머신 러닝으로 드론 떼와 싸우기 위한 시뮬레이션 레이저 무기 시스템 의사 결정 지원은 해군 대학원 논문 작성자 다니엘 M. 에드워즈.
이 논문은 복잡한 전술 시나리오에서 레이저 무기 시스템을 관리하는 전투원에게 자동화된 의사 결정 지원을 제공하기 위해 머신러닝을 적용하는 방법을 보여줍니다. 이 연구는 NPS 모델링 가상 환경 및 시뮬레이션(MOVES) 연구소의 스웜 커맨더 모델링 및 시뮬레이션 소프트웨어 환경을 활용하여 함상 레이저 무기 시스템이 드론 군단의 위협을 방어하는 전쟁 시나리오와 관련된 시뮬레이션 데이터 세트를 생성했습니다.
이러한 시뮬레이션 데이터 세트는 다양한 드론 군단이 등장하는 복잡한 전장에서 최적의 교전 전략을 예측하기 위한 머신러닝 알고리즘을 훈련하는 데 사용되었습니다. 여러 머신 러닝 기법을 평가하여 최종적으로 분류 트리 방법을 선호 접근법으로 선택했습니다. 최종 알고리즘은 드론 위협 유형, 수량, 레이저 무기 시스템 공격 전략을 고려하여 교전 결과를 정확하게 예측하는 데 있어 전체적으로 96%라는 인상적인 정확도를 보였습니다.
이 연구는 다음 세 가지 주요 결과를 강조합니다. (1) 전술 개발을 지원하는 모델링 및 시뮬레이션의 가치 머신 러닝 애플리케이션, (2) 미래 전술 작전 지원을 강화하는 머신러닝의 잠재력, (3) 복잡한 위협 환경에서 중요한 결정을 내려야 하는 미래 전투원들의 인지적 부담을 완화하는 머신러닝과 자동화의 광범위한 잠재력입니다.
게시 날짜- 2021년 9월
머신러닝으로 드론 떼와 싸우기 위한 레이저 무기 시스템 의사 결정 지원 시뮬레이션은 다음과 같은 주요 섹션으로 구성되어 있습니다:
- 소개
- 문헌 검토
- 군단 사령관 전술 및 머신 러닝 실험
- 결과 및 데이터 최적화
- 결론
공개 배포가 승인되었습니다. 배포는 무제한입니다.
C-UAS 허브는 이 콘텐츠를 소유하지 않으며, 사용자에게 링크를 제공합니다. 하단 을 클릭하여 원래 위치에서 페이지에 액세스할 수 있습니다. 이를 통해 작성자는 자신의 작업과 관련된 중요한 문서 지표를 추적할 수 있습니다. 모든 저작권은 정당한 소유자에게 있습니다.
저자- 다니엘 M. 에드워즈
참고 항목
드론 떼에 대응하기 위한 수자원 기반 완화 기법 및 네트워크 통합
게시물 이미지 크레딧: Adobe Stock 제공 행운의 사진
