메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Shashi Raj Pandey (경희대학교) Sabah Suhail (경희대학교) Seung Il Moon (경희대학교) Choong Seon Hong (경희대학교)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제24권 제7호
발행연도
2018.7
수록면
345 - 351 (7page)
DOI
10.5626/KTCP.2018.24.7.345

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2018

Q-Learning Supplemented Response Based Crowdsensing Framework for Resource Constrained Devices
Shashi Raj Pandey ,  Sabah Suhail ,  Seung Il Moon 외 1명 정보과학회 컴퓨팅의 실제 논문지 2018.07 학술저널

2017

Q-learning Supplemented Crowdsensing Framework for Resource Constrained Devices
Shashi Raj Pandey ,  Sabah Suhail ,  Choong Seon Hong 한국정보과학회 학술발표논문집 2017.12 학술대회자료

초록· 키워드

오류제보하기
모바일 크라우드 센싱에서 가장 중요한 과제는 스마트 디바이스가 다양한 목표 지향적 응용프로그램을 위한 다양한 센싱 작업을 수행하도록 동기를 부여하는 것이다. 이는 작업 소유자와 스마트 디바이스 간의 상호 작용으로 스마트 디바이스가 작업 소유자로부터의 작업 수용 여부를 결정하는 데에 영향을 줄 수 있으며, 기존의 연구에서는 다양한 인센티브 기법과 기술을 사용하였다. 하지만 이 외에도 참여 디바이스의 에너지 제한 문제나 알려지지 않은 상호 작용 환경에서 간과되어 왔던 기능을 기반으로 하는 작업을 할당하는 문제 역시 해결해야 하는 주요 문제들이다. 본 논문에서는 이러한 문제의 해결을 위하여 작업 할당을 위한 노드들의 사용율 최대화를 위해 최적의 작업 할당 알고리즘을 제한하였고, 참여 노드에 대한 누적 보상을 향상시키기 위한 크라우드 센싱의 분산 형 Q-Learning 프레임워크를 모델링하였다. 그리고 시뮬레이션 결과를 통해 제안된 알고리즘의 성능을 입증하였다.
#모바일 크라우드센싱 #자원 제약적 기기 #사물인터넷 #Q-학습 #유틸리티 모델 #mobile crowdsensing #resource-constrained devices #internet of things #Q-learning #utility model

목차

요약
Abstract
1. Introduction
2. Background and Related Works
3. System Model
4. Problem Formulation and Algorithm
5. Simulation Results
6. Conclusion
References

참고문헌 (13)

참고문헌 신청
R. K. Ganti, F. Ye, and H. Lei, Mobile crowdsensing: Current state and future challenges, IEEE Commun. Mag., Vol. 49, No. 11, pp. 32-39, Nov. 2011. C. M. Bishop, Pattern Recognition and Machine Learning (Information Science and Statistics), Springer-Verlag New York, Secaucus, NJ, USA, 2006. M. Karaliopoulos, I. Koutsopoulos, M. Titsias, First Learn then Earn: Optimizing Mobile Crowdsensing Campaigns through Data-driven User Profiling, MobiHoc’16, Jul. 04-08, 2016, Paderborn, Germany. Pandey, S. R., Manzoor, A., & Hong, C. S., User Profile Based Fair Incentive Management for Participation Maximization Using Learning Mechanism, Proc. of the KIISE Korea Computer Congress 2017, pp. 1519-1521, 2017. (in Korean) Pandey, Shashi Raj, Sabah Suhail, and Choong Seon Hong, Q-learning Supplemented Crowdsensing Framework for Resource Constrained Devices, Proc. of the KIISE Korea Computer Congress 2017, pp. 1239-1241, 2017. (in Korean)

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

CNN Model to Classify Malware Using Image Feature
Espoi ,  K. Kamundala ,  Chang Hoon Kim 정보과학회 컴퓨팅의 실제 논문지 2018 .05
ViStoryNet: 비디오 스토리 재현을 위한 연속 이벤트 임베딩 및 BiLSTM 기반 신경망
허민오 ,  김경민 ,  장병탁 정보과학회 컴퓨팅의 실제 논문지 2018 .03

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2018-569-003113721