prikaz prve stranice dokumenta Detekcija žanra igre temeljena na strojnom učenju
Rad nije dostupan
diplomski rad
Detekcija žanra igre temeljena na strojnom učenju
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. urn:nbn:hr:168:187127
Mustapić, Tina
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Mustapić, T. (2022). Detekcija žanra igre temeljena na strojnom učenju (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:187127

Mustapić, Tina. "Detekcija žanra igre temeljena na strojnom učenju." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:187127

Mustapić, Tina. "Detekcija žanra igre temeljena na strojnom učenju." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:187127

Mustapić, T. (2022). 'Detekcija žanra igre temeljena na strojnom učenju', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 04.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:187127

Mustapić T. Detekcija žanra igre temeljena na strojnom učenju [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2022 [pristupljeno 04.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:187127

T. Mustapić, "Detekcija žanra igre temeljena na strojnom učenju", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:187127

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:187127
Podaci o radu
NaslovDetekcija žanra igre temeljena na strojnom učenju
Naslov (engleski)Game genre detection based on machine learning
AutorTina Mustapić
MentorMirko Sužnjević (mentor)
Član povjerenstvaMirko Sužnjević (predsjednik povjerenstva)
Član povjerenstvaMaja Matijašević (član povjerenstva)
Član povjerenstvaIgor Sunday Pandžić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2022-07-12, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Cloud gaming je usluga igranja videoigri na oblaku koja radi na sličan način kao i usluge videa na zahtjev. Videoigre se pohranjuju i izvode na daljinu na hardveru poslužitelja, te se prenose kao video na ured̄aj igrača putem klijentskog softvera. Me- d̄utim, cloud gaming zahtijeva pouzdanu, brzu vezu s internetom. Loša kvaliteta, kao i zastajkivanje te veliko kašnjenje videa komplikacije su koje mogu iznimno smanjiti iskustvenu kvalitetu igrača. Jedan od načina poboljšavanja iskustvene kvalitete bi bilo prilagod̄avanje mrežnih postavki s obzirom na žanr videoigre. Ovaj rad opisuje tre- niranje i validiranje 14 različitih klasifikacijskih modela na podatkovnom skupu koji sadržava 20 videoigri podijeljenih na 5 žanrova. Model strojnog učenja koji se pokazao kao najbolji detektor žanra videoigri, s obzirom na skupljene podatke, je Extra Trees klasifikator, a najbolje klasificiran žanr je strategija. Najbolji rezultati su trenirani nad cijelim skupom podataka, ali približno jednake rezultate možemo dobiti trenirajući samo nad streaming komponentom koju je računalno jeftinije dobiti od cijelog skupa podataka.
Sažetak (engleski)
Cloud gaming is a cloud video game service that works in a similar way to video- on-demand services. Video games are stored and played remotely on the server har- dware, and are transmitted as video to the player’s device via client software. However, cloud gaming requires a reliable, fast connection to the Internet. Poor quality, as well as stalling and long video delays are complications that can greatly reduce the quality of experience of a player. One way to improve the experiential quality would be to adjust the network settings according to the video game genre. This paper describes the training and validation of 14 different classification models on a data set containing 20 video games divided into 5 genres. The machine learning model that has proven to be the best detector of the video game genre, given the data collected, is the Extra Trees classifier, and the best classified genre is strategy. The best results are trained over the whole data set, but approximately the same results can be obtained by training only over the streaming component which is computationally cheaper to obtain than the whole data set.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:187127
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-01-13 15:42:06