글로벌 ICT 동향] Amazon, Apple, Google, Zigbee alliance 스마트홈 연결 프로토콜 개발

1. 아마존, 애플, 구글, Zigbee Alliance는 스마트 홈 제품 간의 호환성을 높이기 위해, 로열티가없는 새로운 연결 표준을 개발하고 홍보하기 위해 'Connected Home over IP' 실무 그룹을 발표.
2. 지그비 얼라이언스 맴버 IKEA, NXP, 쉬나이더 일렉트릭등도 참여
3. open-source 로 개발 진행 예정

Bluetooth의 대응은?

Telco 글로벌] 3GPP Rel. 17 주요 기능

Rel. 17에서 논의된 주요한 기능들 

새로 등장한 애들

XR(eXtended Reality): 

5G가 VR, AR, MR등을 더욱 잘 제공할 수 있게하는 개선 사항을의 도입. - Qualcomm

(edge-cloud를 포함하는 분산 아키텍처 및 전력, 프로세싱과 지연을 최적화 하기 위한 디바이스 기능을 포함)

71GHz 까지의 NR: 

52.6 – 71GHz 추가됨. - Qualcomm & Intel

NR-Light: 

NB-IoT와 같은 eMTC와 NR을 완전히 지원하는 디바이스 군 사이의 비용 효율적인 디바이스 지원.  - Ericsson

(NR보다 느리지만 싸고, NB-IoT 보다는 빠른 서비스 제공)

NTN(Non-Terrestrial Network) for eMTC & NR:

위성 통신 분야, 농업이나 광업과 같은 도시에서 멀리 떨어진 산업을 포함. - MediaTek & Eutelsat
(글로벌한 지역의 관리나 해양)

 Rel. 16에 도입되어 완성되는 아이들

IAB(Integrated Access & Backhaul):

비용 효율적인 5G 도입. 무선 기술을 Access 구간(NB-Terminal)과 Backhaul(NB-GW)에 사용. - Qualcomm

Positioning:

이동 통신 연결 단독으로 센티미터 수준의 정확도 확보. - CATT(Center for Advanced Technology in Telecommunications)/NYU

Sidelink:

V2X use case를 공공 안전, 응급등 서비스로 확장 -LG

Small Data Transmission in Inactive mode:

전력 소모를 줄이기 위한 inactive 상태에서 Data 전송 - ZTE

IIoT & URLLC:

비면허대역을 활용한 IIoT와 URLLC의 use case 및 App. 검토. - Nokia

Rel. 15에 도입된 기능의 세부 조정

FeMIMO(Further enhanced MIMO):

빔포밍과 빔스트리밍 관리 개선 및 오버해드 절감 - 삼성

MRDC(Multi-Radio Dual Connectivity):

전력 절감을 위한 래픽 사용량 저하시 빠른 기능 비성화 동작 - Huawei

DSS(Dynamic Spectrum Sharing):

5G 가입자 비율 증가에 따라 5G 디바이스에 충분한 자원 할당을 위한 스케줄링 - LG

Coverage Extension:

4G와 5G간의 커버리지 차이를 축소하기 위한 커버리지 확장 - China Telecom & 삼성

(5G는 4G 대비 높은 대역을 사용하여 커버리지가 작음) 

[기사원문]

AI] Machine Learning 머신러닝 - 기본 정의

1. 머신러닝 정의:

• 아서 사뮤엘(Arthur Samuel)[1959]: 머신러닝은 명시적프로그램 없이 컴퓨터에게 학습하는 능력을 제공하는 학문 분야이다.
  Machine Learning is a field of study that gives computers the ability to learn without being explicitly programmed.

• 톰 미첼(Tom Mitchell)[1988]: 만약 어떤 컴퓨터가 작업(T)에서 경험(E)을 통해 성능 측정 방법(P)으로 측정했을 때 성능이 향상된다면 학습을 한다라고 말한다.
  A computer program is said to learn from experience(E) with respect to some task(T) and some performance measure(P), if its performance on Task(T), as measured by Performance(P), improves with experience(E).