ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİMDALI. I. GENEL BİLGİLER Ders Adı

Transkript

1 BİM514 Bulanık Sistemler Teorisi Dönemi: Bahar Dili: Türkçe Öğretim Üyesi Prof. Dr. Derviş Karaboğa Görüşme Saatleri E posta: karaboga@erciyes.edu.tr WEB: Erciyes Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, Melikgazi Kayseri / TURKİYE Tel: Dahili: Esas: Evet İlgili: Yan dal: Başlangıç: Orta: İleri: Evet Uzmanlık: Dersin Amacı Öğretim Metodu Önerilen Kaynaklar, Bulanık kümeye dair kavramların anlaşılması ve bulanık sistemlerin incelenmesi. Bulanık Küme Teorisi, Bulanık Kümelerde İşlemler, Üyelik Fonksiyonları, İlişki 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. Kapalı notlarla, bir yazılı arasınav, bir yazılı yarıyılsonu sınavı yapılır. Ham başarı puanı, yarıyılsonu sınav puanının % 60'ına, ara sınavlar puan ortalamasının % 40'ına eklenmesiyle hesaplanır. Fuzzy Set Theory--and Its Applications; Hans Jürgen Zimmermann; Springer, Fuzzy Control Systems; Abraham Kandel, Gideon Langholz; CRC Press, Fuzzy Logic with Engineering Applications; Timothy J. Ross; John Wiley and Sons, 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 9. Hafta Bulanık Mantık Kontrolü (FLC) 10. Hafta Bulanık Mantık Kontrolü (FLC)

2 11. Hafta Bulanık Kümeleme 12. Hafta Adaptif Sinirsel Bulanık Çıkarım Sistemi (ANFIS) 13. Hafta Adaptif Sinirsel Bulanık Çıkarım Sistemi (ANFIS) 14. Hafta Adaptif Sinirsel Bulanık Çıkarım Sistemi (ANFIS) BİM513 Zeki Optimizasyon Teknikleri Dönemi: Güz Dili: Türkçe Öğretim Üyesi Prof. Dr. Derviş Karaboğa Görüşme Saatleri E posta: karaboga@erciyes.edu.tr WEB: Erciyes Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, Melikgazi Kayseri / TURKİYE Tel: Dahili Esas: Evet İlgili: Yan dal: Başlangıç: Orta: İleri: Evet Uzmanlık: Dersin Amacı Öğretim Metodu Önerilen Kaynaklar, Optimizasyon kavramlarının anlaşılması ve farklı zeki optimizasyon tekniklerinin 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. Kapalı notlarla, bir yazılı arasınav, bir yazılı yarıyılsonu sınavı yapılır. Ham başarı puanı, yarıyılsonu sınav puanının % 60'ına, ara sınavlar puan ortalamasının % 40'ına eklenmesiyle hesaplanır. Karaboga D. and Pham D.T.: Intelligent Optimisation Techniques. Springer Verlag, Karaboga D.: Yapay Zeka Optimizasyon Algoritmaları (Genişletilmiş 2. Basım). Nobel Yayın Dağıtım, Ankara, Karaboga D.: Yapay Zeka Optimizasyon Algoritmaları. Atlas Yayın Dağıtım, İstanbul, Hafta Optimizasyon Temel Kavramları 2. Hafta Optimizasyon problemlerinin ve yöntemlerinin sınıflandırılması 3. Hafta Geleneksel Optimizasyon Yöntemleri 4. Hafta Geleneksel Optimizasyon Yöntemleri

3 5. Hafta Sezgisel algoritmalar 6. Hafta Isıl İşlem Algoritması 7. Hafta Tabu Araştırma Algoritması 9. Hafta Genetik Algoritma 10. Hafta Genetik Algoritma 11. Hafta Karınca Koloni Algoritması 12. Hafta Yapay Bağışıklık Algoritması 13. Hafta Diferansiyel Gelişim Algoritması 14. Hafta Yapay Arı Kolonisi Algoritması BİLGİSAYAR Uygulamalı Sayısal Yöntemler Dönemi: Bahar Dili: Türkçe Öğretim Üyesi Yrd. Doç. Dr. Bahriye AKAY Görüşme Saatleri Perşembe E posta: bahriye@erciyes.edu.tr WEB: Erciyes Üniversitesi, Mühendislik Fak. Bilgisayar Müh., Kayseri / TURKİYE Tel: Dahili Faks: Başlangıç: Orta: Evet İleri Uzmanlık: Dersin Amacı Sayısal Yöntemlerde özellikle optimizasyon amaçlı kullanılan metotların incelenerek, bu metotların programlanabilmesi yada paket programlar kullanarak kullanılabilmesi MATLAB, Hatalar, Kök Bulma, Lineer Cebirsel Denklemlerin Çözümü, Kısıtlamalı ve Kısıtlamasız Optimizasyon, Eğri uydurma Öğretim Metodu Teorik bilgilerin verilmesi ve uygulamaya dönük kodlama yada yazılımların kullanılması Öğrencinin derse devam etmesi zorunludur. Vize Notu %30 ve Final Notunun %70 ağırlıklı ortalaması alınarak karşılık gelen harf notuna çevrilir. Önerilen Kaynaklar, S. C. Chapra, Applied Numerical Methods with MATLAB, S. Chapra, R. Canale, Mühendisler için sayısal yöntemler MATLAB yazılımı 1. Hafta MATLAB programlama dili giriş

