샴 네트워크 기반 전장상황 분석을 위한 추천 학습모델
Recommendation Model for Battlefield Analysis based on Siamese Network
0
조회
0
다운로드
4
인용
0
참고문헌
키워드
초록
점점 더 복잡해지고 다양해지는 무기체계와 급격하게 변화하는 전장정보에 따라서, 인공지능을 사용한 전장 상황 분석 연구의 필요성이 대두되고 있다. 본 논문에서는 전장 상황을 분석하여 현재 상황에적합한 가설을 추천해주는 분석결과 추천 학습모델의 학습 및 설계 방안을 제안한다. 학습 모델은두 가설을 비교하여 결정되는 선호 여부를 레이블 데이터로 활용하여, 어떠한 가설이 현재 전장상황을잘 분석하고 있는지 학습한다. 또한 후처리 랭킹 알고리즘을 통하여 각각의 가설에 대한 종합점수를부여하고, 점수가 높은 상위 가설들을 지휘관에게 추천할 수 있음을 확인한다.
Abstract
In this paper, we propose a training method of a recommendation learning model that analyzes the battlefield situation and recommends a suitable hypothesis for the current situation. The proposed learning model uses the preference determined by comparing the two hypotheses as a label data to learn which hypothesis best analyzes the current battlefield situation. Our model is based on Siamese neural network architecture which uses the same weights on two different input vectors. The model takes two hypotheses as an input, and learns the priority between two hypotheses while sharing the same weights in the twin network. In addition, a score is given to each hypothesis through the proposed post-processing ranking algorithm, and hypotheses with a high score can be recommended to the commander in charge.
참고문헌 (10)
- C.E. Lee, "지휘관들의 의사결정지원을 위한 AI 군참모 기술동향", 전자통신동향분석, 36(1), pp.89~98 (2021), 한국전자통신연구원[DOI]
- Collection and Monitoring via Planning for Active Situational Scenarios (COMPASS) (Strategic Multi-Layer Assessment Report), "F. Barlos", STRATEGIC TECHNOLOGY OFFICE, ~ (2020)
- "Active Interpretation of Disparate Alternatives"[URL]
- 한창희, "국방 AI 지휘통제 플랫폼 구축방안", 한국통신학회논문지, 44(4), pp.774~781 (2019), 한국통신학회[DOI]
- 한창희, "의사결정트리를 이용한 지능형 전포대장체계 구축 방안", 한국통신학회논문지, 45(2), pp.355~363 (2020), 한국통신학회[DOI]
- 조은지, "인공지능 기반 전장상황 분석을 위한 가상 전장상황 데이터 셋 생성 연구", 한국컴퓨터정보학회논문지, 27(6), pp.33~42 (2022), 한국컴퓨터정보학회[DOI]
- Koch, Gregory, "Siamese neural networks for one-shot image recognition", ICML deep learning workshop, 2 (2015)
- 서창호, "Spectral MLE: Top-K rank aggregation from pairwise comparisons", International Conference on Machine Learning (2015), International Conference on Machine Learning
- Jiaoyan Chen, "OWL2Vec*: embedding of OWL ontologies", Machine Learning, 110(7), pp.1813~1845 (2021), Springer Science and Business Media LLC[DOI]
- Negahban, S, "Rank centrality: Ranking from pair-wise comparisons", ~ (2012)