http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
UMTS-WLAN핸드오버기반에서 MIP를 위한 Dual Tunnel Management Mechanism
김연정(Yeon-Jung Kim),김상하(Sang-Ha Kim),천경열(Kyung-yul Cheon) 대한전자공학회 2007 대한전자공학회 학술대회 Vol.2007 No.11
In case of using Moble IPv6 for heterogeneous network handover, some packet loss happens to mobile node because of the delay between the reception of BA message and the tunnel establishment. This paper proposes Dual Tunnel Management Mechanism (DTMM) for MIPv6 based UMTS-WLAN handover. This mechanism uses normal tunnel and decapsulation-only tunnel for reducing handover packet loss.
LSTM-DCCNN GAN을 사용한 5G Traffic 생성
김대겸(Dae-gyeom Kim),고명진(Myeong-jin Ko),문성우(Sung-woo Moon),김성현(Sung-hyun Kim),천경열(Kyung-Yul Cheon),박승근(Seungkeun Park),김윤배(Yunbae Kim),윤현구(Hyungoo Yoon),최용훈(Yong-Hoon Choi) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.6
사설 5G망을 구축하기 위해서 정확한 요구 대역폭을 알아야 한다. 요구 대역폭을 계산하려면 5G 트래픽 소요량을 알아야 한다. 기존의 확률기반 생성모델은 다양한 패턴이 있는 트래픽을 생성하기 힘들다. 본 논문은 신뢰도 높은 5G 트래픽 생성을 위해 generative adversarial networks (GAN)모델을 사용하여 실제 5G 트래픽과 유사한 트래픽을 생성했다. 본 논문에서는 생성자로 순환신경망 (LSTM: long short-term memory)을 사용했고, 판별자로 인과확장 합성곱 (DCCNN: dilated causal convolution neural network)을 사용했다. 모델의 성능 평가 지표로는 JSD (Jensen-Shannon Divergence)와MMD (Maximum Mean Discrepancy)를 사용했다. 본 연구는 5G 트래픽 생성을 통해 정확한 사설 5G망 요구 대역폭을 산출할 수 있는 모델 설계를 목표로 하고 있으며, 인공 신경망 기반 5G 트래픽 생성기가 실제 트래픽과 유사한 트래픽을 생성할 수 있다는 것을 확인하였다.