| 1 |
1
네트워크 자원 블록의 사용에 관한 데이터를 수신하는 단계;상기 데이터에 기초하여 하나의 대역에 대응하는 자원 블록 사용률의 확률 분포에 대한 파라미터를 추출하는 단계;상기 파라미터에 기초하여 가상 국소의 실질 자원 블록 사용률에 대한 정규 분포 파라미터를 추출하는 단계; 및상기 정규 분포 파라미터에 기초하여 미래의 자원 블록 사용률을 예측하는 단계를 포함하는 자원 블록 사용률 예측 방법
|
| 2 |
2
제1항에 있어서,상기 자원 블록 사용률의 확률 분포에 대한 파라미터를 추출하는 단계는,상기 데이터의 확률 분포에 기초하여 상기 데이터의 일부를 추출하는 단계; 및상기 일부의 확률 분포에 기초하여 상기 자원 블록 사용률의 확률 분포에 대한 상기 파라미터를 추출하는 단계를 포함하는 자원 블록 사용률 예측 방법
|
| 3 |
3
제2항에 있어서,상기 데이터의 일부를 추출하는 단계는,상기 데이터를 오름차순으로 배열하는 단계;상기 데이터에 대응하는 확률 값들로 구성된 수열을 생성하는 단계; 및상기 수열에 기초하여 상기 데이터의 일부를 추출하는 단계를 포함하는 자원 블록 사용률 예측 방법
|
| 4 |
4
제2항에 있어서,상기 일부의 확률 분포 기초하여 상기 자원 블록 사용률의 확률 분포에 대한 상기 파라미터를 추출하는 단계는,미리 결정된 범위를 갖는 파라미터의 집합을 생성하는 단계;상기 파라미터의 집합에 포함된 파라미터들을 이용하여 제2 파라미터 및 제3 파라미터를 결정하는 단계; 및상기 제2 파라미터 및 상기 제3 파라미터에 기초하여 상기 파라미터들의 집합 중에서 제1 파라미터를 결정하는 단계를 포함하는 자원 블록 사용률 예측 방법
|
| 5 |
5
제1항에 있어서,상기 정규 분포 파라미터를 추출하는 단계는,상기 파라미터에 기초하여 상기 대역에 대응하는 분위수 정규 분포 파라미터를 추출하는 단계;상기 대역에 대응하는 자원의 점유율을 계산하는 단계; 및상기 점유율 및 상기 분위수 정규 분포 파라미터에 기초하여 상기 가상 국소의 실질 자원 블록 사용률에 대한 정규 분포 파라미터를 추출하는 단계를 포함하는 자원 블록 사용률 예측 방법
|
| 6 |
6
제5항에 있어서,상기 자원의 점유율을 계산하는 단계는,대역 별 커버리지 및 대역폭에 기초하여 상기 자원의 점유율을 계산하는 단계를 포함하는 자원 블록 사용률 예측 방법
|
| 7 |
7
제1항에 있어서,상기 미래의 자원 블록 사용률을 예측하는 단계는,상기 정규 분포 파라미터에 기초하여 학습 벡터를 생성하는 단계; 및상기 학습 벡터에 기초하여 학습된 인공 신경망을 통해 상기 자원 블록 사용률을 예측하는 단계를 포함하는 자원 블록 사용률 예측 방법
|
| 8 |
8
제7항에 있어서,상기 학습 벡터를 생성하는 단계는,상기 정규 분포 파라미터에 기초하여 미리 결정된 기간에 대응하는 표본 벡터를 생성하는 단계;상기 표본 벡터의 성분(vector component)의 범위를 확장하는 단계; 및성분의 범위가 확장된 표본 벡터의 시간에 따른 차이를 계산하여 상기 학습 벡터를 생성하는 단계를 포함하는 자원 블록 사용률 예측 방법
|
| 9 |
9
제7항에 있어서,상기 학습 벡터에 기초하여 학습된 인공 신경망을 통해 상기 자원 블록 사용률을 예측하는 단계는,상기 학습 벡터의 길이에 따른 상기 인공 신경망의 자원 블록 사용률에 대한 예측 성능을 평가하는 단계; 및상기 예측 성능에 따른 가중치를 이용하여 미래에 대한 자원 블록 사용률을 예측하는 단계를 포함하는 자원 블록 사용률 예측 방법
|
| 10 |
10
