Masa tenisi simülasyonu için derin öğrenme algoritmalarının karşılaştırılması
Comparison of deep learning algorithms for table tennis simulation
- Tez No: 675275
- Danışmanlar: DOÇ. DR. İBRAHİM YÜCEL ÖZBEK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 64
Özet
Amaç: Bu tez çalışmasında, masa tenisi (Ping Pong) oyun simülasyonunda derin öğrenme yöntemlerinin performansları karşılaştırılmıştır. Ping Pong oyun simülasyonunda birbiriyle oynayan iki oyuncu bulunmaktadır. Bunlardan birisi oyunu oynayan insan, diğeri ise yapay zekâ tarafından kontrol edilen oyuncu (ajan) olarak kabul edilmiştir. Yapay zekâ tarafından kontrol edilen oyuncu CNN, LSTM ve DQN yöntemleri kullanılarak eğitilmiştir. Yöntem: Çalışma genel olarak CNN, LSTM ve DQN algoritmalarıyla gerçekleştirilmiştir. CNN ve LSTM modellerinin eğitilmesi üç adımdan oluşmaktadır. İlk adımda, eğitim veri kümesi toplanmaktadır. Veri kümesi iki elementten oluşmaktadır. Bunlardan ilki oyun ekran resmi, ikincisi ise etikettir. İkinci adımda, görüntüler iyileştirilir. Bu adımda, yeniden boyutlandırma ve kontrast artırma işlemi yapılır. Ayrıca eğitim süreçlerini daha hızlı, işlevsel ve güvenilir hale getirmek için eğitim veri setlerinden gereksiz kısım (rakip oyuncu barı) silinir. Son adımda ise farklı CNN ve LSTM modelleri bu veri setleri kullanılarak en iyi sonuçları elde etmek için eğitilir. DQN algoritması için ise kullanılan veri kümesi gerçek zamanlı olarak doğrudan ortamdan alınır. Daha sonra bu veriler iyileştirilir. Ayrıca, öğrenmeyi daha hızlı hale getirmek için resimler yeniden boyutlandırılır. Bulgular: Deneyler ve eğitim sonuçlarına göre CNN ve LSTM yöntemleri kullanıldığında zaman gecikmesi olduğu görülmüştür. Oyun çalıştırıldığında orijinal hızdan daha yavaş çalıştığı ancak modellerin doğru sınıflandırma verdiği belirlenmiştir. DQN yönteminde ise bu zaman gecikmesi sorunu çözülmüştür. Oyun farklı hızlarda test edilerek çalıştırılmış ve performansı ölçülmüştür. Sonuç: CNN ve LSTM yöntemlerinde bilgisayarın hesaplama gücüyle ters orantılı olarak bir gecikme yaşanmıştır. Öte yandan zaman gecikmesi olmadan yüksek performans gösteren DQN yöntemi kullanılarak bar ve topun farklı hız değerleri denenmiş, sorunsuz ve verimli çalıştığı gözlenmiştir.
Özet (Çeviri)
Purpose: In this thesis, the performances of deep learning methods in table tennis (Ping Pong) game simulation were compared. In the Ping Pong game simulation, there are two players playing with each other. One of them was accepted as the human playing the game, and the other as the player (agent) controlled by artificial intelligence. Controlled by artificial intelligence, the player is trained using CNN, LSTM and DQN methods. Method: The study was generally carried out with CNN, LSTM and DQN algorithms. Training the CNN and LSTM models consists of three steps. In the first step, the training dataset is collected. The dataset consists of two elements. The first of these is the game screenshot, and the second is the sticker. In the second step, the images are enhanced. In this step, resizing and contrast enhancement are done. In addition, the unnecessary part (opponent player bar) is deleted from the training datasets to make the training processes faster, functional and reliable. In the last step, different CNN and LSTM models are trained using these datasets to obtain the best results. For the DQN algorithm, the dataset used is taken directly from the environment in real time. This data is then refined. Also, images are resized to make learning faster. Finds: According to the results of the experiments and training, it was observed that there was a time delay when CNN and LSTM methods were used. It has been determined that when the game is run, it runs slower than the original speed, but the models give correct classification. In the DQN method, this time delay problem is solved. The game has been tested and run at different speeds and its performance has been measured. Results: There was a delay in CNN and LSTM methods inversely proportional to the computing power of the computer. On the other hand, using the DQN method, which shows high performance without time delay, different speed values of the bar and ball were tried and it was observed that it worked smoothly and efficiently.
Benzer Tezler
- Introducing tangible objects into motion controlled gameplay using Microsoft Kinect
Fiziksel nesnelerin hareketli oyun kontrolü kapsamına Microsoft Kinect kullanılarak dahil edilmesi
L. GAMZE BOZGEYİKLİ
Yüksek Lisans
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiModelleme ve Simülasyon Ana Bilim Dalı
DOÇ. DR. VEYSİ İŞLER
- Masa tenisi sporcularında core stabilizasyon egzersizlerinin dinamik denge ve ayak plantar basıncı üzerine etkisi
Effects of core stabilization exercises on dynamic balance and foot plantar pressure in table tennis athletes
ABDULLAH KABASAKAL
Yüksek Lisans
Türkçe
2025
Fizyoterapi ve RehabilitasyonYalova ÜniversitesiHareket ve Antrenman Ana Bilim Dalı
PROF. DR. BURÇAK KESKİN
- Masa tenisi sporcularının antropometrik özellikleri ve kalp atım hızlarının incelenmesi
Investigation of the anthropometric characteristics and heart rates of table tennis players
AFAF MUNTHER DAWOOD BILAL
Yüksek Lisans
Türkçe
2024
Sporİstanbul Gedik ÜniversitesiBeden Eğitimi ve Spor Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEYED HOUTAN SHAHIDI
- Masa tenisi temelli eğitimin hafif düzeyde zihinsel engelli bireylerin dikkat ve fiziksel uygunluk düzeyi üzerine etkisi
The effect of table tennis based training on the attention and physical fitness level of mild mentally disabled individuals
DERYA BİLGİLİ
Yüksek Lisans
Türkçe
2024
SporHitit ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
DOÇ. DR. SEMA CAN
DOÇ. DR. PELİN AKSEN
- Masa tenisi sporcularının psikolojik dayanıklılık ve karar verme düzeylerinin incelenmesi
Еxamining the psychological endurance and decision - making levels of table tennis athletes'
AYGERİM KUDAYBERGENOVA
Yüksek Lisans
Türkçe
2022
SporKırgızistan-Türkiye Manas ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
DOÇ. DR. ÜNAL TÜRKÇAPAR