인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
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
칼만 필터(KF)와 그 변형은 컴퓨터 비전, 레이더, 소나 분야에서 표적 추적에 널리 사용되지만, 비선형 고속 표적 추적에는 한계가 있다. 따라서 본 연구는 대표적인 심층 강화 알고리즘인 Deep Q-Network(DQN)를 기반으로 고속 수중 물체를 추적하는 새로운 접근 방식을 제안하였다. 제안한 방법은 고속 표적 추적에 DQN을 적용하기 위한 마르코프 결정 과정을 정의하고 신경망 업데이트 과정에 파레토 최적을 적용하여 표적 탐지와 오탐지 확률 간의 균형을 최적화하여 효과적인 에이전트 훈련을 가능하게 한다. 특히, 본 연구는 기존 수학적 모델 기반 접근을 넘어, 복잡한 수중 환경에 적용 가능한 강화 학습 기반 추적 기법을 제시했다는 점에서 의의가 있다. 시뮬레이션 실험을 통해 제안 기법은 기존 칼만 필터 계열 방법 대비 평균 70% 향상된 추적 정확도를 보여주었으며, DQN 기반 알고리즘이 고속 수중 표적 추적에서 효과적인 대안이 될 수 있음을 확인하였다.
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) : I410-151-26-02-094580911
