論文の概要: Real-time Bandwidth Estimation from Offline Expert Demonstrations
- arxiv url: http://arxiv.org/abs/2309.13481v1
- Date: Sat, 23 Sep 2023 21:39:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-26 19:33:18.782093
- Title: Real-time Bandwidth Estimation from Offline Expert Demonstrations
- Title(参考訳): オフライン専門家による実時間帯域幅推定
- Authors: Aashish Gottipati, Sami Khairy, Gabriel Mittag, Vishak Gopal, Ross
Cutler
- Abstract要約: 本研究では,リアルタイム通信システムにおける帯域幅推定(BWE)の問題に取り組む。
我々は,従来のBWE手法の膨大な努力を生かし,これらのアプローチを深層学習に基づく手法でシナジする。
我々は、BWEの最初の純粋なオフラインデータ駆動ソリューションであるMerlinを提案する。
- 参考スコア(独自算出の注目度): 19.671748625649926
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work, we tackle the problem of bandwidth estimation (BWE) for
real-time communication systems; however, in contrast to previous works, we
leverage the vast efforts of prior heuristic-based BWE methods and synergize
these approaches with deep learning-based techniques. Our work addresses
challenges in generalizing to unseen network dynamics and extracting rich
representations from prior experience, two key challenges in integrating
data-driven bandwidth estimators into real-time systems. To that end, we
propose Merlin, the first purely offline, data-driven solution to BWE that
harnesses prior heuristic-based methods to extract an expert BWE policy.
Through a series of experiments, we demonstrate that Merlin surpasses
state-of-the-art heuristic-based and deep learning-based bandwidth estimators
in terms of objective quality of experience metrics while generalizing beyond
the offline world to in-the-wild network deployments where Merlin achieves a
42.85% and 12.8% reduction in packet loss and delay, respectively, when
compared against WebRTC in inter-continental videoconferencing calls. We hope
that Merlin's offline-oriented design fosters new strategies for real-time
network control.
- Abstract(参考訳): 本研究では、リアルタイム通信システムにおける帯域幅推定(BWE)の問題に取り組むが、従来の研究とは対照的に、従来のヒューリスティックなBWE手法の膨大な努力を生かし、これらのアプローチをディープラーニングベースの手法でシナジする。
本研究は,データ駆動型帯域幅推定器をリアルタイムシステムに組み込む際の課題である,ネットワークダイナミクスの一般化と,事前経験から豊かな表現を抽出することの課題に対処する。
そこで本研究では,BWE ポリシーの抽出に先立つヒューリスティックな手法を応用した,BWE の最初の純粋オフラインデータ駆動型ソリューションである Merlin を提案する。
一連の実験により、Merlinは、経験指標の客観的な品質の観点から、最先端のヒューリスティックベースおよびディープラーニングベースの帯域幅推定器を超越し、オフラインの世界を超えて、Merlinが大陸間ビデオ会議におけるWebRTCと比較して、パケット損失と遅延の42.85%と12.8%の削減を達成した、Wildネットワークデプロイメントに一般化した。
Merlinのオフライン指向設計が、リアルタイムネットワーク制御の新しい戦略を促進することを期待しています。
関連論文リスト
- Structured Reinforcement Learning for Delay-Optimal Data Transmission in Dense mmWave Networks [16.503911829712717]
