• Journal of IKEEE
• /
• v.27 no.4
• /
• pp.379-385
• /
• 2023

Distributed congestion control (DCC) is a technology that mitigates channel congestion and improves communication performance in high-density vehicular networks. Traditional DCC techniques operate to reduce channel congestion without considering quality of service (QoS) requirements. Such design of DCC algorithms can lead to excessive DCC actions, potentially degrading other aspects of QoS. To address this issue, we propose a deep reinforcement learning-based QoS-adaptive DCC algorithm. The simulation was conducted using a quasi-real environment simulator, generating dynamic vehicular densities for evaluation. The simulation results indicate that our proposed DCC algorithm achieves results closer to the targeted QoS compared to existing DCC algorithms.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.11a
• /
• pp.736-740
• /
• 2001

정보통신 분야의 혁신적인 기술개발로 최근 인터넷 기술을 이용한 다양한 분야에서 응용이 활발해지고 있다. 이러한 환경의 변화는 인터넷 서비스의 하나인 웹의 사용과 함께 교육분야에도 원격, 가상교육이라는 대안적 교육 체제를 탄생하게 하였다. 웹 이전의 교육용 시스템들은 텍스트나 간단한 그래픽 기반의 단방향의 학습과 평가가 가능했었다면, 웹의 분산 환경 제공으로 양방향의 상호 작용적 학습이 가능해졌을 뿐만 아니라 실시간 학습과 평가를 가능하게 해 주었다. 본 논문에서는 웹 기반 문제은행 시스템의 장점을 이용하여 학습자의 평가 정보를 시스템이 분석하고 학습자의 수준에 맞는 문제를 제공함으로써 수준별 학습이 가능하도록 하였을 뿐만 아니라 학습자에게 가장 많이 틀린 단원의 문제에 대해서 보충학습의 기회를 제공함으로써 학습효과를 극대화할 수 있는 시스템을 설계하였다.

• The Journal of Korean Association of Computer Education
• /
• v.6 no.2
• /
• pp.165-173
• /
• 2003

Learners in web-based learning environment have to keep a stronger will for their study than those in traditional learning environment. Here, this strong will can be told as learner's motivation which is emotional aspects. However, most web-based instructional designs have been based on learner's cognitive aspects. Therefore, this study focused on presenting the strategies for the design of emotional bulletin board and its concrete interfaces.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.11a
• /
• pp.119-122
• /
• 2022

연합학습은, 데이터 샘플을 보유하는 다수의 분산 에지 디바이스 또는 서버들이 원본 데이터를 공유하지 않고 기계학습 문제를 해결하기 위해 협력하는 기술로서, 각 클라이언트는 소유한 원본 데이터를 로컬모델 학습에만 사용함으로써, 데이터 소유자의 프라이버시를 보호하고, 데이터 소유 및 활용의 파편화 문제를 해결할 수 있다. 연합학습을 위해서는 통계적 이질성 및 시스템적 이질성 문제 해결이 필수적이며, 인공지능 모델 정확도와 시스템 성능을 향상하기 위한 다양한 연구가 진행되고 있다. 최근, 중앙서버 의존형 연합학습의 문제점을 극복하고, 데이터 무결성 및 추적성과 데이터 소유자 및 연합학습 참여자에게 보상을 효과적으로 제공하기 위한, 블록체인 융합 연합학습기술이 주목받고 있다. 본 연구에서는 이더리움 기반 블록체인 인프라와 호환되는 연합학습 레퍼런스 아키텍처를 정의 및 구현하고, 해당 아키텍처의 실용성과 확장성을 검증하기 위하여 대표적인 연합학습 알고리즘과 데이터셋에 대한 실험을 수행하였다.

• Proceedings of the Korean Nuclear Society Conference
• /
• 1998.05a
• /
• pp.239-245
• /
• 1998

GOMS 평가는 운전원 개인의 인지과정에 초점을 두어 직무 절차의 학습시간과 직무 실행시간을 예측하고 직무 실행시 요구되는 인지부하를 분석한다. 하지만 실제 원전의 운전은 그룹에 의해 이루어지므로 운전원간 의사소통과 직무의 상호 의존관계를 고려하여 기존의 GOMS를 확장한 분산형 GOMS를 고안하였다. 본 논문에서는 분산형 GOMS 평가기법을 CE형 원전의 비상운전절차서에 시험적으로 적용해 본 결과를 제시한다.

