Beige Color

구현의 목표 - 구현을 마치고, 해당 코드에서 뽑아낸 데이터를 기반으로 Feature Selection을 하면서 뭔가 이상함을 느꼈다. 우선 최종으로 포스팅한 코드에서 단순히 시뮬레이션을 100번 반복해서 100개의 csv를 뽑아내게 바꿨었는데, 해당 100개의 csv를 80개를 train, 20개를 test로 지정한 DT에서 Y-val인 Packet Drop (PhyRxDrop으로 측정함) 과 Neighbor Node와의 관계가 0.88이 나와버린 것이다. 조금 생각을 해봤는데, 우선 내가 측정하고 싶은건 "프토토콜의 변경으로 인한 PDR의 감소"인데 Phy에서 찍은거 자체가 말이 안되는 것 같다. 또한, NNeighbor가 많다면 자신이 path로 이용될 확률이 높아 그냥 drop 패킷 수가 높게 찍..

#include #include #include #include #include #include #include #include #include #include #include #include #include #include #include #include #include #include using namespace ns3; std::vector Data; uint32_t APnum = 3; void makeCsvFile(const std::string& filename, const std::vector& data){ std::ofstream file(filename); for(const auto& row : data){ for(auto it = row.begin(); it!=row.end(); ++it..

교수님과의 상담에서 많은 깨달음이 있었다. 우선 불투명하거나 모호하게 뜬 데이터나, ns3에서 제공하지 않는 부분을 최대한 걷어내고 다시 구현을 해야겠다. 1. 통상의 Adhoc Network를 가정할 것임. (AP들 제거) 2. 각 node 단에서의 데이터를 뽑아낼 것임.(flow x) 3. csv는 일단 COLAB 쪽으로 raw data만 정리해서 보내고 가공은 COLAB 쪽에서 4. 각 MH들의 Mobility 제거, 배치만 랜덤으로. 이를 기준으로 아예 새로 코드를 짜겠다. #include #include #include #include #include #include #include #include #include #include #include #include #include #include ..

우선 구해낸 데이터가 옳게 구한 데이터이든 아니든 간에 어짜피 아니라 판단되면 나중에 csv 파일에 들어갈 데이터만 바꿔서 다시 실행해주면 된다고 생각한다. 따라서 구현-3 에서 구현한 코드에 결과물을 csv로 정리해서 나오게 추가 구현을 해주고, 이를 Colab에 옮겨서 일단 학습부터 해볼 것이다. 더보기 #include #include #include #include #include #include #include #include #include #include #include #include #include #include using namespace ns3; std::vector QL; std::vector TP; uint32_t APnum = 3; void makeCsvFile(const std..

최근에 개인적인 사정으로 정신이 없었던 것 같다. 그 와중 모각코 활동과 병행하느라 정말로 오랜만에 포스팅을 하게된 거 같다. 따라서 이전 내용을 정리해보면 1. ns-3로 논문에 제시된 토폴로지가 아닌 간소화된 토폴로지를 짤 것임. 2. Adhoc network 토폴로지를 구성할 것이며, 3개의 AP, 12개의 MH를 구성하였음. 더보기 자세한 파라미터 1. 총 시뮬레이션 시간 : 250초 2. 500x500 m^2 정사각형 스테이지 3. 각 MH의 Speed는 0~20 m/s 까지 분포 4. 각 MH의 Pause time은 0~2초까지 분포 5. RandomWayPoint model 사용 6. wifi standard = 802.11ac 7. MaxPropagationLossModel을 사용, Max..

결국 기존 논문에 제시된 시뮬레이션 토폴로지로 Adhoc network data를 뽑아내는데는 실패했다. 다음은 최종으로 건드렸던 코드이다. #include #include #include #include "ns3/core-module.h" #include "ns3/network-module.h" #include "ns3/applications-module.h" #include "ns3/mobility-module.h" #include "ns3/config-store-module.h" #include "ns3/netanim-module.h" #include "ns3/internet-module.h" #include "ns3/yans-wifi-helper.h" #include "ns3/flow-monito..

이번에는 공부한 NS-3 내용을 바탕으로 IRSML에서 제시한 토폴로지를 직접 구현, 시뮬레이션을 통해 SL,RL 과정을 거쳐 score를 산출해볼 것이다. 구현을 하다가 부족한 부분이 있으면 중간중간 NS-3를 추가로 공부하는 방법으로 접근하려고 한다. 2024.01.17 논문 상의 내용으로보면, 30~60개의 MH들은 17개의 AP에 연결되어있고, 3개의 AP는 optical fiber with the gigabit ethernet standard로 연결되어있다고 한다. 그리고 해당 시뮬레이션을 1020회 반복했다고 한다. 따라서 구현부에서 우선적으로 생각을 해볼 수 있는건 매 반복마다 number of mobile host 값을 정하는 것 이었다. (참고하면 좋은 attribute name 모음 :..

1. Simulation의 조건 우선 첫번째로 떠오르는 점은 Number of MH를 극단으로 보내는 것이다. 해당 논문에서는 IRSML이 무거운 SDWN 네트워크 환경에서 강점이 있다고 하였다. 그러나 과연 30~60 node들을 5 nodes 간격으로 측정한 것이 무거운 SDWN에서의 시뮬레이션일지가 궁금하다. 일반적으로 SDWN은 동적인 환경에서 네트워크 자원을 효과적으로 관리하고 유연성을 제공하기 위해 설계되었으므로, 수백 또는 수천 대의 MH가 있는 대규모 네트워크까지 고려해볼 수 있다. 두번째는 Speed of MH이다. 만약 이 알고리즘이 통상적인 도시의 SDWN을 가정한다면, 0-20 m/s는 너무 한정적인 속도 같다. 도시의 구성에 따라 다르겠지만, 0 ~ 28 m/s 까지는 가정해주고 ..

* 본 블로그에 작성한 논문 IRSML을 읽고 어떻게 직접 시뮬레이션을 구현해볼지 아이디어들을 작성해놓은 글입니다. ! 중요한 개념 * erlang 등 다양한 정보통신학 용어(http://www.ktword.co.kr/test/view/view.php?m_temp1=519) ㅇ 트래픽 밀도의 단위 및 차원 - 차원 : 무차원 - 단위 . [Erlang] : 1회선을 1시간 동안 점유한 트래픽량 구현 아이디어 1. Supervised learning Phase 본 논문에서는 Offline Training, 즉 배치 기법을 활용하였다. 해당 방법에서는 사전에 준비된 Data set을 Training, test, validation(optional) 으로 나누어 Training data set으로 훈련을 시키..