EĞİTİM
Ders Detayı

ELE 673 Örüntü Tanıma
2018-2019 bilgileri

Ders bu dönem açık değil

Dersin zamanlama bilgileri haftalık ders programından elde edilmektedir. Ders geçici olarak belirli bir hafta için ertelenmiş ya da zamanı değişmiş olabilir. Dersin o haftaki kesin zamanlama bilgileri için dersin sorumlusuna başvurulmalı ve/veya duyurular takip edilmelidir.

Ders tanım tabloları Hacettepe Üniversitesi AKTS Ders Kataloğu sitesinden (http://akts.hacettepe.edu.tr) gerçek zamanlı olarak alınıp gösterilmektedir. Oluşabilecek hatalar için lütfen orijinal siteyi kontrol ediniz.

ELE673 - ÖRÜNTÜ TANIMA

Dersin Adı Kodu Yarıyılı Teori
(saat/hafta)
Uygulama
(saat/hafta)
Yerel Kredi AKTS
ÖRÜNTÜ TANIMA ELE673 Herhangi Yarıyıl/Yıl 3 0 3 8
Önkoşul(lar)-var ise
Dersin DiliTürkçe
Dersin TürüSeçmeli 
Dersin verilme şekliYüz yüze 
Dersin öğrenme ve öğretme teknikleriAnlatım
Soru-Yanıt
 
Dersin sorumlusu(ları)Yrd.Doç.Dr.A.Semih Bingöl 
Dersin amacıDerste öğrencilerin gerçek hayatta karşılaşabilecekleri örüntü tanıma problemlerini çözebilmeleri için, temelde istatistiksel teknikler ağırlıklı olmak üzere: örüntü tanımanın temel kavramlarının, istatistiksel karar verme kuramının temellerinin, parametrik ve non-parametrik yaklaşımların ve bunların farklarının, ve modern örüntü tanıma sistemlerinde kullanılan diğer tekniklerin öğrenciye aktarılması amaçlanmaktadır.  
Dersin öğrenme çıktıları
  1. D.Ç.1. Örüntü tanıma sistemleriyle ile ilgili temel kavram ve yaklaşımları bilir,
  2. D.Ç.2. Değişik örüntü tanıma yaklaşımlarının birbirine göre avantaj ve dezavantajlarını bilir,
  3. D.Ç.3. Derste öğrendiği teknikleri ve algoritmaları gerçek uygulamalarda kullanır,
  4. D.Ç.4. İlk defa karşılaştığı bir örüntü tanıma problemine gerçekçi çözümler önerebilir,
  5. D.Ç.5. Gelişmiş güncel örüntü tanıma algoritmalarını takip edip anlayabilecek temele sahip olur.
Dersin içeriğiÖrüntü tanımanın temelleri: Örüntü sınıfları, örüntü özellikleri, özelliklerin çıkartılması, sınıflandırma.
İstatistiksel karar verme kuramı, Bayes sınıflandırıcısı, Minimax ve Neyman-Pearson kuralları, hata sınırları.
Öğretmenle öğrenme: Olasılık yoğunluk işlevlerinin kestirimi, enbüyük olabilirlik ve Bayes kestirimleri.
Parametrik olmayan örüntü tanıma teknikleri, Parzen pencereleri, en yakın komşu ve k-en yakın komşu algoritmaları.
Ayırtaç analizi, en küçük kareler ve gevşeme algoritmaları.
Öğretmensiz öğrenme ve öbekleme analizi.
Diğer örüntü tanıma yaklaşımları.
 
KaynaklarDuda R. O., Hart P. E., and Stork D. G., Pattern Classification, 2nd ed., John Wiley and Sons, 2001.
Webb A., Statistical pattern recognition, Oxford University Press Inc., 1999.
Theodoridis S., Koutroumbas K., Pattern recognition, Academic Press, 1999.
 

Haftalara Göre İşlenecek Konular

HaftalarKonular
1. HaftaÖrüntü tanımada temel kavramlar
2. HaftaBayes karar verme kuramı, Hata integralleri, Minimax ve Neyman-Pearson kuralları
3. HaftaÇok-boyutlu normal dağılımlar için ayırtaç işlevleri, Normal dağılımlar için hata sınırları: Chernoff ve Bhattacharyya sınırları
4. HaftaAyrık özellikler için Bayes karar verme kuramı, Eksik ve gürültülü özellikler
5. HaftaParametre kestirimi: Enbüyük olabilirlik ve Bayes kestirimleri, Yeterli istatistik kavramı
6. HaftaYüksek boyutun getirdiği sorunlar, Temel bileşenler analizi ve Fisher doğrusal ayırtaç analizi
7. HaftaParametrik olmayan teknikler: Parzen pencereleri
8. HaftaParametrik olmayan teknikler: en yakın komşu ve k-en yakın komşu algoritmaları, Örüntü tanımada yaygın olarak kullanılan metrikler
9. HaftaAra sınav
10. HaftaDoğrusal ayırtaç işlevleri ve karar bölgeleri
11. HaftaGradyan iniş yöntemleri: Perceptron algoritması, gevşeme algoritmaları
12. HaftaEn küçük kareler algoritmaları , Destek vektör makinaları
13. HaftaÖğretmensiz öğrenme: Öbekleme algoritmaları, -ortalama öbeklemesi, Öbeklemede başarı ölçütleri: Enküçük değişinti ve saçılma kriterleri
14. Haftaİstatistiksel olmayan örüntü tanıma yöntemlerine genel bakış, Karar ağaçları, diziler ve gramer tabanlı yöntemler
15. HaftaGenel Sınava Hazırlık
16. HaftaGenel Sınav

