buradan - Bilgisayar Mühendisliği Bölümü

Transkript

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: [email protected]
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
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.
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
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.
Önerilen Kaynaklar, •
Araç ve Gereçler
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)
ANABİLİMDALI
I.
GENEL BİLGİLER
BİM513 Zeki Optimizasyon Teknikleri
Ders Adı
Dönemi: Güz
Dili: Türkçe
ECTS Kredisi: 7.0
Prof. Dr. Derviş Karaboğa
Öğretim Üyesi
8.00-17.00
Görüşme Saatleri
WEB:
Tel:
90 352 4374901 Dahili 32577
Faks:
90 352 4375784
II.
DERS BİLGİLERİ
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
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.
Gereklilikler
Başarı Notunun
puanı,
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.
Haftalar
Konular
1. Hafta
Optimizasyon Temel Kavramları
2. Hafta
Optimizasyon problemlerinin ve yöntemlerinin sınıflandırılması
3. Hafta
Geleneksel Optimizasyon Yöntemleri
4. Hafta
Geleneksel Optimizasyon Yöntemleri
5. Hafta
6. Hafta
7. Hafta
8. Hafta
9. Hafta
10. Hafta
11. Hafta
12. Hafta
13. Hafta
14. 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
BİLGİSAYAR ANABİLİMDALI
I.
GENEL BİLGİLER
Uygulamalı Sayısal Yöntemler
Ders Adı
Dili: Türkçe
Dönemi: Bahar
ECTS Kredisi: 7.0
Yrd. Doç. Dr. Bahriye AKAY
Öğretim Üyesi
Perşembe 10.00-12.00
Görüşme Saatleri
WEB: http://bm.erciyes.edu.tr/bahriye
Erciyes Üniversitesi, Mühendislik Fak. Bilgisayar Müh., 38039-Kayseri / TURKİYE
Tel:
90 352 4374937 Dahili 32578
Faks:
90 352 4374933
II.
DERS BİLGİLERİ
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, bu metotların programlanabilmesi yada paket programlar kullanarak
kullanılabilmesi
MATLAB, Hatalar, Kök Bulma, Lineer Cebirsel Denklemlerin Çözümü,
Kısıtlamalı ve Kısıtlamasız Optimizasyon, Eğri uydurma
Teorik bilgilerin verilmesi ve uygulamaya dönük kodlama yada
yazılımların kullanılması
Öğrenciden İstenilen Öğrencinin derse devam etmesi zorunludur.
Gereklilikler
Vize Notu %30 ve Final Notunun %70 ağırlıklı ortalaması alınarak
Başarı Notunun
karşılık gelen harf notuna çevrilir.
Hesaplanması
Önerilen Kaynaklar, S. C. Chapra, Applied Numerical Methods with MATLAB,
S. Chapra, R. Canale, Mühendisler için sayısal yöntemler
Araç ve Gereçler
MATLAB yazılımı
Haftalar
Konular
MATLAB programlama dili giriş
1. Hafta
2. Hafta
3. Hafta
4. Hafta
5. Hafta
6. Hafta
7. Hafta
8. Hafta
9. Hafta
10. Hafta
11. Hafta
12. Hafta
13. Hafta
14. Hafta
MATLAB grafik modülleri
Kesme Hataları ve Taylor Serisi
Denklem Köklerinin Bulunmasında Kullanılan metotlar ve bu metotların programlanması
(Bisection, iteratif search, Newton raphson, sekant, katlı kökler,)
Polinom Köklerinin Bulunmasında kullanılan metotlar ve bu metotların programlanması
(Klasik yöntemler, Müller yöntemi, Bairstow yöntemi)
Lineer Cebirsel Denklemlerin Çözümünde kullanılan metotlar ve bu metotların
programlanması (Gauss eliminasyon, LU ve Inverse Matris, Gauss Seidel)
Optimizasyon
Bir Boyutlu Kısıtlamasız Optimizasyon (Golden Section, Second Order Interpolation,
Newton Yöntemi)
ARA SINAV
Optimizasyon
Çok Boyutlu Kısıtlamasız Optimizasyon
(Direct methods, 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
I.
GENEL BİLGİLER
İleri Stokastik Süreçler
Ders Adı
Dili: Türkçe
Dönemi: Güz
ECTS Kredisi: 7.0
Öğretim Üyesi
Görüşme Saatleri
Tel:
90 352 4374937 Dahili 32578
Faks:
90 352 4374933
II.
DERS BİLGİLERİ
Seçmeli: Evet
Zorunlu:
İlgili:
Evet
Esas:
Yan dal:
Uzmanlık: Evet
Başlangıç:
Orta:
İleri
Stokastik
süreçlerin
durma,
dallanma
ve
yakınsama
durumlarının
analizi
Dersin Amacı
Olasılık teorisi, Markov Modelleri, Martingale Modelleri, Yakınsama Teoremleri,
Ders İçeriği
Durma Zamanları
Teorik bilgilerin verilmesi
Öğretim Metodu
Gereklilikler
Başarı Notunun
Hesaplanması
Önerilen Kaynaklar, Probability Theory, Amir Dembo, Stanford University
Stochastic Processes, Amir Dembo, Stanford University
Araç ve Gereçler
Haftalar
Konular
MATLAB programlama dili giriş
1. Hafta
MATLAB grafik modülleri
2. Hafta
Kesme Hataları ve Taylor Serisi
3. Hafta
Denklem Köklerinin Bulunmasında Kullanılan metotlar ve bu metotların programlanması
4. Hafta
5. Hafta
6. Hafta
7. Hafta
8. Hafta
9. Hafta
10. Hafta
11. Hafta
12. Hafta
13. Hafta
14. Hafta
(Bisection, iteratif search, Newton raphson, sekant, katlı kökler,)
Polinom Köklerinin Bulunmasında kullanılan metotlar ve bu metotların programlanması
(Klasik yöntemler, Müller yöntemi, Bairstow yöntemi)
Lineer Cebirsel Denklemlerin Çözümünde kullanılan metotlar ve bu metotların
programlanması (Gauss eliminasyon, LU ve Inverse Matris, Gauss Seidel)
Optimizasyon
Bir Boyutlu Kısıtlamasız Optimizasyon (Golden Section, Second Order Interpolation,
Newton Yöntemi)
ARA SINAV
Optimizasyon
Çok Boyutlu Kısıtlamasız Optimizasyon
(Direct methods, 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
I.
GENEL BİLGİLER
Kombinasyonel Optimizasyon
Ders Adı
Dili: Türkçe
Dönemi: Güz
ECTS Kredisi: 7.0
Öğretim Üyesi
Görüşme Saatleri
Tel:
90 352 4374937 Dahili 32578
Faks:
90 352 4374933
II.
DERS BİLGİLERİ
Seçmeli: Evet
Zorunlu:
İlgili: Evet
Esas:
Yan dal:
Orta: Evet
Başlangıç:
İleri
Uzmanlık:
Tamsayı
ve
kombinasyonel
optimizasyon
problemlerinin
ve algoritmalarının
Dersin Amacı
Ders İçeriği
Öğretim Metodu
öğretilmesi
Kombinasyonel optimizasyon problemleri ve bu problemleri çözen algoritmalar
Teorik bilgilerin verilmesi ve uygulamaya dönük kodlama yada
yazılımların kullanılması
Gereklilikler
Başarı Notunun
Hesaplanması
Önerilen Kaynaklar, L. R. Foulds, Combinatorial Optimization
Araç ve Gereçler
Haftalar
Konular
Tamsayı programlama için Brach and Bound metodlaru
1. Hafta
Kesen düzlemler teorisi
2. Hafta
Sub-gradient optimizasyon
3. Hafta
İki değerli programların çözüm uzayında kısmi sıralama
4. Hafta
Kombinasyonel optimizasyon algoritmalarının karmaşıklığı
5. Hafta
Gezgin satıcı problemi
6. Hafta
Küme parçalama
7. Hafta
ARA SINAV
8. Hafta
Graf algoritmaları ve Graf renklendirme problemi
9. Hafta
10. Hafta
11. Hafta
12. Hafta
13. Hafta
14. Hafta
0-1 Çanta problemi
Minimax network lokasyonunda karmaşıklık ve verimlilik
Araç yönlendirme problemi
Yükleme problemi
Bir makinadaki maksimum gecikmesinin minimizasyonu
Personel çizelgeleme problemi
I.
