ADORN은 O-RAN에서 동적 트래픽 변동으로 인한 AI/ML 모델 성능 저하 문제를 해결하기 위한 기술입니다. 강화 학습 기반의 적응적 재훈련 방식을 통해 예측 정확도와 재훈련 비용 간 균형을 맞춥니다.
다중 전문가 LSTM 앙상블을 활용하여 파국적 망각을 완화하고 다양한 트래픽 환경에서 모델의 안정성을 높입니다. 기존 방식 대비 재훈련 오버헤드를 줄이면서 시스템 성능 제한 내 유지합니다.
실험 결과, ADORN은 탐욕적 및 무작위 기준선보다 재훈련 오버헤드를 효과적으로 줄이는 것으로 나타났습니다.