데이터베이스 연구회지(SIGDB)
Current Result Document :
| 한글제목(Korean Title) |
전장에서의 적대적 대상에 대한 행위 인식 및 위협 수준 분석 알고리즘 리뷰 |
| 영문제목(English Title) |
Review of Algorithms for Behavior Detection and Threat Evaluation of Hostile Targets in Combat Situations |
| 저자(Author) |
이수용
김주원
심상흔
류동국
박기웅
신기정
Soo Yong Lee
Juwon Kim
Sangheun Shim
Dong Kuk Ryu
Kiwoong Park
Kijung Shin
|
| 원문수록처(Citation) |
VOL 38 NO. 02 PP. 0029 ~ 0041 (2022. 08) |
한글내용
(Korean Abstract) |
적대적 대상에 대한 행위 식별과 위협 수준 분석은 전장에서의 지휘 결심에 있어서 매우 중요한 요소이나 동시에 난도가 높은 과제이다. 적 행위 식별과 위협 수준 분석을 자동화하기 위하여 퍼지 로직, 베이지안 네트워크, 신경망 기반 방법론이 주로 연구되었다. 본 리뷰에서는 각 방법론의 개념, 적용 사례 개요, 모형 적용예시, 입력변수와 출력 데이터의 형태, 장단점 등을 다룬다. 각 방법론은 다수의 객체 간 상호작용을 고려하지 못한다는 공통적인 한계를 갖는다. 이 한계를 극복하기 위한 향후 연구 방향으로, 동적 그래프 신경망 기반적 행위 식별 및 위협 수준 분석 방법론을 제시한다.
|
영문내용
(English Abstract) |
In combat situations, behavior detection and threat evaluation of hostile targets is of significant value and challenge. Fuzzy logic, Bayesian network, and neural network are widely studied classes of approaches developed for automated behavior detection and threat evaluation in combat situations. In this review, for each approach, we overview its concept, current status of the application research, algorithm variants designed for application, input variables and output format, and their strengths and weaknesses. We find that the up-to-date approaches for behavior detection and threat evaluation are limited in considering interaction among a large number of entities. As a future research direction, we suggest developing dynamic graph neural network-based behavior detection and threat evaluation method.
|
| 키워드(Keyword) |
위협 수준 분석
행위 식별
신경망
베이지안 네트워크
퍼지 로직
그래프 신경망
Threat evaluation
Behavior detection
Neural network
Bayesian network
Fuzzy logic
Graph Neural Network
|
| 파일첨부 |
PDF 다운로드
|
