训练视频流神经网络算法的跨层效应
网络与互联网体系结构
2018-09-28 v1 多媒体
摘要
如今，基于 HTTP 的动态自适应流媒体（DASH）是互联网上最普遍的流媒体解决方案，并占据全球大部分流量。DASH 使用自适应码率（ABR）算法，其依据吞吐量与播放缓冲水平等性能指标选择视频质量。Pensieve 是一个允许在模拟网络环境中使用强化学习训练 ABR 算法的系统，并在所获性能上优于现有方法。本文中，我们证明训练所得 ABR 算法的性能依赖于用于训练神经网络的模拟环境的实现。我们还表明，由于跨层效应，所使用的拥塞控制算法会影响算法的性能。
引用
@article{arxiv.1809.10537,
title = {Cross-Layer Effects on Training Neural Algorithms for Video Streaming},
author = {Pablo Gil Pereira and Andreas Schmidt and Thorsten Herfet},
journal= {arXiv preprint arXiv:1809.10537},
year = {2018}
}