS Kredisi: 7. 1. 2ed.edu. matematik. Hafta Elektromekanik sistemler 14. Hafta Termal sistemler 7.

Cassandras and S. Infinitesimal perturbation analysis(IPA) analizi. 6. Hafta Kontrollü markov zinciri. Sınırlı süreli simulasyon kesme ve çıktı analizi. kuyruk modelleri. Hafta Ayrık olay simulasyonu.Faks: 90 352 4374933 DERS BİLGİLERİ Ders Tipi ve Seviyesi Seçmeli: Evet İlgili: Evet Yan dal: Orta: İleri Uzmanlık: Sistem modelleme. 1. simülasyon sistemini tasarlama. simulasyon karakteristiği. Hafta Kuyruk teorisine giriş. . veya simülasyon yazılımları ile sistemlerin analizlerini yapabilmeleri için gerekli temel bilgileri (olasılık. sürekli zamanlı markov zinciri. Hafta Markov kuyruk sistemleri. planlama problemleri. Hafta 14. Hassasiyet analizi ve eşzamanlı kestirim. İstatistik. Öğrencilerin derse katılmaları gerekmektedir. IPA uzantıları. Hafta Lineer modellerin analitik çözümü. ilk olarak model kavramını vermektedir. Lafortune. yüksek düzeyli programlama dilleri. markov karar problemlerinin çözümü. istatistik. Zorunlu: Esas: Başlangıç: Evet Dersin Amacı Ders İçeriği Öğretim Metodu Öğrenciden İstenilen Gereklilikler %40 Vize %60 Final notu ile başarı değerlendirilir. Houghton Kaynaklar. 2ed. by Close and Frederick. Ders içeriği. markov olmayan kuyruk sistemleri. 1993. Dinamik sistemler. 3. Hafta Ayrık olay simulasyon analizi. 2. Hafta 8. Hafta Nonlineer sistemin lineer olarak modellenmesi. Teorik olarak verilen temel bilgi üzerine yapılacak çeşitli problem çözümleri ve verilecek ödev çalışmaları ile ders işlenecektir. Hafta Olasılık teorisine giriş. Değişik amaçlara yönelik olarak matematiksel denklemler ile bir sistem davranışı modellenecektir. modelleme ve temel simülasyon kavramları) kazandırmak bir sistemin tasarım ve modellenmesinin yüksek seviyeli bilgisayar programları ve dili ile yapılması için gerekli akademik bilgi verilmesi amaçlanmaktadır. ve Gereçler Haftalara Göre Ders Planı Haftalar Konular Sistem ve model kavramlarına giriş. örnek fonksiyonları ve türevleri. Araç Mifflin. markov karar süreçleri. kuyruk system parametreleri 7. Sürekli simulasyon 13. programlama gibi temel konularda önbilgileri olmalıdır. parameter kestirimi. SPA analizi. Hafta çıktıları analizi. Başarı Notunun Hesaplanması Introduction to discrete event systems C. olasılık. Hafta 10. 11. matematik. Hafta Markov zinciri. kabul problemleri 9. İlgi duyulan sistemin davranışını tam olarak verebilecek dinamik bir model ortaya konulacaktır. 5. II. ayrık zamanlı markov zinciri. Ayrık zaman sistemleri. Hafta ARA SINAV Kuyruk sistemleri ve kontrolü. 2008 Springer. 12. Yönlendirme problemleri. 4. Önerilen Modeling and Analysis of Dynamic Systems.

Sign up to vote on this title
UsefulNot useful