Ders Detayı
Ders Tanımı
Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
---|---|---|---|---|---|
HESAPLAMALI SİNİRBİLİM | - | Güz Dönemi | 3+0 | 3 | 8 |
Ders Programı |
Ön Koşul Dersleri | |
Önerilen Seçmeli Dersler |
Dersin Dili | İngilizce |
Dersin Seviyesi | Doktora |
Dersin Türü | Programa Bağlı Seçmeli |
Dersin Koordinatörü | Dr.Öğr.Üye. Mehmet KOCATÜRK |
Dersi Verenler | Dr.Öğr.Üye. Mehmet KOCATÜRK |
Dersin Yardımcıları | |
Dersin Amacı | Bu dersin amacı sinirsel bilginin şifrelenmesi ve şifre çözümü için gerekli matematiksel modelleri ve istatistiksel analiz yöntemlerini değerlendirmektir. |
Dersin İçeriği | Bu ders; Hesaplamalı sinirbilim nedir? ,Beyin bölgeleri, nöronlar, sinapslar. ,Nöron türleri, nörofizyoloji ,Hodgkin–Huxley nöron modeli ,Birleştir-ve-ateşleme tipi nöronlar ,Izhikevich nöron modeli ,Sinaptik etkileşim modelleri ,Vuru zamanlamasına bağlı plastisite ,Neuromodülasyon ,Gözetimli ve gözetimsiz öğrenme ,Pekiştirmeli öğrenme ,Osilasyonlar ,Sinir ağı benzetimi,Zorluklar ve mevcut problemler ; konularını içermektedir. |
Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
1. sinirsel bilgi şifreleme prensiplerini açıklayabilecektir. | 10, 12, 14, 16, 19, 21, 9 | E, F |
1.1. beyin bölgelerini ve nöronların yapısını tanımlar. | 10, 12, 14, 16, 19, 21, 9 | E, F |
1.2. nöronların yapısı ile zar potansiyeli dinamiklari arasındaki ilişkiyi yorumlar. | 10, 12, 14, 16, 19, 21, 9 | E, F |
2. sinir sisteminin bir bileşeninin neler yaptığını niceliksel olarak değelendirebilecektir. | 10, 12, 14, 16, 19, 21, 9 | E, F |
2.1. sinir ağlarındaki hesapsal prensipleri matematiksel formüllerle ifade eder. | 10, 12, 14, 16, 19, 21, 9 | E, F |
2.2. deneysel veri ile davranış ve/veya uyarı arasındaki istatistiksel ilişkiyi yorumlar. | 10, 12, 14, 16, 19, 21, 9 | E, F |
3. sinir ağlarını benzetebilecektir. | 10, 12, 14, 16, 19, 21, 9 | E, F |
3.1. deneysel veri ile benzetilen sinirsel ağın dinamiklerini karşılaştırır. | 10, 12, 14, 16, 19, 21, 9 | E, F |
3.2. sinir ağı benzetimlerinin gerçekçiliğini geliştirmek için yöntemleri tahmin eder. | 10, 12, 14, 16, 19, 21, 9 | E, F |
Öğretim Yöntemleri: | 10: Tartışma Yöntemi, 12: Problem Çözme Yöntemi, 14: Bireysel Çalışma Yöntemi, 16: Soru - Cevap Tekniği , 19: Beyin Fırtınası Tekniği, 21: Benzetim/Simülasyon Tekniği, 9: Anlatım Yöntemi |
Ölçme Yöntemleri: | E: Ödev, F: Proje Görevi |
Ders Akışı
Sıra | Konular | Ön Hazırlık |
---|---|---|
1 | Hesaplamalı sinirbilim nedir? | |
2 | Beyin bölgeleri, nöronlar, sinapslar. | |
3 | Nöron türleri, nörofizyoloji | |
4 | Hodgkin–Huxley nöron modeli | |
5 | Birleştir-ve-ateşleme tipi nöronlar | |
6 | Izhikevich nöron modeli | |
7 | Sinaptik etkileşim modelleri | |
8 | Vuru zamanlamasına bağlı plastisite | |
9 | Neuromodülasyon | |
10 | Gözetimli ve gözetimsiz öğrenme | |
11 | Pekiştirmeli öğrenme | |
12 | Osilasyonlar | |
13 | Sinir ağı benzetimi | |
14 | Zorluklar ve mevcut problemler |
Kaynak |
