| 1 |
1
출력량 조절 시스템에 의해 수행되는 무선 전력 통신 네트워크에서 디바이스의 에너지 출력량을 최적화하는 방법에 있어서, 무선 전력 통신 네트워크 환경과 관련된 입력 데이터를 머신러닝 모델에 입력받는 단계; 상기 머신러닝 모델을 이용하여 무선 전력 통신 네트워크 환경에서 HAP(Hybrid Access Point)의 배치 위치를 결정하는 단계를 포함하고,상기 머신러닝 모델은, 무선 전력 통신 네트워크 환경에 구성된 HAP의 위치에 따라 무선 전력 통신 네트워크 환경에 구성된 복수 개의 디바이스의 에너지 최소 출력량을 조정하기 위해 학습된 것을 특징으로 하는 무선 전력 통신 네트워크에서 디바이스의 에너지 출력량을 최적화하는 방법
|
| 2 |
2
제1항에 있어서, 상기 머신러닝 모델은, 무선 전력 통신 네트워크 환경에 대한 학습용 입력 데이터를 이용하여 상기 무선 전력 통신 네트워크에 구성된 HAP가 배치되었을 때의 복수 개의 디바이스의 에너지 최소 출력량을 학습용 출력 데이터로서 출력하도록 구축된 것을 특징으로 하는 무선 전력 통신 네트워크에서 디바이스의 에너지 출력량을 최적화하는 방법
|
| 3 |
3
제2항에 있어서, 상기 학습용 입력 데이터는, 상기 HAP와 복수 개의 디바이스로 구성된 무선 전력 통신 네트워크 환경을 2차원 격자 형태의 데이터로 변환하고, 상기 변환된 2차원 격자 형태의 데이터에 복수 개의 디바이스를 위치시킨 것인, 무선 전력 통신 네트워크에서 디바이스의 에너지 출력량을 최적화하는 방법
|
| 4 |
4
제2항에 있어서, 상기 학습용 출력 데이터는, 상기 HAP와 복수 개의 디바이스로 구성된 무선 전력 통신 네트워크 환경을 2차원 격자 형태의 데이터로 변환하고, 상기 변환된 2차원 격자 형태의 데이터에 HAP를 배치했을 때의 복수 개의 디바이스의 에너지 최소 출력량을 저장한 것인, 무선 전력 통신 네트워크에서 디바이스의 에너지 출력량을 최적화하는 방법
|
| 5 |
5
제1항에 있어서, 상기 HAP의 배치 위치를 결정하는 단계는,상기 머신러닝 모델을 이용하여 상기 입력 데이터로부터 HAP가 상기 무선 전력 통신 네트워크 환경을 나타낸 2차원 격자 형태의 데이터에 따라 각각의 좌표 데이터에 배치되었을 때 복수 개의 디바이스에 대하여 예측된 에너지 최소 출력량을 출력 데이터로서 출력하는 단계를 포함하는 무선 전력 통신 네트워크에서 디바이스의 에너지 출력량을 최적화하는 방법
|
| 6 |
6
제5항에 있어서, 상기 HAP의 배치 위치를 결정하는 단계는,상기 복수 개의 디바이스에 대하여 예측된 에너지 최소 출력량을 상기 2차원 격자 형태의 데이터에 대응하는 위치 데이터에 위치시키고, 상기 예측된 에너지 최소 출력량이 클수록 진하게 표시하는 단계를 포함하는 무선 전력 통신 네트워크에서 디바이스의 에너지 출력량을 최적화하는 방법
|
| 7 |
7
제6항에 있어서, 상기 HAP의 배치 위치를 결정하는 단계는,상기 예측된 에너지 최소 출력량의 최대값을 기준으로 예측 범위를 설정하고, 상기 설정된 예측 범위에 포함된 상기 예측된 에너지 최소 출력량을 이용하여 상기 결정된 HAP의 배치 위치를 조정하는 단계를 포함하는 무선 전력 통신 네트워크에서 디바이스의 에너지 출력량을 최적화하는 방법
