전체 글
-
Federated Learning (연합학습)최신 기술동향/인공지능 (AI) 2020. 9. 20. 08:09
AI와 5G/6G Communication Section에서 여러 인공지능 알고리즘을 소개했다. 인공지능은 전통적인 Machine Learning 알고리즘 이든, Deep Learning 알고리즘이든, 강화학습이든, 결국은 데이터를 기반으로 주어진 모델을 학습시키는 과정이다. AI는 Computer Vision이나 자연어처리 같은 다양한 분야에 쓰이고 있다. 통신 분야의 최신 논문에도 AI를 적용한 많은 연구결과가 실리고 있다. 최근, 통신 분야에 AI를 적용함에 있어서 Federated Learning (FL)이 주요 키워드로 자주 등장한다. 이번 글에서는 FL이 무엇이고, 왜 중요한 이슈이며, 어떤 연구가 이루어지고 있는지를 알아보고자 한다. Federated Learnign (FL)이란? Feder..
-
URLLC Resource Allocation / Queuing(논문 리뷰)5G & 6G 통신 기반 기술 2020. 9. 18. 10:04
이번에 리뷰할 논문은 5G URLLC HARQ and Resource Allocation (논문 리뷰) 에서 다뤘던 논문 [1]의 후속논문이다. 해당 논문은 5G URLLC를 만족하기 위해서 얼마나 많은 Bandwidth가 필요한지에 대해 다뤘다. 이를 위해서 HARQ의 재전송횟수를 Control하면서, Channel Use가 가장 적어지는 재전송횟수 m을 찾는다. 하지만, 리뷰에서 언급했던 바와 같이, 당장 보낼 수 있는 Bandwidth가 없으면, Packet을 Drop시킨다고 가정한다. 따라서, URLLC의 Requirement를 만족하기 위해, 추가로 Bandwidth를 할당받아 놓아야 하고, 리뷰의 Future work에서 이를 언급했었다. 이번 논문에서는 당장 보낼 Bandwidth가 없어도 ..
-
DRL Resource Scheduling in 5G MAC (논문 리뷰)5G & 6G 통신 기반 기술 2020. 9. 13. 16:38
이 논문은 5G MAC Layer의 Resource Scheduling에 DRL을 적용하는 방법에 대해 다루고 있다. 최근 Network System이 복잡해지면서 기존의 최적화 방식이나 스케쥴링 기법으로는 이를 감당하기 힘들다. 이 논문의 Learn to Schedule (LEASCH) 알고리즘은 주어진 Resource Block Group (RBG) 하나를 할당해줄 UE를 고른다. 제목: Learn to Schedule (LEASCH): A Deep reinforcement learning approach for radio resource scheduling in the 5G MAC layer. [1] 저널명 : IEEE ACCESS 출판년도 : June, 2020 저자 : F. AL-Tam, N. ..
-
OpenAI Gym을 이용한 Environment 설계최신 기술동향/인공지능 (AI) 2020. 8. 30. 10:30
블로그를 보고 강화학습을 자신이 공부하는 분야에 적용해보고 싶은데, 어떻게 사용해야할 지 처음에 감이 안 오는 사람들도 있을 것이다. 많은 강화학습 알고리즘이나 코드를 찾아보면, 이미 있는 환경을 이용해서, main함수에 있는 20~30줄 정도만 돌려보면서 '이 알고리즘이 이렇게 좋은 성능을 보이는구나'정도만 알 수 있다. 하지만, 우리는 5G 환경이나 자신이 공부하는 분야에 맞게 환경을 만드는 것부터 시작하고 싶기 때문에, OpenAI Gym의 정해진 Template을 이용하는 것이 좋다. OpenAI Gym OpenAI Gym은 고전 게임을 기반으로 강화학습을 사용할 수 있는 기본적인 Environment (환경)과 기본적인 강화학습 알고리즘들이 패키지로 준비되어 있는 Toolkit이다. Open S..
-
5G 시장 및 career에 대한 생각과 6G 연구5G & 6G 통신 기반 기술 2020. 8. 22. 17:30
시장조사 기관인 Allied Market Research의 자료에 따르면, 5G의 HW/SW/Service 전체 시장규모가 2020년 55억 달러에서 2026년 6,679억 달러로 성장할 것으로 보인다. 전체 시장 중 48%는 서비스가, 41%는 HW가, 나머지 11%는 SW가 차지할 것으로 예상했다. 6,679억 달러(약 810조원)가 너무 큰 수치라 감이 안 오지만, 2020년 기준의 반도체 시장이 400조 원인 것과 비교해 봤을 때 거의 2배에 달한다. 그러면 810조원을 벌어들이기 위해서 5G 스마트 폰을 열심히 팔아야하는 것일까? 사실, 5G의 진정한 가치는 우리가 들고다니는 스마트 폰을 사용하는 일반 소비자를 대상으로 하는 B2C보다 다른 기업을 대상으로 하는 B2B에서 나온다. 여러 5G 표..
-
Distributive Dynamic Spectrum Access with DRL 논문 리뷰최신 기술동향/인공지능 (AI) 2020. 8. 17. 10:40
이번 글에서는 AI-based 5G, 6G 논문 리뷰에서 언급했던 Distributive DSA에 DRL을 적용하는 논문을 리뷰한다. 이 논문은 5G에 초점을 맞췄다기 보다는 DSA에 DRL을 적용했다는 내용에 의의가 있는 논문이라고 생각되어서 강화학습 Section에서 다루는 것이 맞다고 생각했다. 제목: Distributive Dynamic Spectrum Access through Deep Reinforcement Learning : A Reservoir Computing Based Approach [1] 저널명 : IEEE Internet of Things Journal 출판년도 : September, 2018 저자 : Hao-Hsuan Chang, Hao Song, Yang Yi, Jianzho..
-
AI-Enabled Cellular Network 논문 리뷰 (5G/6G)5G & 6G 통신 기반 기술 2020. 8. 14. 11:50
이번에 리뷰할 논문은 Beyond 5G, 6G에 AI가 어떻게 쓰일 수 있을지에 대해 다룬다. 기존의 최적화 알고리즘과 다르게, 왜 AI가 사용되어야 하는지, 어떤 기술에 적용되고 있고, 연구가 진행될 분야가 무엇인지에 대해 다루고 있다. Samsung Research America의 연구진이 출판한 논문이다. 제목: Artificial Intelligence-Enabled Cellular Networks: A Critical Path to Beyond-5G and 6G [1] 저널명 : IEEE Wireless Communications 출판년도 : April, 2020 저자 : Rubayet Shafin, Lingjia Liu, Vikram Chandrasekhar, Hao Chen, Jeffrey ..
-
Policy Gradient Algorithm최신 기술동향/인공지능 (AI) 2020. 8. 13. 10:51
대부분의 강화학습 알고리즘 구조는시행을 반복하며, Agent가 받을 Expected Reward를 최대화하는 방식으로 Training이 이루어진다. 대부분의 Model-Free 알고리즘들은 확실한 Model과 Reward를 알지 못하는 상태에서 Environment (환경)과의 상호작용을 하며 Episode를 여러 번 진행하면서, Reward를 받고, 이를 통해 자신의 Policy를 update시켜 나간다. 강화학습에는 크게 Value-Based RL과 Policy-Based RL이 있다. Value-Based RL은 가치함수인 Q-value를 계산하고, 이를 이용해 action을 선택하는 과정을 반복함으로써 Expected Reward를 최대화하는 방향으로 구현하는데, 대표적으로 Q 함수에 Neural..