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.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- Kyung-Tae Kim
- 발행연도
- 2018
- 저작권
- 과학기술연합대학원대학교 논문은 저작권에 의해 보호받습니다.
이용수6
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
This paper introduces the radar resource management (RRM) technique for the multi-function radar (MFR). The MFR embarked on an aircraft or a warship conducts various tasks such as surveillance, tracking, target recognition, and missile guidance. In this case, the RRM technique is necessary to operate all these tasks because several resources (i.e., time, energy) used in the MFR are limited. If the RRM technique is applied to the MFR in case of tracking multiple targets, the resource can be efficiently used by calculating priorities of each individual target (target prioritization). It means that the MFR can cope with the hazardous situation by keeping track of the high-priority target first. In this dissertation, a neural network learning algorithm based on the steepest descent method which is more suitable for target prioritization is proposed as compared to the conventional gradient descent method. Several simulation results show that the proposed scheme is much more superior to the traditional neural network model in terms of accuracy and relevance of scoring the priority.
목차
ABSTRACT ii목차 ii그림 목차 iv표 목차 vCHAPTER 1. 서론 1CHAPTER 2. 레이더 자원 관리 기법 42.1. 퍼지 논리 기반 자원 관리 기법 42.2. 엔트로피 기반 자원 관리 기법 82.3. 동적 계획법 기반 자원 관리 기법 9CHAPTER 3. 레이더 자원 관리를 위한 단일 계층 인공 신경망 113.1. 인공 신경망의 입력 정보 및 구조 113.2. 신경망을 통한 우선순위 산출 133.3. 우선순위 할당을 위한 신경망의 학습 과정 15CHAPTER 4. 최급 강하법을 이용한 훈련 계수 설정 19CHAPTER 5. 시뮬레이션 결과 215.1. 훈련 데이터 생성 215.2. 훈련 오차를 통한 분석 245.3. 테스트 시나리오를 통한 분석 26CHAPTER 6. 결론 33참고문헌 34
최근 본 자료
댓글(0)
0