최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기The journal of the institute of internet, broadcasting and communication : JIIBC, v.18 no.4, 2018년, pp.55 - 60
선영규 (광운대학교 전파공학과) , 황유민 (광운대학교 전파공학과) , 심이삭 (광운대학교 전파공학과) , 김진영 (광운대학교 전파공학과)
This paper shows the initial results of a study applying deep learning technology in power line communication. In this paper, we propose a system that effectively removes noise by applying a deep learning technique to eliminate noise, which is a cause of reduced power line communication performance,...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
전력선 통신 성능 저하의 주요 원인은? | 전력선 통신의 성능을 저하시키는 주요한 원인으로서 잡음문제가 있다. 전력선 통신 상황에서 발생하는 잡음은 크게 주기성 잡음과 비주기성 잡음으로 분류할 수 있고 주기성 잡음은 규칙성이 존재하므로 다양한 모델링을 통해 제가할 수 있는 방법들이 존재하지만 비주기성 잡음은 불규칙하게 발생하기 때문에 하나의 모델로 모델링할 수 없어 통신성능을 저하시킨다. | |
잡음 제거를 위해 제안된 시스템은 무엇인가? | 본 논문은 전력선 통신에서 딥 러닝 기술 적용시킨 연구의 초기 결과를 보여준다. 본 논문에서는 전력선 통신의 성능을 감소시키는 원인인 잡음을 제거하기 위해 딥 러닝 기술을 적용시켜 효과적인 잡음 제거를 목표로 하고 수신 단에서 딥 러닝 모델을 추가하여 잡음을 효과적으로 제거하는 시스템을 제안한다. 딥 러닝 모델을 학습시키기 위해서는 데이터가 필요하므로 기존의 데이터들을 저장하고 있다고 가정하고 제안하는 시스템에 대해 시뮬레이션을 진행하여 부가 백색 가우시안 잡음 채널의 이론적 결과와 비트 에러률을 비교하여 제안하는 시스템 모델이 잡음을 제거하여 통신 성능을 향상시킨 것을 확인한다. | |
딥 러닝 기술이 4차 산업혁명의 핵심기술로 자리매김할 수 있게 된 이유는? | 인공지능의 딥 러닝 기술도 전력선 통신 기술과 마찬가지로 이전에 활발히 연구가 진행되었으나 과적합의 문제와 긴 학습시간으로 인해 탁월한 성능을 보임에도 현실에 적용하기에는 실용적이지 않은 것으로 간주되었다[2]. 그러나 시간이 흘러 하드웨어 기술의 발달과 효율적인 학습 방법에 대한 알고리즘의 개발로 학습시간이 짧아지게 되었고 프리트레이닝, 드랍 아웃 등 과적합 문제를 방지할 수 있는 알고리즘들이 개발되면서 이전에 가지고 있던 문제점들의 해결로 4차 산업혁명의 핵심기술로 자리매김하게 되었다[2]. |
J. H. Kim and H. B. Lee, "Market trends and prospects for power line communication," in Proc. Information and Communication Equipment, pp. 573-578, Aug, 2008.
D. K. Kang, "Deep learning based machine learning technology trends," ITFIND-Weekly Technology Trends, vol. 1742, pp. 12-24, Apr. 2016.
A. Krizhevsky, I. Sutskever, and G. E. Hinton, "Imagenet classification with deep convolutional neural networks," in Proc. Adv. Neural Inf. Process. Syst. , pp. 1097-1105, 2012. DOI : https://doi.org/10.1145/3065386
K. Cho,"Learning Phrase Representations Using RNN Encoder-Decoder for Statistical Machine Translation,"2014 [Online]. Available: http://arxiv.org/abs/1406.1078 DOI : https://doi.org/10.3115/v1/d14-1179
J. Schmidhuber, "Deep learning in neural networks: An overview,"Neural Netw., vol. 61, pp. 85-117, Jan. 2015. DOI : https://doi.org/10.1016/j.neunet.2014.09.003
H. Ye, G. Y. Li, and B. H. Juang "Power of deep learning for channel estimation and signal detection in OFDM systems,"IEEE Wireless Communications Letters, vol. 7, pp. 114-117, Feb. 2018. DOI :https://doi.org/10.1109/lwc.2017.2757490
H. S. Cho, "Direct-band spread system for neural network with interference signal control," Measurement of Intrusion Prevention System," Journal of the Korea Academia-Industrial cooperation Society(JKAIS), vol. 14, no. 3, pp. 1372-1377, Mar. 2013. DOI :https://doi.org/10.5762/kais.2013.14.3.1372
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.