1 |
1
통신 시스템에서 제1 장치의 동작 방법으로서,빔 별 트래픽 요구량의 정보를 획득하는 단계;제1 기계학습 구조에서의 사전 학습을 통하여 생성된 제1 모델에 의하여, 상기 빔 별 트래픽 요구량이 사용 가능한 총 대역폭 조건 및 사용 가능한 총 전력 조건을 포함하는 제1 조건을 만족하며 서비스될 수 있는지 여부를 판단하는 단계;상기 빔 별 트래픽 요구량이 상기 제1 조건을 만족하며 서비스될 수 있을 경우, 상기 빔 별 트래픽 요구량 기반으로 빔 별 대역폭 할당 정보를 연산하는 단계; 상기 빔 별 대역폭 할당 정보에 기초하여, 빔 별 전력 할당 정보를 연산하는 단계;상기 빔 별 전력 할당 정보에 기초하여, 상기 제1 조건에 포함되는 신호 대 잡음비(signal-to-noise ratio, SNR) 조건이 만족되는지 여부를 확인하는 단계; 및상기 SNR 조건이 만족될 경우, 상기 빔 별 대역폭 할당 정보 및 상기 빔 별 전력 할당 정보를 출력하는 단계를 포함하는, 제1 장치의 동작 방법
|
2 |
2
청구항 1에 있어서,상기 판단하는 단계는,상기 빔 별 트래픽 요구량의 정보를 벡터 형태로 변환하여, 제1 입력 데이터를 생성하는 단계;상기 제1 입력 데이터를, 상기 제1 모델에 입력하는 단계; 및상기 제1 모델의 출력값을 확인하는 단계를 포함하는, 제1 장치의 동작 방법
|
3 |
3
청구항 2에 있어서,상기 제1 기계학습 구조는 퍼셉트론 구조를 가지며,상기 제1 모델의 출력값이 양수일 경우 상기 출력값은 상기 빔 별 트래픽 요구량이 상기 제1 조건을 만족하며 서비스될 수 있다는 것을 의미하고, 상기 출력값이 음수일 경우 상기 출력값은 상기 빔 별 트래픽 요구량이 상기 제1 조건을 만족하며 서비스될 수 없다는 것을 의미하는, 제1 장치의 동작 방법
|
4 |
4
청구항 2에 있어서,상기 제1 기계학습 구조에서의 사전 학습은, 상기 빔 별 대역폭 할당 정보의 연산을 위한 제2 기계학습 구조에서의 사전 학습을 통하여 생성되는 제2 모델이 생성된 이후에, 상기 제2 모델에 기초하여 수행되는, 제1 장치의 동작 방법
|
5 |
5
청구항 1에 있어서,상기 빔 별 대역폭 할당 정보를 연산하는 단계는,상기 빔 별 트래픽 요구량의 정보에 기초하여 생성된 제1 입력 데이터를, 제2 기계학습 구조에서의 사전 학습을 통하여 생성된 제2 모델에 입력하는 단계; 및상기 제2 모델에서 출력되는 출력 데이터를 획득하는 단계를 포함하며,상기 출력 데이터는 상기 빔 별 대역폭 할당 정보를 포함하는, 제1 장치의 동작 방법
|
6 |
6
청구항 5에 있어서,상기 제2 기계학습 구조는 선형 회귀 학습 방식에 따른 기계학습 구조를 가지며,상기 제2 기계학습 구조에서의 상기 사전 학습은, 전수 조사 방식에 기초하여, 제1 트래픽 요구량의 정보에 기초하여 출력되는 제1 대역폭 할당 정보에 기초하여 연산되는 손실 함수의 값이 최소화되는 방향으로 수행되는, 제1 장치의 동작 방법
|
7 |
7
청구항 1에 있어서,상기 제1 장치의 동작 방법은,상기 판단하는 단계 이후에, 상기 빔 별 트래픽 요구량이 상기 제1 조건을 만족하며 서비스될 수 없을 경우, 상기 빔 별 트래픽 요구량에서 감소된 요구량을 연산하기 위한 정사영 연산을 수행하는 단계; 및상기 정사영 연산의 결과로서 생성되는, 상기 감소된 요구량의 정보를 포함하는 제2 입력 데이터 기반으로, 상기 빔 별 대역폭 할당 정보를 연산하는 단계를 더 포함하는, 제1 장치의 동작 방법
|
8 |
8
청구항 7에 있어서,상기 제1 장치의 동작 방법은,상기 확인하는 단계 이후에, 상기 SNR 조건이 만족되지 않을 경우, 상기 정사영 연산에서 사용되는 경계값을 조정하는 단계;상기 조정된 경계값에 기초하여, 상기 정사영 연산을 수행하는 단계; 및상기 조정된 경계값에 기초하여 연산된 상기 정사영 연산의 결과로서 생성되는 제3 입력 데이터 기반으로, 상기 빔 별 대역폭 할당 정보를 연산하는 단계를 더 포함하는, 제1 장치의 동작 방법
|
9 |
9
