메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
반태원 (경상대학교) 이웅섭 (경상대학교)
저널정보
한국정보통신학회 한국정보통신학회논문지 한국정보통신학회논문지 제23권 제8호
발행연도
2019.8
수록면
975 - 980 (6page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 논문에서는 차세대 이동통신 시스템의 핵심 요소 기술 중의 하나로 각광 받고 있는 다중 사용자 다중 안테나 네트워크에서 사용자 선택을 위한 심화 학습 기반 스케쥴링 기법을 제안한다. 제안된 신경망을 학습시키기 위하여 기존의 최적 방식을 통해서 90,000 데이터 샘플을 확보하였으며, 추가적인 10,000 데이터 샘플을 이용하여 최종 학습된 신경망의 과최적화 여부를 확인하였다. 제안된 신경망 기반의 스케쥴링 알고리즘은 초기 학습 시에는 상당한 복잡도와 학습 시간이 필요하지만, 일단 학습이 완료된 이후에는 추가적인 복잡도가 유발되지 않는 장점이 있다. 반면에, 기존의 최적 방식은 매 스케쥴링마다 동일한 복잡도의 계산이 지속적으로 요구된다. 다양한 컴퓨터 시뮬레이션 결과에 따르면, 제안된 심화 학습 기반의 스케쥴링 기법은 10㏈ 보다 낮은 SNR에서는 기존 최적 알고리즘의 약 88~96%에 이르는 평균 전송 속도의 합을 얻을 수 있으며, 10㏈ 이상의 SNR에서는 최적의 평균 전송 속도의 합을 얻을 수 있다.
#다중 사용자 #다중 안테나 #빔포밍 #스케쥴링 #심화학습 #Multi-user #multi-antenna #beamforming #scheduling #deep learning

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 시스템 모델
Ⅲ. CNN 기반의 제안 방식
Ⅳ. 성능 분석
Ⅴ. 결론
REFERENCES

참고문헌 (14)

참고문헌 신청
Cisco / Visual Networking Index: Global Mobile Data Traffic Forecast Update, 2017-2022, Whitepaper, 2018 google schola Small Cell Forum google schola 3GPP Specification / TS 36.300 v11.5.0 E-UTRA and E-UTRAN Overall description;Stage 2 (Release 11) google schola G. Lee / 2012 / A new approach to beamformer design for massive MIMO systems based on k-regularity / Proceeding. of IEEE Globecom :686~690 google schola R. W. Heath / 2001 / Antenna Selection for Spatial Multiplexing Systems with linear receivers / IEEE Communication Letters 5(4):142~144 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0