| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Datorsistēmas |
| Nosaukums |
Šablonu atpazīšanā sakņots Gomoku spēles dzinis |
| Nosaukums angļu valodā |
Pattern Recognition-Based Gomoku Engine |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Egons Lavendelis |
| Recenzents |
Agris Ņikitenko |
| Anotācija |
Gomoku ir stratēģiska galda spēle, kurā izšķiroša nozīme ir efektīvai paraugu atpazīšanai. Tradicionālās mākslīgā intelekta metodes bieži sastopas ar pielāgojamības ierobežojumiem un grūtībām pārvaldīt dinamisko spēles stāvokļu sarežģītību. Mašīnmācīšanās, īpaši dziļā mašīnmācīšanās, ir piemērota Gomoku spēlējoša aģenta izstrāddāšanai un minēto grūtību pārvarēšanai. Šī bakalaura darba mērķis bija izstrādāt Gomoku spēlējošu MI sistēmu, kas spēles gaitā izmanto mašīnmācīšanos paraugu atpazīšanai uz standarta 15 × 15 dēļa. Darba ietvaros tika izstrādāts un ieviests dziļš konvolūcijas neironu tīkls (KNT) ar modernām arhitektūras sastāvdaļām. Tīkls tika apmācīts uzraudzītā mācīšanās režīmā, izmantojot plašu datu kopu no Gomocup arhīva, kas, pielietojot astoņkārtīgu ģeometrisko datu palielināšanu, tika paplašināta līdz vairāk nekā pieciem miljoniem piemēru. Turklāt visaptveroši modeļu atpazīšanas testi parādīja dzinēja izcilo taktisko izpratni, sasniedzot 76% precizitāti dažādās plates konfigurācijās. Izveidotais dzinis uzrādīja augstu spēles līmeni: tas izcīnīja 82 % uzvaru pret klasisko Montekarlo koka meklēšanas dzinēju un 54 % uzvaru pret mūsdienīgu neironu tīklā balstītu Gomoku MI risinājumu. Pētījums arī kvantitatīvi apliecināja paš uzmanības mehānisma būtisko pozitīvo ietekmi uz veiktspēju un identificēja optimālus apmācības iestatījumus, veiksmīgi pārvēršot sarežģītās dziļās mašīnmācīšanās teorijas funkcionālā un konkurētspējīgā Gomoku dzinī.
Šis bakalaura darbs sastāv no 66 lapaspusēm, 20 attēliem, 3 tabulas un 62 literatūras avotiem. |
| Atslēgas vārdi |
GOMOKU, PARAUGU ATPAZĪŠANA, DZIĻĀ MAŠĪNMĀCĪŠANĀS, KONVOLŪCIJAS NEIRONU TĪKLI, UZRAUDZĪTĀ MAŠĪNMĀCĪŠANĀS. |
| Atslēgas vārdi angļu valodā |
GOMOKU, PATTERN RECOGNITION, DEEP LEARNING, CONVOLUTIONAL NEURAL NETWORKS, SUPERVISED LEARNING. |
| Valoda |
eng |
| Gads |
2025 |
| Darba augšupielādes datums un laiks |
27.05.2025 22:47:30 |
