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
- 학술저널
- 저자정보
- 발행연도
- 2024.9
- 수록면
- 654 - 661 (8page)
- DOI
- 10.5909/JBE.2024.29.5.654
이용수
초록· 키워드
오류제보하기
최근 심층신경망(deep neural network)은 높은 모델 용량(model capacity)를 기반으로 다양한 예측 문제에 활용되어 탁월한 성능을 보이고 있다. 본 논문은 Network QoS (Quality of Service) 예측 문제에 있어 심층신경망 일반화 성능을 최대화하기 위한 새로운 데이터 증강(data augmentation)기법을 제안한다. 일반적으로, Network QoS 데이터는 정형 데이터로서, 각 특징이 목표값에 미치는 영향의 편차가 큰 특성을 보인다. 이를 반영하여 본 논문은 각 특징 간 목표 값과의 상관관계를 고려하여, 상관관계 점수가 낮은 특징을 마스킹(masking)함으로써 데이터를 증강하는 데이터 증강 기법을 제안한다. 이를 통해 제안 방법은 원본 데이터의 표현력을 유지하면서 모델의 일반화 성능을 높일 수 있는 양질의 증강 데이터를 생성할 것으로 기대하였다. 실험 결과, 제안 방법은 베이스라인 대비 BerlinV2X Network QoS 데이터셋에 대하여 RMSE 관점에서 최대 6.6%p의 성능 향상을 보였다.
목차
요약
Abstract
Ⅰ. 서론
Ⅱ. 본론
Ⅲ. 결론
참고문헌 (References)
참고문헌 (11)
참고문헌 신청
Leo Breiman. “Random Forests.” Machine Learning 45, 5-32 (2001). doi: https://doi.org/10.1023/A:1010933404324
Tianqi Chen, Carlos Guestrin. “XGBoost: A Scalable Tree Boosting System.” arXiv:1603.02754 (2016). doi: https://doi.org/10.48550/arXiv.1603.02754
Guolin Ke, Qi Meng, Thomas Finley, Taifeng Wang, Wei Chen, Weidong Ma, Qiwei Ye, Tie-Yan Liu. “LightGBM: A Highly Efficient Gradient Boosting Decision Tree.” NIPS 2017.
Liudmila Prokhorenkova, Gleb Gusev, Aleksandr Vorobev, Anna Veronika Dorogush, Andrey Gulin. “CatBoost: unbiased boosting with categorical features.” arXiv:1706.09516 (2017). doi: https://doi.org/10.48550/arXiv.1706.09516
Sercan O. Arik, Tomas Pfister. “TabNet: Attentive Interpretable Tabular Learning.” AAAI (2021). doi: https://doi.org/10.48550/arXiv.1908.07442
Tianqi Chen, Carlos Guestrin. “XGBoost: A Scalable Tree Boosting System.” arXiv:1603.02754 (2016). doi: https://doi.org/10.48550/arXiv.1603.02754
Guolin Ke, Qi Meng, Thomas Finley, Taifeng Wang, Wei Chen, Weidong Ma, Qiwei Ye, Tie-Yan Liu. “LightGBM: A Highly Efficient Gradient Boosting Decision Tree.” NIPS 2017.
Liudmila Prokhorenkova, Gleb Gusev, Aleksandr Vorobev, Anna Veronika Dorogush, Andrey Gulin. “CatBoost: unbiased boosting with categorical features.” arXiv:1706.09516 (2017). doi: https://doi.org/10.48550/arXiv.1706.09516
Sercan O. Arik, Tomas Pfister. “TabNet: Attentive Interpretable Tabular Learning.” AAAI (2021). doi: https://doi.org/10.48550/arXiv.1908.07442
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
무인기 통신에서 위치정보 및 QoS 기반의 백홀 링크 선택 기법
전자공학회논문지
2020 .06
-
SOA기반 IoT환경에서 QoS 예측을 통한 신뢰할 수 있는 서비스 선택
한국소프트웨어감정평가학회논문지
2019 .01
-
QoS 레벨 3: 사물인터넷에서 MQTT 프로토콜의 동기식 통신 메카니즘
전기학회논문지
2021 .06
-
이동성 지역화를 이용한 QoS지원 기법의 성능평가
대한전자공학회 학술대회
2020 .08
-
심층 강화 학습에서의 데이터 증강 이용 시기의 중요성 연구
한국정보과학회 학술발표논문집
2021 .12
-
QoS Assurance for Service Function Placement in Edge Computing: State of The Art, Issues and Challenges
한국통신학회 학술대회논문집
2021 .06
-
한국어 데이터를 활용한 data augmentation
한국정보통신학회논문지
2023 .04
-
Learning-based QoS Path Prediction Method in SDN Environment
Journal of KIISE
2021 .11
-
데이터 증강 기법이 의료 이미지 분류 모델의 예측 성능에 미치는 영향
한국통신학회 학술대회논문집
2023 .02
-
확률적 QoS 모델 기반 웹서비스 선택 방법
한국정보과학회 학술발표논문집
2015 .12
-
작은 이미지의 효과적인 데이터 증강 기법
한국통신학회 학술대회논문집
2023 .02
-
딥러닝 기반 실내 이동 속도 예측을 위한 데이터 증강 기법
한국통신학회 학술대회논문집
2021 .02
-
물리 모델 기반의 데이터 증강화 기법을 통한 난방 에너지 사용량 예측에 관한 연구
대한건축학회 학술발표대회 논문집
2022 .10
-
Optimizing Adaptive QoS for Data Transfers in Software-Defined Networks
전자공학회논문지
2021 .10
-
3-메트릭 기반 군 통신망 QoS 구현 사례 및 개선 연구
한국통신학회논문지
2022 .07
-
이동성 지역화를 이용한 QoS 적응형 지원 기법에 관한 연구
한국통신학회 학술대회논문집
2019 .06
-
머신러닝 예측 성능을 향상시키기 위한 유도탄 고장 데이터 증강기법에 대한 연구
한국산학기술학회 논문지
2025 .01
-
보조 분류기를 이용한 GAN 모델에서의 데이터 증강 누출 방지 기법
전기전자학회논문지
2022 .06
-
SISO 브로드캐스트 채널에서 QoS를 고려한 기계학습 기반 전력 할당 기법
한국통신학회논문지
2021 .05
-
보행자 실내 이동 거리 추정을 위한 데이터 증강 기법
한국통신학회 학술대회논문집
2021 .06
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0