Değerlendirme Sistemi

Yarıyıl içi çalışmalarıSayısıKatkı Payı %
Devam (a)00
Laboratuar00
Uygulama00
Alan Çalışması00
Derse Özgü Staj (Varsa) 00
Ödevler735
Sunum00
Projeler00
Seminer00
Ara Sınavlar125
Genel sınav140
Toplam100
Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı060
Yarıyıl Sonu Sınavının Başarı Notuna Katkısı040
Toplam100

AKTS (Öğrenci İş Yükü) Tablosu

Etkinlikler Sayısı Süresi Toplam İş Yükü
Ders Süresi 14 3 42
Laboratuvar 0 0 0
Uygulama000
Derse özgü staj (varsa)000
Alan Çalışması000
Sınıf Dışı Ders Çalışma Süresi (Ön Çalışma, pekiştirme, vb)148112
Sunum / Seminer Hazırlama000
Proje000
Ödevler7856
Ara sınavlara hazırlanma süresi11010
Genel sınava hazırlanma süresi12020
Toplam İş Yükü3749240

Dersin Öğrenme Çıktılarının Program Yeterlilikleri İle İlişkilendirilmesi

D.9. Program YeterlilikleriKatkı Düzeyi*
12345
1. Elektrik ve Elektronik Mühendisliği'nin gerektirdiği temel bilgilerin yanı sıra Elektrik ve Elektronik Mühendisliği'nin belirli alanlarında geniş ve derin bilgiye sahiptir.   X 
2. Matematik, Fen Bilimleri ve Elektrik ve Elektronik Mühendisliği alanlarındaki kuramsal ve uygulamalı bilgileri kullanarak ileri düzeyde analiz ve sentez yeteneği gerektiren karmaşık mühendislik problemlerini çözer.    X
3. Bilimsel literatürü takip eder, yorumlar ve mühendislik problemlerinin çözümünde etkin olarak kullanır   X 
4. Araştırma tasarlar, yapar, sonuçları analiz eder ve yorumlar.  X  
5. Proje tasarlar, planlar ve yönetir; disiplinlerarası çalışmalarda liderlik yapabilir. X   
6. Problem çözümlerinde yeni ve özgün fikirler üretir.   X 
7. Karmaşık, sınırlı ya da eksik verileri analiz edip anlamlı sonuçlar çıkartabilir, disiplinler arası çalışmalarda bu becerisini kullanabilir.  X  
8. Teknolojik gelişmeleri takip eder, kendisini geliştirip yeniler, yeni durumlara kolay uyum sağlar.  X  
9. Uygulamalarının etik açıdan uygunluğunu ve sosyal ve çevresel etkilerini göz önüne alır. X   
10. Fikirlerini ve çalışmalarını yazılı veya sözlü olarak etkinlikle sunar; İngilizce'yi ileri düzeyde kullanır.  X  

*1 En düşük, 2 Düşük, 3 Orta, 4 Yüksek, 5 Çok yüksek

Genel Bilgiler | Ders ve Sınav Takvimleri | Ders ve Sınıfların Anlık Durumu
Lisans Programı | Açılan Dersler, Şubeleri ve Sorumluları | Haftalık Ders Programı | Dönemlik Sınav Programları | Kayıt için Gerekli Bilgiler | Önkoşullu ve Eşzamanlı Dersler | Staj için Gerekli Bilgi ve Belgeler | ELE 401-402 Bitirme Projesi Bilgileri | Diğer Yardımcı Belgeler | AKTS Ders Kataloğu | HÜ Öğrenci İşleri Dairesi
Lisansüstü Programı | Açılan Dersler ve Sorumluları | Haftalık Ders Programı | Dönemlik Final Sınav Programı | Lisansüstü Tez Savunma ve Seminer Takvimi | Kayıt için Gerekli Bilgiler | AKTS Ders Kataloğu - Yüksek Lisans | AKTS Ders Kataloğu - Doktora | HÜ Fen Bilimleri Enstitüsü