Optimally scheduling video-on-demand to minimize delay when server and receiver bandwidth may differ
Notice bibliographique
Résumé
Abstract We establish tight bounds on the intrinsic cost (eitherminimizing delay d for fixed server and receiver band-widths, or minimizing server bandwidth for fixed delay and receiver bandwidth) of broadcasting a movie oflength m over a channel of bandwidth S in such a waythat a receiver (with bandwidth R), starting at an ar-bitrary time t, can download the movie so that it canbegin playback after a delay of at most d time units.Our bounds are realized by a simple abstract protocol that partitions the movie into a fixed numberof segments, partitions the server bandwidth into an equivalent number of equal bandwidth subchannels, andbroadcasts each segment repeatedly on its own subchannel. This protocol can be implemented as a concrete dis-crete protocol in which movie information is packaged into discrete fixed length packets using only a modestoverhead (measured in terms of increased delay or server bandwidth).Our primary contribution is a lower bound on the required delay that applies in a very general modelof communication. This lower bound matches the behaviour of our abstract protocol in the limit as thenumber of segments approaches infinity. We are also able to relate its behaviour to arbitrary protocols thathave a fixed number of segments. 1 Introduction Suppose we broadcast a movie using bandwidth S(measured in units of movie bandwidth). A person may tune their television, which can receive any R/S fractionof the bandwidth, to this channel at any time in order to watch the movie. We would like to minimize the delaybetween when they tune to the channel and when they can start watching the movie. Let m be the length of themovie (in minutes). We can certainly guarantee a delay of at most m minutes simply by repeatedly broadcastingthe movie back-to-back (as long as
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».