Kandel, E. R., Schwartz, J. H., Jessell, T. M., Siegelbaum, S. A., Hudspeth, A. J. , (2012) Principles of neural science, McGraw-Hill, New York. Dayan, P., Abbott, L. F., (2001) Theoretical neuroscience: Computational and mathematical modeling of neural systems, MIT Press, Cambridge. Izhikevich, E.M., (2007) Dynamical systems in neuroscience: The geometry of excitability and bursting, MIT Press, Cambridge. |
Katz, B. F., (2008) Neuroengineering the future, Infinity Science Press, Ingham. Berger, T.W., Glanzman, D. L., (2005) Toward replacement parts for the brain implantable biomimetic electronics as neural prostheses, MIT Press, Cambridge Lytton, W. W., (2002) From computer to brain : foundations of computational neuroscience. |
Dersin Program Yeterliliklerine Katkısı
Dersin Program Yeterliliklerine Katkısı | |||||||
No | Program Yeterliliği | Katkı Düzeyi | |||||
1 | 2 | 3 | 4 | 5 | |||
1 | Temel bilimleri, matematik ve mühendislik bilimlerini üst düzeyde anlar ve uygular, alanında en son gelişmeler dahil olmak üzere genişlemesine ve derinlemesine bilgi sahibidir. | X | |||||
2 | Mühendisliğin ilişkili olduğu disiplinler arası etkileşimi kavrar, yeni ve karmaşık fikirleri analiz, sentez ve değerlendirmede uzmanlık gerektiren bilgileri kullanarak özgün sonuçlara ulaşır. | X | |||||
3 | Bir alanda en yeni bilgilere ulaşır ve bunları kavrayarak araştırma yapabilmek için gerekli yöntem ve becerilerde üst düzeyde yeterliğe sahiptir. | X | |||||
4 | Bilime veya teknolojiye yenilik getiren, yeni bir bilimsel yöntem veya teknolojik ürün/süreç geliştiren ya da bilinen bir yöntemi yeni bir alana uygulayan kapsamlı bir çalışma yapar. | X | |||||
5 | Akademik çalışmalarının çıktılarını saygın akademik ortamlarda yayınlayarak bilim ve teknoloji literatürüne katkıda bulunur. | X | |||||
6 | Bilimsel, teknolojik, sosyal ve kültürel gelişmeleri değerlendirerek bilimsel tarafsızlık ve etik sorumluluk bilinciyle topluma aktarır. | X | |||||
7 | Özgün bir araştırma sürecini bağımsız olarak algılar, tasarlar, uygular ve sonuçlandırır; bu süreci yönetir. | X | |||||
8 | Bilimsel bilgi birikimini yazılı ve sözlü olarak etkin bir şekilde ifade eder, en az bir yabancı dilde Avrupa Dil Portföyü C1 Genel Düzeyinde iletişim kurar ve iletişim teknolojilerini ileri düzeyde kullanır | X | |||||
9 | Uzmanlık alanındaki fikirlerin ve gelişmelerin eleştirel analizini, sentezini ve değerlendirmesini yapar. | X | |||||
10 | Mühendislik alanındaki bilimsel, teknolojik, sosyal veya kültürel ilerlemeleri tanıtır, yaşadığı toplumun bilgi toplumu olma ve bunu sürdürebilme sürecine katkıda bulunur ve toplumsal, bilimsel, kültürel ve etik değerlerin gelişimini destekler. | X |
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 | 20 | 80 | |||
Okul Dışı Diğer Faaliyetler | 0 | 0 | 0 | |||
Proje Sunumu / Seminer | 0 | 0 | 0 | |||
Kısa Sınav (QUİZ) ve Hazırlığı | 0 | 0 | 0 | |||
Ara Sınav ve Hazırlığı | 1 | 50 | 50 | |||
Genel Sınav ve Hazırlığı | 1 | 60 | 60 | |||
Performans Görevi, Bakım Planı | 0 | 0 | 0 | |||
