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
- 학위논문
- 저자정보
- 지도교수
- 임민중
- 발행연도
- 2020
- 저작권
- 동국대학교 논문은 저작권에 의해 보호받습니다.
이용수8
이 논문의 연구 히스토리 (7)
2019
D2D 캐싱 시스템을 위한 감시 카메라의 콘텐츠 캐싱 방법
송윤석
,
이우빈
,
임민중
외 1명
한국통신학회 학술대회논문집
2019.11
학술대회자료
D2D 캐싱 시스템에서 헬퍼의 캐시 분할 방법
송윤석
,
이우빈
,
임민중
외 1명
한국통신학회 학술대회논문집
2019.06
학술대회자료
D2D 캐싱 시스템에서 사용자 만족도를 고려한 캐싱 방법
송윤석
,
이우빈
,
임민중
외 1명
대한전자공학회 학술대회
2019.06
학술대회자료
D2D 캐싱 시스템에서 고정형 헬퍼에 강화학습을 이용한 콘텐츠 캐싱
송윤석
,
김소이
,
고을현
외 2명
한국통신학회 학술대회논문집
2019.01
학술대회자료
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
오늘날 우리의 삶을 살아가는데 있어 무선 이동통신은 중요한 통신기술로 자리를 잡았다. 시스코(Cisco)의 자료에 따르면 2016~2021년 모바일 데이터 트래픽 증가 추이를 보면 2016년 매월 7 EB(Exabyte)에서 2021년 매월 49EB를 사용할 것으로 예상되고 모바일 사용자 수 또한 2016년 4.9billion에서 2021년 5.5billion으로 증가할 것이라 예측하였다. 또한 모바일 트래픽의 75% 이상이 비디오 콘텐츠일 것이라 예측하였다. 스마트폰 보급률은 점점 증가하고 있을 뿐만 아니라 다른 스마트기기의 수도 빠르게 증가하고 있다. 그에 따라 유튜브, 넷플릭스 등 문화 콘텐츠수가 기하급수적으로 증가하고 발전하고 있으며 영상의 품질 또한 FHD를 넘어서 4K로 서비스를 제공하고 있어 콘텐츠 용량 또한 증가하고 있다. 사용자의 요청과 콘텐츠 용량의 증가로 인해 데이터 트래픽은 폭발적으로 증가하고 있어 전통적인 무선 셀룰러 네트워크로는 해당 요구를 충족시킬 수 없게 되었다. 트래픽이 급증하는 피크 시간에는 트래픽 과부하로 인한 병목현상이 발생할 수 있으며 병목현상은 3곳에서 발생할 수 있다. 인터넷과 코어 네트워크 사이, 코어 네트워크와 기지국 사이 그리고 기지국과 유저 사이에서 병목이 발생할 수 있다. 이러한 병목현상을 줄이고자 사용자들의 요구를 분석해보면 대부분이 선호도가 높은 콘텐츠에 집중되어 있는 것을 알 수 있다. 이러한 콘텐츠의 중복 요청을 줄이면 데이터 트래픽을 효과적으로 줄일 수 있다. 콘텐츠의 중복 요청을 줄이고 데이터 전송 속도를 증가시키기 위해 캐싱(caching) 기술이 발전하고 있다. 캐싱은 콘텐츠가 저장되어 있는 캐시를 설치하는 기술이며 캐시에 어떤 콘텐츠를 저장하는지에 따라 성능이 달라질 수 있다. 콘텐츠를 교체하는 방법에는 기본적인 LRU(least recently used) 캐시에서 사용되지 않은 채로 가장 오래 있던 콘텐츠 제거, FIFO(first in first out) 캐시에서 가장 오래 있던 콘텐츠 제거, LFU(least frequently used) 캐시에서 가장 적게 사용된 콘텐츠 제거 그리고 Random이 있으며 이보다 더 좋은 방법을 찾기 위해 최근 급속도로 발전한 딥러닝을 적용하는 연구가 진행되고 있다.
목차
제1장 서 론 1제1절 연구의 목적 1제2절 연구의 범위 및 방법 31. 연구의 범위 32. 연구의 방법 3제2장 연구에 관한 이론적 배경 5제1절 관련 연구 51. D2D 캐싱 시스템 52. 강화학습 73. 강화학습을 이용한 콘텐츠 캐싱 17제3장 연구 내용 19제1절 시스템 모델 19제2절 고정형 헬퍼에 DQN을 이용한 콘텐츠 저장 221. DQN(Deep Q-Network) 222. DQN을 이용한 캐싱 24제3절 고정형 헬퍼에 Wolpertinger을 이용한 콘텐츠 저장 271. DDPG(Deep Deterministic Policy Gradient) 272. Wolpertinger 303. Wolpertinger를 이용한 캐싱 32제4장 실험 34제1절 실험 가정 및 파라미터 34제2절 DQN을 이용한 콘텐츠 캐싱 실험 37제3절 Wolpertinger을 이용한 콘텐츠 캐싱 실험 39제5장 결론 41참 고 문 헌 42ABSTRACT 44
최근 본 자료
댓글(0)
0