4 2. Hafta MATLAB grafik modülleri 3. Hafta Kesme Hataları ve Taylor Serisi 4. Hafta Denklem Köklerinin Bulunmasında Kullanılan metotlar ve bu metotların programlanması (Bisection, iteratif search, Newton raphson, sekant, katlı kökler,) 5. Hafta Polinom Köklerinin Bulunmasında kullanılan metotlar ve bu metotların programlanması (Klasik yöntemler, Müller yöntemi, Bairstow yöntemi) 6. Hafta Lineer Cebirsel Denklemlerin Çözümünde kullanılan metotlar ve bu metotların programlanması (Gauss eliminasyon, LU ve Inverse Matris, Gauss Seidel) 7. Hafta Optimizasyon Bir Boyutlu Kısıtlamasız Optimizasyon (Golden Section, Second Order Interpolation, Newton Yöntemi) 9. Hafta Optimizasyon Çok Boyutlu Kısıtlamasız Optimizasyon (Direct methods, gradyent methods)kısıtlamalı Optimizasyon Lineer Programlama 10. Hafta Kısıtlamalı Optimizasyon Nonlineer Programlama 11. Hafta Optimizasyon Lineer ve Nonlineer problemler için Sezgisel Algoritmalar 12. Hafta Eğri Uydurma En küçük kareler regresyonu 13. Hafta Eğri Uydurma İnterpolasyon 14. Hafta Eğri uydurma Fourier Approximation BİLGİSAYAR İleri Stokastik Süreçler Dönemi: Güz Dili: Türkçe Öğretim Üyesi Yrd. Doç. Dr. Bahriye AKAY Görüşme Saatleri Perşembe E posta: bahriye@erciyes.edu.tr WEB: Erciyes Üniversitesi, Mühendislik Fak. Bilgisayar Müh., Kayseri / TURKİYE Tel: Dahili Faks: Başlangıç: Orta: İleri Uzmanlık: Evet Dersin Amacı Stokastik süreçlerin durma, dallanma ve yakınsama durumlarının analizi Öğretim Metodu Olasılık teorisi, Markov Modelleri, Martingale Modelleri, Yakınsama Teoremleri, Durma Zamanları Teorik bilgilerin verilmesi Öğrencinin derse devam etmesi zorunludur. Vize Notu %30 ve Final Notunun %70 ağırlıklı ortalaması alınarak

5 karşılık gelen harf notuna çevrilir. Önerilen Kaynaklar, Probability Theory, Amir Dembo, Stanford University Stochastic Processes, Amir Dembo, Stanford University 1. Hafta MATLAB programlama dili giriş 2. Hafta MATLAB grafik modülleri 3. Hafta Kesme Hataları ve Taylor Serisi 4. Hafta Denklem Köklerinin Bulunmasında Kullanılan metotlar ve bu metotların programlanması (Bisection, iteratif search, Newton raphson, sekant, katlı kökler,) 5. Hafta Polinom Köklerinin Bulunmasında kullanılan metotlar ve bu metotların programlanması (Klasik yöntemler, Müller yöntemi, Bairstow yöntemi) 6. Hafta Lineer Cebirsel Denklemlerin Çözümünde kullanılan metotlar ve bu metotların programlanması (Gauss eliminasyon, LU ve Inverse Matris, Gauss Seidel) 7. Hafta Optimizasyon Bir Boyutlu Kısıtlamasız Optimizasyon (Golden Section, Second Order Interpolation, Newton Yöntemi) 9. Hafta Optimizasyon Çok Boyutlu Kısıtlamasız Optimizasyon (Direct methods, gradyent methods)kısıtlamalı Optimizasyon Lineer Programlama 10. Hafta Kısıtlamalı Optimizasyon Nonlineer Programlama 11. Hafta Optimizasyon Lineer ve Nonlineer problemler için Sezgisel Algoritmalar 12. Hafta Eğri Uydurma En küçük kareler regresyonu 13. Hafta Eğri Uydurma İnterpolasyon 14. Hafta Eğri uydurma Fourier Approximation BİLGİSAYAR Kombinasyonel Optimizasyon Dönemi: Güz Dili: Türkçe Öğretim Üyesi Yrd. Doç. Dr. Bahriye AKAY Görüşme Saatleri Perşembe E posta: bahriye@erciyes.edu.tr WEB: Erciyes Üniversitesi, Mühendislik Fak. Bilgisayar Müh., Kayseri / TURKİYE Tel: Dahili Faks: Başlangıç: Orta: Evet İleri Uzmanlık: Dersin Amacı Tamsayı ve kombinasyonel optimizasyon problemlerinin ve algoritmalarının

