Ders Detayı
Ders Tanımı
Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
---|---|---|---|---|---|
KESTİRİM KURAMI | EECY1112942 | Güz Dönemi | 3+0 | 3 | 8 |
Ders Programı | Çarşamba 13:30-14:15 Çarşamba 14:30-15:15 Çarşamba 15:30-16:15 |
Ön Koşul Dersleri | |
Önerilen Seçmeli Dersler |
Dersin Dili | İngilizce |
Dersin Seviyesi | Yüksek Lisans |
Dersin Türü | Programa Bağlı Seçmeli |
Dersin Koordinatörü | Prof.Dr. Mehmet Kemal ÖZDEMİR |
Dersi Verenler | Prof.Dr. Mehmet Kemal ÖZDEMİR |
Dersin Yardımcıları | |
Dersin Amacı | Bu derste sezim ve kestirim kuramının temelleri işlenecektir. Ders sistemlerin modellenmesindeki temel anlayışı gürültü ile beraber ela alarak, sezim ve kestirim tekniklerinin bu sistemlere nasıl uygulanacağını gösterecektir. Kestirim kısmında, birçok farklı kestirim yaklaşımı basitten daha karmaşık tekniklere, ve klasik teknikler ile Bayes tabanlı kestirimleri kapsar. Daha sonra sezim problemini gürültünün bilinmediği ve eldeki sinyalin rastlantısal ya da rastlantısal olmaması durumuna daha geniş bir boyutta ele alacaktır. |
Dersin İçeriği | Bu ders; Kestirim Kuramına giriş ve En düşük sapmalı varyans kestirimi ,Cramer-Rao Alt Sınırı (CRLB) ,Doğrusal Modeller ,Genel MVU Kestirim Yaklaşımı ,Sapmasız en iyi doğrusal kestirim (BLUE) ,En büyük olabilirlik kestirimi (ML),En büyük olabilirlik kestirimi (ML),Arasınav,En küçük kareler (LS) ,En küçük kareler (LS) - RLS,Bayes Felsefesi ,Genel Bayes Kestirimleri - 1,Genel Bayes Kestirimleri - 2,Doğrusal Bayes Kestirimleri ,Kalman Süzgeçleri ; konularını içermektedir. |
Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
1. Kestirimlerde tutarlılık ve sapma konularını hesaplar. | 10, 16, 21, 9 | A, E, F |
2. Parametre kestirimi için en uygun kriteri seçer. | 10, 16, 21, 9 | A, E, F |
3. Kestirim problemleri için kestirimin performans sınırlarını belirler. | 16, 21, 9 | A, E, F |
4. Farklı kestirim yaklaşım tekniklerinin performansının belirlenen kestirim sınırları ile analiz eder. | 10, 16, 21, 9 | A, E, F |
5. Klasik ya da Bayes tabanlı kestirim yaklaşımlarını verilen bir problem için uygun kestirim yaklaşımını geliştirir. | 10, 16, 21, 9 | A, E, F |
Öğretim Yöntemleri: | 10: Tartışma Yöntemi, 16: Soru - Cevap Tekniği , 21: Benzetim/Simülasyon Tekniği, 9: Anlatım Yöntemi |
Ölçme Yöntemleri: | A: Klasik Yazılı Sınav, E: Ödev, F: Proje Görevi |
Ders Akışı
Sıra | Konular | Ön Hazırlık |
---|---|---|
1 | Kestirim Kuramına giriş ve En düşük sapmalı varyans kestirimi | 1 nolu kitabın 2. bölümünün okunması. |
2 | Cramer-Rao Alt Sınırı (CRLB) | 1 nolu kitabın 3. bölümünün okunması. |
3 | Doğrusal Modeller | 1 nolu kitabın 4. bölümünün okunması. |
4 | Genel MVU Kestirim Yaklaşımı | 1 nolu kitabın 5. bölümünün okunması. |
5 | Sapmasız en iyi doğrusal kestirim (BLUE) | 1 nolu kaynağın 6. bölümünün okunması. |
6 | En büyük olabilirlik kestirimi (ML) | 1 nolu kitabın 7. bölümünün okunması. |
7 | En büyük olabilirlik kestirimi (ML) | 1 nolu kitabın 7. bölümünün okunması. |