|
| 8 |
8
제1항 내지 제7항 중 어느 한 항의 전력 통신 네트워크에서 디바이스의 에너지 출력량을 최적화하는 방법을 상기 출력량 조절 시스템에 실행시키기 위해 비-일시적인 컴퓨터 판독가능한 기록 매체에 저장되는 컴퓨터 프로그램
|
| 9 |
9
출력량 조절 시스템에 있어서, 무선 전력 통신 네트워크 환경과 관련된 입력 데이터를 머신러닝 모델에 입력받는 데이터 입력부; 상기 머신러닝 모델을 이용하여 무선 전력 통신 네트워크 환경에서 HAP(Hybrid Access Point)의 배치 위치를 결정하는 위치 결정부를 포함하고,상기 머신러닝 모델은, 무선 전력 통신 네트워크 환경에 구성된 HAP의 위치에 따라 무선 전력 통신 네트워크 환경에 구성된 복수 개의 디바이스의 에너지 최소 출력량을 조정하기 위해 학습된 것을 특징으로 하는 출력량 조절 시스템
|
| 10 |
10
제9항에 있어서, 상기 머신러닝 모델은, 무선 전력 통신 네트워크 환경에 대한 학습용 입력 데이터를 이용하여 상기 무선 전력 통신 네트워크에 구성된 HAP가 배치되었을 때의 복수 개의 디바이스의 에너지 최소 출력량을 학습용 출력 데이터로서 출력하도록 구축된 것을 특징으로 하는 출력량 조절 시스템
|
| 11 |
11
제10항에 있어서, 상기 학습용 입력 데이터는, 상기 HAP와 복수 개의 디바이스로 구성된 무선 전력 통신 네트워크 환경을 2차원 격자 형태의 데이터로 변환하고, 상기 변환된 2차원 격자 형태의 데이터에 복수 개의 디바이스를 위치시킨 것인, 것을 특징으로 하는 출력량 조절 시스템
|
| 12 |
12
제10항에 있어서, 상기 학습용 출력 데이터는, 상기 HAP와 복수 개의 디바이스로 구성된 무선 전력 통신 네트워크 환경을 2차원 격자 형태의 데이터로 변환하고, 상기 변환된 2차원 격자 형태의 데이터에 HAP를 배치했을 때의 복수 개의 디바이스의 에너지 최소 출력량을 저장한 것인, 것을 특징으로 하는 출력량 조절 시스템
|
| 13 |
13
제9항에 있어서, 상기 위치 결정부는,상기 머신러닝 모델을 이용하여 상기 입력 데이터로부터 HAP가 상기 무선 전력 통신 네트워크 환경을 나타낸 2차원 격자 형태의 데이터에 따라 각각의 좌표 데이터에 배치되었을 때 복수 개의 디바이스에 대하여 예측된 에너지 최소 출력량을 출력 데이터로서 출력하는 것을 특징으로 하는 출력량 조절 시스템
|
| 14 |
14
제13항에 있어서, 상기 위치 결정부는,상기 복수 개의 디바이스에 대하여 예측된 에너지 최소 출력량을 상기 2차원 격자 형태의 데이터에 대응하는 위치 데이터에 위치시키고, 상기 예측된 에너지 최소 출력량이 클수록 진하게 표시하는 것을 특징으로 하는 출력량 조절 시스템
|
| 15 |
15
제14항에 있어서, 상기 위치 결정부는,상기 예측된 에너지 최소 출력량의 최대값을 기준으로 예측 범위를 설정하고, 상기 설정된 예측 범위에 포함된 상기 예측된 에너지 최소 출력량을 이용하여 상기 결정된 HAP의 배치 위치를 조정하는 것을 특징으로 하는 출력량 조절 시스템
|
