메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
최민석 (제주대학교)
저널정보
한국통신학회 한국통신학회논문지 한국통신학회논문지 제47권 제1호
발행연도
2022.1
수록면
28 - 38 (11page)
DOI
10.7840/kics.2022.47.1.28

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
매달 수십 엑사바이트 이상 발생하는 데이터 트래픽과 급증하는 모바일 기기를 지원하기 위해서 분산형 에지 네트워크가 조명받고 있다. 특히 에지 캐싱과 에지 컴퓨팅 기술은 전체 트래픽의 60-70%를 차지하면서 소수의 콘텐츠가 반복적으로 요청되는 멀티미디어 서비스를 효율적으로 지원하기에 알맞아 활발히 연구되고 있다. 시간에 따라 변화하는 채널, 콘텐츠 인기도, 현재 캐시 상태에 따라 콘텐츠의 캐싱과 전송 정책을 최적화하는 연구는 에지 서비스가 다양하게 분화되고 사용자 수가 급증하면서 굉장히 높은 복잡도와 처리 시간을 요구하게 되었다. 이에 심층 강화학습을 활용한 콘텐츠 캐싱, 전송, 데이터 오프로딩 기술이 연구되었고, 본 논문에서는 다양한 관점에서 심층 강화학습 기반 에지 캐싱 및 컴퓨팅 기술의 최신 기술 동향을 소개한다. 먼저 다양한 에지 네트워크 시나리오에서 살펴보고, 각종 심층 강화학습 알고리즘이 활용되는 방식에 대해 알아본다. 또한, 다른 최신 에지 기술들과 심층 강화학습의 융합으로 발전된 에지 캐싱과 컴퓨팅 정책을 제안하는 연구를 소개한 뒤, 마지막으로 향후 연구 방향을 제시한다.

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 에지 네트워크에서의 캐싱과 컴퓨팅
Ⅲ. 다양한 에지 네트워크 시나리오에서의 심층 강화학습 활용
Ⅳ. 심층 강화학습 알고리즘별 에지 네트워크 기술
Ⅴ. 심층 강화학습과 다른 기술들과의 융합
Ⅵ. 심층 강화학습 기반 에지 네트워크 기술의 방향성
Ⅶ. 결론
References

참고문헌 (27)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-567-000155577