6 öğretilmesi Kombinasyonel optimizasyon problemleri ve bu problemleri çözen algoritmalar Öğretim Metodu Teorik bilgilerin verilmesi ve uygulamaya dönük kodlama yada yazılımların kullanılması Öğrencinin derse devam etmesi zorunludur. Vize Notu %30 ve Final Notunun %70 ağırlıklı ortalaması alınarak karşılık gelen harf notuna çevrilir. Önerilen Kaynaklar, L. R. Foulds, Combinatorial Optimization 1. Hafta Tamsayı programlama için Brach and Bound metodlaru 2. Hafta Kesen düzlemler teorisi 3. Hafta Sub-gradient optimizasyon 4. Hafta İki değerli programların çözüm uzayında kısmi sıralama 5. Hafta Kombinasyonel optimizasyon algoritmalarının karmaşıklığı 6. Hafta Gezgin satıcı problemi 7. Hafta Küme parçalama 9. Hafta Graf algoritmaları ve Graf renklendirme problemi 0-1 Çanta problemi 10. Hafta Minimax network lokasyonunda karmaşıklık ve verimlilik 11. Hafta Araç yönlendirme problemi 12. Hafta Yükleme problemi 13. Hafta Bir makinadaki maksimum gecikmesinin minimizasyonu 14. Hafta Personel çizelgeleme problemi BİLGİSAYAR Çok Boyutlu Veri Analizi Dönemi: Dili: Türkçe Öğretim Üyesi Doç. Dr. Coşkun Özkan Görüşme Saatleri Pzt. /Salı /Çrş. /Prş./Cuma: E posta: cozkan@erciyes.edu.tr WEB: Erciyes Üniversitesi, Mühendislik Fakültesi, Harita Mühendisliği Bölümü, Kayseri / TURKİYE Tel: Dahili Başlangıç: Evet Orta: İleri Uzmanlık: Dersin Amacı Tek ve çok boyutlu verinin analizinde kullanılan matematik istatistik

7 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. Öğretim Metodu Tahtada teorik, bilgisayar başında uygulamalı ve öğrenci seminerleri Temel matematik ve lineer cebir bilgisi. Bir tek ara sınav ve yarıyıl sonu sınavı Önerilen Kaynaklar, Alvin Rencher, Applied multivariate analysis. 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 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 BİLGİSAYAR BİM532 Mekansal Veritabanları Dönemi: Güz Dili: Türkçe Öğretim Üyesi Yrd. Doç. Dr. Mete Çelik Görüşme Saatleri Pzt. /Salı /Çrş. /Prş./Cuma: E posta: mcelik@erciyes.edu.tr WEB:bm.erciyes.edu.tr/mcelik/bim532 Erciyes Üniversitesi, Mühendislik Fak., Bilgisayar Müh. Böl., Kayseri / TURKİYE Tel: Dahili Başlangıç: Evet Orta: İleri Uzmanlık: Dersin Amacı Mekansal veritabanları ve veri madenciliği hakkında temel teşkil edecek bilgilerin

8 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 Önerilen Kaynaklar, Spatial databases, S. Chawla, S. Shekhar 1. Hafta Giriş, Veri Nedir 2. Hafta Mekansal kavramlar ve veri modelleri 3. Hafta Mekansal depolama ve indeksleme, grid dosyaları, R ağaçları 4. Hafta Mekansal depolama ve indeksleme, grid dosyaları, R ağaçları 5. Hafta Sorgu optimizasyonu 6. Hafta Sorgu optimizasyonu 7. Hafta Dağıtık ve paralel mekansal veritabanı sistemleri 9. Hafta Mekansal ağlar 10. Hafta Mekansal ağlar 11. Hafta Mekansal veri madenciliğine giriş 12. Hafta Mekansal sınıflandırma, Kümeleme ve anormallik tespiti 13. Hafta Mekansal sınıflandırma, Kümeleme ve anormallik tespiti 14. Hafta Zamansal, mekansal, mekan-zamansal veri madenciliği Ham başarı puanı, yarıyılsonu sınav puanının % 60 ına, ara sınavlar puan ortalamasının % 40'ının eklenmesiyle hesaplanır. BİLGİSAYAR Bim511 Veri Madenciliği Dönemi: Güz Dili: Türkçe Öğretim Üyesi Yrd. Doç. Dr. Mete Çelik Görüşme Saatleri Pzt. /Salı /Çrş. /Prş./Cuma: E posta: mcelik@erciyes.edu.tr WEB:bm.erciyes.edu.tr/mcelik/bim511 Erciyes Üniversitesi, Mühendislik Fak., Bilgisayar Müh. Böl., Kayseri / TURKİYE Tel: Dahili Başlangıç: Evet Orta: İleri Uzmanlık: Dersin Amacı Veri madenciliği problemlerinin analiz edilmesini ve bu problemler için geliştirilen temel yaklaşımları incelenmesini amaçlamaktadır. Bu kapsamda sınıflandırma, kümeleme, anormallik tespiti ve birliktelik analizi teknikleri incelenecektir. Veri madenciliği problem ve yaklaşımlarının incelenmesi, giriş, veri nedir,

