Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Improving Wi-Fi Network Performance Prediction with Deep Learning Models

Created by
  • Haebom

저자

Gabriele Formis, Amanda Ericson, Stefan Forsstrom, Kyi Thar, Gianluca Cena, Stefano Scanzio

개요

본 논문은 산업 및 임무 중요 애플리케이션을 위한 무선 네트워크의 강건성, 신뢰성 및 결정론적 특성 향상에 대한 요구 증가에 대응하여, 머신러닝 기법을 활용한 Wi-Fi 네트워크의 채널 품질 예측 연구를 제시한다. 특히 프레임 전달률을 기반으로 채널 품질을 예측하여, 실시간으로 통신 매개변수를 조정하고 산업 애플리케이션을 위한 네트워크 운영을 최적화하는 방법을 연구한다. 실제 Wi-Fi 환경에서 다중 채널에 걸쳐 수집된 데이터셋에 CNN과 LSTM 모델을 적용하여 예측 정확도와 계산 복잡도를 비교 분석하였다. 실험 결과, 프레임 전달률을 신뢰할 수 있게 예측할 수 있으며, CNN 모델은 다른 모델보다 약간 낮은 예측 정확도를 보이지만 CPU 사용량 및 메모리 소비 측면에서 효율적임을 보여, 임베디드 및 산업 시스템에서의 활용성을 높였다.

시사점, 한계점

•
시사점:
◦
머신러닝 기반 채널 품질 예측을 통해 Wi-Fi 네트워크의 강건성 및 신뢰성 향상 가능성 제시.
◦
산업 및 임무 중요 애플리케이션에서 네트워크 운영 최적화를 위한 실시간 통신 매개변수 조정 가능성 제시.
◦
CNN 모델의 효율적인 계산 자원 사용으로 임베디드 시스템 적용 가능성 확대.
•
한계점:
◦
CNN 모델이 다른 모델(예: LSTM)에 비해 예측 정확도가 다소 낮음.
◦
실험 환경이 특정 Wi-Fi 설정에 국한되어 일반화 가능성에 대한 추가 연구 필요.
◦
다양한 노이즈 및 간섭 환경에 대한 모델 성능 평가 및 로버스트니스 향상 필요.
👍
Made with Slashpage