MétaCan
Menu
Back to cohort

Estudos em transmissões multicasting de vídeo comprimido

2018· dissertation· pt· W2784607611 on OpenAlexaff
Leonardo Antônio de Andrade

Bibliographic record

Venuenot available
Typedissertation
Languagept
FieldComputer Science
TopicAlgorithms and Data Compression
Canadian institutionsAdidas (Canada)
Fundersnot available
KeywordsHumanitiesPhysicsComputer scienceArt

Abstract

fetched live from OpenAlex

Este trabalho é dedicado à minha mãe, Anna Rodrigues de Andrade, e a todos que contribuíram para a sua conclusão.II Agradecimentos .\Ikus.por permitir estar entre familiares c amigos e por mc conceder força e coragem nos momentos cm cp1c preciso.À rnitilia mãe, Anria Rodrigues de Andrade, por todo o esforço dedicado à minha formação CU11-1() )CSSO1 e pesquisador.Muito obrigado Mama! .\oork'ntador, Prof. Dr. I:dson dos Santos Moreira, que sempre acreditou em mim, me auxiliando e direcionando nos momentos de dúvidas, e por todas as oportunidades proporcionadas.AO meu amigo Luciano Martins, companheiro de estudos e trabalho, com o qual dividi muitas uadriiilas programando e realizando testes no laboratório InierMídia.Valeu 1 Tombrc!Aos meus amigos Gustavo, João, Rudinei e Walter, e a todos do laboratório IriterMídia pelos incentivos, idéias e conhecimentos compartilhados, pelas correções da qualificaçào e dissertação, e prmcipalinentc Pelo companheirismo em todos os momentos.\ todos os docentes que me proporcionaram conhecimentos fundamentais em suas disciplinas durante o mestrado, e que contribuíram para o desenvolvimento deste trabalho..' todos os amigos e amigas que me ajudaram a terminar este trabalho.Resumo .\impklnentaçà() de uma aplicação cliente/servidor de vídeo apresenta aspectos complexos e (ILIC exigem tratamento diferenciado, como trabalhar com arquivos que ocupam grande espaço de armazenamento e fluxos de dados que necessitam de alta largura de banda para serem transmitidos.Quando o fluxo de dados é compactado e a transmissão é feita com técnicas de a transmissão se torna ainda mais complexa.Um exemplo típico é a utilização de ilColts Vl)P, ojtie podem ser perdidos e/ou chegarem ao destino desordenados, durante uma sessão ) de transmissão e recepção.Nesta dissertação são discutidas as implementações de duas aplicações cliente/servidor que exploram as técnicas de ,,wi/i'a.rh»umadelas possuindo suporte para 11'v4 e WFP, e a outra suporte para IPv4 ou IPv6).A problemática do envio e recebimento de pacotes para posterior exibição do vídeo pelo cliente foi estudada e alguns testes foram feitos com os padrões de compressão MJI) EG e um método proposto, implementado comtransformadas /'w/'e/e/.re codificação 17W.Medidas e comparações de desempenho foram realizadas, utilizando-se os sistemas operacionais Linux e Windows.As conclusões obtidas com a metodologia aplicada a este trabalho podem contribuir para a solução da problemática da Iransmnissão de vídeo em ambientes Jill//%wo'i/g, especialmente para o caso de cxteflSOCS e refinamentos los nas iniplenientações realizadas e no desenvolvimento de aplicações que incluam OU 1 t( )5 COtlifR)liCI) tes de hardware e software, iv

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.003
metaresearch head score (Gemma)0.011
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.006
Threshold uncertainty score0.018

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0030.011
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0020.002
Science and technology studies0.0010.001
Scholarly communication0.0020.002
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0050.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.027
GPT teacher head0.301
Teacher spread0.274 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2018
Admission routes1
Has abstractyes

Explore more

Same topicAlgorithms and Data CompressionFrench-language works237,207