| 1 |
1
네트워크에 적용가능한 다수의 TRUNK 테이블들을 획득하는 단계;네트워크의 현재 트래픽 상태 데이터를 수집하는 단계;수집된 현재 트래픽 상태 데이터를 DQN(Deep Q Networks)에 입력하여 Q 함수 값들을 추론하는 제1 추론단계;제1 추론단계에서 추론된 Q 함수 값들 중 가장 큰 Q 함수 값의 TRUNK 테이블을 선택하는 단계;선택된 TRUNK 테이블을 네트워크에 적용하는 단계;선택된 TRUNK 테이블을 네트워크에 적용한 경우의 트래픽 상태 데이터를 DQN에 입력하여 Q 함수 값들을 추론하는 제2 추론단계;'제1 추론단계에서 추론된 Q 함수 값들'과 '즉각보상 및 제2 추론단계에서 추론된 Q 함수 값들' 간의 로스가 줄어드는 방향으로 DQN을 학습시키는 단계;를 포함하는 것을 특징으로 하는 네트워크 최적화 방법
|
| 2 |
2
청구항 1에 있어서,획득 단계는,네트워크를 구성하는 네트워크 장비들 간에 Broadcast Storm이 발생하지 않는 TRUNK 테이블들을 획득하는 것을 특징으로 하는 네트워크 최적화 방법
|
| 3 |
3
삭제
|
| 4 |
4
삭제
|
| 5 |
5
청구항 1에 있어서,Q 함수는,전체 네트워크의 성능을 최대화할 수 있는 경우에 보상을 부여하는 것을 특징으로 하는 네트워크 최적화 방법
|
| 6 |
6
청구항 1에 있어서,Q 함수는,특정 단말의 성능을 최대화할 수 있는 경우에 보상을 부여하는 것을 특징으로 하는 네트워크 최적화 방법
|
| 7 |
7
청구항 1에 있어서,선택된 TRUNK 테이블에 의해 네트워크를 구성하는 네트워크 장비들 간에 Broadcast Storm이 발생하는지 여부를 시뮬레이션하는 단계;를 더 포함하고,적용 단계는,시뮬레이션 단계에서 Broadcast Storm이 발생하지 않는 것으로 확인된 경우에 수행되는 것을 특징으로 하는 네트워크 최적화 방법
|
| 8 |
8
삭제
|
| 9 |
9
청구항 1에 있어서,수집된 현재 트래픽 상태 데이터를 전처리하는 단계;를 더 포함하고,제1 추론단계는,전처리된 현재 트래픽 상태 데이터를 DQN에 입력하여 Q 함수 값들을 추론하는 것을 특징으로 하는 네트워크 최적화 방법
|
| 10 |
10
네트워크에 통신가능하도록 연결되는 통신부; 및네트워크에 적용가능한 다수의 TRUNK 테이블들을 획득하고, 네트워크의 현재 트래픽 상태 데이터를 수집하며, 수집된 현재 트래픽 상태 데이터를 DQN(Deep Q Networks)에 입력하여 Q 함수 값들을 1차 추론하고 추론된 Q 함수 값들 중 가장 큰 Q 함수 값의 TRUNK 테이블을 선택하고, 선택된 TRUNK 테이블을 네트워크에 적용하며, 선택된 TRUNK 테이블을 네트워크에 적용한 경우의 트래픽 상태 데이터를 DQN에 입력하여 Q 함수 값들을 2차 추론하고, 1차 추론된 Q 함수 값들'과 '즉각보상 및 2차 추론된 Q 함수 값들' 간의 로스가 줄어드는 방향으로 DQN을 학습시키는 프로세서;를 포함하는 것을 특징으로 하는 네트워크 최적화 시스템
|
| 11 |
11
네트워크에 적용가능한 다수의 TRUNK 테이블들을 획득하는 단계;네트워크의 현재 트래픽 상태 데이터를 수집하는 단계; 및수집된 현재 트래픽 상태 데이터를 DQN(Deep Q Networks)에 입력하여 Q 함수 값들을 추론하는 단계;추론된 Q 함수 값들 중 가장 큰 Q 함수 값의 TRUNK 테이블을 선택하는 단계;를 포함하는 것을 특징으로 하는 네트워크 최적화 방법
|
| 12 |
12
네트워크에 통신가능하도록 연결되는 통신부; 및네트워크에 적용가능한 다수의 TRUNK 테이블들을 획득하고, 네트워크의 현재 트래픽 상태 데이터를 수집하며, 수집된 현재 트래픽 상태 데이터를 DQN(Deep Q Networks)에 입력하여 Q 함수 값들을 추론하고 추론된 Q 함수 값들 중 가장 큰 Q 함수 값의 TRUNK 테이블을 선택하는 프로세서;를 포함하는 것을 특징으로 하는 네트워크 최적화 시스템
|