GENEL BİLGİLER
Çok Boyutlu Veri Analizi
Ders Adı
Dili: Türkçe
Dönemi:
ECTS Kredisi: 7.0
Doç. Dr. Coşkun Özkan
Öğretim Üyesi
Pzt. /Salı /Çrş. /Prş./Cuma: 14.00-14.30
Görüşme Saatleri
WEB:
Erciyes Üniversitesi, Mühendislik Fakültesi, Harita Mühendisliği Bölümü, 38039-Kayseri /
TURKİYE
Tel:
90 352 4374901 Dahili 32675
Faks:
90 352 4375784
II.
DERS BİLGİLERİ
Seçmeli: Evet
Zorunlu:
İlgili: Evet
Esas:
Yan dal:
Başlangıç: Evet
Orta:
İleri
Uzmanlık:
Tek ve çok boyutlu verinin analizinde kullanılan matematik istatistik
Dersin Amacı
bazlı yaklaşımları öğretmek
Çok Boyutlu Veri kavramı, Çok Boyutlu Verilerin Görselleştirilmesi,
Çok Boyutlu Verilerde istatistiksel analizler, Ana Bileşen Dönüşümü,
Faktör Analizi, Kanonik korelasyon, Çok Boyutlu Veri Ölçekleme,
Kümeleme Analizi.
Tahtada teorik, bilgisayar başında uygulamalı ve öğrenci seminerleri
Öğretim Metodu
Öğrenciden İstenilen Temel matematik ve lineer cebir bilgisi.
Gereklilikler
Bir tek ara sınav ve yarıyıl sonu sınavı
Başarı Notunun
Hesaplanması
Önerilen Kaynaklar, Alvin Rencher, Applied multivariate analysis.
Araç ve Gereçler
Haftalar
Konular
1. Hafta
Tek boyutlu istatistik
2. Hafta
Tek boyutlu istatistik
3. Hafta
Lineer cebir
4. Hafta
Lineer cebir
5. Hafta
Çok boyutlu veri tanımı ve uygulama alanları
6. Hafta
Çok boyutlu dağılımlar
7. Hafta
Çok boyutlu dağılımlar
8. Hafta
ARA SINAV
9. Hafta
Çok boyutlu varyans analizi
10. Hafta Çok boyutlu kovaryans analizi
11. Hafta Çoklu ve çok boyutlu regresyon
12. Hafta Ana bileşen dönüşümü ve faktör analizi
13. Hafta Kümeleme yöntemleri
14. Hafta Sınıflandırma
Ders İçeriği
I.
GENEL BİLGİLER
BİM532 Mekansal Veritabanları
Ders Adı
Dili: Türkçe
Dönemi: Güz
ECTS Kredisi: 7.0
Yrd. Doç. Dr. Mete Çelik
Öğretim Üyesi
Görüşme Saatleri
WEB:bm.erciyes.edu.tr/mcelik/bim532
Erciyes Üniversitesi, Mühendislik Fak., Bilgisayar Müh. Böl., 38039-Kayseri / TURKİYE
Tel:
90 352 4374901 Dahili 32530
Faks:
90 352 4375784
II.
DERS BİLGİLERİ
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
Ders İçeriği
verilmesidir.
Mekansal veritabanları ve coğrafi bilgi sistemleri arasındaki farklar, mekansal
veritabanları için veri modelleri, sorgu optimizasyonu, mekansal ağlar ve mekansal
veritabanlarındaki son gelişmeler.
Her bir konu derste teorik olarak işlenir ve örnekler çözülür
Öğrencilerin derse önceden hazırlanması beklenmektedir.
Öğretim Metodu
Gereklilikler
Ham başarı puanı, yarıyılsonu sınav puanının % 60’ ına, ara sınavlar puan
Başarı Notunun
ortalamasının
% 40'ının eklenmesiyle hesaplanır.
Hesaplanması
Önerilen Kaynaklar, Spatial databases, S. Chawla, S. Shekhar
Araç ve Gereçler
Haftalar
Konular
Giriş, Veri Nedir
1. Hafta
Mekansal kavramlar ve veri modelleri
2. Hafta
Mekansal depolama ve indeksleme, grid dosyaları, R ağaçları
3. Hafta
Mekansal depolama ve indeksleme, grid dosyaları, R ağaçları
4. Hafta
Sorgu optimizasyonu
5. Hafta
Sorgu optimizasyonu
6. Hafta
Dağıtık ve paralel mekansal veritabanı sistemleri
7. Hafta
8. Hafta
ARA SINAV
Mekansal
ağlar
9. Hafta
Mekansal ağlar
10. Hafta
Mekansal
veri madenciliğine giriş
11. Hafta
Mekansal sınıflandırma, Kümeleme ve anormallik tespiti
12. Hafta
Mekansal sınıflandırma, Kümeleme ve anormallik tespiti
13. Hafta
Zamansal, mekansal, mekan-zamansal veri madenciliği
14. Hafta
I.
GENEL BİLGİLER
Bim511 Veri Madenciliği
Ders Adı
Dili: Türkçe
Dönemi: Güz
ECTS Kredisi: 7.0
Yrd. Doç. Dr. Mete Çelik
Öğretim Üyesi
Görüşme Saatleri
WEB:bm.erciyes.edu.tr/mcelik/bim511
Erciyes Üniversitesi, Mühendislik Fak., Bilgisayar Müh. Böl., 38039-Kayseri / TURKİYE
Tel:
90 352 4374901 Dahili 32530
Faks:
90 352 4375784
II.
DERS BİLGİLERİ
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. Bu kapsamda sınıflandırma,
kümeleme, anormallik tespiti ve birliktelik analizi teknikleri incelenecektir.
Veri madenciliği problem ve yaklaşımlarının incelenmesi, giriş, veri nedir,
sınıflandırma, kümeleme, anormallik tespiti ve birliktelik analizi, mekan-zamansal
veri analizi, diğer veri madenciliği konuları
Her bir konu derste teorik olarak işlenir ve örnekler çözülür
Öğrencilerin derse önceden hazırlanması beklenmektedir.
Öğretim Metodu
Gereklilikler
Başarı Notunun
ortalamasının
% 40'ının eklenmesiyle hesaplanır.
Hesaplanması
Önerilen Kaynaklar, Introduction to Data Mining, P. N. Tan, M. Steinbach, V. Kumar, Addison Wesley
Araç ve Gereçler
Haftalar
Konular
Giriş, Veri Nedir
1. Hafta
Veri Analizi
2. Hafta
Veri Analizi
3. Hafta
Birliktelik Analizi
4. Hafta
Birliktelik Analizi
5. Hafta
Sınıflandırma
6. Hafta
Sınıflandırma
7. Hafta
8. Hafta
ARA SINAV
Kümeleme
9. Hafta
Kümeleme
10. Hafta
Anormallik Tespiti
11. Hafta
Anormallik Tespiti
12. Hafta
Mekansal ve Mekan-zamansal Veri Analizi
13. Hafta
Diğer Veri Madenciliği Konuları
14. Hafta
I.
GENEL BİLGİLER
Uzaktan Algılama
Ders Adı
Dili: Türkçe
Dönemi:
ECTS Kredisi: 7.0
Doç. Dr. Coşkun Özkan
Öğretim Üyesi
Pzt.
/Salı /Çrş. /Prş./Cuma: 14.00-14.30
Görüşme Saatleri
WEB:
Erciyes Üniversitesi, Mühendislik Fakültesi, Harita Mühendisliği Bölümü, 38039-Kayseri /
TURKİYE
Tel:
90 352 4374901 Dahili 32675
Faks:
90 352 4375784
II.
