一种QUIC协议下基于深度强化学习的视频流自适应传输方法.pdf
慧颖****23
亲,该文档总共18页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种QUIC协议下基于深度强化学习的视频流自适应传输方法.pdf
一种QUIC协议下基于深度强化学习的视频流自适应传输方法,结合基于门控循环单元(GRU)和卷积(CNN)的神经网络建立网络轨迹特征的提取模型,利用注意力机制学习不同特征对带宽的影响,预测未来时刻带宽信息;将预测的带宽信息作为码率决策的状态输入,建立QoE奖励模型,采用PPO算法训练强化学习网络,决策最优码率;客户端根据码率自适应决策模块的反馈结果将相应视频下载并播放,实现QUIC下的视频流自适应传输框架。本发明能够保证在QUIC协议下,带宽预测模块能够充分提取网络状态信息,实现长窗口的带宽预测,为码率自适
一种基于模型预测控制的点云视频流自适应传输方法.pdf
本发明公开了一种基于模型预测控制的点云视频流自适应传输方法,包括:1.将每帧的点云视频在空间上进行均匀切分,并将每个切块压缩编码成不同质量等级的版本;2.将点云视频序列帧在时间上分组,以帧组为最小单位;3.将不同质量等级的切块储存在服务器中,并生成其描述文件;4.服务器端根据MPC算法,并以构造的QOE作为目标函数,选取下一帧组要下载的合适的质量等级,以保证QOE目标函数尽可能大;5.客户端合适的切块后将其解码,融合,渲染然后即时播放。本发明能够在网络环境波动的情况下有一定的预见性,稳定控制buffer,
一种基于深度强化学习的多摄像头实时视频传输方法.pdf
本发明公开了一种基于深度强化学习的多摄像头实时视频传输方法,包括以下步骤:S1.对原始视频流进行采集;S2.发送端对视频流进行编码,同时保留编码过程中的视频运动向量;S3.发送端判断是否存在新视频配置;S4.发送端对原始视频进行修改处理;S5.将得到的新视频流与保留的运动向量向接收端进行传输,并保留发送时间戳;S6.接收视频流与运动向量,统计单位时间内接收到的视频体积传递至强化学习模型中;S7.判断强化学习模型是否处于训练阶段,并计算新的视频配置;S8.接收端将新视频配置发送至发送端。本发明能够实时给出最
一种基于深度强化学习的自适应众包方法.pdf
本发明公开了一种基于深度强化学习的自适应众包方法。方法具体为:1)首先从众包系统中采样需要分配的任务和候选的众包工人;2)通过深度学习方法获得待分配任务和候选工人的低维特征表示;3)通过强化学习方法确定任务分配策略;4)众包系统根据分配策略分配任务,根据任务完成结果评估本次分配获得的收益,将该收益反馈给强化学习方法,更新强化学习参数;5)从1)开始继续下一轮的任务分配。和现有技术相比,本发明结合了深度强化学习方法,系统地对任务分配问题进行建模,针对不同任务本身的特征选择合适的众包工人,形成了自适应的智能众
一种基于深度强化学习的自适应导频方法.pdf
本发明公开了一种基于深度强化学习的自适应导频方法,方法包括:发送端获取接收端返回的信道统计信息;基于信道统计信息,利用预训练好的基于深度强化学习的导频决策模型进行决策,得到导频决策结果;根据所述导频决策结果,调整时‑频域的导频间距和导频功率;其中所述基于深度强化学习的导频决策模型包括两个结构相同的评估神经网络和目标神经网络;采用ε‑greedy贪婪算法来进行训练至达到预设条件,得到训练好的基于深度强化学习的导频决策模型。该模型能够根据信道时变的统计特性调整导频分布和功率来适应非平稳的信道特性,在保证信道估