지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김유성
- 발행연도
- 2023
- 저작권
- 성균관대학교 논문은 저작권에 의해 보호받습니다.
이용수2
이 논문의 연구 히스토리 (3)
2023
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 빠른 속도로 발전하고 있는 모바일 통신 기술에 힘입어 개인 방송, AR/VR 비디오 같이 상향 링크 데이터를 많이 활용하는 어플리케이션의 수요도 크게 증가했다. 이와 함께 기존 4G 모바일 통신 기술에서 5G 기술로 접어 들며, 대부분의 통신사들은 이미 설치되어 있는 4G 네트워크의 인프라를 그대로 사용하는 Dual Connectivity 기능을 활용하고 있다. Dual Connectivity 기능을 통해 대역폭이 확장되어 더 높은 Throughput이 보장되었지만, 동시에 4G와 5G 네트워크 커버리지 차이에 따른 예기치 못한 무선 자원 변동이 수반되었다.
이에 본 논문에서는 5G Dual Connectivity 환경의 상향 링크 자원을 높은 정확도로 예측하는 Self-Attention 기반 딥러닝 예측 모델 제안한다. 국내 주요 통신사의 5G 상용망을 대상으로 수집한 대규모 데이터를 분석해 기존에 사용되지 않던 새로운 학습 Feature를 찾아내고, 이를 모델 학습에 적용해 평균 95.08%의 높은 예측 정확도를 얻어냈다. 특히 제안한 모델에서 Self-Attention 매핑 결과를 확인하여 각 시나리오에 맞게 입력된 시계열 데이터의 적절한 부분에 높은 가중치가 부여되었음을 확인했다.
또한 본 모델의 예측값을 활용해 TCP 혼잡 제어 알고리즘에 예상 cwnd 값을 제공하는 방식으로 기존 알고리즘의 성능을 개선했다. 그리고 ABR 알고리즘이 적용된 비디오 스트리밍 어플리케이션에 이를 적용해 성능 개선 효과를 입증했다.
이에 본 논문에서는 5G Dual Connectivity 환경의 상향 링크 자원을 높은 정확도로 예측하는 Self-Attention 기반 딥러닝 예측 모델 제안한다. 국내 주요 통신사의 5G 상용망을 대상으로 수집한 대규모 데이터를 분석해 기존에 사용되지 않던 새로운 학습 Feature를 찾아내고, 이를 모델 학습에 적용해 평균 95.08%의 높은 예측 정확도를 얻어냈다. 특히 제안한 모델에서 Self-Attention 매핑 결과를 확인하여 각 시나리오에 맞게 입력된 시계열 데이터의 적절한 부분에 높은 가중치가 부여되었음을 확인했다.
또한 본 모델의 예측값을 활용해 TCP 혼잡 제어 알고리즘에 예상 cwnd 값을 제공하는 방식으로 기존 알고리즘의 성능을 개선했다. 그리고 ABR 알고리즘이 적용된 비디오 스트리밍 어플리케이션에 이를 적용해 성능 개선 효과를 입증했다.
목차
제1장 서론 1제2장 배경 및 연구 동기 52-1 이동통신 네트워크에서의 상향 링크 무선 자원 할당 52-2 5G 네트워크 시스템의 구현 방식 52-3 5G 네트워크의 Dual Connectivity 62-4 상향 링크 무선 자원 예측 문제 82-5 Transformer 10제3장 SURE 모델 설계 113-1 모델 개요 113-2 데이터 수집 133-3 데이터 Feature 선택 143-4 모델 구조 173-5 모델 구현 21제4장 실험 결과 234-1 예측 정확도 234-2 모델 활용성 27제5장 관련 연구 32제6장 결론 34참고문헌 35Abstract 41
최근 본 자료
댓글(0)
0