• The KIPS Transactions:PartB
• /
• v.13B no.6 s.109
• /
• pp.615-624
• /
• 2006

The objective of this paper is to implement parallel multi-layer ANN(Artificial Neural Network) simulator based on the mobile agent system which is executed in parallel in the virtual parallel distributed computing environment. The Multi-Layer Neural Network is classified by training session, training data layer, node, md weight in the parallelization-level. In this study, We have developed and evaluated the simulator with which it is feasible to parallel the ANN in the training session and training data parallelization because these have relatively few network traffic. In this results, we have verified that the performance of parallelization is high about 3.3 times in the training session and training data. The great significance of this paper is that the performance of ANN's execution on virtual parallel computer is similar to that of ANN's execution on existing super-computer. Therefore, we think that the virtual parallel computer can be considerably helpful in developing the neural network because it decreases the training time which needs extra-time.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.16 no.2
• /
• pp.131-137
• /
• 2006

In swarm robot systems, each robot must behaves by itself according to the its states and environments, and if necessary, must cooperates with other robots in order to carry out a given task. Therefore it is essential that each robot has both learning and evolution ability to adapt the dynamic environments. In this paper, the new learning and evolution method based on reinforcement learning having delayed reward ability and distributed genetic algorithms is proposed for behavior learning and evolution of collective autonomous mobile robots. Reinforcement learning having delayed reward is still useful even though when there is no immediate reward. And by distributed genetic algorithm exchanging the chromosome acquired under different environments by communication each robot can improve its behavior ability. Specially, in order to improve the performance of evolution, selective crossover using the characteristic of reinforcement learning is adopted in this paper. we verify the effectiveness of the proposed method by applying it to cooperative search problem.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.24 no.11
• /
• pp.1500-1506
• /
• 2020

In this paper, we study a scheduling problem based on reinforcement learning for overlay device-to-device (D2D) communication networks. Even though various technologies for D2D communication networks using Q-learning, which is one of reinforcement learning models, have been studied, Q-learning causes a tremendous complexity as the number of states and actions increases. In order to solve this problem, D2D communication technologies based on Deep Q Network (DQN) have been studied. In this paper, we thus design a DQN model by considering the characteristics of wireless communication systems, and propose a distributed scheduling scheme based on the DQN model that can reduce feedback and signaling overhead. The proposed model trains all parameters in a centralized manner, and transfers the final trained parameters to all mobiles. All mobiles individually determine their actions by using the transferred parameters. We analyze the performance of the proposed scheme by computer simulation and compare it with optimal scheme, opportunistic selection scheme and full transmission scheme.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 1999.10a
• /
• pp.269-279
• /
• 1999

본 연구는 Web상에서 원격 협력 학습을 위한 수준별 학습자 모집 스케줄링 에이전트의 설계와 구현에 관해 제안한다. 본 시스템의 구조는 원격 교사 모듈과 여러 명의 학습자, 그리고 이를 연결해 주는 스케줄링 Agents, 학습자를 진단할 수 있는 진단 Agent로 구성된다. 컴퓨터가 분산환경으로 발전됨에 따라서 교육의 변화도 가속화되었고, 지식의 공유와 정보의 공유가 원격 협력학습에 의하여 절실히 필요하게 되었다. 원격 협력 학습에서의 학습자는 동일한 과목과 주제에 흥미를 느끼는 여러 명의 아동이 동시에 학습할 수 있는 상황이 필요하며, 선행 지식 또한 비슷한 수준이어야 동일한 주제로 학습의 효과가 있다. 이런 학습자를 판단하기 위해서 진단 Agent가 학습자를 진단하며 스케줄링 Agents의 학습자 지식에 추가한 후 스케줄링 Agents가 학습자의 기본 사항과 요구 내용을 추론하여 비슷한 수준의 학습자를 연결한다. 교사 모듈은 전통적인 ITS의 구조의 교수 학습 모듈, 전문가모듈로 구성되어 교수 학습을 할 수 있다. 이렇게 여러 명의 학습자를 연결하여 협력학습을 하기 위해서는 학습자간의 요구사항과 지식 수준 그리고 학습 가능한 시간이 같아야 하는데 이를 위해 시간을 자원으로 하는 동적 자원 스케줄링(Dynamic Resource Scheduling)으로 모델링 하였다. 본 연구에서 도형학습을 기반으로 하는 실험을 통해 구현한 원격 협력학습을 위한 지능형 스케줄링 에이전트를 평가하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2022.05a
• /
• pp.365-366
• /
• 2022

The distributed code is a type of linear codes that can be used for coding and federated learning for privacy. In the distributed code, privacy or confidential information is not dependent to each other because the information of each code is not included with other codes. In this paper, we examine the properties of these distributed codes and present techniques for synthesizing new sets of distributed codes from previously known distributed codes. In addition, we propose several scenarios in which combined codes can be used.