인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
본 연구는 간단한 두 개의 선형 레이어를 활용하는 장기 시계열 예측 방법을 통해 탄도탄의 상승단계 궤적 예측 방법을 제안한다. 제안 방법은 궤적 데이터를 추세와 잔차로 분리한 뒤, 이를 각각의 단층 선형 네트워크를 통해 궤적을 예측한다. 이와 같은 방법은 기존 트랜스포머 방식과 달리 구조적으로 단순하며, 순열 불변성 문제를 해결하여 시계열 데이터의 특성을 반영할 수 있다는 장점을 갖는다. 또한, 다량의 학습 데이터를 개별적으로 스케일링하여 모델에 따른 탄도탄 궤적을 유사하게 예측할 수 있으며, 데이터를 추세와 잔차로 분리하여 예측하는 특성으로 인해 예측 궤적의 편차가 적을 것으로 기대된다. 제안하는 탄도탄의 상승단계 궤적 예측 방법은 다양한 탄도탄 모델에 적용 가능하며, 학습이 완료된 모델은 낮은 자원 소모로 빠른 궤적 예측이 가능하므로 실시간 시스템에서의 적용 가능성이 높을 것으로 기대된다. 본 연구에서는 탄도탄 모델의 부정확성을 고려하여 시뮬레이션을 수행함으로써 제안 기법의 유효성을 검증하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-092294060
