• International Journal of Internet, Broadcasting and Communication
• /
• 제12권1호
• /
• pp.144-150
• /
• 2020

Reinforcement learning is a technology that can present successful and creative solutions in many areas. This reinforcement learning technology was used to deploy containers from cloud servers to fog servers to help them learn the maximization of rewards due to reduced traffic. Leveraging reinforcement learning is aimed at predicting traffic in the network and optimizing traffic-based fog computing network environment for cloud, fog and clients. The reinforcement learning system collects network traffic data from the fog server and IoT. Reinforcement learning neural networks, which use collected traffic data as input values, can consist of Long Short-Term Memory (LSTM) neural networks in network environments that support fog computing, to learn time series data and to predict optimized traffic. Description of the input and output values of the traffic-based reinforcement learning LSTM neural network, the composition of the node, the activation function and error function of the hidden layer, the overfitting method, and the optimization algorithm.

• 인터넷정보학회논문지
• /
• 제10권1호
• /
• pp.33-41
• /
• 2009

다수의 무선 랜들이 서로 가까이 설치되는 경우 서로 다른 무선 랜의 액세스 포인트 (AP)나 스테이션에서 전송되는 신호들이 간섭을 일으킨다. 무선 랜들이 동일한 채널을 사용하도록 설정된 경우 AP나 스테이션들에서 발생되는 신호의 충돌로 인하여 사용자 스테이션들에게 지연이 커지고 전송효율이 떨어진다. 이 논문에서는 공간적으로 중첩된 어떤 무선 랜의 AP가 동일한 채널을 사용하는 다른 무선 랜이 존재하는 사실을 탐지하고 사용되지 않는 새로운 채널로 옮기는 방법을 제안한다. 이 방법으로 공간적으로 중첩된 무선 랜에서 동일한 무선채널의 사용을 회피할 수 있게 된다. 제안된 방법에 대해 모의실험이 수행되었고 결과 분석을 통해 제안된 방법의 특성을 설명하였다. 전송효율로 측정된 결과는 제안된 방법으로 무선 랜이 중첩되는 문제가 해결됨을 보여준다.

• 한국농공학회논문집
• /
• 제54권4호
• /
• pp.65-71
• /
• 2012

The objective of this study was to estimate surface runoff from rice paddy plots using an artificial neural network (ANN). A field experiment with three treatment levels was conducted in the NICS saemangum experimental field located in Iksan, Korea. The ANN model with the optimal network architectures, named Paddy1901 with 19 input nodes, 1 hidden layer with 16 neurons nodes, and 1 output node, was adopted to predict surface runoff from the plots. The model consisted of 7 parameters of precipitation, irrigation rate, ponding depth, average temperature, relative humidity, wind speed, and solar radiation on the daily basis. Daily runoff, as the target simulation value, was computed using a water balance equation. The field data collected in 2011 were used for training and validation of the model. The model was trained based on the error back propagation algorithm with sigmoid activation function. Simulation results for the independent training and testing data series showed that the model can perform well in simulating surface runoff from the study plots. The developed model has a main advantage that there is no requirement for any prior assumptions regarding the processes involved. ANN model thus can be a good tool to predict surface runoff from rice paddy fields.

• 전기전자학회논문지
• /
• 제21권2호
• /
• pp.115-122
• /
• 2017

In vehicular safety service, every vehicle broadcasts Basic Safety Message (BSM) periodically to inform neighbor vehicles of host vehicle information. However, this can cause network congestion in a region that is crowded with vehicles resulting in a reduction in the message delivery ratio and an increase in the end-to-end delay. Therefore, it could destabilize the vehicular safety service system. In this paper, in order to improve the congestion control and to consider the hidden node problem, we propose a congestion control scheme using entire network congestion level estimation combined with transmission power control, data rate control and time slot based transmission control algorithm. The performance of this scheme is evaluated using a Qualnet network simulator. The simulation result shows that our scheme mitigates network congestion in heavy traffic cases and enhances network capacity in light traffic cases, so that packet error rate is perfectly within 10% and entire network load level is maintained within 60~70%. Thus, it can be concluded that the proposed congestion control scheme has quite good performance.

• 한국인터넷방송통신학회논문지
• /
• 제12권4호
• /
• pp.31-36
• /
• 2012

본 논문에서는 인지무선통신에서 중요한 기술 중 하나인 스펙트럼 센싱의 Hidden node의 문제나 셀룰라 시스템에서 셀 경계에서 CPE(Customer Premises equipments)의 낮은 SNR(Signal to Noise Ratio)로 인한 센싱 성능 저하를 해결하기 위해 CPE들의 협력 릴레이 기법을 사용한 협력 스펙트럼 센싱을 제안하고 검출확률 성능을 분석한다. 송신단과 수신단 사이의 릴레이(Relay) 적용된 협력 스펙트럼 센싱은 가상의 공간 다이버시티이득(Spatial Diversity Gain)을 얻을 수 있어 센싱 성능이 향상된다. 협력 통신 기법 중 다중안테나를 적용한 AF(Amplify and Forward) 고정형 중계기를 사용하여 다이버시티이득을 얻는 시스템 모델을 제안하고, 검출 성능 향상을 분석한다.

