文献

J-GLOBAL ID：202002254941653263   整理番号：20A2618845

QoEを意識したビデオストリーミングのためのエッジインテリジェンスベースのジョイントキャッシングと伝送【JST・京大機械翻訳】

Edge Intelligence-Based Joint Caching and Transmission for QoE-Aware Video Streaming

著者 (5件)： Lin Peng (Northeastern University,Shenyang,China) ,  Song Qingyang (Chongqing University of Posts and Telecommunications,Chongqing,China) ,  Song Jing (Northeastern University,Shenyang,China) ,  Guo Lei (Chongqing University of Posts and Telecommunications,Chongqing,China) ,  Jamalipour Abbas (University of Sydney,Sydney,Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICCC  ページ： 214-219  発行年： 2020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： モバイルエッジキャッシングと協調マルチポイント(CoMP)接続伝送(JT)の統合は,モバイルネットワークにおける高スループット無線ビデオストリーミングをサポートするための有望な方法と見なされる。本論文では,ビデオストリーミングのための自律コンテンツキャッシングとスペクトル割当を実現するための,経験(QoE)意識結合キャッシングと伝送方式の品質を提案した。コンテンツ配信遅延を最小化するためにコンテンツ配置とスペクトル割当てを一緒に最適化し,時変コンテンツ人気,伝送方式選択,およびユーザの異なるQoE要求を考慮した。最適化問題をMarkov決定プロセス(MDP)に変換し,その中で,ビデオストリーミングに関するコンテンツ配信遅延とQoEを特性づける報酬を定義した。次に,量子並列性強化学習(QRL)と呼ばれるエッジインテリジェンス(EI)ベースの学習アルゴリズムを提案し,量子並列性を利用して「次元のurse」を克服した。最適政策は,高い学習効率でオンライン方式で得る。収束速度,コンテンツ配信遅延,および失速率をシミュレーションで評価し,その結果は著者らの方法の有効性を示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  最適化問題 ,  失速 ,  送信方式 ,  有効性 ,  携帯電話 ,  強化学習 ,  学習アルゴリズム ,  *コンテンツ
準シソーラス用語： 収束速度 ,  *ビデオストリーミング ,  モバイルネットワーク ,  *キャッシング ,  コンテンツ配布 ,  *体感品質 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： QoE ,  意識 ,  ビデオストリーミング ,  ジョイント ,  キャッシング