การจำลองรถขับเคลื่อนตนเองแบบการเรียนรู้เชิงลึก
| dc.contributor.author | ณัฐนันท์ น้อยโต | |
| dc.date.accessioned | 2024-10-17T08:26:09Z | |
| dc.date.available | 2024-10-17T08:26:09Z | |
| dc.date.issued | 2020 | |
| dc.description | This research would like to present about simulation automatic of driving car by car simulator program and deep learning self-driving car simulator, called convolutional neural network. For analysis direction a pictures automatic driving a car, go straight, turn left and turn right by simulator program and we can drive by ourselves(manual). So, we have 2 simulation, automatic driving curve route and automatics driving slope route. Also, all simulation has different of colors pictures for learning. Simulation 1 have 1696 pictures and Simulation 2 have 3639 pictures. The important of variables for exacting increase simulation are hidden layer and many epochs. In neural network the result in this experiment of 2 simulation showed the error of simulation 1 has 0.0271 and simulation 2 has 0.1004. And the result of exacting the simulation 1 has 0.9721 and simulation 1 has 0.8996 | |
| dc.description.abstract | งานวิจัยนี้ได้ทำการจำลองสถานการณ์รถขับเคลื่อนตนเองที่ใช้การ simulation ผ่านโปรแกรม Car simulator ซึ่งมีการจำลองสถานการณ์โดยใช้กระบวณการเรียนรู้โครงข่าย ประสาทเทียมการเรียนรู้เชิงลึก หรือเรียกอีกชื่อว่าโครงข่ายประสาทเทียมแบบคอนโวลูชัน เพื่อการจำแนกรูปภาพการเคลื่อนที่ของรถขับเคลื่อนตนเอง ที่มีการเคลื่อนที่ตรงไปด้านหน้าเลี้ยวซ้าย เลี้ยวขวา ที่ได้จากการขับรถขับเคลื่อนตนเองผ่านโปรแกรม ที่ใช้การขับแบบบังคับเอง (manual) โดยมีการสร้างการจำลองสถานการณ์ทั้งหมด 2 สนาม คือ จำลองสถานการณ์รถขับเคลื่อนตนเองแบบทางโค้งปกติ (สนามที่ 1) และจำลองสถานการณ์รถขับเคลื่อนตนเองแบบทางโค้งขึ้นเนิน (สนามที่ 2) และมีการใช้จำนวนภาพสีสำหรับการเรียนรู้แบบจำลองที่ต่างกัน สนามที่ 1 ใช้ทั้งสิ้น 1696 รูป สนามที่ 2 ใช้ทั้งสิ้น 3639 รูป ตัวแปรสำคัญที่ทำให้ความแม่นยำของแบบจำลองเพิ่มมากขึ้น ได้แก่ Hidden Layer และ จำนวน epoch ในส่วนของ Neural Network ที่เพิ่มขึ้นส่งผลต่อความแม่นยำของแบบจำลอง ผลการทดลองที่ได้จากการสร้างการจำลองสถานการณ์ทั้ง 2 สถานการณ์ แสดงค่าความผิดพลาดของสนามที่ 1 มีค่า 0.0271 และสนามที่ 2 มีค่า 0.1004 และค่าความแม่นยำของสนามที่ 1 มีค่า 0.9721 และสนามที่ 2 มีค่า 0.8996 | |
| dc.description.sponsorship | มหาวิทยาลัยพะเยา | |
| dc.identifier.citation | ณัฐนันท์ น้อยโต. (2563). การจำลองรถขับเคลื่อนตนเองแบบการเรียนรู้เชิงลึก. [ปริญญานิพนธ์บัณฑิตไม่ได้ตีพิมพ์]. มหาวิทยาลัยพะเยา. | |
| dc.identifier.uri | https://updc.up.ac.th/handle/123456789/866 | |
| dc.language.iso | other | |
| dc.publisher | มหาวิทยาลัยพะเยา | |
| dc.subject | โครงข่ายประสาทเทียม | |
| dc.subject | การเรียนรู้เชิงลึก | |
| dc.subject | โครงข่ายประสาทแบบคอนโวลูชัน | |
| dc.subject | รถขับเคลื่อนตนเอง | |
| dc.subject | Neural network | |
| dc.subject | Deep learning | |
| dc.subject | Convolutional Neural Network | |
| dc.subject | Car- simmulation | |
| dc.title | การจำลองรถขับเคลื่อนตนเองแบบการเรียนรู้เชิงลึก | |
| dc.title.alternative | Deep Learning Self Driving Car Simulator | |
| dc.type | Other |