Throughput Prediction Using Recurrent Neural Network Model

Bo Wei, Mayuko Okano, Kenji Kanai, Wataru Kawakami, Jiro Katto

研究成果: Conference contribution

抄録

To ensure good quality of experience for user when transmitting video content, throughput prediction can contribute to the selection of proper bitrate. In this paper, we propose a throughput prediction method with recurrent neural network (RNN) model. Experiments are conducted to evaluate the methods, and the results indicate that proposed method can decrease the prediction error by a maximum of 29.39% compared with traditional methods.

本文言語English
ホスト出版物のタイトル2018 IEEE 7th Global Conference on Consumer Electronics, GCCE 2018
出版社Institute of Electrical and Electronics Engineers Inc.
ページ88-89
ページ数2
ISBN(電子版)9781538663097
DOI
出版ステータスPublished - 2018 12 12
イベント7th IEEE Global Conference on Consumer Electronics, GCCE 2018 - Nara, Japan
継続期間: 2018 10 92018 10 12

出版物シリーズ

名前2018 IEEE 7th Global Conference on Consumer Electronics, GCCE 2018

Other

Other7th IEEE Global Conference on Consumer Electronics, GCCE 2018
国/地域Japan
CityNara
Period18/10/918/10/12

ASJC Scopus subject areas

  • コンピュータ ネットワークおよび通信
  • 電子工学および電気工学
  • 安全性、リスク、信頼性、品質管理
  • 器械工学

フィンガープリント

「Throughput Prediction Using Recurrent Neural Network Model」の研究トピックを掘り下げます。これらがまとまってユニークなフィンガープリントを構成します。

引用スタイル