제9항에 있어서,상기 예측 성능에 따른 가중치를 이용하여 미래에 대한 자원 블록 사용률을 예측하는 단계는,상기 예측 성능에 기초하여 상기 가중치를 계산하는 단계; 및상기 가중치에 기초한 다항 분포를 이용하여 복수의 기간에 대응하는 자원 블록 사용률의 예측 값들을 생성하는 단계; 및상기 예측 값들의 확률 분포에 기초하여 상기 미래에 대한 자원 블록 사용률을 예측하는 단계를 포함하는 자원 블록 사용률 예측 방법
|
| 11 |
11
네트워크 자원 블록의 사용에 관한 데이터를 수신하는 수신기; 및상기 데이터에 기초하여 하나의 대역에 대응하는 자원 블록 사용률의 확률 분포에 대한 파라미터를 추출하고, 상기 파라미터에 기초하여 가상 국소의 실질 자원 블록 사용률에 대한 정규 분포 파라미터를 추출하고, 상기 정규 분포 파라미터에 기초하여 미래의 자원 블록 사용률을 예측하는 프로세서를 포함하는 자원 블록 사용률 예측 장치
|
| 12 |
12
제11항에 있어서,상기 프로세서는,상기 데이터의 확률 분포에 기초하여 상기 데이터의 일부를 추출하고, 상기 일부의 확률 분포에 기초하여 상기 자원 블록 사용률의 확률 분포에 대한 상기 파라미터를 추출하는자원 블록 사용률 예측 장치
|
| 13 |
13
제12항에 있어서,상기 프로세서는,상기 데이터를 오름차순으로 배열하고, 상기 데이터에 대응하는 확률 값들로 구성된 수열을 생성하고, 상기 수열에 기초하여 상기 데이터의 일부를 추출하는자원 블록 사용률 예측 장치
|
| 14 |
14
제12항에 있어서,상기 프로세서는,미리 결정된 범위를 갖는 파라미터의 집합을 생성하고, 상기 파라미터의 집합에 포함된 파라미터들을 이용하여 제2 파라미터 및 제3 파라미터를 결정하고, 상기 제2 파라미터 및 상기 제3 파라미터에 기초하여 상기 파라미터들의 집합 중에서 제1 파라미터를 결정하는자원 블록 사용률 예측 장치
|
| 15 |
15
제11항에 있어서,상기 프로세서는,상기 파라미터에 기초하여 상기 대역에 대응하는 분위수 정규 분포 파라미터를 추출하고, 상기 대역에 대응하는 자원의 점유율을 계산하고, 상기 점유율 및 상기 분위수 정규 분포 파라미터에 기초하여 상기 가상 국소의 실질 자원 블록 사용률 분포에 대한 정규 분포 파라미터를 추출하는자원 블록 사용률 예측 장치
|
| 16 |
16
제15항에 있어서,상기 프로세서는,대역 별 커버리지 및 대역폭에 기초하여 상기 자원의 점유율을 계산하는자원 블록 사용률 예측 장치
|
| 17 |
17
제11항에 있어서,상기 프로세서는,상기 정규 분포 파라미터에 기초하여 학습 벡터를 생성하고, 상기 학습 벡터에 기초하여 학습된 인공 신경망을 통해 상기 자원 블록 사용률을 예측하는자원 블록 사용률 예측 장치
|
| 18 |
18
제17항에 있어서,상기 프로세서는,상기 정규 분포 파라미터에 기초하여 미리 결정된 기간에 대응하는 표본 벡터를 생성하고, 상기 표본 벡터의 성분(vector component)의 범위를 확장하고, 범위가 확장된 표본 벡터의 시간에 따른 차이를 계산하여 상기 학습 벡터를 생성하는자원 블록 사용률 예측 장치
|
| 19 |
19
제17항에 있어서,상기 프로세서는,상기 학습 벡터의 길이에 따른 상기 인공 신경망의 자원 블록 사용률에 대한 예측 성능을 평가하고, 상기 예측 성능에 따른 가중치를 이용하여 미래에 대한 자원 블록 사용률을 예측하는자원 블록 사용률 예측 장치
|
| 20 |
20
제19항에 있어서,상기 프로세서는,상기 예측 성능에 기초하여 상기 가중치를 계산하고, 상기 가중치에 기초한 다항 분포를 이용하여 복수의 기간에 대응하는 자원 블록 사용률의 예측 값들을 생성하고, 상기 예측 값들의 확률 분포에 기초하여 상기 미래에 대한 자원 블록 사용률을 예측하는자원 블록 사용률 예측 장치
|
