| 한글제목(Korean Title) |
순환 신경망 기반 딥러닝 모델들을 활용한 실시간 스트리밍 트래픽 예측 |
| 영문제목(English Title) |
Real-Time Streaming Traffic Prediction Using Deep Learning Models Based on Recurrent Neural Network |
| 저자(Author) |
김진호
안동혁
Jinho Kim
Donghyeok An
|
| 원문수록처(Citation) |
VOL 12 NO. 02 PP. 0053 ~ 0060 (2023. 02) |
한글내용
(Korean Abstract) |
최근 실시간 스트리밍 플랫폼을 기반으로 한 다양한 멀티미디어 컨텐츠의 수요량과 트래픽 양이 급격히 증가하고 있는 추세이다. 본 논문에서는 실시간 스트리밍 서비스의 품질을 향상시키기 위해서 실시간 스트리밍 트래픽을 예측한다. 네트워크 트래픽을 예측하기 위해 통계적 모형을 활용하였으나, 실시간 스트리밍 트래픽은 매우 동적으로 변화함에 따라 통계적 모형보다는 순환 신경망 기반 딥러닝 모델이 적합하다. 따라서, 실시간 스트리밍 트래픽을 수집, 정제 후 Vanilla RNN, LSTM, GRU, Bi-LSTM, Bi-GRU 모델을 활용하여 예측하며, 각 모델의 학습 시간, 정확도를 측정하여 비교한다. |
영문내용
(English Abstract) |
Recently, the demand and traffic volume for various multimedia contents are rapidly increasing through real-time streaming platforms. In this paper, we predict real-time streaming traffic to improve the quality of service (QoS). Statistical models have been used to predict network traffic. However, since real-time streaming traffic changes dynamically, we used recurrent neural network-based deep learning models rather than a statistical model. Therefore, after the collection and preprocessing for real-time streaming data, we exploit vanilla RNN, LSTM, GRU, Bi-LSTM, and Bi-GRU models to predict real-time streaming traffic. In evaluation, the training time and accuracy of each model are measured and compared. |
| 키워드(Keyword) |
실시간 스트리밍 서비스
트래픽 예측
순환 신경망
딥러닝
Real-Time Streaming Service
Traffic Prediction
Recurrent Neural Network
Deep-Learning
|
| 파일첨부 |
PDF 다운로드
|
