기계학습을 이용한 워게임 모델의 근접전투 전장상황 평가를 위한 전문가시스템 연구
A study on an expert system for close combat battlefield situation assessment in war-game models using machine learning
0
조회
0
다운로드
12
인용
0
참고문헌
키워드
초록
본 연구에서는 군사 워게임 모델의 근접전투 전장상황을 평가하는 새로운 근접전투 전문가시스템을 제안한다. 근접전투 전장상황 평가 관련 기존연구인 한국형 근접전투 전문가시스템은 좋은 모형이지만, 다양한 모형들을 통한 검증 과정이 생략되었기에 최적의 모형이라고 할 수 없다. 본 연구에서는 다양한 기계학습 모형에 대해서 교차타당도 검증을 통해서 새로운 근접전투 전문가시스템을 제안하였다. 제안하는 시스템은 기존연구 결과보다 은폐엄폐는 3.15% 높은 99.07%, 전술적기동성은 1.45% 높은 90.42%, 사격가담율은 2.63% 높은 96.87%의 정확도를 보이고 있다. 또한, 근접전투 전장상황 평가를 위해서 입력변수를 공통적으로 사용할 수 있도록 정리하여, 다양한 워게임 모델에 적용할 수 있는 여건을 마련하였다. 본 연구 결과는 해상도가 상이한 워게임 모델들의 다중해상도모델의 피해평가 일치 부분에도 활용될 것으로 기대된다.
Abstract
In this study, we propose a new close combat expert system that evaluates the combat battlefield situation of war-game models. The Korean close combat expert system, which is an existing research related to the evaluation of close combat battlefield situation, is a good model, but it is not an optimal model because the verification process through various models was omitted. In this study, we propose a new close combat expert system by verifying cross validity of various machine learning models. The proposed system shows that the accuracy of concealment cover is 3.15% higher than the previous study, the accuracy of tactical mobility is 1.45% higher, and the accuracy of fire participation rate is 2.63% higher. The accuracy of each is 99.07%, 90.42%, and 96.87%. In addition, for the evaluation of close combat battlefield situation, the input variables are organized so that they can be used commonly, and the conditions applicable to various war-game models are provided. The results of this study will be expected to be applied to the close combat part of multi–resolution modeling of war-game models with different resolutions.
참고문헌 (21)
- 국방부, "국방부훈령 제1896호 국방전력발전업무훈령", ~ (2016)
- 金潤坤, "워게임 模型의 動的 Lanchester 消耗係數 算出方案 硏究 : 專門家시스템을 適用한 定性的 戰術要素 評價를 中心으로", 박사, 생산관리, pp.1998
- 문호석, "Decision trees for repeated binary data", 박사, 통계학, pp.2010
- 문호석, "워게임모델간 근접전투 피해평가 모의논리 일치에 관한 연구 : 제병협동통합연동체계를 중심으로", 한국국방경영분석학회지, 37(1), pp.87~97 (2011), 한국국방경영분석학회
- 육군교육사령부, "교육참고 25-14 창조21모델 모의논리분석서", ~ (2008)
- 육군교육사령부, "교육참고 8-7-4 비전21모델 모의논리분석서", ~ (2014)
- 육군교육사령부, "교육참고 8-6-5 전투21모델 모의논리분석서", ~ (2015)
- 육군교육사령부, "교육참고 4-65-4-115 창조21모델 모의논리분석서", ~ (2017)
- 육군교육사령부, "교육참고 8-7-35 화랑21모델 모의논리분석서", ~ (2017)
- 이승호, "MRM도입 필요성 및 육군 W", G적용 타당성 분석, 2005, pp.31(1), 42~57[DOI]
- 최상영, "국방 모델링 및 시뮬레이션", pp.4~10 (2007), 국방대학교
- 허명회, "응용데이터분석" (2016), 자유아카데미
- 허명회, "R 프로그래밍" (2017), 자유아카데미
- 허명회, "R을 활용한 통계적 개념, 방법, 응용" (2013), 자유아카데미
- Davis, P.K., "Experiments in Multiresolution Modeling(MRM)" (1998), RAND
- Hastie, T., "The Elements of Statistical Learning" (2001), Springer
- Karatzoglou, A., "Support Vector Machines in R", Journal of Statistical Software, 15 (2006)
- Reynolds, P. F., "Consistency Maintenance in Multiresolution Simulations", ACM Transactions on Modeling and Computer Simulation, 7(3), pp.368~392 (1997)[DOI]
- Ripley, B. D., "Pattern Recognition and Neural Net" (2007), Cambridge
- "rpart: Recursive Partitioning and Regression Trees. R package" (2014)[URL]
- Yu, W., "Machine Learning with R Cookbook" (2015), Parkt