論文の概要: Gamers Private Network Performance Forecasting. From Raw Data to the
Data Warehouse with Machine Learning and Neural Nets
- arxiv url: http://arxiv.org/abs/2107.00998v1
- Date: Wed, 26 May 2021 00:45:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-29 20:21:20.338487
- Title: Gamers Private Network Performance Forecasting. From Raw Data to the
Data Warehouse with Machine Learning and Neural Nets
- Title（参考訳）: ゲーマー プライベートネットワークのパフォーマンス予測。
機械学習とニューラルネットを用いた生データからデータウェアハウスへ
- Authors: Albert Wong, Chun Yin Chiu, Ga\'etan Hains, Jack Humphrey, Hans
Fuhrmann, Youry Khmelevsky, Chris Mazur
- Abstract要約: Gamers Private Network (GPN) は、標準的なインターネット接続よりも信頼性が高くレイテンシの低いオンラインビデオゲームの接続を保証するクライアント/サーバ技術である。
WTFastが収集した大量の生のネットワークデータを変換した後、クリーンなデータを専用データウェアハウスに構造化した。
これらの分析は,ネットワークの変化を予測し,定量化する能力を示し,オンラインゲームセッションに接続したユーザに対してGPNを使用することによって得られるメリットを実証する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Gamers Private Network (GPN) is a client/server technology that guarantees a
connection for online video games that is more reliable and lower latency than
a standard internet connection. Users of the GPN technology benefit from a
stable and high-quality gaming experience for online games, which are hosted
and played across the world. After transforming a massive volume of raw
networking data collected by WTFast, we have structured the cleaned data into a
special-purpose data warehouse and completed the extensive analysis using
machine learning and neural nets technologies, and business intelligence tools.
These analyses demonstrate the ability to predict and quantify changes in the
network and demonstrate the benefits gained from the use of a GPN for users
when connected to an online game session.
- Abstract（参考訳）: Gamers Private Network (GPN) は、標準的なインターネット接続よりも信頼性が高くレイテンシの低いオンラインビデオゲームの接続を保証するクライアント/サーバ技術である。
GPNテクノロジーのユーザは、世界中でホストされ、プレイされるオンラインゲームの安定的で高品質なゲーム体験から恩恵を受ける。
WTFastが収集した大量の生のネットワークデータを変換した後、クリーン化されたデータを専用データウェアハウスに構造化し、機械学習とニューラルネット技術とビジネスインテリジェンスツールを使用して広範な分析を完了した。
これらの分析は,ネットワークの変化を予測し,定量化する能力を示し,オンラインゲームセッションに接続したユーザに対してGPNを使用することによるメリットを示す。
関連論文リスト
- Satellite Streaming Video QoE Prediction: A Real-World Subjective Database and Network-Level Prediction Models [59.061552498630874]
LIVE-Viasat Real-World Satellite QoE Databaseを紹介する。
このデータベースは、現実世界のストリーミングサービスから記録された179のビデオで構成されている。
本稿では,QoE予測モデルの有効性を評価することで,この新たな資源の有用性を実証する。
また、ネットワークパラメータを予測された人間の知覚スコアにマッピングする新しいモデルを作成しました。
論文 参考訳（メタデータ） (2024-10-17T18:22:50Z) - Survey of Graph Neural Network for Internet of Things and NextG Networks [3.591122855617648]
グラフニューラルネットワーク(GNN)は、洞察を効果的にモデル化し抽出するための有望なパラダイムとして登場した。
この調査は、GNNの用語、アーキテクチャ、および異なるタイプのGNNについて、詳細な説明を提供する。
次に、GNNがネットワークシステムや戦術システムにどのように活用されているかについて詳細な説明を行う。