DERS BİLGİLERİ
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, elektromanyetik enerji, EMR
Ders İçeriği
nin cisimlerle etkileşimi, Radar sistemleri, Uydu sistemleri, dijital
Öğretim Metodu
Gereklilikler
Başarı Notunun
Hesaplanması
Araç ve Gereçler
görüntü işleme, uygulamalar.
Tahtada teorik ve bilgisayar başında uygulamalı anlatım
Temel fizik bilgileri ve paket program kullanabilme
Bir tek ara sınav ve yarıyıl sonu sınavı
Uzaktan Algılama, Kantitatif Yaklaşım, çeviri: Derya Maktav, Filiz
Sunar.
Matlab, Erdas ve Envi programları
Haftalar
Konular
1. Hafta
Tanım ve temel kavramlar
2. Hafta
Elektromanyetik enerji, radyometrik birimler
3. Hafta
Elektromanyetik spektrum
4. Hafta
Elektromanyetik enerjinin cisimlerle etkileşimi
5. Hafta
Elektromanyetik enerjinin cisimlerle etkileşimi
6. Hafta
Uydu algılama sistemleri, tarayıcı türleri
7. Hafta
Uydu platformu yörünge karakteristikleri
8. Hafta
ARA SINAV
9. Hafta
RADAR sistemleri
10. Hafta RADAR sistemleri
11. Hafta Değişik uzaktan algılama uygulamaları
12. Hafta Matlab ortamında yapılan uygulamalar
13. Hafta Erdas programında yapılan uygulamalar
14. Hafta Envi yapılan uygulamalar
ANABİLİMDALI
I.
GENEL BİLGİLER
BİM 506 Mobil ve Kablosuz Ağlar
Ders Adı
Dönemi: Güz
Dili: Türkçe
ECTS Kredisi: 7.0
Yrd. Doç. Dr. Bilal BABAYİĞİT
Öğretim Üyesi
8.00-17.00
Görüşme Saatleri
WEB:
Tel:
90 352 4374901 Dahili 32553
Faks:
90 352 4375784
II.
DERS BİLGİLERİ
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. Mobil ve kablosuz sistem tasarımı.
Mobil ve kablosuz ağlara giriş. Mobil radyo yayılımı, hücresel ağlar, çoklu iletişim,
Öğretim Metodu
çoklu paylaşımlı erişim teknikleri, kablosuz ağların başarımı, ad hoc ve sensör
ağlar, mobil ve kablosuz ağlarda son gelişmeler.
Derste verilen teorik bilgilerden sonra, seçilmiş çeşitli konularla ilgili örnekler
sınıfta çözülür. Teorik anlatılan konuları öğrencilerin daha iyi anlayabilmesi için
dönem boyunca çeşitli ev ödevleri ve projeler verilir.
Gereklilikler
Başarı Notunun
puanı,
Hesaplanması
Araç ve Gereçler
40'ına eklenmesiyle hesaplanır. Dönem içerisinde yapılan ödev ve projeler final
sınavının %20’sini oluşturur.
• D. P. Agrawal, Q-an Zeng, Introduction to Wireless and Mobile Systems,
Cengage Learning, 3rd edition, 2011.
• I. F. Akyildiz and M. C. Vuran, Wireless Sensor Networks, John Wiley&Sons,
2010.
• V. Garg, Wireless Communicatio and Networking, Morgan Kaufmann, 2007.
• A. Kumar, D. Manjunath, J. Kuri, Wireless Networking, Morgan Kaufmann,
2008.
Haftalar
Konular
1. Hafta
Mobil ve Kablosuz Ağlara Giriş
2. Hafta
Mobil radyo yayılımı
3. Hafta
Hücresel ağlar
4. Hafta
Çoklu iletişim
5. Hafta
Çoklu iletişim
6. Hafta
Çoklu paylaşımlı erişim teknikleri
7. Hafta
Çoklu paylaşımlı erişim teknikleri
8. Hafta
ARA SINAV
9. Hafta
Kablosuz ağların başarım değerlendirmesi
10. Hafta Kablosuz ağların başarım değerlendirmesi
11. Hafta Ad Hoc Ağlar
12. Hafta Sensor Ağlar
13. Hafta Mobil ve kablosuz ağlardaki son gelişmeler
14. Hafta Proje Sunumları
ANABİLİMDALI
I.
GENEL BİLGİLER
BİM 533 Bilişsel Ağlar
Ders Adı
Dönemi: Güz
Dili: Türkçe
ECTS Kredisi: 7.0
Yrd. Doç. Dr. Bilal BABAYİĞİT
Öğretim Üyesi
8.00-17.00
Görüşme Saatleri
WEB:
Tel:
90 352 4374901 Dahili 32553
Faks:
90 352 4375784
II.
DERS BİLGİLERİ
Zorunlu:
Esas:
Evet
Başlangıç:
Dersin Amacı
Ders İçeriği
Öğretim Metodu
Seçmeli: Evet
İlgili:
Orta: Evet
İleri
Yan dal:
Uzmanlık:
Gelecek nesil kablosuz ve mobil hesaplama ağları olarak da isimlendirilen Bilişsel
Ağ konusu ve temel teknolojilerinin öğretilmesi. Bilişsel radyo ve bilişsel ağlar
konuları üzerinde yapılan çalışmalar anlaşılması. Bilişsel ağlar gelecek nesil ağların
karmaşıklık, çok türellik ve güvenilirlik ihtiyaçlarını karşılamak üzerine
odaklanmaktadır.
Bilişsel radyo, mimarisi, bilişsel çevrim, spektrum sezme, karar verme, paylaşma.
Bilişsel radyo protokolleri, spektrum hareketliliği, Yönlendirme algoritmaları,
bilişsel radyo yapıları ve standartları.
Derste verilen teorik bilgilerden sonra, seçilmiş çeşitli konularla ilgili örnekler
sınıfta çözülür. Teorik anlatılan konuları öğrencilerin daha iyi anlayabilmesi için
dönem boyunca çeşitli ev ödevler ve projeler verilir.
Gereklilikler
Başarı Notunun
puanı,
Hesaplanması
Araç ve Gereçler
40'ına eklenmesiyle hesaplanır. Dönem içerisinde yapılan ödev ve projeler final
sınavının %20’sini oluşturur.
• E. Hossain, D. Niyato, Z. Han, Dynamic Spectrum Access and Management in
Cognitive Radio Networks, Cambridge, 2009.
• Q.H. Mahmoud (Ed.), Cognitive Networks, John Wiley&Sons, 2007.
• B. Fette, Cognitive Radio Technology, Academic Press, 2009.
• H. Arslan (Ed.), Cognitive Radio, Software Defined Radio, and Adaptive
Wireless Systems, Springer, 2007.
Haftalar
1. Hafta
Bilişsel Ağlara Giriş
2. Hafta
Bilişsel Radyo
3. Hafta
BR Mimari Yapısı
4. Hafta
Bilişsel Çevrim
5. Hafta
Spektrum Sezme
6. Hafta
Spektrum Sezme
7. Hafta
Spektrum Karar Verme
8. Hafta
9. Hafta
Spektrum Paylaşma
10. Hafta Bilişsel Radyo Protokolleri
11. Hafta Spektrum Hareketliliği
12. Hafta Yönlendirme Algoritmaları
13. Hafta CR Standartları
14. Hafta Proje Sunumları
Konular
ARA SINAV
ANABİLİMDALI
I.
GENEL BİLGİLER
İleri Görüntü İşleme Teknikleri ve Bilgisayar Görme -I
Ders Adı
Dönemi: Güz
Dili: Türkçe
ECTS Kredisi: 5.0
Doç.Dr. Veysel ASLANTAŞ
Öğretim Üyesi
Görüşme Saatleri
WEB:
Erciyes Üniversitesi, Mühendislik Fakültesi, Bilgisayar Müh. Böl., 38039 Kayseri /
TURKİYE
Tel: 90 352 4374937 Dahili 32602
II.
