Satranç oyun kontrolüne yönelik türkçe komutların yapay zeka ile algılanması

Abstract

Tez kapsamında hareket yetenekleri kısıtlanmış bireylerin kafe, engelli bireyler için oluşturulmuş sosyal merkezlerde kullanabilecekleri satranç oynayan bir çalışma geliştirilmektedir. Uzuvları olmadan doğan ve belirli bir kaza ya da hastalıktan dolayı uzuvlarını kaybetmiş kişilerin tedavi edilme şansları olmasa da sosyal hayatlarına devam edebilmeleri için yardımcı olacak bir çalışma yapılması amaçlanmaktadır. Bu çalışma ile engelli bireylerin sosyalleşmesinin yanı sıra rehabilite olmalarına da yardımcı olunması hedeflenmektedir. Satranç modülü, insan bilgisayar etkileşim modülü ve yapay zeka modülü olmak üzere üç yapıdan oluşmaktır. Ayrı ayrı çalışan bu yapılar bir arada çalışan bir sistem haline dönüştürülmüştür. 86 erkek, 65 kadın olmak üzere 151 kişiden alınan 43790 ses kaydı kullanılarak bir sistem geliştirilmiştir. Ses kayıtlarından öznitelik çıkarma yöntemi olarak mel frekanslı kepstral katsayıları (MFKK) ve gammatone kepstral katsayıları (GTKK) yöntemi kullanılmıştır. Çıkarılan bu özniteliklere maximum normalizasyonu uygulanmıştır. Çıkarılan özniteliklere k en yakın komşu (k-EYK), destek vektör makinesi (DVM), naive bayes ve çok katmanlı ağlar (ÇKA) ile sınıflandırma işlemlerinin yanı sıra Evrişimli Sinir Ağları (ESA) modeli kullanılarak sınıflandırma işlemi yapılmıştır. ESA modelinde MFKKve GTKK yöntemi ile elde edilen veri setleri kullanılmıştır. %85 üstünde başarım elde edilmiştir ve kişi bazlı sonuçlar ile de %93 başarım elde edilmiştir.

Within the scope of the thesis, a chess-playing study is being developed that individuals with limited mobility can use in cafes and social centers created for disabled individuals. It is aimed to carry out a study that will help people who were born without limbs and lost their limbs due to a certain accident or disease, so that they can continue their social lives even if they do not have a chance to be treated. With this study, it is aimed to help people with disabilities in their rehabilitation as well as their socialization. It consists of three structures: chess module, human-computer interaction module and artificial intelligence module. These structures, which work separately, have been transformed into a system that works together. A system was developed using 43790 voice recordings taken from 151 people, 86 men and 65 women. Mel frequency kepstral coefficients (MFCC) and gammatone kepstral coefficients (GTCC) method were used as feature extraction method from sound recordings. Maximum normalization was applied to these extracted features. In addition to classification processes with k nearest neighbor (k-NN), support vector machine (SVM), naive bayes and multilayer networks (ÇKA), the extracted features are classified using Convolutional Neural Networks (CNN) model. Data sets obtained by MFCC and GTCC methods were used in the CNN model. More than 85% success has been achieved and 93% success has been achieved with person-based results.