http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
신승재,윤승현,이범철,김상기,Shin, S.J.,Yoon, S.H.,Lee, B.C.,Kim, S.G. 한국전자통신연구원 2017 전자통신동향분석 Vol.32 No.1
무선통신, 이동통신 및 사물인터넷 기술의 발달에 힘입어 인터넷의 규모와 복잡도는 해마다 증가하고 있으며, 망의 제어와 관리의 복잡도 역시 함께 증가할 것으로 예상된다. 이에 따라 운용자(operator)가 담당하던 제어와 관리를 망이 스스로 수행하는 자율네트워킹(autonomic networking) 기술이 등장하게 되었다. 초기의 자율네트워킹 연구는 자가관리(self-management)를 위한 프레임워크를 개발하는 것에 중점을 두었으나, 이후에는 SDN/NFV 기반 플랫폼에 기계학습 기술을 접목함으로써, 유연성이 확보된 망에 지능화된 제어 및 관리를 제공하는 방향으로 진화하고 있다. 본고에서는 자율네트워킹에 관한 최근의 연구동향을 소개한다.
신승재,조충래,전홍석,윤승현,김태연,Shin, S.J.,Cho, C.L.,Jeon, H.S.,Yoon, S.H.,Kim, T.Y. 한국전자통신연구원 2019 전자통신동향분석 Vol.34 No.6
Reinforcement learning is a type of machine learning paradigm that forces agents to repeat the observation-action-reward process to assess and predict the values of possible future action sequences. This allows the agents to incrementally reinforce the desired behavior for a given observation. Thanks to the recent advancements of deep learning, reinforcement learning has evolved into deep reinforcement learning that introduces promising results in various control and optimization domains, such as games, robotics, autonomous vehicles, computing, industrial control, and so on. In addition to this trend, a number of programming libraries have been developed for importing deep reinforcement learning into a variety of applications. In this article, we briefly review and summarize 10 representative deep reinforcement learning libraries and compare them from a development project perspective.