JP2000242623A - Method and device for communication service quality control - Google Patents
Method and device for communication service quality controlInfo
- Publication number
- JP2000242623A JP2000242623A JP4485999A JP4485999A JP2000242623A JP 2000242623 A JP2000242623 A JP 2000242623A JP 4485999 A JP4485999 A JP 4485999A JP 4485999 A JP4485999 A JP 4485999A JP 2000242623 A JP2000242623 A JP 2000242623A
- Authority
- JP
- Japan
- Prior art keywords
- service
- quality
- qos
- communication
- communication service
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
- Communication Control (AREA)
- Closed-Circuit Television Systems (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
Description
【0001】[0001]
【発明の属する技術分野】本発明は、ネットワークを介
して接続された相手端末装置と通信するときに、自端末
装置においてユーザが要求する通信サービスのアプリケ
ーションにおけるサービスの品質に基づいて、通信サー
ビスを実現するためのリソースにおけるサービスの品質
を決定し、上記リソースにおけるサービスの品質に従っ
て通信を行うように制御する通信サービス品質制御方法
及び装置に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a communication service for communicating with a terminal device connected via a network, based on the quality of service in a communication service application requested by a user in the own terminal device. The present invention relates to a communication service quality control method and apparatus for determining the quality of service in a resource to be realized and controlling communication according to the quality of service in the resource.
【0002】[0002]
【従来の技術】画像、音声又はデータ等を処理するマル
チメディアアプリケーションでのサービスの品質(Qual
ity of Service:以下、QoSという。)の概念は用い
られるレベルによって異なり、通常上位レベルから下位
レベル、又はその逆のQoSマッピングと呼ばれるQo
Sパラメータの変換(写像)が必要である。QoSマッ
ピングは資源を有効に利用するためにできる限り正確に
行われることが望ましいのだが、符号化圧縮された動画
像ストリームにおけるQoSマッピングは、符号化パラ
メータが多数あるために難しいことが知られている(例
えば、従来技術文献1「福田ほか,“MPEG−2動画
像におけるQoSパラメータと必要帯域の関係”,電子
情報通信学会技術報告,SSE97−66,pp.49
−54,1997年」参照。)。2. Description of the Related Art Quality of service (Qual) in multimedia applications for processing images, sounds, data, and the like.
ity of Service: hereinafter referred to as QoS. The concept of ()) depends on the level used and is usually referred to as QoS mapping from higher level to lower level or vice versa.
S-parameter conversion (mapping) is required. Although it is desirable that QoS mapping be performed as accurately as possible in order to use resources effectively, it has been known that QoS mapping in a coded and compressed video stream is difficult due to a large number of coding parameters. (For example, Prior Art Document 1 "Fukuda et al.," Relationship between QoS Parameters and Required Bandwidth in MPEG-2 Video ", IEICE Technical Report, SSE97-66, pp. 49)
-54, 1997 ". ).
【0003】QoSの写像方法として、従来技術文献2
「河内谷清久仁ほか,“MKngプロジェクトにおける
マルチメディア技術:動的QoS制御のための資源交渉
手法の提案”,情報処理学会第55回全国大会論文集,
2Z−4,1997年9月」において、”資源チケッ
ト”が開示されている。この従来例においてはQoSは
必ずしも連続とは限らず、離散的にしか変更できないこ
とが多いと仮定しており、一例として動画処理の解像度
を用いている。しかしながら、この従来例において言及
された例は、通常は画像サイズにあたるものであるが、
一般的には、解像度は量子化の程度を規定するパラメー
タによって規定される。このパラメータは1〜100の
間の連続的な整数値をとる。”資源チケット”をこのよ
うな場合に適用することは困難である。[0003] As a QoS mapping method, a prior art document 2
"Kyochiya Kiyohisa et al.," Multimedia Technology in MKng Project: Proposal of Resource Negotiation Method for Dynamic QoS Control ", Proc. Of the 55th Annual Conference of IPSJ,
2Z-4, September 1997 "discloses a" resource ticket ". In this conventional example, it is assumed that the QoS is not always continuous and can often be changed only discretely, and as an example, the resolution of moving image processing is used. However, the example mentioned in this conventional example usually corresponds to the image size,
Generally, the resolution is defined by a parameter that defines the degree of quantization. This parameter takes a continuous integer value between 1 and 100. It is difficult to apply a "resource ticket" in such a case.
