文献

J-GLOBAL ID：201902232653956990   整理番号：19A1275125

転移学習を用いた映像視聴時の通信品質に基づくユーザ移動状態推定手法の精度評価

Accuracy Evaluations of Transportation Mode Recognition Based on Communication Quality of Mobile Video Using Transfer Learning

著者 (3件)： 川上航 (早稲田大 基幹理工) ,  金井謙治 (早稲田大 理工学術院総合研) ,  甲藤二郎 (早稲田大 基幹理工)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 119  号： 6(CS2019 1-12)(Web)  ページ： 13-18 (WEB ONLY)  発行年： 2019年04月11日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 近年,モバイル端末の急増やアプリケーションの大容量化に伴い,あらゆる環境下において,常に快適なサービスを提供することが課題となっている.そこで,筆者らは,映像視聴時の通信品質に関するパラメータ(TCPスループット,RSSI,基地局ID)のみを用いることで高精度に移動状態を推定する手法を提案している.しかし,先行研究では,訓練データとテストデータを同一経路で収集していたため,ある限定的なエリアでの精度評価にとどまっていた.そこで,本稿では,訓練データを収集した経路とは別の経路や移動状態においてテストデータを収集し,学習済みモデルに含まれない未知の条件での状態推定精度として転移学習を適用し,その精度評価を行う.(著者抄録)

シソーラス用語： 携帯端末 ,  *移動度 ,  スループット ,  検出 ,  状態推定 ,  機械学習 ,  性能評価 ,  *精度 ,  深層学習 ,  *推定精度 ,  受信信号強度 ,  モバイルデバイス
準シソーラス用語： RSSI ,  TCPスループット ,  モバイル端末 ,  転移学習

分類 (2件)： 移動通信  (ND08030H) ,  人工知能  (JE08000Z)

引用文献 (23件)：

• Cisco Visual Network Index, “Mobile traffic share 2015-2020,” 2016.
• H. Yoshida, K. Satoda, and T. Murase, “Constructing stochastic model of TCP throughput on basis of stationarity analysis,” 2013 IEEE GLOBECOM, pp.1544-1550, 2013.
• J. Zhang, X. Yin, J. Jiang, V. Sekar, F. Lin, N. Wang, T. Liu, and B. Sinopoli, “Cs2p: Improving video bitrate selection and adaptation with data - driven throughput prediction,” Proc. ACM SIGCOMM 2016 Conference, ACM, 2016.
• K. Kanai, K. Hidenori, Y. Ishizu, and J. Katto, “A highly-reliable buffer strategy based on long-term throughput prediction for mobile video streaming,” IEEE CCNC 2015, Jan. 2015.
• B. Wei, K. Kanai, W. Kawakami and J. Katto: “HOAH: A Hybrid TCP Throughput Prediction with Autoregressive Model and Hidden Markov Model for Mobile Networks,” IEICE Trans. on Comm., Vol.E101-B, No.7, pp.1612-1624, July.2018.

タイトルに関連する用語 (7件)： 転移学習 ,  映像 ,  視聴 ,  通信品質 ,  状態推定 ,  手法 ,  精度評価