Vào ngày 11 tháng 11 năm 2020, một nhóm của Tiến sĩ Badr Mochizuki và Ông Yoshimune Son, trợ lý giáo sư tại Trường Cao đẳng Nghiên cứu Sau đại học về Tin học ở Kyoto (KCGI), đã hướng tới việc áp dụng học máy vào các mạng truyền thông để giải quyết các vấn đề trong thế giới thực. Chúng tôi đã thuyết trình tại giải đấu "ML in 5G Challenge", được chọn là một trong ba đội hàng đầu tại Nhật Bản và nhận được giải thưởng cao nhất. Tiến sĩ Mochizuki và Cô Son sẽ tham dự Hội nghị Tổng kết ITU, được tổ chức trực tuyến trên toàn thế giới vào tháng 12.
Tiến sĩ Mochizuki và ông Sơn đã chọn "Ước tính trạng thái mạng bằng phân tích video trong dịch vụ phát trực tuyến thời gian thực" từ ba chủ đề được trình bày bởi cuộc thi và bằng cách sử dụng học máy trong thời gian thực, trạng thái mạng (thông lượng và tỷ lệ mất mát). Đã được ước tính.
Chủ đề này giải quyết các vấn đề đặc biệt của xã hội hiện đại, nơi việc sử dụng các hệ thống làm việc từ xa sử dụng webcam như Zoom đã tăng lên nhanh chóng do sự lây lan trên toàn thế giới của loại coronavirus mới, dẫn đến tắc nghẽn cực kỳ nghiêm trọng. Đây là một lĩnh vực nghiên cứu kịp thời có thể góp phần vào. Mô hình học máy do nhóm phát triển đã đạt được độ chính xác nhận dạng là 96,3% như một ước tính trạng thái mạng bằng cách sử dụng học sâu từ một tập dữ liệu video thời gian thực nhất định.
Mô hình do Tiến sĩ Mochizuki và ông Sơn xây dựng sử dụng mạng nơ-ron.
- (1) Mô hình nhẹ: Thời gian tính toán ngắn (trạng thái mạng của 500 video có thể được ước tính trong 1 giây)
- ② Di động: Không phụ thuộc vào một nền tảng cụ thể
Việc đánh giá những ưu điểm đó đã dẫn đến việc trao giải thưởng cao nhất.
Học máy hiện ảnh hưởng đến cách mạng truyền thông là huyết mạch của xã hội và bài thuyết trình này đề xuất một trong những cách áp dụng học máy cho các mạng trong tương lai. Trong tương lai, mô hình này có thể được sử dụng để giảm tốc độ truyền thông, cải thiện các biện pháp đối phó với độ trễ liên lạc và cải thiện chính hệ thống thông tin liên lạc, và dự kiến sẽ được sử dụng trong tương lai.