8 | Arasınav | Ders kitabı, Bölümler 1-7 |
9 | En küçük kareler (LS) | 1 nolu kitabın 8. bölümünün yarısının okunması. |
10 | En küçük kareler (LS) - RLS | 1 nolu kitabın 8. bölümünün geri kalan kısmının okunması. |
11 | Bayes Felsefesi | 1 nolu kitabın 10. bölümünün okunması. |
12 | Genel Bayes Kestirimleri - 1 | 1 nolu kitabın 11. bölümünün okunması. |
13 | Genel Bayes Kestirimleri - 2 | 1 nolu kitabın 11. bölümünün okunması. |
14 | Doğrusal Bayes Kestirimleri | 1 nolu kitabın 12. bölümünün okunması. |
15 | Kalman Süzgeçleri | 1 nolu kitabın 13. bölümünün okunması. |
Kaynak |
1. "Fundamentals of Statistical Signal Processing, Volume 1: Estimation Theory” Steven Kay, ISBN: 978-0133457117 2. “Fundamentals of Statistical Signal Processing, Volume 2: Detection Theory” Steven Kay, ISBN-13: 007-6092032243 |
1. "An Introduction to Signal Detection and Estimation” by Vincent Poor, ISBN: 978-0387941738 2. “Detection, Estimation, and Modulation Theory, Part I” by Harry L. Van Trees, ISBN: 978- |
Dersin Program Yeterliliklerine Katkısı
Dersin Program Yeterliliklerine Katkısı | |||||||
No | Program Yeterliliği | Katkı Düzeyi | |||||
1 | 2 | 3 | 4 | 5 | |||
1 | Mühendislik alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular. | X | |||||
2 | Mühendislikte uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgi sahibidir ve mühendisliğin ilişki kurduğu disiplinler arası etkileşimi kavrayabilir. | X | |||||
3 | Analitik, modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular; bu süreçte karşılaşılan karmaşık durumları yorumlar, yeni ve özgün fikirler geliştirerek çözümler. | X | |||||
4 | Sınırlı ya da eksik verileri kullanarak bilimsel yöntemlerle bilgiyi tamamlar ve uygular; değişik disiplinlere ait bilgileri bütünleştirir. | X | |||||
5 | Mühendislik ile ilgili uzmanlık gerektiren bir çalışmayı bağımsız olarak yürütebilir. | X | |||||
6 | Çok disiplinli takımlarda liderlik yapar, çözüm yaklaşımları geliştirir ve sorumluluk alır. | ||||||
7 | Mesleğinin yeni ve gelişmekte olan uygulamalarının farkındadır; gerektiğinde bunları inceler ve öğrenir. | X | |||||
8 | Bilimsel bilgi birikimini yazılı ve sözlü olarak etkin bir şekilde ifade eder, en az bir yabancı dilde Avrupa Dil Portföyü B2 Genel Düzeyinde iletişim kurar ve iletişim teknolojilerini ileri düzeyde kullanır | X | |||||
9 | Mühendislik uygulamalarının sosyal ve çevresel boyutlarını betimler. | ||||||
10 | Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. |
Değerlendirme Sistemi
Katkı Düzeyi | Mutlak Değerlendirme | |
Ara Sınavın Başarıya Oranı | 50 | |
Genel Sınavın Başarıya Oranı | 50 | |
Toplam | 100 |
AKTS / İşyükü Tablosu | ||||||
Etkinlik | Sayı | Süresi (Saat) | Toplam İş Yükü (Saat) | |||
Ders Saati | 14 | 3 | 42 | |||
Rehberli Problem Çözme | 0 | 0 | 0 | |||
Problem Çözümü / Ödev / Proje / Rapor Tanzimi | 4 | 30 | 120 | |||
Okul Dışı Diğer Faaliyetler | 0 | 0 | 0 | |||
Proje Sunumu / Seminer | 1 | 40 | 40 | |||