9 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 Önerilen Kaynaklar, 1. Hafta Giriş, Veri Nedir 2. Hafta Veri Analizi 3. Hafta Veri Analizi 4. Hafta Birliktelik Analizi 5. Hafta Birliktelik Analizi 6. Hafta Sınıflandırma 7. Hafta Sınıflandırma 9. Hafta Kümeleme 10. Hafta Kümeleme 11. Hafta Anormallik Tespiti 12. Hafta Anormallik Tespiti 13. Hafta Mekansal ve Mekan-zamansal Veri Analizi 14. Hafta Diğer Veri Madenciliği ı Ham başarı puanı, yarıyılsonu sınav puanının % 60 ına, ara sınavlar puan ortalamasının % 40'ının eklenmesiyle hesaplanır. Introduction to Data Mining, P. N. Tan, M. Steinbach, V. Kumar, Addison Wesley BİLGİSAYAR Uzaktan Algılama Dönemi: Dili: Türkçe Öğretim Üyesi Doç. Dr. Coşkun Özkan Görüşme Saatleri Pzt. /Salı /Çrş. /Prş./Cuma: E posta: cozkan@erciyes.edu.tr WEB: Erciyes Üniversitesi, Mühendislik Fakültesi, Harita Mühendisliği Bölümü, Kayseri / TURKİYE Tel: Dahili Başlangıç: Evet Orta: İleri Uzmanlık: Dersin Amacı Uzaktan algılamanın temelleri ve uygulama alanlarının öğretilmesi Uzaktan algılama biliminin temelleri, elektromanyetik enerji, EMR nin cisimlerle etkileşimi, Radar sistemleri, Uydu sistemleri, dijital

10 Öğretim Metodu Önerilen Kaynaklar, 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 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 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 BİM 506 Mobil ve Kablosuz Ağlar Dönemi: Güz Dili: Türkçe Öğretim Üyesi Yrd. Doç. Dr. Bilal BABAYİĞİT Görüşme Saatleri E posta: bilalb@erciyes.edu.tr WEB: Erciyes Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, Melikgazi Kayseri / TURKİYE Tel: Dahili Esas: Evet İlgili: Yan dal: Başlangıç: Orta: Evet İleri Uzmanlık: Dersin Amacı Mobil ve kablosuz ağ teknolojilerindeki temel kavramlarının ve teknolojilerinin öğretilmesi. Mobil ve kablosuz sistem tasarımı. Mobil ve kablosuz ağlara giriş. Mobil radyo yayılımı, hücresel ağlar, çoklu iletişim,

11 Öğretim Metodu Önerilen Kaynaklar, 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. Öğrenciler derslere katılmalı, verilen ödevleri zamanında yapmalı, arasınav ve final sınavlarında başarılı olmalıdır. Kapalı notlarla, bir yazılı arasınav, bir yazılı yarıyılsonu sınavı yapılır. Ham başarı puanı, yarıyılsonu sınav puanının % 60'ına, ara sınavlar puan ortalamasının % 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, I. F. Akyildiz and M. C. Vuran, Wireless Sensor Networks, John Wiley&Sons, V. Garg, Wireless Communicatio and Networking, Morgan Kaufmann, A. Kumar, D. Manjunath, J. Kuri, Wireless Networking, Morgan Kaufmann, 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 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 BİM 533 Bilişsel Ağlar Dönemi: Güz Dili: Türkçe Öğretim Üyesi Yrd. Doç. Dr. Bilal BABAYİĞİT Görüşme Saatleri E posta: bilalb@erciyes.edu.tr WEB: Erciyes Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, Melikgazi Kayseri / TURKİYE Tel: Dahili 32553

