이번 콘텐츠에서는 저번 콘텐츠에 이어 전투기를 위한 인공지능의 한계 이해의 RAND 보고서(RRA_1722-3)를 바탕으로 인공지능이 준비 태세 기반 수리부속 패키지(RSP)를 예측하는 방법에 대한 평가 과정을 알아보겠습니다.
인공지능 알고리즘에 대해 총 3단계를 거쳐 잠재력 평가를 진행합니다.
인공지능의 잠재력 평가
- 신경망 모델 개발: 장기단기기억(LSTM) 아키텍처를 사용한 신경망 모델을 개발하여 부품 고장 예측 성능 평가
- 성능 비교: AI 모델의 성능을 현재 사용 중인 포아송 분포 기반 방법과 비교 분석
- 비대칭 비용 고려: 과소예측이 초과예측보다 더 나쁜 RSP 상황을 고려하여 AI 모델 조정
신경망 아키텍처 선택
상황 설명
- 각 아키텍처는 6개월 동안의 A-10C 비행 시간과 정렬 횟수라는 동일한 입력을 받았음
- 모든 네트워크 A는 직접 예측 생성, 네트워크 B, C, D는 예측을 생성하기 위해 샘플링해야 하는 확률 분포를 출력함
위 네트워크의 예측 성능은 매우 유사하며, 단순화를 위해 네트워크 A로만 진행했습니다.
첫 번째 유형의 신경망 (네트워크 A)의 경우, 문제를 순수 회귀로 처리하여 정류 단위로 예측을 직접 출력합니다.
두 번째 유형(네트워크 B, C, D)의 경우, 문제를 비정상 확률 분포에 적합한 것으로 취급했습니다. 이를 신경망 출력을 확률 분포에 공급하고 샘플링하여 예측 결과를 도출합니다.
각 신경망의 성능은 매우 유사했고 현재 연구에서는 단순화를 위해 첫 번째 유형의 신경망 아키텍처를 선택하여 연구를 진행합니다.
RSP 내용 결정에 대한 인공지능 적용 가능성 평가 관련 문의:
02-6945-2156 / Contact us – (주)모아소프트
