Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
---|---|---|---|---|---|
Algılama ve Kestirim Teorisi | ELE 501 | 0 | 3 + 0 | 3 | 6 |
Ön Koşul Dersleri | EEM 586 Olasılık Teorisi ve Rastlantı Değişkenleri |
Önerilen Seçmeli Dersler | |
Dersin Dili | Türkçe |
Dersin Seviyesi | YUKSEK_LISANS |
Dersin Türü | Seçmeli |
Dersin Koordinatörü | Doç.Dr. GÖKÇEN ÇETİNEL |
Dersi Verenler | |
Dersin Yardımcıları | Arş. Gör. Burhan Baraklı |
Dersin Kategorisi | Diğer |
Dersin Amacı | Çoğu işaret işleme problemlerinde gürültü önceden bilinmemektedir. Bilinmeyen gürültüyü dikkate almadan geliştirilen işaret işleme algoritmaları bu yüzden hatalı sonuçlar verecektir. Bu dersin amacı gürültüyü dikkate alarak verilen gürültülü bir veri kümesini sağlayan veri üretim modellerinden en uygun olanının belirlenmesi ve önceden bilinmemesi durumunda gürültü ve işaret parametrelerinin kestirilmesine yönelik yöntemlerin detaylı tartışmasıdır. |
Dersin İçeriği | Doğrusal model, kestirimlerin küçük ve büyük örnek özellikleri, en küçük kareler kestirimi, maksimum olabilirlik kestirimi, rastlantı parametrelerinin karesel ortalama kestirimi, rastlantı parametrelerinin maksimum sonsal olasılık kestirimi, temel hipotez testi, bilinmeyenler durumunda hipotez testi, Gauss gürültüsündeki işaretlerin algılanması, belirsizlikler durumunda algılama. |
# | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
---|---|---|---|
1 | En küçük kareler kestirim yöntemini öğrenmek | ||
2 | Maksimum olabilirlik kestirimini kavramak | ||
3 | Karesel ortalama ve maksimum sonsal olasılık kestirim yöntemlerini tartışmak | ||
4 | İki veya daha fazla hipotez testi problemini özümsemek | ||
5 | Bilinmeyen parametreler durumunda hipotez testini öğrenmek |
Hafta | Ders Konuları | Ön Hazırlık |
---|---|---|
1 | Kestirim teorisinde kullanılan doğrusal modelin açıklanması, doğrusal model ile ilgili örnekler verilmesi ve derste kullanılacak notasyonun oluşturulması | |
2 | Kestirimlerin yansızlık, etkinlik, uyumluluk, istatistiksel yakınsama, asimptotik yansızlık ve etkinlik gibi küçük ve büyük örnekler özelliklerinin incelenmesi | |
3 | En küçük kareler kestirim probleminin tanıtılması, kestirim formülünün çıkartılması ve kestirimin küçük ve büyük örnek özelliklerinin incelenmesi | |
4 | Tekil değer açılımı kullanılarak en küçük kareler kestiriminin hesaplanması ve yinelemeli en küçük kareler kestirimi yönteminin tanıtılması | |
5 | Maksimum olabilirlik kestirim yönteminin prensibi, kestirim formülünün çıkartılması ve çeşitli uygulamalarının gösterilmesi | |
6 | Maksimum olabilirlik kestiriminin küçük ve büyük örnek özelliklerinin incelenmesi | |
7 | Rastlantı değişkenlerinin karesel ortalama ve maksimum sonsal olasılık kestirimlerinin hesaplanması | |
8 | Algılama teorisine giriş | |
9 | Olabilirlik oran testi, hipotez testinde ölçütler, model tutarlılık testi | |
10 | İkiden fazla hipotez durumunda algılama prensiplerinin açıklanması ve algılama performansının değerlendirilmesi | |
11 | Rastlantı ve deterministik parametrelerin bilinmemesi durumunda algılamanın nasıl yapılabileceğinin gösterilmesi | |
12 | Beyaz ve renkli Gauss gürültüsü ilave edilmiş işaretlerin algılanması ve gauss gürültüsü varsayımının doğruluğunun test edilmesi | |
13 | Belirsizlikler durumunda algılama örnekleri | |
14 | İncelenen algılama yöntemlerinin detaylı karşılaştırılması |
Kaynaklar | |
---|---|
Ders Notu | |
Ders Kaynakları | 1. Helstrom, Elements of Signals Dtection and Estimation, Prentice-Hall, 1995 2. Poor, Signal Detection and Estimation, Springer, 1994 3. Porat, Digital Processing of Random Signals: Theory and Methods, Prentice-Hall, 1994 4. Scharf, Statistical Signal Processing, Detection and Estimation Theory, Addison-Wesley, 1990 5. Van Tress, Detection, Estimation and Modulation Theory, Wiley, 1971 |
Değerlendirme Sistemi | |
---|---|
Yarıyıl Çalışmaları | Katkı Oranı |
1. Ara Sınav | 30 |
1. Ödev | 2 |
1. Sözlü Sınav | 25 |
1. Performans Görevi (Seminer) | 20 |
2. Ödev | 2 |
3. Ödev | 2 |
4. Ödev | 2 |
5. Ödev | 2 |
6. Ödev | 2 |
7. Ödev | 2 |
8. Ödev | 2 |
9. Ödev | 2 |
10. Ödev | 7 |
Toplam | 100 |
1. Yıl İçinin Başarıya | 60 |
1. Final | 40 |
Toplam | 100 |
AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
---|---|---|---|
Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 16 | 3 | 48 |
Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 16 | 2 | 32 |
Ara Sınav | 10 | 5 | 50 |
Kısa Sınav | 1 | 20 | 20 |
Ödev | 1 | 10 | 10 |
Sözlü Sınav | 1 | 10 | 10 |
Performans Görevi (Laboratuvar) | 1 | 20 | 20 |
Toplam İş Yükü | 190 | ||
Toplam İş Yükü / 25 (Saat) | 7,6 | ||
Dersin AKTS Kredisi | 6 |