12 Esas: Evet İlgili: Yan dal: Başlangıç: Orta: Evet İleri Uzmanlık: Dersin Amacı Öğretim Metodu Önerilen Kaynaklar, 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. Öğrenciler derslere katılmalı, verilen ödevleri zamanında yapmalı, arasınav ve final sınavlarında başarılı olmalıdır. Kapalı notlarla, bir yazılı arasınav, bir yazılı yarıyılsonu sınavı yapılır. Ham başarı puanı, yarıyılsonu sınav puanının % 60'ına, ara sınavlar puan ortalamasının % 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, Q.H. Mahmoud (Ed.), Cognitive Networks, John Wiley&Sons, B. Fette, Cognitive Radio Technology, Academic Press, H. Arslan (Ed.), Cognitive Radio, Software Defined Radio, and Adaptive Wireless Systems, Springer, 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 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 İleri Görüntü İşleme Teknikleri ve Bilgisayar Görme -I Dönemi: Güz Dili: Türkçe Kredisi (T-P-K) : ECTS Kredisi: 5.0 Öğretim Üyesi Doç.Dr. Veysel ASLANTAŞ Görüşme Saatleri Pzt. /Salı /Çrş. /Prş./Cuma:

13 E posta: WEB: Erciyes Üniversitesi, Mühendislik Fakültesi, Bilgisayar Müh. Böl., Kayseri / TURKİYE Tel: Dahili Başlangıç: Evet Orta: İleri Uzmanlık: Dersin Amacı Öğretim Metodu Önerilen Kaynaklar, Temel konuların ve sayısal resimlerden bilgi elde etmek için kullanılan tekniklerin 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 Ham başarı puanı, yarıyılsonu sınav puanının % 60 ına, ara sınavlar puan 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) Anil K. Jain, Fundamentals of Digital Image Processing, Prentice Hall, Low, A. Introductory Computer Vision and Image Processing. McGraw-hill, Hafta Görüntü işleme ve bilgisayar görmeye giriş, görüntü işleme örnekleri, görüntü elde etme, örnekleme ve kuantalama. 2. Hafta Aydınlatma ve sensörler, görüntülerin algılanması ve temsil edilmesi 3. Hafta Aydınlatma ve sensörler, görüntülerin algılanması ve temsil edilmesi 4. Hafta Görüntü işlemenin temelleri, temel görüntü işleme operasyonları 5. Hafta Görüntü işlemenin temelleri, temel görüntü işleme operasyonları 6. Hafta Eşikleme teknikleri 7. Hafta Renkli resim işleme 9. Hafta Resim bölütleme teknikleri 10. Hafta Resim bölütleme teknikleri 11. Hafta Resim sıkıştırma teknikleri 12. Hafta Resim sıkıştırma teknikleri 13. Hafta Hareketli nesnelerin hız ve pozisyon hesapları 14. Hafta Hareketli nesnelerin hız ve pozisyon hesapları

14 İleri Görüntü İşleme Teknikleri ve Bilgisayar Görme -II Dönemi: Bahar Dili: Türkçe Kredisi (T-P-K) : ECTS Kredisi: 5.0 Öğretim Üyesi Doç.Dr. Veysel ASLANTAŞ Görüşme Saatleri Pzt. /Salı /Çrş. /Prş./Cuma: E posta: aslantas@erciyes.edu.tr WEB: Erciyes Üniversitesi, Mühendislik Fakültesi, Bilgisayar Müh. Böl., Kayseri / TURKİYE Tel: Dahili Başlangıç: Evet Orta: İleri Uzmanlık: Dersin Amacı Öğretim Metodu Önerilen Kaynaklar, 1. Hafta Geometrik transformlar 2. Hafta Ayrık transformlar Bu dersin başarı ile tamamlanması sonucunda öğrenciler: 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. Sınıf dersleri: Haftada üç saat teorik temeller. Yüksek lisans öğrencileri Ham başarı puanı, yarıyılsonu sınav puanının % 60 ına, ara sınavlar puan 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) Sonka, M., Hlavac, V., and Boyle, R. Image Processing, Analysis and Machine Vision. Chapman & Hall Computing, Anil K. Jain, Fundamentals of Digital Image Processing, Prentice Hall, Low, A. Introductory Computer Vision and Image Processing. McGraw-hill, 1991

15 3. Hafta Ayrık transformlar 4. Hafta Gürültü, filtre tasarımı, gürültü temizleme 5. Hafta Görüntü restorasyonu 6. Hafta Görüntü restorasyonu 7. Hafta Kenar tespit teknikleri 9. Hafta Nesnelerin özelliklerinin elde edilmesi ve analizi 10. Hafta Nesnelerin özelliklerinin elde edilmesi ve analizi 11. Hafta Resim analizi 12. Hafta Resim analizi 13. Hafta Bölge, hat ve hareket temelli resim bölütleme teknikleri 14. Hafta Bölge, hat ve hareket temelli resim bölütleme teknikleri HAREKETLİ ROBOTLAR İÇİN MESAFE ÖLÇME TEKNİKLERİ Dönemi: Bahar Dili: Türkçe Öğretim Üyesi Doç.Dr. Veysel ASLANTAŞ Görüşme Saatleri Pzt. /Salı /Çrş. /Prş./Cuma: E posta: aslantas@erciyes.edu.tr WEB: Erciyes Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, Kayseri / TURKİYE Tel: Dahili Başlangıç: Evet Orta: İleri Uzmanlık: Dersin Amacı Üç boyutlu Bilgisayar Görme teknikleri için gerekli altyapının oluşturulması. 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 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) Öğretim Metodu Derslere katılım oldukça önemli olup derslerde anlatılan herşeyden öğrenciler 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.. Kapalı notlarla bir yazılı arasınav, bir yazılı yarıyılsonu sınavı yapılır. Ham başarı puanı, yarıyılsonu sınav puanının % 70'ine, ara sınavlar puan ortalamasının % 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 arasında kalan notlar) şartsız başarılı notlardır. DC ve DD (ham başarı puanı arasında kalan notlar) ise şartlı başarılı notlardır.