• 한국항행학회논문지
• /
• 제12권6호
• /
• pp.627-633
• /
• 2008

MANET(mobile adhoc networks)기반 통신 프로토콜은 고속으로 이동하는 VANET(vehicular adhoc networks)환경에서 차량 상호간의 메시지 전송과 긴급메시지 전송이 불가능 할 수 있다. 메시지 전송의 신뢰성을 보장하기 위해 본 논문에서는 특정 구간에서 교통사고 및 구간정체로 인한 통신의 포화상태 발생과 긴급통신 중 히든노드 개입으로 인한 데이터 충돌과 전송지연을 해결하기 위해 방향성 안테나 기반 은닉노드 방지 기법을 제안한다. 제안하는 프로토콜은 메시지의 신뢰성 있는 전송을 위해 양방향성 안테나를 이용하여 노드 간 간섭과 제어 메시지 전송 지연을 최소화 한다. 시뮬레이션을 통해 메시지의 신뢰성 있는 전달 및 메시지 간 충돌을 줄일 수 있음을 보이고, 결론에서는 연구 내용 및 우수성을 나타내었다.

• 한국전자통신학회논문지
• /
• 제10권2호
• /
• pp.267-274
• /
• 2015

본 논문은 OpenCV 라이브러리를 기반으로 골프공 인식을 위한 신경망의 최적화 구조와 관심영역의 빛의 명도를 계산한다. 개발된 시스템은 전처리, 영상처리, 기계 학습 과정으로 구성되며, 기계 학습과정은 테스트 영상으로부터 골프공과 다른 오브젝트에 대한 Hu의 7 불변 모멘트, 가로 및 세로 비율 또는 면적으로부터 계산된 ${\pi}$를 입력으로 사용하여 다층 퍼셉트론을 기반으로 학습모델을 구한다. 다층 퍼셉트론에 대한 최적의 은닉층과 노드의 수를 결정하도록 모의 실험한 결과 2개의 은닉층과 각 은닉층에 9개의 노드를 가질 때 최대의 인식율과 최소 실행 시간을 얻었다. 그리고 관심영역의 최적 명도는 200으로 계산되었다.

• 한국위성정보통신학회논문지
• /
• 제7권1호
• /
• pp.7-12
• /
• 2012

본 논문에서는 인지무선통신에서 중요한 기술 중 하나인 스펙트럼 센싱의 Hidden node의 문제나 셀룰라 시스템에서 셀 경계에서 CPE(Customer-Primise equipments)의 낮은 SNR(Signal to Noise Ratio)로 인한 센싱 성능 저하를 해결하기 위해 CPE들의 협력릴레이 기법을 사용한 협력 스펙트럼 센싱을 제안하고 검출확률 성능을 분석한다. 송신단과 수신단 사이의 릴레이(Relay) 적용된 협력 스펙트럼 센싱은 가상의 공간 다이버시티이득(Spatial Diversity Gain)을 얻을 수 있어 센싱 성능이 향상된다. 협력 통신 기법 중 AF(Amplify and Forward)와 DF(Decoded and Forward)방식이 대표적이다. 따라서 이 두가지 협력통신 기법을 적용하여 협력스펙트럼 센싱의 검출확률의 성능을 비교하고 분석한다.

• Journal of Information Processing Systems
• /
• 제13권4호
• /
• pp.951-969
• /
• 2017

In this paper, we newly propose a traffic information service model that collects traffic information sensed by an individual vehicle in real time by using a smart device, and which enables drivers to share traffic information on all roads in real time using an application installed on a smart device. In particular, when the driver requests traffic information for a specific area, the proposed driver-personalized service model provides him/her with traffic information on the driving directions in advance by predicting the driving directions of the vehicle based on the learning of the driving records of each driver. To do this, we propose a traffic information management model to process and manage in real time a large amount of online-generated traffic information and traffic information requests generated by each vehicle. We also propose a road node-based indexing technique to efficiently store and manage location-based traffic information provided by each vehicle. Finally, we propose a driving learning and prediction model based on the hidden Markov model to predict the driving directions of each driver based on the driver's driving records. We analyze the traffic information processing performance of the proposed model and the accuracy of the driving prediction model using traffic information collected from actual driving vehicles for the entire area of Seoul, as well as driving records and experimental data.

• Journal of Biosystems Engineering
• /
• 제43권4호
• /
• pp.352-361
• /
• 2018

Purpose: The objective of this study was to develop a multilayer perceptron (MLP) model to estimate solar radiation using a solar module. Methods: Data for the short-circuit current of a solar module and other environmental parameters were collected for a year. For MLP learning, 14,400 combinations of input variables, learning rates, activation functions, numbers of layers, and numbers of neurons were trained. The best MLP model employed the batch backpropagation algorithm with all input variables and two hidden layers. Results: The root-mean-squared error (RMSE) of each learning cycle and its average over three repetitions were calculated. The average RMSE of the best artificial neural network model was $48.13W{\cdot}m^{-2}$. This result was better than that obtained for the regression model, for which the RMSE was $66.67W{\cdot}m^{-2}$. Conclusions: It is possible to utilize a solar module as a power source and a sensor to measure solar radiation for an agricultural sensor node.