DERS BİLGİLERİ
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
öğrenilmesi. Resimlerden çeşitli uygulamalar için gerekli olan temel özellikleri
(kenar, bölge, vs.) hesaplamak için kullanılan yaygın metotların bilinmesi ve
uygulanması. 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.
Görüntü işleme ve bilgisayar görme sahası oldukça hızlı bir şekilde büyümektedir.
Sahadaki bu büyüme, kavramların ve tekniklerin hem derinliğine hem de
genişliğine olmaktadır. Bu teknikler, tıbbi resim işleme, uzaktan algılama,
endüstriyel teftiş, doküman inceleme, nano teknoloji ve çokluortam veritabanı
uygulamaları gibi bir çok sahada uygulama alanı bulmaktadır.
Bu derste, görüntü işleme ve bilgisayar görme temel ve ileri tekniklerinin verilmesi
hedeflenmiştir. Bu ders, dizi resim analizi gibi yüksek seviyeli deneysel resim
analizi tekniklerini de ihtiva etmektedir. Çeşitli pratik uygulamalar için gerekli olan
algoritmalar detaylı olarak bahsedilmektedir. Gelişen birçok sahada olduğu gibi,
görüntü işleme ve bilgisayar görme hemen hepsi bilgisayar görü sistem
tasarımcılarının herhangi bir özel uygulaması için uygun olmayabilir. Dolayısıyla
bilgisayar görme tasarımcısı, özel bir uygulama için başarılı bir sistem
tasarlayabilmek için temel kavram ve teknikleri bilmek zorundadır
Sınıf dersleri: Haftada üç saat teorik temeller.
Yüksek lisans öğrencileri
Ders İçeriği
Öğretim Metodu
Gereklilikler
Başarı Notunun
ortalamasının % 40'ının eklenmesiyle hesaplanır. Başarılı olmak için başarı
Hesaplanması
Araç ve Gereçler
notunun en az DD veya daha yukarı olması gerekir.
• R. C. Gonzalez and R. E. Woods, Digital Image Processing, Addison-Wesley
Pub. Co., New York, (2nd edition) 2002.
• Anil K. Jain, Fundamentals of Digital Image Processing, Prentice Hall, 1989.
• Low, A. Introductory Computer Vision and Image Processing. McGraw-hill,
1991
Haftalar
1. Hafta
2. Hafta
3. Hafta
4. Hafta
5. Hafta
6. Hafta
7. Hafta
8. Hafta
9. Hafta
10. Hafta
11. Hafta
12. Hafta
13. Hafta
14. Hafta
Konular
Görüntü işleme ve bilgisayar görmeye giriş, görüntü işleme örnekleri, görüntü elde etme,
örnekleme ve kuantalama.
Aydınlatma ve sensörler, görüntülerin algılanması ve temsil edilmesi
Aydınlatma ve sensörler, görüntülerin algılanması ve temsil edilmesi
Görüntü işlemenin temelleri, temel görüntü işleme operasyonları
Görüntü işlemenin temelleri, 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
ANABİLİMDALI
I.
GENEL BİLGİLER
İleri Görüntü İşleme Teknikleri ve Bilgisayar Görme -II
Ders Adı
Dönemi: Bahar
Dili: Türkçe
ECTS Kredisi: 5.0
Öğretim Üyesi
Pzt.
/Salı /Çrş. /Prş./Cuma: 14.00-14.30
Görüşme Saatleri
WEB:
Erciyes Üniversitesi, Mühendislik Fakültesi, Bilgisayar Müh. Böl., 38039 Kayseri /
TURKİYE
Tel: 90 352 4374937 Dahili 32602
II.
DERS BİLGİLERİ
Seçmeli: Evet
Zorunlu:
İlgili: Evet
Esas:
Yan dal:
Başlangıç: Evet
Orta:
İleri
Uzmanlık:
Bu dersin başarı ile tamamlanması sonucunda öğrenciler:
Dersin Amacı
Resim modelleri ve onlların nasıl üretildikleri,
Lineer sistem modelleme ve lineer ve lineer olmayan filitrelerin
uygulamaları,
• Kenar tespit algoritmalarının tasarın-m ve uygulamaları,
• Doku modellemenin temelleri ve doku sınıflandırma algoritmaları,
• Nesne hareketler tahmininin temelleri ve optik akış tahmini
algoritmalarının uygulamaları,
• 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.
Bu ders, görüntü işleme ve bilgisayar görme için geliştirilmiş yeni teknikler
hakkında bilgi vermektedir. Ders genel olarak: geometrik transformlar, ayrık
transformlar, gürültü, filtre tasarımı, gürültü temizleme, görüntü restorasyonu,
kenar tespit teknikleri, nesne özellikleri elde etme ve analizleri, resim analizi,
bölge, hat ve hareket temelli resim bölütleme konularını ihtiva etmektedir.
•
•
Ders İçeriği
Öğretim Metodu
Gereklilikler
Başarı Notunun
Hesaplanması
Araç ve Gereçler
Sınıf dersleri: Haftada üç saat teorik temeller.
Yüksek lisans öğrencileri
ortalamasının % 40'ının eklenmesiyle hesaplanır. Başarılı olmak için başarı
notunun en az DD veya daha yukarı olması gerekir.
• R. C. Gonzalez and R. E. Woods, Digital Image Processing, Addison-Wesley
Pub. Co., New York, (2nd edition) 2002.
• Sonka, M., Hlavac, V., and Boyle, R. Image Processing, Analysis and
Machine Vision. Chapman & Hall Computing, 1993.
• Anil K. Jain, Fundamentals of Digital Image Processing, Prentice Hall, 1989.
Low, A. Introductory Computer Vision and Image Processing. McGraw-hill, 1991
Haftalar
1. Hafta
2. Hafta
Geometrik transformlar
Ayrık transformlar
Konular
3. Hafta
4. Hafta
5. Hafta
6. Hafta
7. Hafta
8. Hafta
9. Hafta
10. Hafta
11. Hafta
12. Hafta
13. Hafta
14. Hafta
Ayrık transformlar
Gürültü, filtre tasarımı, 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, hat ve hareket temelli resim bölütleme teknikleri
Bölge, hat ve hareket temelli resim bölütleme teknikleri
ANABİLİMDALI
I.
GENEL BİLGİLER
HAREKETLİ ROBOTLAR İÇİN MESAFE ÖLÇME TEKNİKLERİ
Ders Adı
Dili: Türkçe
Dönemi: Bahar
ECTS Kredisi: 7.0
Öğretim Üyesi
Görüşme Saatleri
WEB: http://abis.erciyes.edu.tr/Sorgu.aspx?Sorgu=714
Erciyes Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, 38039-Kayseri / TURKİYE
Tel:
90 352 4374937 Dahili 32602
Faks:
90 352 4375784
II.
DERS BİLGİLERİ
Seçmeli: Evet
Zorunlu:
İlgili: Evet
Esas:
Yan dal:
Başlangıç:
Evet
Orta:
İleri
Uzmanlık:
Üç boyutlu Bilgisayar Görme teknikleri için gerekli altyapının oluşturulması.