16 Önerilen Kaynaklar, R. Szeliski, Computer Vision: Algorithms and Applications, Springer L. G. Shapiro and G. C. Stockman, Computer Vision, Prentice Hall, Kenneth R. Castleman, Digital Image Processing, Prentice Hall, A. Rosenfeld and A. Kak, Digital Image Processing, Volume 1, Academic Press, Image Processing Fundamentals Home Page Image Processing Home Page Computer Vision Home Page 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 İleri Olasılık Dönemi: Güz Dili: Türkçe Öğretim Üyesi Yrd. Doç. Dr. Necla ÖZKAYA Görüşme Saatleri Ofis saatleri belirtmedim, çünkü dersim yoksa genellikle hep ofisimde 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. E posta: neclaozkaya@erciyes.edu.tr WEB: Erciyes Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, Kayseri / TÜRKİYE Tel: Dahili Başlangıç: Orta: Evet İleri Uzmanlık: Dersin Amacı Bu dersin amacı öğrencilere olasılık ve rassal süreçlerin temel ve bazı ileri kavramlarını tanıtmaktır.

17 Öğretim Metodu Önerilen Kaynaklar, 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. 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. Öğrenciler derslere katılmalıdır. Her öğrenci kendisine verilen ev ödevlerini çözmek zorundadır. Öğrenci ödevi çözerken herhangi bir 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 sınav ve final sınavı. Başarı notunun hesaplanmasında ara sınavın % 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. 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: , 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, Probability and Random Processes for Electrical and Computer Engineers, by J. Gubner, Probability, Random Variables and Stochastic Processes, A. Papoulis, 3/E, McGraw-Hill Companies, 1991, ISBN-10: 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

18 Yöntemleri, Bağımsız Deneyler 3. Hafta Ayrık Rassal Değişkenler: Olasılık Kütle Fonksiyonu, Ayrık Rassal Değişken Aileleri, Birikimli Dağılım Fonksiyonu 4. Hafta Ortalamalar, Beklenen Değer, Varyans ve Standard Sapma, Koşullu Olasılık Kütle Fonksiyonu 5. Hafta Sürekli Rassal Değişkenler: Olasılık Yoğunluk Fonksiyonu, Beklenen Değerler, Sürekli Rassal Değişken Aileleri 6. Hafta Gaussian Rassal Değişkenleri, Delta Fonksiyonları, Karışık Rassal Değişkenler, Türetilmiş Rassal Değişkenlerin Olasılık Modelleri 7. Hafta Rassal Değişken Çiftleri: Ortak Birikimli Dağılım Fonksiyonu, Ortak Olasılık Kütle Fonksiyonu, Sınırsal Olasılık Kütle Fonksiyonu 8. Hafta Ara sınav 9. Hafta İki Rassal Değişken Fonksiyonları, N Rassal Değişken Olasılık Modelleri, Sınırsal Olasılık Fonksiyonları, Korelasyon Matrisi 10. Hafta İki Rassal Değişkeninin Toplamının Olasılık Yoğunluk Fonksiyonu, Moment Üreten Fonksiyon, Bağımsız Rassal Değişkenlerin Rassal Toplamları 11. Hafta Merkezi Limit Teoremi e Uygulamaları, Beklenen Değerden Rassal Değişken Türetme 12. Hafta Rassal Süreçler: Poisson Süreci, Durağan Süreçler, Gaussian Süreçleri 13. Hafta Ayrık Zamanlı Markov Zinciri Dinamikleri, Sürekli Zamanlı Markov Zincirleri, Doğum-Ölüm Süreçleri ve Kuyruk Sistemleri 14. Hafta Rassal Sinyal Süreçleri: Ayrık Zamanlı Doğrusal Filtreleme, Tahminleme ve Öngörü, Kuvvet Spektral Yoğunluk, Çapraz Spektral Yoğunluk Final Sınavı için Gözden Geçirme Biyometrik Sistemler Dönemi: Güz Dili: Türkçe Öğretim Üyesi Yrd. Doç. Dr. Necla ÖZKAYA Görüşme Saatleri Ofis saatleri belirtmedim, çünkü dersim yoksa genellikle hep ofisimde 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. E posta: neclaozkaya@erciyes.edu.tr WEB: Erciyes Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, Kayseri / TÜRKİYE Tel: Dahili 32600