本研究では,高密度セルフリーミリ波(mmWave)ネットワークにおけるデータパケット伝送問題(mmDPT)について検討する。
我々の目標は、APsのサービス容量の制限とAPとユーザ間の無線チャネルによるシステムの遅延を最小化することである。
論文 参考訳(メタデータ) (2024-04-25T17:26:41Z) - Multi-Agent Reinforcement Learning for Network Routing in Integrated
Access Backhaul Networks [0.0]
IABネットワークの遅延を最小化しながらパケット到着率を最大化することを目的としている。
この問題を解決するため、我々はマルチエージェントで部分的に観察されたマルコフ決定プロセス(POMD)を開発した。
A2Cは他の強化学習アルゴリズムよりも優れており、ネットワーク効率が向上し、利己的エージェントの挙動が低下することを示した。
論文 参考訳(メタデータ) (2023-05-12T13:03:26Z) - Short-Term Load Forecasting Using Time Pooling Deep Recurrent Neural
Network [0.0]
再生可能エネルギー源と電気自動車などの新興負荷をスマートグリッドに統合することは、配電系統管理に不確実性をもたらす。デマンドサイドマネジメント(DSM)は、不確実性を低減するためのアプローチの一つである。
Nonintrusive Load Monitoring (NILM) のようなアプリケーションは DSM をサポートすることができるが、高解像度データの正確な予測は必要である。
高いボラティリティのため、一戸建て住宅のような単一負荷の場合、これは難しい。
論文 参考訳(メタデータ) (2021-09-26T05:20:48Z) - Low-Latency Federated Learning over Wireless Channels with Differential
Privacy [142.5983499872664]
フェデレートラーニング(FL)では、モデルトレーニングはクライアントに分散し、ローカルモデルは中央サーバによって集約される。
本稿では,各クライアントの差分プライバシ(DP)要件だけでなく,全体としてのトレーニング性能に制約された無線チャネル上でのFLトレーニング遅延を最小限に抑えることを目的とする。
論文 参考訳(メタデータ) (2021-06-20T13:51:18Z) - JUMBO: Scalable Multi-task Bayesian Optimization using Offline Data [86.8949732640035]
追加データをクエリすることで制限をサイドステップするMBOアルゴリズムであるJUMBOを提案する。
GP-UCBに類似した条件下では, 応答が得られないことを示す。
実世界の2つの最適化問題に対する既存手法に対する性能改善を実証的に示す。
論文 参考訳(メタデータ) (2021-06-02T05:03:38Z) - Reinforcement Learning for Datacenter Congestion Control [50.225885814524304]
渋滞制御アルゴリズムの成功は、レイテンシとネットワーク全体のスループットを劇的に改善する。
今日まで、このような学習ベースのアルゴリズムはこの領域で実用的な可能性を示さなかった。
実世界のデータセンターネットワークの様々な構成に一般化することを目的としたRLに基づくアルゴリズムを考案する。
本稿では,この手法が他のRL手法よりも優れており,トレーニング中に見られなかったシナリオに一般化可能であることを示す。
論文 参考訳(メタデータ) (2021-02-18T13:49:28Z) - Finding Action Tubes with a Sparse-to-Dense Framework [62.60742627484788]
本稿では,ビデオストリームからのアクションチューブ提案を1つのフォワードパスでスパース・トゥ・デンス方式で生成するフレームワークを提案する。
UCF101-24, JHMDB-21, UCFSportsベンチマークデータセット上で, 本モデルの有効性を評価する。
論文 参考訳(メタデータ) (2020-08-30T15:38:44Z) - Prediction of Traffic Flow via Connected Vehicles [77.11902188162458]
本稿では,交通機関が交通の流れを早期に制御し,渋滞を防止するための短期交通流予測フレームワークを提案する。
我々は,過去の流れデータと,コネクテッド・ビークル(CV)技術によって提供されるリアルタイムフィードや軌道データといった革新的な特徴に基づいて,将来の道路セグメントにおける流れを予測する。
本手法は, 流れの予測, CVが軌道に沿ったセグメントに現実的に遭遇する様々な事象の影響を組み込むことによって, 高度なモデリングを可能にすることを示す。
論文 参考訳(メタデータ) (2020-07-10T16:00:44Z) - Toward fast and accurate human pose estimation via soft-gated skip
connections [97.06882200076096]
本稿では,高精度かつ高効率な人間のポーズ推定について述べる。
我々は、最先端技術よりも精度と効率を両立させる文脈において、この設計選択を再分析する。
本モデルでは,MPII と LSP のデータセットから最先端の結果が得られる。
論文 参考訳(メタデータ) (2020-02-25T18:51:51Z)
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。