인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
최근 넷플릭스 등과 같은 OTT 플랫폼의 수요가 상승하고, 비디오 스트리밍 시장이 커짐에 따라, 스트리밍 서비스의 핵심 알고리즘인 ABR(Adaptive Bitrate) 알고리즘의 성능 향상 및 사용자 경험 품질(QoE, Quality of Experience)의 향상 연구가 더욱 중요해지고 있다. 종래의 ABR 알고리즘 중 모델 제어 예측 기반 알고리즘인 MPC(Model Predictive Control)와 Robust MPC ABR 알고리즘의 네트워크 대역폭 예측 알고리즘은 통계적인 추정 방식을 사용하여 대역폭의 변동성이 매우 큰 경우 예측의 오류로 인해 최적에 비해 성능이 저하될 수 있다. 이에 본 연구에서는 LSTM, Transformer 기반 시계열 예측 모델을 이용하여 네트워크 대역폭을 예측하고, MPC에 적용하여 개선점을 제안한다. ABR 알고리즘 시뮬레이션 프레임워크를 이용하여 QoE 지표로 측정한 성능을 기존 MPC ABR 알고리즘과 정량적으로 비교한 결과, LSTM, Transformer 모델에서 모두 높은 성능을 보였으며, 기존 대비 성능을 각각 8.71%, 8.91% 개선하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-092697203
