Jun, 2024

一种利用机器学习预测多媒体服务体验质量的新方法

PDF
TL;DR使用机器学习技术为网络服务提供商提供了一种实用的框架，可以评估和预测用户对服务的满意度，从而通过实时动态分配网络资源来降低成本并提高客户满意度。
internet servicesquality of service (qos)quality of experience (qoe)machine learninguser satisfaction
发现论文，激发创造
  • 无线车联网环境中基于先前用户信息的服务质量预测

    通过评估 ML 树集成方法来预测无线通信质量，并利用车辆之间的相关性和无线环境特征改进预测性能，支持商业网络中的 ML 应用。

    Feb, 2024

  • 一种面向质量感知的 IoE 服务交付的可解释人工智能框架

    本文提出一种可解释的人工智能框架，以实现面向质量的 IoE 服务交付，通过 Shapley 值解释确定语境矩阵的系数，最终，实验结果表明，Extra Trees 回归模型对准确性和解释性之间的权衡具有显着的性能优势。

    Jan, 2022

  • 学习预测流媒体视频的 QoE: 失真、重新缓冲和记忆

    Mobile streaming video is often affected by the unstable bandwidth of modern wireless networks resulting in playback interruptions; this paper proposes a machine learning framework called Video ATLAS, which combines several quality-related features to predict users' quality of experience and provides improved performance over existing metrics while generalizing well on different datasets, enabling cost-effective adaptive network strategies.

    Mar, 2017

  • 面向下一代车联网的分布式预测服务质量

    本文研究了如何在车联网中实现预测服务质量（PQoS）的目标，通过强化学习代理设计来实现 PQoS。通过中心化，完全分布式和联邦学习等不同的学习方案，我们证明了去中心化学习和尤其是联邦学习在收敛时间和可靠性之间具有良好的权衡，这对隐私和复杂性方面具有积极的影响，并且在低延迟和可靠性的限制下确定了发送车载数据的最佳压缩级别。

    Feb, 2023

  • 远程操作驾驶场景中的 PQoS 强化学习框架

    本文提出了一个基于强化学习的 PQoS 功能设计，重点是学习代理的奖励函数设计及将 QoS 估计转换为适当的对策，实现了在受控驾驶场景下最佳 QoS 和 QoE 性能。

    Feb, 2022

  • 基于深度强化学习的 6G 无线通信下移动边缘计算与 AI 启用的 Web3 Metaverse

    该研究提出了一种全新的质量服务（Quality-of-Service）模型，利用深度强化学习方法来找到多用户社交中接近最优的信道资源分配。全面的实验证明采用该质量服务模型可以提升整体社交体验。

    Dec, 2023

  • 机器学习方法用于无线链路质量估计：综述

    本文综述了从实验数据中使用机器学习算法基于性能数据分析了基于机器学习的链接质量估计（LQE）模型的性能需求和设计步骤，同时回顾了适用于 LQE 研究的现有开源数据集，提出了基于机器学习的 LQE 开发和数据集收集的设计指南和经验教训。

    Dec, 2018

  • 朝向感知优化的端到端自适应视频流传输

    本文介绍了 LIVE-NFLX-II 数据库的设计和使用，此数据库包含了高度真实的主观 QoE 响应数据，能够帮助优化感知适应和视频流策略的开发。

    Aug, 2018

  • 卷积神经网络用于视频质量评估

    本文介绍一种基于深度学习框架的视频质量评估方法，综合考虑了压缩失真和传输延迟，通过端到端特征学习，可提高视频内容传输机制 VQA 的准确性。

    Sep, 2018

  • 在线健康专家问答服务的质量预测深度学习方法

    提出了一种基于深度置信网络的在线健康询问平台回答质量预测框架，该框架利用非文本特征和医生答案的高层语义表示来预测答案质量。

    Dec, 2016