Kısa Sınav (QUİZ) ve Hazırlığı | 0 | 0 | 0 | |||
Ara Sınav ve Hazırlığı | 1 | 24 | 24 | |||
Genel Sınav ve Hazırlığı | 1 | 24 | 24 | |||
Performans Görevi, Bakım Planı | 0 | 0 | 0 | |||
Toplam İş Yükü (Saat) | 250 | |||||
Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(250/30) | 8 | |||||
Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır. |
Dersin Detaylı Bilgileri
Ders Tanımı
Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
---|---|---|---|---|---|
KESTİRİM KURAMI | EECY1112942 | Güz Dönemi | 3+0 | 3 | 8 |
Ders Programı | Çarşamba 13:30-14:15 Çarşamba 14:30-15:15 Çarşamba 15:30-16:15 |
Ön Koşul Dersleri | |
Önerilen Seçmeli Dersler |
Dersin Dili | İngilizce |
Dersin Seviyesi | Yüksek Lisans |
Dersin Türü | Programa Bağlı Seçmeli |
Dersin Koordinatörü | Prof.Dr. Mehmet Kemal ÖZDEMİR |
Dersi Verenler | Prof.Dr. Mehmet Kemal ÖZDEMİR |
Dersin Yardımcıları | |
Dersin Amacı | Bu derste sezim ve kestirim kuramının temelleri işlenecektir. Ders sistemlerin modellenmesindeki temel anlayışı gürültü ile beraber ela alarak, sezim ve kestirim tekniklerinin bu sistemlere nasıl uygulanacağını gösterecektir. Kestirim kısmında, birçok farklı kestirim yaklaşımı basitten daha karmaşık tekniklere, ve klasik teknikler ile Bayes tabanlı kestirimleri kapsar. Daha sonra sezim problemini gürültünün bilinmediği ve eldeki sinyalin rastlantısal ya da rastlantısal olmaması durumuna daha geniş bir boyutta ele alacaktır. |
Dersin İçeriği | Bu ders; Kestirim Kuramına giriş ve En düşük sapmalı varyans kestirimi ,Cramer-Rao Alt Sınırı (CRLB) ,Doğrusal Modeller ,Genel MVU Kestirim Yaklaşımı ,Sapmasız en iyi doğrusal kestirim (BLUE) ,En büyük olabilirlik kestirimi (ML),En büyük olabilirlik kestirimi (ML),Arasınav,En küçük kareler (LS) ,En küçük kareler (LS) - RLS,Bayes Felsefesi ,Genel Bayes Kestirimleri - 1,Genel Bayes Kestirimleri - 2,Doğrusal Bayes Kestirimleri ,Kalman Süzgeçleri ; konularını içermektedir. |
Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
1. Kestirimlerde tutarlılık ve sapma konularını hesaplar. | 10, 16, 21, 9 | A, E, F |
2. Parametre kestirimi için en uygun kriteri seçer. | 10, 16, 21, 9 | A, E, F |
3. Kestirim problemleri için kestirimin performans sınırlarını belirler. | 16, 21, 9 | A, E, F |
4. Farklı kestirim yaklaşım tekniklerinin performansının belirlenen kestirim sınırları ile analiz eder. | 10, 16, 21, 9 | A, E, F |
5. Klasik ya da Bayes tabanlı kestirim yaklaşımlarını verilen bir problem için uygun kestirim yaklaşımını geliştirir. | 10, 16, 21, 9 | A, E, F |
Öğretim Yöntemleri: | 10: Tartışma Yöntemi, 16: Soru - Cevap Tekniği , 21: Benzetim/Simülasyon Tekniği, 9: Anlatım Yöntemi |
Ölçme Yöntemleri: | A: Klasik Yazılı Sınav, E: Ödev, F: Proje Görevi |
Ders Akışı
Sıra | Konular | Ön Hazırlık |
---|---|---|
1 | Kestirim Kuramına giriş ve En düşük sapmalı varyans kestirimi | 1 nolu kitabın 2. bölümünün okunması. |
2 | Cramer-Rao Alt Sınırı (CRLB) | 1 nolu kitabın 3. bölümünün okunması. |
3 | Doğrusal Modeller | 1 nolu kitabın 4. bölümünün okunması. |
