SWIPT와 멀티 캐리어 비직교 다중 접속을 적용한 강화 학습 기반 연합 학습 방법 및 시스템

Reinforcement Learning-based Federated Learning Method and System Applying SWIPT and MC-NOMA

초록

SWIPT와 멀티 캐리어 비직교 다중 접속을 적용한 강화 학습 기반 연합 학습 방법 및 시스템이 개시된다. SWIPT와 멀티 캐리어 비직교 다중 접속을 적용한 강화 학습 기반 연합 학습 방법은 기지국과 복수의 IoT 단말로 구성된 네트워크에 대한 연합 학습 시스템 환경에서 각 타임슬롯 시작시 각 IoT 단말의 현재 상태를 관찰하는 단계-상기 상태는 각 IoT 단말의 현재 에너지 레벨, 로컬 모델 계산 시간 및 업로드 시간을 포함함; 상기 현재 상태를 강화 학습 기반 액터-크리틱 네트워크 모델에 적용하여 정책에 따라 액션(action)을 결정하고, 상기 결정된 액션에 상응하는 보상을 계산하는 단계-상기 보상은 각 타임슬롯에서 에너지 페널티와 지연 시간 페널티를 고려한 모든 IoT 단말의 총 에너지 소비량을 이용하여 계산됨; 상기 현재 상태, 결정된 액션, 보상 및 다음 상태를 경험 튜플로 재생 버퍼에 저장하는 단계; 및 상기 재생 버퍼에 저장된 경험을 기초로 상기 액터-크리틱 네트워크 모델을 업데이트하는 단계를 포함한다.

제목
SWIPT와 멀티 캐리어 비직교 다중 접속을 적용한 강화 학습 기반 연합 학습 방법 및 시스템
제목 (타언어)
Reinforcement Learning-based Federated Learning Method and System Applying SWIPT and MC-NOMA
저자
조성래; 김가현; 이동현; 만 쿠옹 호
발행일
2025-06-25
출원번호
10-2024-0079393
등록번호
10-2826724
출원일
2024-06-19
등록일
2025-06-25