論文 参考訳（メタデータ） (2024-05-27T16:10:49Z) - Measuring and Estimating Key Quality Indicators in Cloud Gaming services [0.34410212782758043]
ゲーム産業は、還元ハードウェアデバイスにおけるゲームエクスペリエンスを改善するパラダイムであるCloud Gamingの概念を提案している。
本稿では,Cloud Gamingサービスの主要なE2Eメトリクス,すなわちKQIを計測し,推定するためのフレームワークを提案する。
異なる機械学習技術は、Cloud Gamingユーザエクスペリエンスに関連するKQIを予測するために評価される。
論文 参考訳（メタデータ） (2022-12-28T19:22:39Z) - Scalable Neural Data Server: A Data Recommender for Transfer Learning [70.06289658553675]
転送学習は、下流のパフォーマンスを改善するために追加データを活用する一般的な戦略である。
Nerve Data Server (NDS)は、特定の下流タスクに関連するデータを推奨する検索エンジンで、この問題に対処するためにこれまで提案されていた。
NDSは、データソースでトレーニングされた専門家の混合物を使用して、各ソースと下流タスクの類似性を推定する。
SNDSは、中間データセットに近接して、データソースと下流タスクの両方を表現します。
論文 参考訳（メタデータ） (2022-06-19T12:07:32Z) - Efficient Federated Learning with Spike Neural Networks for Traffic Sign
Recognition [70.306089187104]
我々は、エネルギー効率と高速モデルトレーニングのための交通信号認識に強力なスパイクニューラルネットワーク(SNN)を導入している。
数値的な結果から,提案するフェデレーションSNNは,従来のフェデレーション畳み込みニューラルネットワークよりも精度,ノイズ免疫性,エネルギー効率に優れていたことが示唆された。
論文 参考訳（メタデータ） (2022-05-28T03:11:48Z) - MAPLE-X: Latency Prediction with Explicit Microprocessor Prior Knowledge [87.41163540910854]
ディープニューラルネットワーク(DNN)レイテンシのキャラクタリゼーションは、時間を要するプロセスである。
ハードウェアデバイスの事前知識とDNNアーキテクチャのレイテンシを具体化し,MAPLEを拡張したMAPLE-Xを提案する。
論文 参考訳（メタデータ） (2022-05-25T11:08:20Z) - Distributed data analytics [8.415530878975751]
レコメンデーションシステムは、オンラインサービスプロバイダの重要なコンポーネントである。
金融業界は不正検出、リスク管理、コンプライアンスなどの分野で大量のデータを活用するためにMLを採用している。
論文 参考訳（メタデータ） (2022-03-26T14:10:51Z) - Deep Reinforcement Learning Assisted Federated Learning Algorithm for
Data Management of IIoT [82.33080550378068]
産業用IoT(Industrial Internet of Things)の継続的な拡大により、IIoT機器は毎回大量のユーザデータを生成する。
IIoTの分野で、これらの時系列データを効率的かつ安全な方法で管理する方法は、依然として未解決の問題である。
本稿では,無線ネットワーク環境におけるIIoT機器データ管理におけるFL技術の適用について検討する。
論文 参考訳（メタデータ） (2022-02-03T07:12:36Z) - Encrypted Internet traffic classification using a supervised Spiking
Neural Network [2.8544513613730205]
本稿では,パケットサイズと到着時刻のみに着目し,暗号化されたトラフィック分類のための機械学習手法を用いる。
スパイクニューラルネットワーク(SNN)は、生物学的ニューロンの動作方法に触発される。
驚くべきことに、単純なSNNはISCXデータセットで95.9%の精度に達し、以前のアプローチを上回った。
論文 参考訳（メタデータ） (2021-01-24T22:46:08Z) - Machine Learning Prediction of Gamer's Private Networks [0.0]
Gamer's Private Network (GPN) は、WTFastが開発したクライアント/サーバ技術で、オンラインゲームのネットワーク性能をより速く、より信頼性の高いものにする。
gpn sは、ミドルマイルサーバとプロプライエタリなアルゴリズムを使用して、オンラインビデオゲームプレーヤーを広域ネットワーク上のゲームのサーバに接続する。
論文 参考訳（メタデータ） (2020-12-07T01:19:08Z) - Neural Data Server: A Large-Scale Search Engine for Transfer Learning
Data [78.74367441804183]
我々は,ターゲットドメインに最も有用な転送学習データを見つけるための大規模検索エンジンであるNeural Data Server (NDS)を紹介した。
NDSは、いくつかの人気のある画像データセットをインデックスするデータサーバで構成され、クライアントにデータを推奨することを目的としている。
我々は,NDSが様々な伝達学習シナリオにおいて有効であることを示し,複数のターゲットデータセットに対して最先端の性能を示す。
論文 参考訳（メタデータ） (2020-01-09T01:21:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。