19 Başlangıç: Orta: Evet İleri Uzmanlık: Dersin Amacı 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. Öğretim Metodu 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 kısmıyla konu pekiştirilir. 2 şer kişilik gruplarla da 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. Öğrenci derse atılmak zorundadır. Tek başına veya iki kişilik grup içerisinde almış olduğu 2 adet projeyi başarıyla tamamlamak 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

20 Önerilen Kaynaklar, değerlendirilecektir. Derste öğrencinin başarmak zorunda olduğu iki sınav vardır: Ara sınav ve final sınavı. Başarı notunun hesaplanmasında ara sınavın % 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. Ders Notları: 1. R.C. Gonzalez and R.E. Woods, Digital Image Processing, Prentice Hall, 3rd Edition, 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, A. K. Jain, R. Bolle, S. Pankanti (Eds.), BIOMETRICS: Personal Identification in Networked Society, Kluwer Academic Publishers, J. Wayman, A.K. Jain, D. Maltoni, and D. Maio (Eds.), Biometric Systems: Technology, Design and Performance Evaluation, Springer, DiğerKaynaklar: 1. S.Y. Kung, M.W. Mak, and S.H. Lin, Biometric Authentication: A Machine Learning Approach, Prentice Hall, Ruud M. Bolle et al., Guide to Biometrics, Springer, Paul Reid, Biometrics for Network Security, Prentice Hall PTR, Samir Nanavati, Michael Thieme, and Raj Nanavati, Biometrics: Identity Verification in a Networked World, John Wiley & Sons, David Zhang (Ed.), Biometric Solutions for Authentication in an E-World, Kluwer Academic Publishers, Anil K. Jain, Ruud Bolle, and Sharath Pankanti (Eds.), Biometrics: Personal Identification in Networked Society, Kluwer, 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 Biyometrik sistemlerin performans değerlendirilmelerine yönelik temel açıklamalar: hata oranları, tanıma doğrulukları vs. 4. Hafta Biyometrik sistemlerin performans değerlendirilmelerine yönelik temel

21 istatistiksel yöntemler. 5. Hafta Biyometrik sistemlerin sınıflandırılma teorileri: Neyman-Pearson yaklaşımı, Likelihood oranı, Gaussian durumu, Bayesian yaklaşımı, MAP yaklaşımı. 6. Hafta Yüz tanıma: Görünüş temelli ve yerel özelliklere dayalı yüz tanıma yaklaşımları ve bunların gerçekleştirilmeleri. 7. Hafta Üç boyutlu yüz tanıma: yüz bilgilerinin alınması, kaydı, özellik noktalarının elde edilmesi, özellik setinin hesaplanması ve karşılaştırma. 8. Hafta Ara sınav 9. Hafta Parmak izi tanıma: Özellik noktaları temelli yaklaşımlar ve özellik noktaları temelli olamayan yaklaşımlar ve bunların gerçekleştirilmeleri. 10. Hafta İris tanıma: iris temelli bir biyometrik sistemin gerçekleştirilmesi. 11. Hafta Diğer biyometrik özellikler: avuç içi, kan damarları yapısı, yürüyüş ve konuşmacı tanıma vs. 12. Hafta Çoklu biyometrik özellik temelli sistemler. 13. Hafta Öğrenci projelerinin sunumu. 14. Hafta Öğrenci projelerinin sunumu ve Final Sınavı için Gözden Geçirme KABLOSUZ ALGILAYICI AĞLARI UYGULAMALARI Dönemi: Bahar Dili: Türkçe Öğretim Üyesi Öğr. Gör. Dr. Celal ÖZTÜRK Görüşme Saatleri Pzt. /Salı /Çrş. /Prş./Cuma: E posta: celal@erciyes.edu.tr WEB: Erciyes Üniversitesi, Mühendislik Fak., Bilgisayar Müh. Bölümü, Kayseri / TURKİYE Tel: Dahili Başlangıç: Evet Orta: İleri Uzmanlık: Dersin Amacı Öğretim Metodu Bilgisayar Bilimleri ve Bilgisayar Mühendisliği eğitimi çerçevesinde, yeni bir 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.

