http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 류준열(Jun-yeol Ryu) (검색결과 4 건)
- 무료
- 기관 내 무료
- 유료
-
류준열(Jun-Yeol Ryu),김수찬(Soo-Chan Kim),김태완(Tae-Wan Kim) 한국산학기술학회 2021 한국산학기술학회논문지 Vol.22 No.1
소형 무인 지상 차량은 폭발물 제거 작전, 대테러 작전, 화재 진화 및 소방정찰, 재해 · 재난지역 정찰 및 접적지역 감시 등의 위험한 임무를 수행하기 위해 사용되고 있다. 기술 선도국인 미국, 영국, 프랑스, 독일, 이스라엘 등에서는 군사 분야뿐만 아니라 민간 분야에서 활용하기 위해 다양한 무인 지상 차량을 개발하여 운용하고 있다. 개발된 체계는 실 운용 과정에서 수집된 데이터와 연관된 추가 요구사항을 기반으로 더욱 업그레이드되고 있으며, 향후 소형 무인 지상차량 개발에 있어 기술 선도국의 개발 동향은 중요한 지표로 활용될 수 있다. 본 연구에서는 기술 선도국에서 운용 중인 소형 무인 지상 차량의 개발 동향 및 임무를 분석하였다. 군사 및 민간 분야에서 다양한 임무를 수행하고 있는 소형무인 지상 차량을 대상으로 체계에 적용된 정찰 능력, 특수기능 등의 능력과 다양한 임무 형태에 따른 체계 운용 목적을 분석하였다. 기술 선도국의 소형 무인 지상 차량 개발 동향을 토대로 향후 군사 및 민간 분야에서 소형 무인 지상 차량개발에 필요한 기능 및 설계 특성에 대해 논한다. SUGVs (Small Unmanned Ground Vehicles) are being used to conduct dangerous missions, such as EOD (explosive ordinance disposal), counter-terrorism operations, fire extinguishing and fire-fighting reconnaissance, reconnaissance of disaster areas, and surveillance of contact areas. Technology leading countries, the United States, United Kingdom, France, Germany, and Israel, have developed and operated various SUGVs for use in the military and civilian fields. The developed system was upgraded further based on additional requirements associated with data collected during the actual operation. The development trends of technology leading countries are an important indicator for the future development of SUGVs. In this study, the development trends and missions of SUGVs operating in the technology leading countries were analyzed. Based on the development trends of SUGVs in these countries, this paper discusses the features and design characteristics needed for the development of SUGVs in future military and civilian domains.
-
작전 수행역량의 하락을 고려한 효과적인 작전 규칙 수립
임종욱(Jong-Wook Lim),오세영(Se-young Oh),김수찬(Soo-Chan Kim),류준열(Jun-Yeol Ryu) 한국산학기술학회 2022 한국산학기술학회논문지 Vol.23 No.10
본 연구는 군사 작전 초기에 작전 수행 요소 내의 일부 요인을 고정하는 의사결정인 작전 규칙의 수립을 통해 작전 수행 시간이 줄어드는 효과를 모델링하는 것을 목표로 한다. 작전 규칙의 수립은 작전을 수행하는 조직 사이 의사결정의 반복을 제거함으로써 작전 종료 시점을 앞당기는 효과를 가지나 작전을 수행하는 부대 사이의 의사 교환을 통제함으로 인한 작전 수행역량의 하락 또한 발생시킨다. 본 연구에서는 이와 같은 작전 규칙과 관련한 상충관계를 고려하여 작전 수행 시간을 줄이는 목적을 달성하면서도 작전 수행역량의 과도한 저하를 야기하지 않는 효과적인 작전 규칙 수립에 대해 제안한다. 이를 위해 work transformation matrix (WTM) 방법론을 활용하여 군사 작전 중 의사결정 반복이 수렴하는 과정을 모델링하며, 정의한 모델과 Sherman-Morrison 공식을 사용해 작전 수행역량의 하락이 기존 작전수행역량 대비 일정 임계치 이상 발생하지 않도록 하는 동시에 최적의 작전 수행 시간을 확보할 수 있는 작전 규칙을 수립하는 정수 최적화 모형을 개발하였다. The aim of this paper is to reduce military operation time by showing effects of an operation rule, which is a strategic decision-making rule to fix certain operation elements in the early stage of the operation. The formation of an operation rule accelerates the point at which the operation ends by eliminating iterations of decision-making and quality degradation due to the hindrance of information flow between operation teams. In this context, effective operation rules that minimize the operation time while not causing critical degradation of operation quality need to be established. This study modeled the convergence process of military operations by using a work transformation matrix (WTM). An optimal operation rule was obtained to minimize operation time with guarantee of the threshold of operation quality through an integer optimization programming using the Sherman-Morrison formula.