Dersin Amacı
Verilen bir çevrenin üç boyutlu yapısının elde edilmesi, nesne tanıma ve
konumlandırma, 3D tekniklerinin genel çalışma prensiplerinin öğrenilmesi. 3D
çıkarım algoritmaları uygulamaları ile 2D sayısal resimlerden üçüncü boyutun elde
edilmesi
Bu ders, sayısal resimlerden üç boyutlu çevrenin yorumlanması, anlaşılması ve
Ders İçeriği
modelinin oluşturulması gayesiyle 3D bilgisayar görü sahasının ilim ve
mühendislik konularını içermektedir. Bilgisayar görü konusunun fizikî, matematikî
ve bilgi işleme yönüne odaklanılmıştır. İşlenecek konular: Görüntü formasyon ve
temsili, özellik elde etme, kamera kalibrasyonu ve 3D görü teknikleri: Aktif
Teknikler (Radar, Ultrasonik, Ultraviyole, Triangulation, Structured light) ve
Passive Teknikler (Stereo, Otomatik Odaklama, Bulanıklık, Doku, Gölge, Hareket)
Derslere katılım oldukça önemli olup derslerde anlatılan herşeyden öğrenciler
Öğretim Metodu
mesuldür. “Ben yoktum”, “Bilmiyordum” gibi mazeretler geçerli değildir. Derslere
verilen ödevler yapılmış olarak ve önceki dersler anlaşılış olarak gelinmelidir. Bir
dönem boyunca 6-7 evödevi verilecektir. Evödevleri toplanılmayacak fakat benzer
sorular imtihanlarda sorulacaktır. Bir yarıyıl ve bir yılsonu olmak üzere iki imtihan
yapılacaktır.
Öğrencilerin görüntü işleme ve lineer sistemler bildiği kabul edilmektedir. Ayrıca,
olasılık teorisi ve lineer cebir bilmeleri konuları anlamakta yardımcı olacaktır..
Gereklilikler
Kapalı notlarla bir yazılı arasınav, bir yazılı yarıyılsonu sınavı yapılır. Ham başarı
Başarı Notunun
puanı, yarıyılsonu sınav puanının % 70'ine, ara sınavlar puan ortalamasının %
Hesaplanması
30'unun eklenmesiyle hesaplanır. Başarılı olmak için başarı notunun en az DD veya
daha yukarı olması gerekir. AA, BA, BB, CB,CC (ham başarı puanı 100-70
arasında kalan notlar) şartsız başarılı notlardır. DC ve DD (ham başarı puanı 69-60
arasında kalan notlar) ise şartlı başarılı notlardır.
Araç ve Gereçler
•
•
•
•
•
•
•
R. Szeliski, Computer Vision: Algorithms and Applications, Springer
2010.
L. G. Shapiro and G. C. Stockman, Computer Vision, Prentice Hall, 2001.
Kenneth R. Castleman, Digital Image Processing, Prentice Hall, 1996.
A. Rosenfeld and A. Kak, Digital Image Processing, Volume 1,
Academic Press, 1982.
Image Processing Fundamentals Home Page
Image Processing Home Page
Computer Vision Home Page
Haftalar
Konular
1. Hafta
Giriş:Üç boyutlu Bilgisayar Görme teknikleri
2. Hafta
Görüntü formasyonu ve işleme
3. Hafta
Özellikler ve özellik elde etme
4. Hafta
Kamera modelleri ve kalibrasyonu
5. Hafta
Aktif teknikler: Radar-ultrason
6. Hafta
Aktif teknikler: Ultraviyole-üçgenleme-yapılandırılmış ışık demeti
7. Hafta
Aktif teknikler: Ultraviyole-üçgenleme-yapılandırılmış ışık demeti
8. Hafta
MID-TERM EXAM
9. Hafta
Pasif teknikler: Fotometrik stereo
10. Hafta
Pasif teknikler: Stereo
11. Hafta
Pasif teknikler: Zoom
12. Hafta
Pasif teknikler: Odak temelli teknikler
13. Hafta
Pasif teknikler: Doku-gölge temelli teknikler
14. Hafta
Pasif teknikler: Hareket
ANABİLİMDALI
I.
GENEL BİLGİLER
İleri Olasılık
Ders Adı
Dili: Türkçe
Dönemi: Güz
ECTS Kredisi: 7.0
Yrd. Doç. Dr. Necla ÖZKAYA
Öğretim Üyesi
Ofis saatleri belirtmedim, çünkü dersim yoksa genellikle hep ofisimde
Görüşme Saatleri
olurum. Herhangi bir öğrenci bir şey sormak istediğinde direk odama
gelerek sorusunu sorabileceği gibi randevu alarak da görüşme talebinde
bulunabilir. Elektronik postamı düzenli olarak kontrol ederim, benimle
görüşmek isteyenler mail yoluyla da iletişim kurabilirler.
WEB:
Erciyes Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, 38039-Kayseri
/ TÜRKİYE
Tel:
90 352 4374901 Dahili 32600
Faks:
90 352 4375784
II.
DERS BİLGİLERİ
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.
Ders İçeriği
Bu dersin konuları arasında olasılık belitleri, Bayes teoremi, rassal
değişkenler, rassal değişkenlerin toplamı, büyük sayılar kuralı,
merkezi limit teoremi ve uygulamaları, güven aralıkları, ayrık ve
sürekli rassal süreçler ve kuyruk teorisine giriş bulunmaktadır. Bu
ileri konuların yanı sıra temel istatistik konuları da bu ders
çerçevesinde işlenecektir.
Öğretim Metodu
Her konunun daha iyi anlaşılması için, teorik bilgi işlendikten sonra
konunun daha iyi anlaşılması için çeşitli problemler çözülür. Konu
derste işlenip bitirildikten sonra öğrencilerin öğrenme durumlarını
pekiştirmek ve kontrol etmek için çeşitli ev ödevleri verilir.
Öğrencilere bir sonraki derste ev ödevlerini çözerken karşılaştıkları
problemleri varsa sormaları için söz hakkı verilir. Gerekirse ödev
verilen
sorular
tahtada
çözülerek
öğrencilerin
soruları
cevaplandırılmış olur.
Öğrenciden İstenilen Öğrenciler derslere katılmalıdır. Her öğrenci kendisine verilen ev
ödevlerini çözmek zorundadır. 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.
Derste öğrencinin başarmak zorunda olduğu iki sınav vardır: Ara
Başarı Notunun
sınav ve final sınavı. Başarı notunun hesaplanmasında ara sınavın %
Hesaplanması
30’u, final sınavının ise % 70’i alınmaktadır. Öğrencinin notu
üniversitede kullanılan bir yazılım sayesinde harf notuna çevrilmekte
ve öğrencinin mailine gönderilerek sınav sonucundan öğrencinin
haberdar olması sağlanmaktadır.
Araç ve Gereçler
Ders Notu:
Probability and Stochastic Processes: A Friendly Introduction for
Electrical and Computer Engineers, by Roy D. Yates and David J.
Goodman, 2nd Ed., John Wiley & Sons, Inc.
Diğer Kaynaklar:
An Introduction to Probability Theory and Its Applications, Volume
1, 3rd Edition
William Feller (Princeton Univ., New Jersey), ISBN: 978-0-47125708-0, 1968.
Probability and Random Processes with Applications to Signal
Processing, 3/E, by Henry Stark, and John W. Woods, Prentice-Hall,
Upper Saddle River, NJ 07458, 2002.
Probability and Random Processes for Electrical and Computer
Engineers,
by
J.
Gubner,
2006.
Probability, Random Variables and Stochastic Processes, A.
