무선 센서 네트워크 성능 향상을 위한 기계학습 응용동향 및 분석

Abstract

본 논문에서는 무선 센서 네트워크에서 복잡도, 에너지 효율, 이기종 센서 노드 등으로 발생하는 문제점을 해결하기 위하여 적용되어진 기계학습 기술동향에 대해 조사하였다. 먼저 무선 센서 네트워크의 문제점에 대하여 나타내었으며 다음으로 기계학습 세부기술 그리고 무선 센서 네트워크의 세부 응용분야에 대해서 조사하였다. 기계학습 기술 종류로는 크게 지도학습, 비 지도학습, 강화학습 그리고 준 지도학습으로 분류되어진다. 지도학습에서는결정트리, 인공신경망, 서포트 벡터 머신, 최근접 이웃 등의 기법들이 있으며 비 지도학습에는 계층적 클러스터, 평균, 특이값 분해, 주성분 분석 등이 있고 강화학습에는 Q-학습 기법이 대표적이며 마지막으로 준 지도학습은 셀프 학습기법과 상호 학습기법이 대표적이다. 무선 센서 네트워크에서 기계학습 세부기법이 적용된 분야는위치추정, 데이터 수집, 고장노드 탐지, 라우팅 등이 있다. 기계학습 기술 적용을 통한 네트워크 성능지표는 주로정확도 향상에 집중되어 있으며 다음으로 에너지 효율과 계산 복잡도 감소 등이 있다. 마지막으로 기계학습 기술동향 조사는 무선 센서 네트워크의 구체적인 응용분야에서 문제점 해결방안으로 적절한 기계학습 기술 선택에 대한 자료로 참고 될 수 있다.