Earticle

초록

한국어

본 논문은 재난 환경에 적합한 경량화된 UWB 측위에 대한 연구를 소개한다. UWB는 디바이스간 정 밀한 거리 측정 기능을 제공하여 고정밀 측위에 활용된다. 하지만 재난 환경과 같이 무선 채널이 복잡 한 경우, UWB 측위 성능이 급격히 하락하는 문제가 발생한다. 최근 UWB 신호에 딥러닝 기술을 이용 하여 성능 하락 문제를 해결하는 연구들이 제안된다. 하지만 딥러닝 기술은 고성능 컴퓨팅 자원을 요 구하여 자원 제약이 있는 재난 상황에서 활용되기 어렵다. 본 논문에서는 XAI 기술을 적용하여 딥러 닝 기술의 높은 정확도를 유지하면서 동시에 연산 복잡도를 낮추기 위한 XLNet을 제안한다.

목차

Abstract
1. 서론
2. 관련 연구
3. XLNet (eXplainable Lightweight Network)
3.1. CNN 기반 고정밀 측위
3.2. SHAP을 이용한 CNN 경량화
4. 실험
4.1. 실험 설정
4.2. 실험 결과
5. Conclusions
Acknowledgement
References

저자

• Jiwoong Park [ Department of AI Convergence Network Ajou University Suwon, South Korea ]
• Young-Bae Ko [ Department of AI Convergence Network Ajou University Suwon, South Korea ] Corresponding Author

참고문헌