Papoulis, 3/E, McGraw-Hill Companies, 1991, ISBN-10:
0070484775
Haftalar
Konular
1. Hafta
Deneyler, Modeller ve Olasılıklar: Küme Teorisi, Küme Teorisini Olasılık
Belitlerine Uygulama, Belitlerin Bazı Sonuçları
2. Hafta
Koşullu Olasılık, Bağımsızlık, Sıralı Deneyler ve Ağaç Diyagramları, Sayma
3. Hafta
4. Hafta
5. Hafta
6. Hafta
7. Hafta
8. Hafta
9. Hafta
10. Hafta
11. Hafta
12. Hafta
13. Hafta
14. Hafta
Yöntemleri, Bağımsız Deneyler
Ayrık Rassal Değişkenler: Olasılık Kütle Fonksiyonu, Ayrık Rassal Değişken
Aileleri, Birikimli Dağılım Fonksiyonu
Ortalamalar, Beklenen Değer, Varyans ve Standard Sapma, Koşullu Olasılık
Kütle Fonksiyonu
Sürekli Rassal Değişkenler: Olasılık Yoğunluk Fonksiyonu, Beklenen Değerler,
Sürekli Rassal Değişken Aileleri
Gaussian Rassal Değişkenleri, Delta Fonksiyonları, Karışık Rassal Değişkenler,
Türetilmiş Rassal Değişkenlerin Olasılık Modelleri
Rassal Değişken Çiftleri: Ortak Birikimli Dağılım Fonksiyonu, Ortak Olasılık
Kütle Fonksiyonu, Sınırsal Olasılık Kütle Fonksiyonu
Ara sınav
İki Rassal Değişken Fonksiyonları, N Rassal Değişken Olasılık Modelleri,
Sınırsal Olasılık Fonksiyonları, Korelasyon Matrisi
İki Rassal Değişkeninin Toplamının Olasılık Yoğunluk Fonksiyonu, Moment
Üreten Fonksiyon, Bağımsız Rassal Değişkenlerin Rassal Toplamları
Merkezi Limit Teoremi e Uygulamaları, Beklenen Değerden Rassal Değişken
Türetme
Rassal Süreçler: Poisson Süreci, Durağan Süreçler, Gaussian Süreçleri
Ayrık Zamanlı Markov Zinciri Dinamikleri, Sürekli Zamanlı Markov Zincirleri,
Doğum-Ölüm Süreçleri ve Kuyruk Sistemleri
Rassal Sinyal Süreçleri: Ayrık Zamanlı Doğrusal Filtreleme, Tahminleme ve
Öngörü, Kuvvet Spektral Yoğunluk, Çapraz Spektral Yoğunluk
Final Sınavı için Gözden Geçirme
ANABİLİMDALI
I.
GENEL BİLGİLER
Biyometrik Sistemler
Ders Adı
Dili: Türkçe
Dönemi: Güz
ECTS Kredisi: 7.0
Yrd. Doç. Dr. Necla ÖZKAYA
Öğretim Üyesi
Ofis saatleri belirtmedim, çünkü dersim yoksa genellikle hep ofisimde
Görüşme Saatleri
olurum. Herhangi bir öğrenci bir şey sormak istediğinde direk odama
gelerek sorusunu sorabileceği gibi randevu alarak da görüşme talebinde
bulunabilir. Elektronik postamı düzenli olarak kontrol ederim, dolayısıyla
benimle görüşmek isteyenler mail yoluyla da iletişim kurabilirler.
WEB:
Erciyes Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, 38039-Kayseri
/ TÜRKİYE
Tel:
90 352 4374901 Dahili 32600
Faks:
90 352 4375784
II.
DERS BİLGİLERİ
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, öğrencilere temel
görüntü işleme bilgilerinin verilmesi, desen tanımaya giriş
bilgilerinin verilmesi, işaret işlemenin biyometrik sistemlere
uygulanması, öğrencilerin biyometrik sistemlerin tasarımı,
gerçekleştirilmesi,
sosyal
ve
etik
kuralları
konusunda
bilgilendirilmesi vardır. Bu dersi alan öğrencilerin problemsiz çalışan
tam
bir
biyometrik
sistemi
tasarlayıp
gerçekleştirmesi
beklenmektedir.
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. Bu sistemler genellikle
güvenlik uygulamaları ve suç ve suçlu tespiti gibi uygulamalarda
kullanılmaktadır. Ders, öğrencilere işaret işleme, görüntü işleme gibi
lisansta aldıkları konuları uygulamalı olarak görüp pekiştirecekleri
bir platform sağlamaktadır. Öğrenciler bu derstegörüntü işleme desen
tanıma ve biyometrik sistemin doğruluk analizini gerçekleştirebilecek
kadar istatistik göreceklerdir. Öğrenciler bu derste, işaret ve görüntü
işlemeyi, özellik seti elde etmeyi, sınıflandırmayı, karşılaştırmayı ve
sorunsuz çalışan bir sistem elde etmeyi öğreneceklerdir.
Bu ders sınıfta yapılan teorik bilgilendirme ve laboratuar uygulamalrı
geliştirme şeklinde işlenecektir. Biyometrik temelli tanıma ve
onaylama sisteminin teorik kısmı sınıflarda işlenecek, ardından
konuyla ilgili uygulamalar laboratuarda gerçekleştirilecektir.
Öğrenciler laboratuar çalışmaları sırasında biyometrik literatüründe
bulunan ve sıkça kullanılan standart veritabanlarını kullanabilecekleri
gibi sensorlar aracılığıyla elde ettikleri şablonları da
kullanabileceklerdir. Laboratuar uygulamaları Matlab programlama
ortamında gerçekleştirilecektir. Laboratuar uygulamaları esnasında
öğrenciler gruplar halinde çalışırlar ve uygulama esnasında
anlaşılmayan bir şey olduğunda sorular sorarak konuyu tam olarak
anlamaya çalışırlar.
Ders çerçevesinde işlenen konuların tam olarak anlaşılması için her
öğrenci iki biyometrik sistem projesi gerçekleştirmek zorundadır. Bu
projeleriyle ilgili birer raporu da belirtilen tarihlerde yazılı ve sözlü
olarak sunmak zorundadırlar. Sözlü sunumların ardından soru-cevap
2’şer
kişilik
gruplarla
da
kısmıyla
konu
pekiştirilir.
gerçekleştirilebilecek projeler daha önce geliştirilmiş biyometrik
sistemlere yapıda olabileceği gibi farklı biyometrik özellikler
kullanılarak da gerçeklenebilir. Proje geliştirme aşamasında
gerektiğinde ders sorumlusuyla ileitşim kurularak karşılaşılan
sorunlara birlikte çözümler bulunulacaktır.
Öğrenciden İstenilen Öğrenci derse atılmak zorundadır. Tek başına veya iki kişilik grup
içerisinde almış olduğu 2 adet projeyi başarıyla tamamlamak
Gereklilikler
zorundadır. Proje gerçekleştirirken karşılaştığı zorluklar varsa bunları
dersin sorumlusuyla tartışarak kafasındaki belirsizlikleri gidermelidir.
Projeler hem projede gerçekleştirilen sistemin sonuçları hem de
öğrencinin bireysel gayreti göz önünde bulundurularak
değerlendirilecektir.
Başarı
Notunun Derste öğrencinin başarmak zorunda olduğu iki sınav vardır: Ara
sınav ve final sınavı. Başarı notunun hesaplanmasında ara sınavın %
Hesaplanması
30’u, final sınavının ise % 70’i alınmaktadır. Öğrencinin notu
üniversitede kullanılan bir yazılım sayesinde harf notuna çevrilmekte
ve öğrencinin mailine gönderilerek sınav sonucundan öğrencinin
haberdar olması sağlanmaktadır.
Araç ve Gereçler
Ders Notları:
1. R.C. Gonzalez and R.E. Woods, Digital Image Processing,
Prentice
Hall,
3rd
Edition,
2007.
This text will be supplemented with assigned readings on
biometrics as detailed in the class schedule online.
2. D. Maltoni, D. Maio, A. K. Jain, and S. Prabhakar, Handbook
of Fingerprint Recognition, Springer Verlag, 2003.
3. A. K. Jain, R. Bolle, S. Pankanti (Eds.), BIOMETRICS:
Personal Identification in Networked Society, Kluwer
Academic Publishers, 1999.
4. J. Wayman, A.K. Jain, D. Maltoni, and D. Maio (Eds.),
Biometric Systems: Technology, Design and Performance
Evaluation, Springer, 2004.
DiğerKaynaklar:
1. S.Y. Kung, M.W. Mak, and S.H. Lin, Biometric
Authentication: A Machine Learning Approach, Prentice
Hall, 2005.
2. Ruud M. Bolle et al., Guide to Biometrics, Springer, 2004.
3. Paul Reid, Biometrics for Network Security, Prentice Hall
PTR, 2004.
4. Samir Nanavati, Michael Thieme, and Raj Nanavati,
Biometrics: Identity Verification in a Networked World, John
Wiley & Sons, 2002.
5. David Zhang (Ed.), Biometric Solutions for Authentication in
an E-World, Kluwer Academic Publishers, 2002.
