http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 홍남곽 (검색결과 1 건)
-
(Abstract) With widespread awareness of 5G technology, the fast growth of mobile devices and various network infrastructures and services is evident in today's world. Additionally, due to the Covid-19 pandemic's detrimental consequences, individuals are unable to leave their homes, leading to a significant increase in consumer demand for internet connections. As a result, tailoring network services to visitors' specific needs becomes an appealing and critical component for Network Providers. To deliver responsive services and a guaranteed QoS level to individual needs while maintaining resource constraints, it is required to consider various factors affecting network service performance and dynamic network provisioning. This thesis develops a novel framework for making the most of constrained network resources and effectively providing services to as many users as feasible utilizing Reinforcement Learning-based Routing with Link Stability (RRLS) planning. We implemented the RRSL algorithm using a framework for dynamic network provisioning. This architecture may be comprehended and managed by the user-specific quality of service criteria such as bandwidth, latency, and spatio-temporal needs. RRSL algorithm utilizes information from particular user requests and link-state information to maximize network resource use and accept the maximum number of feasible user requests. To assess our technique, we conduct experiments and compare it to Dijkstra's algorithm. The results demonstrate that the suggested approach beats Dijkstra's method when link-state information creates optimum pathways. Numerous trials demonstrate that the proposed methodology is an appealing alternative for dynamic network provisioning routing. (초록) 세계의 5G기술에 대한 인식이 넓어지며 모바일 디바이스. 각종 네트워크 인프라와 서비스가 따가 급증발전해온 추세가 보이고 있다. 추가로 최근 코빗-19를 인한 여러가지의 상황때문에 재택 계속해야 하는 개인과 가정에 대한 인터넷 연결을 관련된 니즈의 상당히 증가하고 있다. 그 결과로 고객의 특정 니즈에 맞춰가는 것이 통신사들의 굉장히 의미있으며 중요한 컴포넌트가 되었다. 리소스의 제약을 유지하면서 고객한테 신뢰있는 서비스와 약속한 QoS레벨을 계속 제공하기 위해 네트워크 성능에 영향 미칠 수 있는 각종 요소와 동적 네트워크 프로비저닝을 고려할 수 밖에 없다. 본 논문에서는 라우팅(Routing)기반 강화학습과 Link Stability (RRLS) 한플래닝을 사용해서 가장 제한적인 네트워크 리소스를 가지고 가능한 가장 많은 유저에게 서비스를 제공하는 목표로 신규 프레임워크를 연구하였다. 동적 네트워크 프로비저닝을 사용해서 RRSL 알고리즘을 구현하였다. 이 구조는 유저의 대역폭. 레이턴시 그리고 시공간적인 니즈 같은 사용자별 서비스 품질 준으로 이해하고 관리할 수 있다. RRSL알고리즘은사용자의 특정 요청 정보를 사용하여 네트워크 리소스 사용을 극대화하며 사용자한테 최대 요청을 받아 주기 위해 그 정보를 Link-state한다. 이 기술을 평가하기위하여 실험해서 데이크스트라 (Dijktra)알고리즘과 비교하였다. 비교한 결과에 따라 링크 스테이트 (Link-state)정보가 옵티멈 파스웨이 (Optimum pathway)를 생성할 위에 있는 접근 방법이 데이크스트라 알고리즘을 이겼다. 수많은 실험 결과 통하여 제안된 본 방법론이 동적 네트워크 프로비저닝의 대안임을 입증하였다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
