O aluno de doutorado do Departamento de Ciência da Computação (DCC) da UFMG, Marcos Carvalho, apresentou, na última semana, durante a 9ª Conferência Internacional IEEE sobre Software de Rede, ocorrido em Madri, na Espanha, o artigo “Transfer Learning-Based QoE estimation for different cloud gaming context”. O trabalho tem como autores, além do Marcos, o também aluno do doutorado Daniel Henriques Cézar Miranda Soares e o professor do DCC Daniel Fernandes Macedo.
De acordo com os autores, nos jogos em nuvem os dados do jogo são processados na nuvem e são encaminhados para os jogadores pela rede. Embora isso reduza os custos de hardware para os jogadores, ainda existem desafios no gerenciamento de rede e na entrega de uma boa experiência de jogo. Nesse contexto, os provedores de rede são incentivados a implementar sistemas de gerenciamento cientes da QoE para garantir a Qualidade de Experiência (QoE) desejada, em que os modelos de Machine Learning (ML) são utilizados como estado da arte na estimativa/monitoramento de QoE. “É difícil criar modelos de ML que generalizam para diferentes contextos, especialmente porque a percepção de QoE é subjetiva e varia entre jogos e jogadores. Este artigo emprega transferência de conhecimento para ajustar um modelo pré-treinado (origem) a diferentes contextos (destino). Primeiro, realizamos uma avaliação subjetiva de QoE com usuários reais jogando em um ambiente de teste realista. Com base nisso, derivamos quatro conjuntos de dados, sendo um deles o conjunto de dados de origem (para criar o modelo pré-treinado) e três conjuntos de dados de destino. Experimentos mostram que a transferência de conhecimento pode diminuir o erro médio em pelo menos 41,6% em comparação com o desempenho do modelo de origem nos conjuntos de dados de destino, enquanto diminui a demanda por dados rotulados em pelo menos 81,1%. Além disso, a melhoria é maior quando comparada a modelos treinados do zero para cada conjunto de dados de destino (diferentes contextos)”, explicaram.
Segundo os organizadores do evento, o tema do IEEE NetSoft 2023 “Boosting Future Networks through Advanced Softwarization” reflete a visão de que as futuras redes também integrarão uma dimensão de serviço nativo em um ambiente contínuo de conectividade de computação que cruza diferentes segmentos/provedores/domínios de rede e possibilitada por software juntamente com novos arquiteturas, estruturas e modelos avançados. Isso permitirá maior flexibilidade, confiabilidade, adaptabilidade e eficiência para operações de rede e implantações de serviços para o benefício de um ecossistema de diferentes camadas/desenvolvedores/componentes de aplicativos. Isso também estabelecerá as bases para ir além dos recursos atuais de inter-redes nas arquiteturas da Internet do Futuro e para uma maior convergência entre inter-redes e reengenharia da camada IP.
