$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

Machine Learning 기반 레이다 표적 식별 기술 원문보기

電磁波技術 : 韓國電磁波學會誌 = The Proceedings of the Korean Institute of Electromagnetic Engineering and Science, v.29 no.4, 2018년, pp.26 - 35  

김영욱 (캘리포니아 주립대학교)

초록이 없습니다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 첫 번째 방법인 시뮬레이션을 이용한 방법은 표적의 다양한 상황을 시뮬레이션 하는 것이 쉽지 않을 경우가 있고, 그에 따라 시뮬레이터를 따로 만들어야 하는 번거로움이 있다. 따라서 여기에서는 문제에 특정화되지 않고 일반적으로 사용될 수 있는 Transfer learning과 GANs를 이용한 방법에 관하여 알아본다.
  • Machine Learning의 성능을 평가하는 방법 중에 가장 중요한 기준 중에 하나는 Generalization 이다. 즉, 주어진 데이타를 가지고 얼마나 그 속성을 일반화 하였는가 하는 것이다. 만일 학습된 ANN이 일반화가 잘 되었다면 새로운 입력데이터에 관하여서도 작은 오차의 출력 값을 발생시키지만, 반대로 일반화가 되지 않은 ANN은 새로운 데이터에 관하여 올바른 출력 값을 도출하지 못한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
Machine Learning이란? Machine Learning은 인간이 원하는 작업을 컴퓨터 알고리즘으로 대체하기 위하여 Machine을 학습시키는 기술을 의미한다. 그 영역은 인간의 능력을 모방하는 수준을 넘어 사람보다 더 효율적으로 업무를 처리하는 것을 포함한다.
과거에는 표적을 식별하는 기술에 어떤 방식이 사용되었는가? 레이다로 측정된 신호의 특징을 이용하여 표적을 식별하는 기술을 Non-Cooperative Target Recog- nition(NCTR) 또는 Automatic Target Recognition(ATR)이라 한다. 과거 NCTR 또는 ATR은 숙련자의 경험에 의존한 방식이 사용되었다. 하지만, 최근에 Machine learning 알고리즘의 발달로 식별 성능이 괄목하게 향상됨에 따라 최신 Machine learning 기술을 레이다에 적용해 보려는 연구가 시도되어 지고 있다.
Machine learning에 대한 관심이 커지는 이유는? Machine learning은 AI를 가능하게 하는 핵심 기술 중에 하나인데, 과거에는 Machine learning 기술이 적용될 수 있는 영역이 제한적이었다면 최근에는 그 발달로 공학, 의료, 경제 및 기초 과학 분야에까지 넓게 사용되고 있다. Machine learning을 이용할 경우, 다양한 업무 처리에 있어서 비용을 절감할 수 있고, 기존의 방식보다 뛰어난 성능을 기대할 수 있기 때문에 그 관심이 더욱 커지고 있다[1],[2].
질의응답 정보가 도움이 되었나요?

참고문헌 (21)

  1. J. Friedman, R. Tibshirani, and T. Hastie, The Elements of Statistical Learning, Springer, 2001. 

  2. C. Bishop, Pattern Recognition and Machine Learning, Springer, 2006. 

  3. F. Rosenblatt, "The perceptron--a perceiving and recognizing automaton," Report 85-460-1, Cornell Aeronautical Laboratory, 1957. 

  4. A. Samuel, "Some studies in machine learning using the game of checkers," IBM Journal of Research and Development, 1959. 

  5. P. Winston, "Learning structural descriptions from examples", The Psychology of Computer Vision, Chapter 5. McGraw Hill, 1975. 

  6. C. Cortes, V. Vapnik, "Support-vector networks", Machine Learning, Vol. 20, pp. 273-297, 1995. 

    상세보기

  7. A. Ng, J. Dean, "Building high-level features using large scale unsupervised learning", arXiv:1112.6209, 2012. 

  8. Y. LeCun, Y. Bengio, and G. Hinton, "Deep learning," Nature, vol. 521, pp. 436-444, May 2015. 

    상세보기 crossref

  9. Y. Kim, H. Ling, "Human activity classification based on micro-Doppler signatures using a support vector machine," IEEE Transactions on Geoscience and Remote Sensing, vol. 47, pp. 1328-1337, May 2009. 

    상세보기 crossref

  10. Y. Kim, T. Moon, "Human detection and activity classification based on micro-Dopplers using deep convolutional neural networks," IEEE Geoscience and Remote Sensing Letters, vol. 13, pp. 2-8, Jan. 2016. 

    상세보기 crossref

  11. Y. Kim, B. Toomajian, "Hand gesture recognition using micro-Doppler signatures with convolutional neural network," IEEE Access, vol. 4, pp. 7125-7130, Oct. 2016. 

    상세보기 crossref

  12. B. Kim, H. Kang, and S. Park, "Drone classification using convolutional neural networks with merged Doppler images," IEEE Geoscience and Remote Sensing, vol. 14, pp. 38-42, Nov. 2016. 

  13. J. Zhao, W. Guo, S. Cui, Z. Zhang, and W. Yu, "Convolutional neural network for SAR image classification at patch level," IEEE International Geoscience and Remote Sensing Symposium (IGARSS), 2016. 

  14. S. Chen, H. Wang, F. Xu, and Y. Jin, "Target classification using the deep convolutional networks for SAR Images," IEEE Trans Geoscience and Remote Sensing, vol. 54, pp. 4806-4817, 2016. 

    상세보기 crossref

  15. H. Furukawa, "Deep learning for end-to-end automatic target recognition," IEICE Technical Report, vol. 117, arXiv:1801.08558, 2018. 

  16. S. Ram, C. Christianson, Y. Kim, and H. Ling, "Simulation and analysis of human micro-Dopplers in through-wall environments," IEEE Trans. Geoscience and Remote Sensing, vol. 48, pp. 2015-2023, 2010. 

    상세보기 crossref

  17. C. Liang, Y. Li, D. Lu, J. Li, and L. Yan, "Simulation and analysis of micro-Doppler signatures of tracked vehicles," IET International Radar Conference, Oct. 2013. 

  18. J. Park, J. Rios, T. Moon, and Y. Kim, "Micro-Doppler based classification of human activities on water via transfer learning of convolutional neural networks," Sensors, vol. 16, pp. 1990, Nov. 2016. 

    상세보기 crossref

  19. I. Alnujaim, H. Alali, F. Khan, and Y. Kim, "Hand gesture recognition using input impedance variation of two antennas with transfer learning," IEEE Sensors Journal, vol. 18, pp. 4129-4135, May 2018. 

    상세보기

  20. Z. Huang, Z. Pan, and B. Lei, "Transfer learning with deep convolutional neural network for SAR target classification with limited labeled data," Remote Sensing, vol. 9, 2017. 

    상세보기

  21. I. Goodfellow, J. Pouget-Abadie, M. Mirza, B. Xu, D. Warde-Farley, S. Ozair, A. Courville, and Y. Bengio, "Generative adversarial networks," arXiv:1406.2661, 2014. 

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로