文献

J-GLOBAL ID：201702276738045109   整理番号：17A1398418

強化学習を介したCP手術ダッシュキャッシング【Powered by NICT】

CP-operated dash caching via reinforcement learning

著者 (5件)： Pang Zhengyuan (Department of Computer Science and Technology, Tsinghua University) ,  Sun Lifeng (Department of Computer Science and Technology, Tsinghua University) ,  Wang Zhi (Graduate School at Shenzhen, Tsinghua University) ,  Hu Wen (Department of Computer Science and Technology, Tsinghua University) ,  Yang Shiqiang (Department of Computer Science and Technology, Tsinghua University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICME  ページ： 487-492  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 近年,HTTP(DASH)上の動的適応ストリーミングは,インターネット上でビデオを送達するための有効な解決策として勢いを得ている。この傾向はさらにトラヒック負荷を低減するために,そして,より良いクライアントに役立つDASHシステムにおける既存のHTTPキャッシュインフラストラクチャの展開により駆動される。しかし,DASHシステムにおける従来のキャッシュサーバを展開するまだ低いキャッシュヒット率とビットレート振動,ユーザ体感品質(QoE)とキャッシュ可能DASHシステムにおける運転コストのバランスをとるために,コンテンツプロバイダ(CP)のための挑戦するという問題を抱えている。この課題に取り組むために,筆者らは,低コストで良好なユーザQoEを提供するCP手術したDASHキャッシュフレームワークを提案した。特に,ここではまず,有限時間期間上での確率最適化問題としてキャッシング意思決定問題を定式化した。この問題の目的は,ユーザQoEと運転コストの重み付き和,ユーティリティとしてを最大化することである。はこの問題の近似最適解を得ることができる強化学習に基づくオンラインアルゴリズムを設計した。広範なトレース駆動実験を通して,筆者らは,筆者らのアプローチはベースラインアプローチに比べて,全体的有用性の平均40%改善を達成するだけでなく,サーバ負荷に適応することを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 最適化問題 ,  近似法 ,  ストリーミング ,  意思決定 ,  *強化学習 ,  キャッシュメモリ ,  インターネット ,  定式化
準シソーラス用語： オンラインアルゴリズム ,  最適解 ,  *キャッシング ,  ビットレート ,  キャッシュヒット率 ,  キャッシュサーバ ,  HTTP , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (4件)： 強化学習 ,  CP ,  手術 ,  キャッシング