4 | Genel MVU Kestirim Yaklaşımı | 1 nolu kitabın 5. bölümünün okunması. |
5 | Sapmasız en iyi doğrusal kestirim (BLUE) | 1 nolu kaynağın 6. bölümünün okunması. |
6 | En büyük olabilirlik kestirimi (ML) | 1 nolu kitabın 7. bölümünün okunması. |
7 | En büyük olabilirlik kestirimi (ML) | 1 nolu kitabın 7. bölümünün okunması. |
8 | Arasınav | Ders kitabı, Bölümler 1-7 |
9 | En küçük kareler (LS) | 1 nolu kitabın 8. bölümünün yarısının okunması. |
10 | En küçük kareler (LS) - RLS | 1 nolu kitabın 8. bölümünün geri kalan kısmının okunması. |
11 | Bayes Felsefesi | 1 nolu kitabın 10. bölümünün okunması. |
12 | Genel Bayes Kestirimleri - 1 | 1 nolu kitabın 11. bölümünün okunması. |
13 | Genel Bayes Kestirimleri - 2 | 1 nolu kitabın 11. bölümünün okunması. |
14 | Doğrusal Bayes Kestirimleri | 1 nolu kitabın 12. bölümünün okunması. |
15 | Kalman Süzgeçleri | 1 nolu kitabın 13. bölümünün okunması. |
Kaynak |
1. "Fundamentals of Statistical Signal Processing, Volume 1: Estimation Theory” Steven Kay, ISBN: 978-0133457117 2. “Fundamentals of Statistical Signal Processing, Volume 2: Detection Theory” Steven Kay, ISBN-13: 007-6092032243 |
1. "An Introduction to Signal Detection and Estimation” by Vincent Poor, ISBN: 978-0387941738 2. “Detection, Estimation, and Modulation Theory, Part I” by Harry L. Van Trees, ISBN: 978- |
Dersin Program Yeterliliklerine Katkısı
Dersin Program Yeterliliklerine Katkısı | |||||||
No | Program Yeterliliği | Katkı Düzeyi | |||||
1 | 2 | 3 | 4 | 5 | |||
1 | Mühendislik alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular. | X | |||||
2 | Mühendislikte uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgi sahibidir ve mühendisliğin ilişki kurduğu disiplinler arası etkileşimi kavrayabilir. | X | |||||
3 | Analitik, modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular; bu süreçte karşılaşılan karmaşık durumları yorumlar, yeni ve özgün fikirler geliştirerek çözümler. | X | |||||
4 | Sınırlı ya da eksik verileri kullanarak bilimsel yöntemlerle bilgiyi tamamlar ve uygular; değişik disiplinlere ait bilgileri bütünleştirir. | X | |||||
5 | Mühendislik ile ilgili uzmanlık gerektiren bir çalışmayı bağımsız olarak yürütebilir. | X | |||||
6 | Çok disiplinli takımlarda liderlik yapar, çözüm yaklaşımları geliştirir ve sorumluluk alır. | ||||||
7 | Mesleğinin yeni ve gelişmekte olan uygulamalarının farkındadır; gerektiğinde bunları inceler ve öğrenir. | X | |||||
8 | Bilimsel bilgi birikimini yazılı ve sözlü olarak etkin bir şekilde ifade eder, en az bir yabancı dilde Avrupa Dil Portföyü B2 Genel Düzeyinde iletişim kurar ve iletişim teknolojilerini ileri düzeyde kullanır | X | |||||
9 | Mühendislik uygulamalarının sosyal ve çevresel boyutlarını betimler. | ||||||
10 | Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. |
Değerlendirme Sistemi
Katkı Düzeyi | Mutlak Değerlendirme | |
Ara Sınavın Başarıya Oranı | 50 | |
Genel Sınavın Başarıya Oranı | 50 | |
Toplam | 100 |