标题：Deep Learning based Prediction Model for Adaptive Video Streaming
（基于深度学习的自适应视频流预测模型索）
作者： Anirban Lekharu, K Y Moulii, Arijit Sur, Arnab Sarkar
单位: 阿萨姆邦古瓦哈蒂印度理工学院
发表会议：COMSNETS
发表时间：2020年
论文研究主题归类：ABR
1.论文解决什么问题
提出了一种能够适应网络带宽变化的基于深度学习的ABR算法，该算法用长短记忆（Long Short-Term Memory）神经网络能有效地提取时序特征，从而提高QoE，与Pensive相比，所提出的架构将客户端实现的平均QoE提高了≈8.84%。
2.是否有公开的数据集及源代码
数据集：视频数据集未公开，网络数据集HSDPA数据集。
源代码：无
3.论文的主要观点
传统的基于QoE优化的方法存在一些缺点，这些缺点可能会严重限制最终用户可能实现的总体QoE。例如，使用固定规则集的QoE管理可能并不总是保证最佳带宽利用率、视频质量增强和准确的缓冲区估计，尤其是在面临严重变化且经常不可预测的带宽波动时。作者认为通过LSTM网络能够很好地通过记录网络带宽、实际接收的比特率、段大小等相关的不同观测来训练QoE模型，这些观测与过去接收的视频段相对应，从而最大化用户的QoE。
