PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.20976v1cs.LG

준지도 학습을 통한 무선 주파수 데이터에서의 위성 탐지

Detecting Satellites in Radio-Frequency Data via Semi-Supervised Learning

무선 주파수(RF) 모니터링은 우주 영역 인식에 필수적이지만, 레이블이 거의 없는 크고 가변적이며 희소한 데이터셋을 생성하는 경우가 많습니다. 이러한 관측 데이터는 위성, 우주 잔해물, 전리층 배경을 포착할 수 있으나, 해석에는 일반적으로 전문 분야 지식이 필요합니다. 지도 심층 학습(deep learning) 방법은 레이블된 RF 데이터에서 높은 성능을 발휘할 수 있지만, 많은 수의 주석된 예제가 필요하며 RF 환경이 변화할 때 신중한 재학습이 필요할 수 있습니다. 준지도 학습 방법은 레이블 없는 관측 데이터를 활용하여 전문가가 해석할 수 있는 잠재 패턴을 드러냄으로써, 데이터가 제한된 환경에서 실용적인 대안을 제공합니다. 본 논문에서는 자동 모델(model) 결정 기능이 있는 비음수 행렬 분해(NMFk), 전문가 기반 클러스터 해석, 분류(classification) 기반 예측을 결합한 위성 모니터링용 준지도 RF 탐지 및 분류 워크플로를 제시합니다. 먼저 RF 관측 데이터를 비음수 특징(feature) 행렬로 표현하고 NMFk를 적용하여 레이블 없는 데이터의 패턴을 가장 잘 포착하는 클러스터 수를 추정합니다. 이후 분야 전문가들이 위성 탐지, 전리층 환경 조건, 기타 RF 이벤트 범주를 포함한 결과 클러스터에 물리적 의미를 부여합니다. 마지막으로, 해석된 클러스터를 기반으로 분류기를 학습시켜 테스트 세트에서의 성능을 평가하고 향후 관측 데이터를 분류합니다. 이 파이프라인은 비지도 분해와 전문가 해석을 결합함으로써 대규모 사전 레이블 데이터셋에 대한 의존도를 줄이고, RF 데이터에서의 행동 탐지, 관측, 분류를 위한 해석 가능하고 전이 가능한 방법론을 구현합니다.