선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 기동표적을 효과적으로 추적하기 위해 퍼지 뉴럴네트워크를 이용한 상호작용 다중 모델 기법을 제안하였다. 본 논문이 제안한 가장 큰 원인은 실기동 중 추적이라는 것에 그 의미가 있다.
- 본 논문에서는 실제 표적이 기동 중인 상황에서 자료의 수집과 함께 학습을 이루어 나가면서 동시에 추적의 효과를 나타낼 수 있는 모델을 제시하고자 한다. 제안된 방법은 먼저 수학적으로 증명된 칼만 필터를 사용한 표적 추적 시스템에 퍼지 신경망의 학습인 오차 역전파 학습법 (error back-propagation method)을 이용하여 각종 파라미터를 조정하고 이러한 방법에 의해 이루어진 하나의 시스템을 적응 상호작용 다중모델 기법 (AIMM ■- interacting multiple model)의 부-모델(sub-model)로 설정한다.
- 이 절에서는 가상표적을 설정한 모의실험을 통하여 제안된 방법의 성능이 적절히 표현되는지를 확인하고 기존의 모델과 비교확인을 통하여 성능의 차이를 알아보고자 한다.
- 03km/secM 가속도 입력에 의한 속도 상승 구간이다. 이렇게 실제 기동 표적과 기존에 알려져 있는 상호작용 다중모델 기법에 의한 추적, 제안된 퍼지 뉴럴 네트워크 기반의 다중모델 기법의 추적 값을 비교하면서 본 논문에서 제안된 기법의 성능을 판단하고자 한다.
가설 설정
- 잡음이다. s(/c) 와 0(&)는 각각 분산 q와 T을 가지는 영 평균 가우시안 백색 잡음이고, 두 잡음들 사이의 상관관계는 영으로 가정한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.