발제자: 멘티 - [권재빈, 신주희], 멘토 - [김건]

발제일: 2024년 09월 20일

키워드: [MLOps] [Anomaly Detection] [Deep Learning] [Time Series Forecasting]

연구 주제 설명

많은 사람들이 특정 시간과 장소에 집중되면, 무선 통신 품질 저하와 더불어 안전사고의 위험이 커진다. 통신사업자의 무선 기지국에서는 서비스 중인 단말의 통계 정보를 활용해 인구 밀집도를 파악할 수 있다. 이를 바탕으로, 무선 네트워크의 성능을 안정적으로 유지하고 인구 밀집 문제를 완화하기 위해 AI를 활용하여 특정 지역의 인구 과밀을 사전에 예측하는 프로젝트를 진행하고자 한다.

연구 프로세스

1. Data EDA(Exploratory Data Analysis)

• Test 기존 연구실에 축적되어 있는 UE(User Equipment) 데이터를 활용할 예정
• 연구실 인원들의 실제 사용 패턴이 반영되어 있고 본 데이터를 활용하여 IEEE journal에 등재된 논문이 있음
  • Young-Jun Cho, Hyeon-Min Yoo, Kyung-Sook Kim, Jee-Hyeon Na and Een-Kee Hong, “Practical Load Balancing Algorithm for 5G Small Cell Networks Based on Real-World 5G Traffic and O-RAN Architecture,” in IEEE Access, 2024.

2. Data Augmentation

• 기존 데이터는 약 20개 정도의 UE 트래픽 데이터로 딥러닝 모델을 사용하기엔 부족함
• GAN 기반의 딥러닝 모델을 이용해 데이터 증강 예정
  • 사용 모델: TimeGAN

3. Anomaly Detection

• 데이터 증강을 통해 얻은 데이터를 바탕으로 딥러닝,머신러닝,통계 기반 모델들을 사용해 이상치 탐지
• 사용 기법은 추후 결정 예정

4. Model Optimization

• 모델 성능 최적화를 위해 MLOps + 경량화 기법 사용 예정
• Kubeflow와 MLflow를 활용해 모델 성능 최적화 예정

5. Model Selection

• 모델 성능 최적화를 위해 여러 모델들을 사용해보고 가장 성능이 좋은 모델을 선택

6. Visualization

• 모델별 성능과 지표들을 시각화하여 한눈에 여러 모델을 비교할 수 있게 할 예정
• Tableau를 활용할 예정

Future work

• 9월 29일까지 초록 2쪽 작성
• 연구실 github 가입 후 UE 데이터 분석해보기