앙상블을 이용한 기계학습 기법의 설계: 어뢰 표적의 특징정보 예측을 통한 실험적 검증

박경수; 윤병무; 이정호; 신기철; Kyung-Soo Park; Byeong-Moo Yoon; Jung-Ho Lee; Kee-Cheol Shin

연구문헌

국내 논문지

홈 > 연구문헌 > 국내 논문지 > 한국정보과학회 논문지 > 정보과학회 컴퓨팅의 실제 논문지 (KIISE Transactions on Computing Practices)

정보과학회 컴퓨팅의 실제 논문지 (KIISE Transactions on Computing Practices)

Current Result Document : 5 / 38 이전건 다음건

한글제목(Korean Title)	앙상블을 이용한 기계학습 기법의 설계: 어뢰 표적의 특징정보 예측을 통한 실험적 검증
영문제목(English Title)	Ensemble Design of Machine Learning Techniques: Experimental Validation by Prediction of Feature Information of Torpedo Targets
저자(Author)	박경수 윤병무 이정호 신기철 Kyung-Soo Park Byeong-Moo Yoon Jung-Ho Lee Kee-Cheol Shin
원문수록처(Citation)	VOL 27 NO. 06 PP. 0273 ~ 0281 (2021. 06)
한글내용 (Korean Abstract)	어뢰 표적 같은 소나 수신음 데이터를 머신러닝 알고리즘의 하나인 앙상블 학습방법을 통해 식별하는 실험을 수행하였다. 다양한 모델들을 결합하여 높은 성능을 내는 엑스트라 트리 모델을 적용 훈련 데이터 셋으로 만든 모델에서 99.93%의 높은 정확도 성능을 내는 것을 확인 하였으며, 동일 모델을 검증 데이터 셋으로 측정 시 99.98%의 정확도를 보였다. 이는 고정된 어뢰 식별 알고리즘을 개발함에 사람의 실수로 인한 프로그램 버그를 만들어 내는 인적 오류(human error) 즉, 정확한 특징 정보 스코어링 (scoring)법이 요구 되는 것, 알고리즘 구조와 파라미터의 정교한 설계가 요구되는 것 등의 문제점들을 효과적으로 해결할 수 있음을 보여준다.
영문내용 (English Abstract)	어뢰 표적 같은 소나 수신음 데이터를 머신러닝 알고리즘의 하나인 앙상블 학습방법을 통해 식별하는 실험을 수행하였다. 다양한 모델들을 결합하여 높은 성능을 내는 엑스트라 트리 모델을 적용 훈련 데이터 셋으로 만든 모델에서 99.93%의 높은 정확도 성능을 내는 것을 확인 하였으며, 동일 모델을 검증 데이터 셋으로 측정 시 99.98%의 정확도를 보였다. 이는 고정된 어뢰 식별 알고리즘을 개발함에 사람의 실수로 인한 프로그램 버그를 만들어 내는 인적 오류(human error) 즉, 정확한 특징 정보 스코어링 (scoring)법이 요구 되는 것, 알고리즘 구조와 파라미터의 정교한 설계가 요구되는 것 등의 문제점들을 효과적으로 해결할 수 있음을 보여준다.
키워드(Keyword)	소나 머신 러닝 앙상블 학습 배깅 엑스트라 트리 식별 sonar machine learning ensemble learning bagging ExtraTrees classification
파일첨부	PDF 다운로드