cpqd.com.br

이 이메일 도메인이 관측된 논문 2건

arXiv:2609.22593v1cs.LG

머신러닝 기법에 기반한 사용자 수준 핸드오버 의사결정

User-Level Handover Decision Making Based on Machine Learning Approaches

본 서신은 건물, 커버리지 홀(coverage holes), 섀도잉(shadowing) 효과를 포함하는 불리한 전파 조건 시나리오에서 사용자 수준 핸드오버 의사결정을 위한 분류 및 회귀(regression) 응용에 대한 방법들의 광범위한 비교를 다룬다. 시뮬레이션 캠페인은 네트워크 시뮬레이터 ns-3를 기반으로 한다. 비교에는 KNN, SVM, 신경망(neural networks)과 같은 고전적 머신러닝 접근법뿐만 아니라 최신 퍼지 논리(fuzzy logic) 시스템 및 부스팅 머신(boosting machines)도 포함된다. 결과에 따르면 최적 핸드오버 대상의 분류에는 SVM과 MLP가 가장 적합하나, 퍼지 시스템 SOFL은 처리 시간이 더 짧으면서 유사한 성능을 낼 수 있다. 또한 다운로드 시간 추정에서는 LightGBM이 까다로운 전파 시나리오에서도 짧은 처리 시간으로 가장 작은 오차를 제공한다.

arXiv:2606.18882v1cs.LG

회전 시스템의 불균형 특성화를 위한 도메인 시프트 인식 신경망

Domain-Shift Aware Neural Networks for Unbalance Characterization in Rotating Systems

다양한 운전 조건에서 회전축의 불균형 질량을 추정하는 회귀 문제에 도메인 적응(domain adaptation) 기반 신경망을 적용하고, 최대 평균 불일치(MMD)로 소스·타깃 분포의 특징 표현을 정렬한다. 실험 결과 도메인 시프트를 명시적으로 다루면 학습 조건을 벗어난 경우에도 예측 정확도가 개선되어, 구조 건전성 모니터링(SHM) 회귀 태스크에 활용 가능함을 보였다.