Pensieve سیستمی است که با استفاده از یادگیری تقویت کننده ، الگوریتم های بیتیت تطبیقی ​​تولید می کند.Pensieve مدل شبکه عصبی را آموزش می دهد که بر اساس مشاهدات جمع آوری شده توسط پخش کننده های ویدیوی مشتری ، بیت ریز برای قطعات ویدیویی آینده را انتخاب می کند.Pensieve به مدلها یا فرضیات از پیش برنامه ریزی شده در مورد محیط زیست تکیه نمی کند.درعوض ، یاد می گیرد که تصمیمات ABR را فقط از طریق مشاهده عملکرد نتیجه تصمیمات گذشته اتخاذ کند.در نتیجه ، Pensieve به طور خودکار الگوریتم های ABR را می آموزد که با طیف گسترده ای از محیط ها و معیارهای QoE سازگار است.ما Pensieve را با الگوریتم های پیشرفته ABR با استفاده از آزمایش های ردیاب محور و دنیای واقعی که طیف گسترده ای از شرایط شبکه ، معیارهای QoE و ویژگی های ویدیویی را پوشش می دهد ، مقایسه می کنیم.در کلیه سناریوهای در نظر گرفته شده ، Pensieve بهتر از بهترین طرح برتر هنر است ، با پیشرفت در QoE به طور متوسط ​​از 12 تا 25 25.Pensieve همچنین به خوبی تعمیم می یابد ، حتی بهتر از طرح های موجود حتی در شبکه هایی که صراحتا آموزش داده نشده است ...