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

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
남가연 (영남대학교) 김시영 (영남대학교) 송유재 (영남대학교)
저널정보
한국통신학회 한국통신학회지(정보와통신) 한국통신학회지 (정보와통신) 제41권 제10호
발행연도
2024.9
수록면
9 - 14 (6page)

이용수

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

초록· 키워드

오류제보하기
본고에서는 최근 몇 년간 무선 통신 기술의 급격한 발전과 모바일 장치의 증가로 인한 대역폭 및 연결 수의 증가에 대한 요구를 다루기 위해, 차세대 네트워크 서비스(5G, 6G 등)의 기지국 밀집화와 관련된 핸드오버 문제를deep reinforcement learning (DRL) 알고리즘을 통해 해결하는 방법을 알아본다. DRL 알고리즘은 이산 행동(discrete action)과 연속 행동(continuous action)으로 구분하여 각각의 특성과 적용 사례를 분석한다. 이산 행동 공간에서는 deep Q-network(DQN), double deep Q-network(DDQN) 등이, 연속 행동 공간에서는 proximal policy optimization(PPO), Meta-learning, deep deterministic policy gradient(DDPG) 등이 논의되었으며, 각 알고리즘의 핸드오버 문제 해결에 대한 성능이 다양한 연구 사례를 통해 검토된다. 논문에서는 또한, 강화학습 알고리즘이 핸드오버 문제를 해결하는 데 있어서 실시간 환경 변화에 적응할 수 있는 이점과 다양한 네트워크 조건에서의 최적화 가능성을 제시한다. 또한, explainable AI (XAI) 기법을 적용하여 이러한 알고리즘들이 핸드오버 결정 과정에서 어떻게 작동하는지를 설명 가능하게 하고, 모델의 신뢰성을 높이는 방법을 제시한다. 논문에서는 DRL 알고리즘이 핸드오버 문제를 해결하는 데 있어서 실시간 환경 변화에 적응할 수 있는 이점과 다양한 네트워크 조건에서의 최적화 가능성, 그리고 XAI 기법을 활용한 신뢰성 향상 방안을 함께 제시한다.

목차

요약
Ⅰ. 서론
Ⅱ. 알고리즘 별 특징
Ⅲ. XAI의 중요성
Ⅳ. 강화학습 알고리즘 사용 논문
Ⅴ. 결론
참고문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

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

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0