Toplam İş Yükü (Saat) | 232 | |||||
Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(232/30) | 8 | |||||
Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır. |
Dersin Detaylı Bilgileri
Ders Tanımı
Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
---|---|---|---|---|---|
HESAPLAMALI SİNİRBİLİM | - | Güz Dönemi | 3+0 | 3 | 8 |
Ders Programı |
Ön Koşul Dersleri | |
Önerilen Seçmeli Dersler |
Dersin Dili | İngilizce |
Dersin Seviyesi | Doktora |
Dersin Türü | Programa Bağlı Seçmeli |
Dersin Koordinatörü | Dr.Öğr.Üye. Mehmet KOCATÜRK |
Dersi Verenler | Dr.Öğr.Üye. Mehmet KOCATÜRK |
Dersin Yardımcıları | |
Dersin Amacı | Bu dersin amacı sinirsel bilginin şifrelenmesi ve şifre çözümü için gerekli matematiksel modelleri ve istatistiksel analiz yöntemlerini değerlendirmektir. |
Dersin İçeriği | Bu ders; Hesaplamalı sinirbilim nedir? ,Beyin bölgeleri, nöronlar, sinapslar. ,Nöron türleri, nörofizyoloji ,Hodgkin–Huxley nöron modeli ,Birleştir-ve-ateşleme tipi nöronlar ,Izhikevich nöron modeli ,Sinaptik etkileşim modelleri ,Vuru zamanlamasına bağlı plastisite ,Neuromodülasyon ,Gözetimli ve gözetimsiz öğrenme ,Pekiştirmeli öğrenme ,Osilasyonlar ,Sinir ağı benzetimi,Zorluklar ve mevcut problemler ; konularını içermektedir. |
Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
1. sinirsel bilgi şifreleme prensiplerini açıklayabilecektir. | 10, 12, 14, 16, 19, 21, 9 | E, F |
1.1. beyin bölgelerini ve nöronların yapısını tanımlar. | 10, 12, 14, 16, 19, 21, 9 | E, F |
1.2. nöronların yapısı ile zar potansiyeli dinamiklari arasındaki ilişkiyi yorumlar. | 10, 12, 14, 16, 19, 21, 9 | E, F |
2. sinir sisteminin bir bileşeninin neler yaptığını niceliksel olarak değelendirebilecektir. | 10, 12, 14, 16, 19, 21, 9 | E, F |
2.1. sinir ağlarındaki hesapsal prensipleri matematiksel formüllerle ifade eder. | 10, 12, 14, 16, 19, 21, 9 | E, F |
2.2. deneysel veri ile davranış ve/veya uyarı arasındaki istatistiksel ilişkiyi yorumlar. | 10, 12, 14, 16, 19, 21, 9 | E, F |
3. sinir ağlarını benzetebilecektir. | 10, 12, 14, 16, 19, 21, 9 | E, F |
3.1. deneysel veri ile benzetilen sinirsel ağın dinamiklerini karşılaştırır. | 10, 12, 14, 16, 19, 21, 9 | E, F |
3.2. sinir ağı benzetimlerinin gerçekçiliğini geliştirmek için yöntemleri tahmin eder. | 10, 12, 14, 16, 19, 21, 9 | E, F |
Öğretim Yöntemleri: | 10: Tartışma Yöntemi, 12: Problem Çözme Yöntemi, 14: Bireysel Çalışma Yöntemi, 16: Soru - Cevap Tekniği , 19: Beyin Fırtınası Tekniği, 21: Benzetim/Simülasyon Tekniği, 9: Anlatım Yöntemi |
Ölçme Yöntemleri: | E: Ödev, F: Proje Görevi |
Ders Akışı
Sıra | Konular | Ön Hazırlık |
---|---|---|
1 | Hesaplamalı sinirbilim nedir? | |
2 | Beyin bölgeleri, nöronlar, sinapslar. | |
3 | Nöron türleri, nörofizyoloji | |
4 | Hodgkin–Huxley nöron modeli | |
5 | Birleştir-ve-ateşleme tipi nöronlar | |
6 | Izhikevich nöron modeli | |
7 | Sinaptik etkileşim modelleri | |
8 | Vuru zamanlamasına bağlı plastisite | |
9 | Neuromodülasyon | |
10 | Gözetimli ve gözetimsiz öğrenme | |
