Sembolik planlama için uzam-zamansal çıkarsamayla nesne modellerinin ve etkileşimlerinin öğrenilmesi

dc.contributor.advisor Sarıel Talat, Sanem
dc.contributor.author Ersen, Mustafa
dc.contributor.authorID 371577 tr_TR
dc.contributor.department Bilgisayar Bilimleri tr_TR
dc.contributor.department Computer Sciences en_US
dc.date.accessioned 2020-12-08T12:18:38Z
dc.date.available 2020-12-08T12:18:38Z
dc.date.issued 2012
dc.description Tez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2012 tr_TR
dc.description.abstract Bu tez çalışmasında özerk eylem planlamada kullanılmak üzere ortamdaki çeşitli nesneler arasındaki etkileşimleri öğrenmeye yönelik bir yöntem sunulmaktadır. Öğrenme için ortamdaki nesneler üzerinde gözlemlenen olaylar ve zaman bilgileri ile nesnelerin ilk durumuna ilişkin uzamsal bilgilerden yararlanılmaktadır. Bunun dışında nesnelere ve türlerine ilişkin herhangi bir anlamsal bilgi ya da nesnelerin olaylar arasındaki durumlarına ilişkin bilgi kullanılmamaktadır. Nesne etkileşimlerini öğrenmek üzere uygun bir sınama ortamı olarak ?The Incredible Machine? bilgisayar oyunu kullanılmış ve öğrenme sisteminin başarımı nesneler arasındaki ilişkileri temsil eden farklı seviyelerde bilgi kullanılarak analiz edilmiştir. Nesneler arasında doğrudan gözlemlenebilen ilişkileri barındıran bir bilgi tabanı sisteme sağlandığında, etkileşimler daha sonra planlamada kullanılabilecek seviyede öğrenilmektedir. Ayrıca, nesnelerin uzamsal bilgileri ve olayların zamansal bilgileri üzerinden çıkarsama yapılarak da etkileşimler öğrenilebilmekte ve uzam-zamansal bir yaklaşımla bu bilgiler bir arada kullanılarak bilgi-tabanlı yaklaşıma yakın seviyede sonuçlar elde edilmektedir. İnsan seviyesinde bir müdahaleye gerek olmadan bilgisayarla görü teknikleri yardımıyla otonom bir şekilde elde edilmesi mümkün olan uzamsal ve zamansal bilgiler üzerinden çıkarsama yapmanın mümkün olması makine seviyesinde öğrenmenin başarılı olduğu sonucunu doğurmaktadır. tr_TR
dc.description.abstract In this thesis, a method is proposed for learning interactions among different types of objects to devise plans using these objects. Learning is accomplished by observing a given sequence of events with their timestamps and using spatial information on the initial state of the objects in the environment. No further background information is available about the types of objects and their semantics, nor intermediate state information. ?The Incredible Machine? game is used as a suitable domain for learning object interactions and the performance of the learner is evaluated against the level of completeness of the knowledge about relations among objects in the environment. When a knowledge base containing directly observable relations is provided, interactions to devise new plans are learned to a desired extent. Moreover, using spatial information of objects or temporal information of events makes it feasible to learn the conditional effects of objects on each other and integrating spatial and temporal data in a spatio-temporal learning approach gives closer results to that of the knowledge-based approach by providing applicable event models for planning. This is promising because spatio-temporal information can be extracted autonomously by using computer vision techniques without human-level intervention. en_US
dc.description.degree Yüksek Lisans tr_TR
dc.description.degree M.Sc. en_US
dc.identifier.uri http://hdl.handle.net/11527/18913
dc.language.iso tr tr_TR
dc.publisher Bilişim Enstitüsü tr_TR
dc.rights Kurumsal arşive yüklenen tüm eserler telif hakkı ile korunmaktadır. Bunlar, bu kaynak üzerinden herhangi bir amaçla görüntülenebilir, ancak yazılı izin alınmadan herhangi bir biçimde yeniden oluşturulması veya dağıtılması yasaklanmıştır. tr_TR
dc.rights All works uploaded to the institutional repository are protected by copyright. They may be viewed from this source for any purpose, but reproduction or distribution in any format is prohibited without written permission. en_US
dc.subject Bilgi gösterimi tr_TR
dc.subject Mantıksal düşünme tr_TR
dc.subject Planlama tr_TR
dc.subject Öğrenme algoritmaları tr_TR
dc.subject Information display en_US
dc.subject Logical reasoning en_US
dc.subject Planning en_US
dc.subject Learning algorithms en_US
dc.title Sembolik planlama için uzam-zamansal çıkarsamayla nesne modellerinin ve etkileşimlerinin öğrenilmesi tr_TR
dc.title.alternative Learning object models and interactions through spatio-temporal reasoning for symbolic planning en_US
dc.type Thesis en_US
dc.type Tez tr_TR
Dosyalar
Orijinal seri
Şimdi gösteriliyor 1 - 1 / 1
thumbnail.default.alt
Ad:
371577.pdf
Boyut:
1.13 MB
Format:
Adobe Portable Document Format
Açıklama
Yüksek lisans tezi
Lisanslı seri
Şimdi gösteriliyor 1 - 1 / 1
thumbnail.default.placeholder
Ad:
license.txt
Boyut:
3.06 KB
Format:
Item-specific license agreed upon to submission
Açıklama