기계학습을 이용한 워게임 모델의 근접전투 전장상황 평가를 위한 전문가시스템 연구 (A study on an expert system for close combat battlefield situation assessment in war-game models using machine learning)

서지정보

· 발행기관 : 육군사관학교 화랑대연구소
· 수록지 정보 : 한국군사학논집 / 74권 / 3호 / 315 ~ 336페이지
· 저자명 : 문호석

초록

본 연구에서는 군사 워게임 모델의 근접전투 전장상황을 평가하는 새로운 근접전투 전문가시스템을 제안한다. 근접전투 전장상황 평가 관련 기존연구인 한국형 근접전투 전문가시스템은 좋은 모형이지만, 다양한 모형들을 통한 검증 과정이 생략되었기에 최적의 모형이라고 할 수 없다. 본 연구에서는 다양한 기계학습 모형에 대해서 교차타당도 검증을 통해서 새로운 근접전투 전문가시스템을 제안하였다. 제안하는 시스템은 기존연구 결과보다 은폐엄폐는 3.15% 높은 99.07%, 전술적기동성은 1.45% 높은 90.42%, 사격가담율은 2.63% 높은 96.87%의 정확도를 보이고 있다. 또한, 근접전투 전장상황 평가를 위해서 입력변수를 공통적으로 사용할 수 있도록 정리하여, 다양한 워게임 모델에 적용할 수 있는 여건을 마련하였다. 본 연구 결과는 해상도가 상이한 워게임 모델들의 다중해상도모델의 피해평가 일치 부분에도 활용될 것으로 기대된다.

영어초록

In this study, we propose a new close combat expert system that evaluates the combat battlefield situation of war-game models. The Korean close combat expert system, which is an existing research related to the evaluation of close combat battlefield situation, is a good model, but it is not an optimal model because the verification process through various models was omitted. In this study, we propose a new close combat expert system by verifying cross validity of various machine learning models. The proposed system shows that the accuracy of concealment cover is 3.15% higher than the previous study, the accuracy of tactical mobility is 1.45% higher, and the accuracy of fire participation rate is 2.63% higher. The accuracy of each is 99.07%, 90.42%, and 96.87%. In addition, for the evaluation of close combat battlefield situation, the input variables are organized so that they can be used commonly, and the conditions applicable to various war-game models are provided. The results of this study will be expected to be applied to the close combat part of multi–resolution modeling of war-game models with different resolutions.

참고자료

· 없음