6. Anil K. Jain, Ruud Bolle, and Sharath Pankanti (Eds.),
Biometrics: Personal Identification in Networked Society,
Kluwer, 1999.
Haftalar Konular
1. Hafta
Biyometrik özelliklere ve biyometrik temelli sistemlere giriş.
Biyometrik temelli sistemlerin gerçekleştirilmesi konusuna görüntü işleme
açısından giriş.
2. Hafta
Biyometrik sistemlerin kullanımı, modları ve sistem mimarileri:
Kayıt, tanıma, onaylama, izleme.
Katılımlı-katılımsız, açık-kapalı, vs.
Biyometrik sistem modları ve mimarilerinin görüntü işleme teknikleri
kullanılarak gerçekleştirilmesi.
3. Hafta
4. Hafta
Biyometrik sistemlerin performans değerlendirilmelerine
açıklamalar: hata oranları, tanıma doğrulukları vs.
Biyometrik sistemlerin performans değerlendirilmelerine
yönelik
temel
yönelik
temel
5. Hafta
6. Hafta
7. Hafta
8. Hafta
9. Hafta
10. Hafta
11. Hafta
12. Hafta
13. Hafta
14. Hafta
istatistiksel yöntemler.
Biyometrik sistemlerin sınıflandırılma teorileri: Neyman-Pearson yaklaşımı,
Likelihood oranı, Gaussian durumu, Bayesian yaklaşımı, MAP yaklaşımı.
Yüz tanıma: Görünüş temelli ve yerel özelliklere dayalı yüz tanıma yaklaşımları
ve bunların gerçekleştirilmeleri.
Üç boyutlu yüz tanıma: yüz bilgilerinin alınması, kaydı, özellik noktalarının elde
edilmesi, özellik setinin hesaplanması ve karşılaştırma.
Ara sınav
Parmak izi tanıma: Özellik noktaları temelli yaklaşımlar ve özellik noktaları
temelli olamayan yaklaşımlar ve bunların gerçekleştirilmeleri.
İris tanıma: iris temelli bir biyometrik sistemin gerçekleştirilmesi.
Diğer biyometrik özellikler: avuç içi, kan damarları yapısı, yürüyüş ve
konuşmacı tanıma vs.
Çoklu biyometrik özellik temelli sistemler.
Öğrenci projelerinin sunumu.
Öğrenci projelerinin sunumu ve Final Sınavı için Gözden Geçirme
ANABİLİMDALI
I.
GENEL BİLGİLER
KABLOSUZ ALGILAYICI AĞLARI UYGULAMALARI
Ders Adı
Dönemi: Bahar
Dili: Türkçe
ECTS Kredisi: 7.0
Öğr. Gör. Dr. Celal ÖZTÜRK
Öğretim Üyesi
Görüşme Saatleri
WEB: http://bm.erciyes.edu.tr/celal/
Erciyes Üniversitesi, Mühendislik Fak., Bilgisayar Müh. Bölümü, 38039-Kayseri / TURKİYE
Tel:
90 352 4374901 Dahili 32581
Faks:
90 352 4375784
II.
DERS BİLGİLERİ
Seçmeli: Evet
Zorunlu:
İlgili: Evet
Esas:
Yan dal:
Başlangıç: Evet
Orta:
İleri
Uzmanlık:
Bilgisayar
Bilimleri
ve
Bilgisayar
Mühendisliği
eğitimi
çerçevesinde,
yeni bir
Dersin Amacı
Ders İçeriği
Öğretim Metodu
Gereklilikler
Başarı Notunun
teknoloji olan kablosuz algılayıcı ağlarının öğrencilere tanıtılması. Ülkemizde
algılayıcı ağları üzerinde bilgi sahibi olan bilgisayar mühendislerinin sayısının
artmasına katkı sağlanması.
Kablosuz algılayıcı ağlarına giriş, algılayıcı ağlarının karakteristikleri, iletişimde ve
hesaplamada karşılaşılan zorluklar, algılayıcı ağ protokolleri ve uygulamaları,
algılayıcı ağ güvenliği, algılayıcı ağlarında veri toplama ve kümeleme, güncel
gelişmeler ve uygulamalar.
Hesaplanması
Önerilen Kaynaklar, 1. Sensor Network Operations, S. Phoha, T.F. La Porta, and C. Griffin (eds), pp.
422-441, ISBN: 0471719765, Wiley-IEEE Press.
Araç ve Gereçler
2. Security in Distributed, Grid, Mobile and Pervasive Computing", Edited by Prof.
Yang Xiao, Auerbach Publications, CRC Press 2007.
3. Wireless Sensor Networks: An Information Processing Approach by Feng Zhao
and Leonidas Guibas, Morgan Kaufmann Publishing, ISBN-10: 1558609148.
Haftalar
Konular
1. Hafta
Kablosuz Algılayıcı ağlarına giriş
2. Hafta
Algılayıcı ve ağ mimarisi
3. Hafta
Ağ kurulumu ve organizasyonu
4. Hafta
Transport protokolleri
5. Hafta
Yönlendirme protokolleri
6. Hafta
Hedef bulma ve takip protokolleri
7. Hafta
Ortam paylaşımı protokolleri
8. Hafta
ARA SINAV
9. Hafta
Veri depolama protokolleri
10. Hafta Veri kümeleme protokolleri
11. Hafta Güvenlik protokolleri
12. Hafta Güvenli veri kümeleme protokolleri
13. Hafta Araştırma ve uygulama projeleri
14. Hafta Araştırma ve uygulama projeleri
ANABİLİMDALI
I.
GENEL BİLGİLER
YAPAY SİNİR AĞLARI – I
Ders Adı
Dönemi: Güz
Dili: Türkçe
ECTS Kredisi: 7.0
Öğr. Gör. Dr. Celal ÖZTÜRK
Öğretim Üyesi
Görüşme Saatleri
WEB: http://bm.erciyes.edu.tr/celal/
Erciyes Üniversitesi, Mühendislik Fak., Bilgisayar Müh. Bölümü, 38039-Kayseri / TURKİYE
Tel:
90 352 4374901 Dahili 32581
Faks:
90 352 4375784
II.
DERS BİLGİLERİ
Seçmeli: Evet
Zorunlu:
İlgili: Evet
Esas:
Yan dal:
Başlangıç: Evet
Orta:
İleri
Uzmanlık:
Bilgisayar bilimleri ve Bilgisayar Mühendisliği eğitimi çerçevesinde, yapay sinir
Dersin Amacı
Ders İçeriği
ağlarının problem çözmede nasıl kullanılabileceği hususunda ihtiyaç duyulan teorik
ve pratik bilgilerin öğrencilere sunulması. Teorik bilgilerin yanında öğrencinin
kendi uygulamasını geliştirebilmesidir.
Zeka, çoklu zeka ve yapay zeka kavramları. Yapay zeka teknikleri: Bulanık mantık,
genetik algoritma, tabu araştırma, uzman sistemler ve yapay sinir ağları (YSA).
YSA kavramları, yapıları ve algoritmaları. Değişik ağ tipleri: Çok katlı
perseptronlar, hopfield ağ, LVQ, radial tabanlı ağlar. Öğrenme algoritmaları: geri
yayılım, genetik algoritma, Levenberg-Marquardt algoritması, Hızlı yayılım, deltabar-delta, geliştirilmiş delta-bar-delta, rasgele önlendirilmiş araştırma. Yapay sinir
ağlarının uygulama alanlarına örnekler, yapay sinir ağı uygulamaları. Dönem
araştırma projesi.
Öğretim Metodu
Gereklilikler
Başarı Notunun
Hesaplanması
Önerilen Kaynaklar, 1. Artificial Neural Networks: A Compherensive Foundation, S. Haykin, 1994.
2. Mühendislikte Yapay Zeka Kullanımı I: Yapay Sinir Ağları, Ufuk Kitabevi,
Araç ve Gereçler
2003.