-
한정된 군사 데이터를 활용한 이미지 분류 AI의 성능 향상 방안: Grad-CAM을 활용한 준지도학습 적용
정자훈(Ja-Hoon Jeong),김용기(Yong-Gi Kim),나성중(Seong-Jung Na),류준열(Jun-yeol Ryu) 한국산학기술학회 2023 한국산학기술학회논문지 Vol.24 No.9
무인 지상 차량, 무인 비행체 등과 같은 자율 무인체계에 탑재된 AI 모델은 센서를 통해 획득한 적 인원, 무기체계 등을 탐지하고 분류한다. 이때 무기체계를 정확하게 분류하는 것은 화력 및 장애물의 운용 등 작전 수행에 있어 중요한 사안이다. AI 모델의 성능 향상을 위해서는 적 인원, 무기체계에 대한 학습데이터가 필요하다. 그러나 평시 적 무기체계에 대한 이미지 데이터 등을 확보하기 어려울 뿐만 아니라 위장, 부착 무장의 변경 등의 다양한 요인으로 인해 전쟁초기에는 평소 학습한 형태와 다른 상태의 적 무기체계를 분류해야 한다. 이 경우 초기에 확보된 부족한 적 무기체계 데이터를 학습하여 AI 모델의 분류성능을 향상해야 한다. 본 연구에서는 Grad-CAM을 활용하여 이미지 분류 모델이 학습한 데이터 영역을 분석하고, 분류를 위한 관심 구역에 맞춰 노이즈를 추가하는 준지도학습을 사용하여 적 무기체계에 대한 데이터가 부족한 상황에서도 AI 모델의 분류성능을 향상하는 방법을 제안하였다. 본 연구에서의 준지도학습을 적용했을 때 비교적 적은 수의 데이터를 학습시켜도 VGG-16과 MobilNetV2의 분류성능이 향상되는 것을 확인할 수 있었다. 향후 준지도학습을 적용하여 제한된 군사데이터 상황에서도 작전수행 역량을 향상시키는데 활용되기를 기대한다. AI models embedded in autonomous unmanned systems classify enemy personnel and weapon systems acquired through sensors. Accurate classification of weapon systems is crucial for operational tasks. Training data on enemy weapon systems are required to enhance the performance of AI models. On the other hand, Acquiring image data during peacetime is challenging. During the initial stages of war, the AI model must classify enemy weapon systems in states different from what it was trained on because of factors such as camouflage and changes in attached armaments. In such cases, it is necessary to improve the classification performance of AI models by training them on the limited data of enemy weapon systems acquired at the early stages. In this study, Grad-CAM was utilized to analyze the data regions learned by image classification models. A Weakly Supervised Learning approach was proposed, which added noise to the regions of interest for classification, addressing situations with a shortage of data for enemy weapon systems. The classification performance of VGG-16 and MobileNetV2 improved even when trained on a relatively small amount of data. Weakly supervised learning can improve operational capabilities, even in limited military data.
-
ScienceON
DBpia연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