통신 시스템의 제1 장치로서,프로세서(processor)를 포함하고,상기 프로세서는 상기 제1 장치가:빔 별 트래픽 요구량의 정보를 획득하고;제1 기계학습 구조에서의 사전 학습을 통하여 생성된 제1 모델에 의하여, 상기 빔 별 트래픽 요구량이 사용 가능한 총 대역폭 조건 및 사용 가능한 총 전력 조건을 포함하는 제1 조건을 만족하며 서비스될 수 있는지 여부를 판단하고;상기 빔 별 트래픽 요구량이 상기 제1 조건을 만족하며 서비스될 수 있을 경우, 상기 빔 별 트래픽 요구량 기반으로 빔 별 대역폭 할당 정보를 연산하고;상기 빔 별 대역폭 할당 정보에 기초하여, 빔 별 전력 할당 정보를 연산하고;상기 빔 별 전력 할당 정보에 기초하여, 상기 제1 조건에 포함되는 신호 대 잡음비(signal-to-noise ratio, SNR) 조건이 만족되는지 여부를 확인하고; 그리고상기 SNR 조건이 만족될 경우, 상기 빔 별 대역폭 할당 정보 및 상기 빔 별 전력 할당 정보를 출력하는 것을 야기하도록 동작하는, 제1 장치
|
10 |
10
청구항 9에 있어서,상기 빔 별 트래픽 요구량이 상기 제1 조건을 만족하며 서비스될 수 있는지 여부를 판단하는 경우, 상기 프로세서는 상기 제1 장치가:상기 빔 별 트래픽 요구량의 정보를 벡터 형태로 변환하여, 제1 입력 데이터를 생성하고;상기 제1 입력 데이터를, 상기 제1 모델에 입력하고; 그리고상기 제1 모델의 출력값을 확인하는 것을 더 야기하도록 동작하는, 제1 장치
|
11 |
11
청구항 10에 있어서,상기 제1 기계학습 구조는 퍼셉트론 구조를 가지며,상기 제1 모델의 출력값이 양수일 경우 상기 출력값은 상기 빔 별 트래픽 요구량이 상기 제1 조건을 만족하며 서비스될 수 있다는 것을 의미하고, 상기 출력값이 음수일 경우 상기 출력값은 상기 빔 별 트래픽 요구량이 상기 제1 조건을 만족하며 서비스될 수 없다는 것을 의미하고,상기 제1 기계학습 구조에서의 사전 학습은, 상기 빔 별 대역폭 할당 정보의 연산을 위한 제2 기계학습 구조에서의 사전 학습을 통하여 생성되는 제2 모델이 생성된 이후에, 상기 제2 모델에 기초하여 수행되는, 제1 장치
|
12 |
12
청구항 9에 있어서,상기 빔 별 대역폭 할당 정보를 연산하는 경우, 상기 프로세서는 상기 제1 장치가:상기 빔 별 트래픽 요구량의 정보에 기초하여 생성된 제1 입력 데이터를, 제2 기계학습 구조에서의 사전 학습을 통하여 생성된 제2 모델에 입력하고; 그리고상기 제2 모델에서 출력되는 출력 데이터를 획득하는 것을 더 야기하도록 동작하며,상기 출력 데이터는 상기 빔 별 대역폭 할당 정보를 포함하는, 제1 장치
|
13 |
13
청구항 12에 있어서,상기 제2 기계학습 구조는 선형 회귀 학습 방식에 따른 기계학습 구조를 가지며,상기 제2 기계학습 구조에서의 상기 사전 학습은, 전수 조사 방식에 기초하여, 제1 트래픽 요구량의 정보에 기초하여 출력되는 제1 대역폭 할당 정보에 기초하여 연산되는 손실 함수의 값이 최소화되는 방향으로 수행되는, 제1 장치
|
14 |
14
청구항 9에 있어서,상기 프로세서는 상기 제1 장치가:상기 빔 별 트래픽 요구량이 상기 제1 조건을 만족하며 서비스될 수 있는지 여부를 판단한 이후에, 상기 빔 별 트래픽 요구량이 상기 제1 조건을 만족하며 서비스될 수 없을 경우, 상기 빔 별 트래픽 요구량에서 감소된 요구량을 연산하기 위한 정사영 연산을 수행하고; 그리고상기 정사영 연산의 결과로서 생성되는 제2 입력 데이터 기반으로, 상기 빔 별 대역폭 할당 정보를 연산하는 것을 더 야기하도록 동작하는, 제1 장치
|
15 |
15
청구항 14에 있어서,상기 프로세서는 상기 제1 장치가:상기 SNR 조건이 만족되는지 여부를 확인한 이후에, 상기 SNR 조건이 만족되지 않을 경우, 상기 정사영 연산에서 사용되는 경계값을 조정하고;상기 조정된 경계값에 기초하여, 상기 정사영 연산을 수행하고; 그리고상기 조정된 경계값에 기초하여 연산된 상기 정사영 연산의 결과로서 생성되는 제3 입력 데이터 기반으로, 상기 빔 별 대역폭 할당 정보를 연산하는 것을 더 야기하도록 동작하는, 제1 장치
|