22 Önerilen Kaynaklar, 1. Sensor Network Operations, S. Phoha, T.F. La Porta, and C. Griffin (eds), pp , ISBN: , Wiley-IEEE Press. 2. Security in Distributed, Grid, Mobile and Pervasive Computing", Edited by Prof. Yang Xiao, Auerbach Publications, CRC Press Wireless Sensor Networks: An Information Processing Approach by Feng Zhao and Leonidas Guibas, Morgan Kaufmann Publishing, ISBN-10: 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 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 YAPAY SİNİR AĞLARI I Dönemi: Güz Dili: Türkçe Öğretim Üyesi Öğr. Gör. Dr. Celal ÖZTÜRK Görüşme Saatleri Pzt. /Salı /Çrş. /Prş./Cuma: E posta: celal@erciyes.edu.tr WEB: Erciyes Üniversitesi, Mühendislik Fak., Bilgisayar Müh. Bölümü, Kayseri / TURKİYE Tel: Dahili Başlangıç: Evet Orta: İleri Uzmanlık: Dersin Amacı Bilgisayar bilimleri ve Bilgisayar Mühendisliği eğitimi çerçevesinde, yapay sinir 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

23 Öğretim Metodu Önerilen Kaynaklar, 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. 1. Artificial Neural Networks: A Compherensive Foundation, S. Haykin, Mühendislikte Yapay Zeka Kullanımı I: Yapay Sinir Ağları, Ufuk Kitabevi, 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 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 Dinamik Sistem ve Modelleme Dönemi: Dili: Türkçe Öğretim Üyesi Y.Doç.Dr. Mustafa DANACI Görüşme Saatleri Pzt. /Salı /Çrş. /Prş./Cuma: E posta: danaci@erciyes.edu.tr WEB: Erciyes Üniversitesi, Mühendislik Fakültesi, Bilgisayar M. Bölümü, Kayseri / TURKİYE Tel: Dahili Faks: Başlangıç: Evet Orta: İleri Uzmanlık: Dersin Amacı bir sistemin tasarım ve modellenmesinin yüksek seviyeli bilgisayar

24 Öğretim Metodu Öğrenciden İstenilen Önerilen Kaynaklar, Araç ve Gereçler 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. %40 Vize %60 Final notu ile başarı değerlendirilir. Introduction to discrete event systems C. Cassandras and S. Lafortune, 2008 Springer. Modeling and Analysis of Dynamic Systems, 2ed, by Close and Frederick, Houghton Mifflin, Hafta Sistem ve modelleme. Sistem kavramı. 2. Hafta Lineer modellerin analitik çözümü 3. Hafta Laplace dönüşümü 4. Hafta Transfer Function Analysis 5. Hafta Nonlineer bir sistem üzerinden lineer model geliştirilmesi 6. Hafta Elektriksel sistemler 7. Hafta Termal sistemler 9. Hafta Hidrolik sistemler 10. Hafta Mekanik sistemler 11. Hafta Mekanik sistemler 12. Hafta Dişli mekanik sistemler 13. Hafta Elektromekanik sistemler 14. Hafta Elektromekanik sistemler Ayrık Simulasyon Dönemi: Dili: Türkçe Öğretim Üyesi Y.Doç.Dr. Mustafa DANACI Görüşme Saatleri Pzt. /Salı /Çrş. /Prş./Cuma: E posta: danaci@erciyes.edu.tr WEB: Erciyes Üniversitesi, Mühendislik Fakültesi, Bilgisayar M. Bölümü, Kayseri / TURKİYE Tel: Dahili 32528

25 Faks: Başlangıç: Evet Orta: İleri Uzmanlık: Dersin Amacı 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. Öğretim Metodu Teorik olarak verilen temel bilgi üzerine yapılacak çeşitli problem çözümleri ve verilecek ödev çalışmaları ile ders işlenecektir. Öğrenciden İstenilen İstatistik, olasılık, matematik, programlama gibi temel konularda önbilgileri olmalıdır. Öğrencilerin derse katılmaları gerekmektedir. %40 Vize %60 Final notu ile başarı değerlendirilir. Önerilen Kaynaklar, Araç ve Gereçler Introduction to discrete event systems C. Cassandras and S. Lafortune, 2008 Springer. Modeling and Analysis of Dynamic Systems, 2ed, by Close and Frederick, Houghton Mifflin, Hafta Sistem ve model kavramlarına giriş. Dinamik sistemler. Ayrık zaman sistemleri. 2. Hafta Olasılık teorisine giriş. 3. Hafta Lineer modellerin analitik çözümü. 4. Hafta Nonlineer sistemin lineer olarak modellenmesi. 5. Hafta Markov zinciri, ayrık zamanlı markov zinciri, sürekli zamanlı markov zinciri. 6. Hafta Kontrollü markov zinciri, markov karar süreçleri, markov karar problemlerinin çözümü. 7. Hafta Kuyruk teorisine giriş, kuyruk modelleri, kuyruk system parametreleri 9. Hafta Kuyruk sistemleri ve kontrolü. Yönlendirme problemleri, planlama problemleri, kabul problemleri 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 çıktıları analizi. 13. Hafta Hassasiyet analizi ve eşzamanlı kestirim, örnek fonksiyonları ve türevleri. 14. Hafta Infinitesimal perturbation analysis(ipa) analizi, IPA uzantıları, SPA analizi.