机构名称：
¥ 1.0
实时流媒体的大量增长，尤其是以游戏为中心的内容，导致全球带宽消费的总体增长。某些服务看到它们在高峰消费时的质量降低，从而降低了内容的质量。这种趋势产生了与根据网络和服务条件优化图像质量有关的新研究。在这项工作中，我们在真实的多站点5G环境上提出了游戏流的用例优化。本文概述了用例的虚拟化工作流程，并提供了用于模拟的应用程序和资源的详细说明。此仿真测试了基于人工智能（AI）算法的添加，对服务的优化，从而在不同的工作条件下以良好的经验（QOE）确保内容的交付。引入的AI基于深度强化学习（DRL）算法，该算法可以灵活地适应多媒体工作流程可能面临的不同条件。也就是说，通过纠正措施调整流量比特率，以优化实时多站点方案中内容的Qoe。这项工作的结果表明了我们如何最大程度地减少内容损失，以及与没有在系统中集成的优化器的服务相比，获得具有较高比特率的高视听性多媒体质量结果。在多站点的环境中，我们在阻滞效率方面取得了20个百分点的提高，并且在阻滞损失方面也有15个百分点。
计算机网络-Archivo Digital UPM
主要关键词
相关文件推荐