Haftalar
Konular
1. Hafta
YZ Genel Bakış
2. Hafta
YZ tekniklerine genel bakış
3. Hafta
YSA temel kavramlar ve terimler, YSA tarihçe
4. Hafta
YSA yapıları
5. Hafta
YSA öğrenme algoritmaları
6. Hafta
Tek Katmanlı Ağlar
7. Hafta
Çok Katmanlı İleri beslemeli ağlar
8. Hafta
ARA SINAV
9. Hafta
İleri beslemeli YSA Uygulamaları
10. Hafta Kendisini Organize Edebilen Haritalar
11. Hafta Vektör Kuantalama Öğrenmeli Ağlar
12. Hafta Radyal Tabanlı Fonksiyon Ağları
13. Hafta Araştırma ve Uygulama Ödev Sunumları
14. Hafta Araştırma ve Uygulama Ödev Sunumları
ANABİLİMDALI
I.
GENEL BİLGİLER
Dinamik Sistem ve Modelleme
Ders Adı
Dili: Türkçe
Dönemi:
ECTS Kredisi: 7.0
Y.Doç.Dr. Mustafa DANACI
Öğretim Üyesi
Görüşme Saatleri
WEB:
Erciyes Üniversitesi, Mühendislik Fakültesi, Bilgisayar M. Bölümü, 38039-Kayseri /
TURKİYE
Tel:
90 352 4374937 Dahili 32528
Faks:
90 352 4374933
II.
DERS BİLGİLERİ
Seçmeli: Evet
Zorunlu:
İlgili: Evet
Esas:
Yan dal:
Başlangıç: Evet Orta:
İleri
Uzmanlık:
bir
sistemin
tasarım
ve
modellenmesinin
yüksek seviyeli bilgisayar
Dersin Amacı
Ders İçeriği
Öğretim Metodu
programları ve dili ile yapılması için gerekli akademik bilgi verilmesi
amaçlanmaktadır. Temel istatistik ve matematik modellerin üzerine
dinamik bir sistemin tanımlanması, tasarlanması ve modellenmesi için
gerekli bilgiler verilmektedir.
Ders içeriği, ilk olarak model kavramını vermektedir. Değişik amaçlara
yönelik olarak matematiksel denklemler ile bir sistem davranışı
modellenecektir. İlgi duyulan sistemin davranışını tam olarak
verebilecek dinamik bir model ortaya konulacaktır.
Teorik olarak verilen temel bilgi üzerine yapılacak çeşitli problem
çözümleri ve verilecek ödev çalışmaları ile ders işlenecektir.
İstatistik, olasılık, matematik, programlama gibi temel konularda
önbilgileri olmalıdır. Öğrencilerin derse katılmaları gerekmektedir.
Öğrenciden
İstenilen
Gereklilikler
%40 Vize %60 Final notu ile başarı değerlendirilir.
Başarı Notunun
Hesaplanması
Introduction to discrete event systems C. Cassandras and S. Lafortune, 2008 Springer.
Önerilen
Modeling and Analysis of Dynamic Systems, 2ed, by Close and Frederick, Houghton
Kaynaklar, Araç
Mifflin, 1993.
ve Gereçler
Haftalar
Konular
Sistem
ve
modelleme.
Sistem
kavramı.
1. Hafta
Lineer modellerin analitik çözümü
2. Hafta
Laplace dönüşümü
3. Hafta
Transfer Function Analysis
4. Hafta
Nonlineer bir sistem üzerinden lineer model geliştirilmesi
5. Hafta
Elektriksel sistemler
6. Hafta
Termal sistemler
7. Hafta
8. Hafta
ARA SINAV
Hidrolik sistemler
9. Hafta
10. Hafta Mekanik sistemler
11. Hafta Mekanik sistemler
12. Hafta Dişli mekanik sistemler
13. Hafta Elektromekanik sistemler
14. Hafta Elektromekanik sistemler
ANABİLİMDALI
I.
GENEL BİLGİLER
Ayrık Simulasyon
Ders Adı
Dili: Türkçe
Dönemi:
ECTS Kredisi: 7.0
Y.Doç.Dr. Mustafa DANACI
Öğretim Üyesi
Görüşme Saatleri
WEB:
Erciyes Üniversitesi, Mühendislik Fakültesi, Bilgisayar M. Bölümü, 38039-Kayseri /
TURKİYE
Tel:
90 352 4374937 Dahili 32528
Faks:
90 352 4374933
II.
Zorunlu:
Esas:
Başlangıç: Evet
Dersin Amacı
Ders İçeriği
Öğretim Metodu
DERS BİLGİLERİ
Seçmeli: Evet
İlgili: Evet
Yan dal:
Orta:
İleri
Uzmanlık:
Sistem modelleme, simülasyon sistemini tasarlama, yüksek düzeyli
programlama dilleri, veya simülasyon yazılımları ile sistemlerin
analizlerini yapabilmeleri için gerekli temel bilgileri (olasılık, istatistik,
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.
Ders içeriği, ilk olarak model kavramını vermektedir. Değişik amaçlara
yönelik olarak matematiksel denklemler ile bir sistem davranışı
modellenecektir. İlgi duyulan sistemin davranışını tam olarak
verebilecek dinamik bir model ortaya konulacaktır.
Teorik olarak verilen temel bilgi üzerine yapılacak çeşitli problem
çözümleri ve verilecek ödev çalışmaları ile ders işlenecektir.
İstatistik, olasılık, matematik, programlama gibi temel konularda
önbilgileri olmalıdır. Öğrencilerin derse katılmaları gerekmektedir.
Öğrenciden
İstenilen
Gereklilikler
%40 Vize %60 Final notu ile başarı değerlendirilir.
Başarı Notunun
Hesaplanması
Introduction to discrete event systems C. Cassandras and S. Lafortune, 2008 Springer.
Önerilen
Modeling and Analysis of Dynamic Systems, 2ed, by Close and Frederick, Houghton
Kaynaklar, Araç
Mifflin, 1993.
ve Gereçler
Haftalar
Konular
Sistem ve model kavramlarına giriş. Dinamik sistemler. Ayrık zaman sistemleri.
1. Hafta
Olasılık teorisine giriş.
2. Hafta
Lineer modellerin analitik çözümü.
3. Hafta
Nonlineer sistemin lineer olarak modellenmesi.
4. Hafta
Markov zinciri, ayrık zamanlı markov zinciri, sürekli zamanlı markov zinciri.
5. Hafta
Kontrollü markov zinciri, markov karar süreçleri, markov karar problemlerinin çözümü.
6. Hafta
Kuyruk teorisine giriş, kuyruk modelleri, kuyruk system parametreleri
7. Hafta
8. Hafta
ARA SINAV
Kuyruk sistemleri ve kontrolü. Yönlendirme problemleri, planlama problemleri, kabul problemleri
9. Hafta
10. Hafta Markov kuyruk sistemleri, markov olmayan kuyruk sistemleri.
11. Hafta Ayrık olay simulasyon analizi, simulasyon karakteristiği, parameter kestirimi.
12. Hafta Ayrık olay simulasyonu, Sınırlı süreli simulasyon kesme ve çıktı analizi. Sürekli simulasyon
13. Hafta
14. Hafta
çıktıları analizi.
Hassasiyet analizi ve eşzamanlı kestirim, örnek fonksiyonları ve türevleri.
Infinitesimal perturbation analysis(IPA) analizi, IPA uzantıları, SPA analizi.

buradan - Bilgisayar Mühendisliği Bölümü

Transkript

Benzer belgeler

Güne Başlarken Okuma Yazmaya Hazırlık Hayat Bilgisi • Dilin tat

Ders Bilgi Formu (Türkçe) Ders Adı: Yönetim Bilimi Bölüm/Program

Filmler Üzerinden Takım Olmak

KIRGIZİSTAN TÜRKİYE MANAS ÜNİVERSİTESİ Edebiyat Fakültesi

KIRGIZİSTAN TÜRKİYE MANAS ÜNİVERSİTESİ Mühendislik