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

• Published in: 정보과학회 컴퓨팅의 실제 논문지 Vol. 27; no. 6; pp. 273 - 281
• Main Authors: 박경수(Kyung-Soo Park), 윤병무(Byeong-Moo Yoon), 이정호(Jung-Ho Lee), 신기철(Kee-Cheol Shin)
• Format: Journal Article
• Language: Korean
• Published: Korean Institute of Information Scientists and Engineers 01.06.2021; 한국정보과학회
• Subjects: 컴퓨터학; ensemble learning; 배깅; 엑스트라 트리; 소나; 앙상블 학습; bagging; sonar; machine learning; ExtraTrees; classification; 머신 러닝; 식별
• ISSN: 2383-6318; 2383-6326
• DOI: 10.5626/KTCP.2021.27.6.273

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. Abstract An experiment was conducted to perform an ensemble learning method, which is one of the machine learning algorithms, on sonar incoming sound data such as a torpedo target. By combining the models and applying a tree model that produces high performance, 99.93% of high performance achieved in the model made with the training data set, and 99.98% of the performance used when measuring the same model as the data set. human error a program bugexact feature information scoring method is required, the algorithm structure and many sophisticated designs are required. KCI Citation Count: 0