11 | Pekiştirmeli öğrenme | |
12 | Osilasyonlar | |
13 | Sinir ağı benzetimi | |
14 | Zorluklar ve mevcut problemler |
Kaynak |
Kandel, E. R., Schwartz, J. H., Jessell, T. M., Siegelbaum, S. A., Hudspeth, A. J. , (2012) Principles of neural science, McGraw-Hill, New York. Dayan, P., Abbott, L. F., (2001) Theoretical neuroscience: Computational and mathematical modeling of neural systems, MIT Press, Cambridge. Izhikevich, E.M., (2007) Dynamical systems in neuroscience: The geometry of excitability and bursting, MIT Press, Cambridge. |
Katz, B. F., (2008) Neuroengineering the future, Infinity Science Press, Ingham. Berger, T.W., Glanzman, D. L., (2005) Toward replacement parts for the brain implantable biomimetic electronics as neural prostheses, MIT Press, Cambridge Lytton, W. W., (2002) From computer to brain : foundations of computational neuroscience. |
Dersin Program Yeterliliklerine Katkısı
Dersin Program Yeterliliklerine Katkısı | |||||||
No | Program Yeterliliği | Katkı Düzeyi | |||||
1 | 2 | 3 | 4 | 5 | |||
1 | Temel bilimleri, matematik ve mühendislik bilimlerini üst düzeyde anlar ve uygular, alanında en son gelişmeler dahil olmak üzere genişlemesine ve derinlemesine bilgi sahibidir. | X | |||||
2 | Mühendisliğin ilişkili olduğu disiplinler arası etkileşimi kavrar, yeni ve karmaşık fikirleri analiz, sentez ve değerlendirmede uzmanlık gerektiren bilgileri kullanarak özgün sonuçlara ulaşır. | X | |||||
3 | Bir alanda en yeni bilgilere ulaşır ve bunları kavrayarak araştırma yapabilmek için gerekli yöntem ve becerilerde üst düzeyde yeterliğe sahiptir. | X | |||||
4 | Bilime veya teknolojiye yenilik getiren, yeni bir bilimsel yöntem veya teknolojik ürün/süreç geliştiren ya da bilinen bir yöntemi yeni bir alana uygulayan kapsamlı bir çalışma yapar. | X | |||||
5 | Akademik çalışmalarının çıktılarını saygın akademik ortamlarda yayınlayarak bilim ve teknoloji literatürüne katkıda bulunur. | X | |||||
6 | Bilimsel, teknolojik, sosyal ve kültürel gelişmeleri değerlendirerek bilimsel tarafsızlık ve etik sorumluluk bilinciyle topluma aktarır. | X | |||||
7 | Özgün bir araştırma sürecini bağımsız olarak algılar, tasarlar, uygular ve sonuçlandırır; bu süreci yönetir. | X | |||||
8 | Bilimsel bilgi birikimini yazılı ve sözlü olarak etkin bir şekilde ifade eder, en az bir yabancı dilde Avrupa Dil Portföyü C1 Genel Düzeyinde iletişim kurar ve iletişim teknolojilerini ileri düzeyde kullanır | X | |||||
9 | Uzmanlık alanındaki fikirlerin ve gelişmelerin eleştirel analizini, sentezini ve değerlendirmesini yapar. | X | |||||
10 | Mühendislik alanındaki bilimsel, teknolojik, sosyal veya kültürel ilerlemeleri tanıtır, yaşadığı toplumun bilgi toplumu olma ve bunu sürdürebilme sürecine katkıda bulunur ve toplumsal, bilimsel, kültürel ve etik değerlerin gelişimini destekler. | X |
Değerlendirme Sistemi
Katkı Düzeyi | Mutlak Değerlendirme | |
Ara Sınavın Başarıya Oranı | 50 | |
Genel Sınavın Başarıya Oranı | 50 | |
Toplam | 100 |