선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 다양한 기계학습 분야 중 하나인 강화학습을 이용하여, 패킷 스케줄링 정확도를 향상시키기 위해 Softmax를 이용한Q-learning 기법에 대한 연구를 진행하였다. Softmax는 Q-learning의 학습에 사용된 Q-values에 대한 상대적으로 가중된 확률을 기반으로 행동을 선택하는 방법으로, 시뮬레이션 결과 기존 e-greedy를 이용한 패킷 스케줄링 기법에 비해 향상된 정확도를 보였다.
- 위와 같은 문제점을 해결하고자 본 논문에서는 Softmax를 이용하여 행동을 선택하는 Q-learning 기법에 대해 연구하였다. Softmax를 기반으로 한 행동 선택은, 상대적인 값을 기반으로 행동이 가중되어 선택된다.
- 이러한 강화학습과 기존 기계학습 기반 모델과의 가장 큰 차이점은 기존 기계학습기반 모델은 일일이 사람이 모델링하고 구현해야 했었지만, 강화학습은 스스로 현재의 환경을 파악하여 행동할 수 있다는 점이다. 이를 기반으로본 연구에서는 강화학습 모델을 IoT 환경에서의 패킷 스케줄링 환경에 적용하여 스케줄링 정확도를 높이는 방법에 대해 연구하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.