【0004】また、符号化圧縮された動画像ストリーム
に対して画像サイズ、フレームレート、圧縮品質等の複
数のパラメータを表すQoSのすべての可能な組み合わ
せについて、測定によって予めQoSマッピングテーブ
ルを準備しておくことはコスト的に難しい。特に、実時
間アプリケーションへの適用を想定したオンラインQo
Sマッピングでは、動画像ストリームが変化すれば一般
的にQoSマッピングテーブルも異なってくるため、予
めすべてのQoSマッピングテーブルを準備しておくこ
とは不可能である。In addition, a QoS mapping table is prepared in advance by measurement for all possible combinations of QoS representing a plurality of parameters such as an image size, a frame rate, and a compression quality for an encoded and compressed moving image stream. It is difficult to put it in terms of cost. In particular, online Qo for real-time applications
In the S mapping, if the moving picture stream changes, the QoS mapping table generally differs, and it is impossible to prepare all the QoS mapping tables in advance.
【0005】この問題点を解決するために、本特許出願
人は、特願平10−228889号の特許出願におい
て、「ユーザが要求する通信サービスのアプリケーショ
ンにおけるサービスの品質と、通信サービスを実現する
ためのリソースにおけるサービスの品質とのサンプル対
である、予め与えられた複数のサンプルデータに基づい
て、上記アプリケーションにおけるサービスの品質と、
上記リソースにおけるサービスの品質との間の関係を表
す、例えばスプライン関数である所定の補間関数を決定
し、ユーザが要求するアプリケーションにおけるサービ
スの品質に基づいて、上記補間関数を用いて補間処理を
行うことによってリソースにおけるサービスの品質を決
定し、上記決定されたリソースにおけるサービスの品質
に従って通信を行う」こと(以下、第1の従来例とい
う。)を提案している。In order to solve this problem, the present applicant has filed a patent application filed with Japanese Patent Application No. 10-228889, entitled "Realizing the service quality and the communication service in the application of the communication service requested by the user." Based on a plurality of sample data given in advance, which is a sample pair with the quality of service in the resource for the quality of service in the application,
A predetermined interpolation function representing a relationship between the quality of service in the resource and a spline function, for example, is determined, and an interpolation process is performed using the interpolation function based on the quality of service in an application requested by a user. Thus, the service quality of the resource is determined, and communication is performed according to the service quality of the determined resource ”(hereinafter, referred to as a first conventional example).
【0006】また、従来技術文献3「宇都有昭ほか,”
画像誘導ナビゲーションシステムにおける不適切問題と
スプライン補間に基づくネットワークの検討”,電子情
報通信学会論文誌,Vol.J81−D−II,No.
2,pp.361−369,1998年2月」におい
て、複数のCCDカメラにより撮影された画像内輝点情
報から実空間情報を獲得する光学式ナビゲーションシス
テムにおいて、より少ない学習データに基づいてニュー
ラルネットワークを用いて非線形座標変換を行う際の方
法(以下、第2の従来例という。)について提案してい
る。ここで、ネットワークの出力値の2階微分ノルムの
最小化、べき素子によるネットワークなど3次のスプラ
イン関数を近似するネットワークを構築することが開示
されている。Also, prior art document 3 "Yuaki Utsu et al.,"
Examination of Network Based on Improper Problem and Spline Interpolation in Image-Guided Navigation System, "IEICE Transactions, Vol.
2, pp. 361-369, February 1998 ", in an optical navigation system for acquiring real space information from bright spot information in an image captured by a plurality of CCD cameras, using a neural network based on less learning data, A method for performing coordinate conversion (hereinafter, referred to as a second conventional example) has been proposed. Here, it is disclosed to minimize the second derivative norm of the output value of the network, and to construct a network that approximates a cubic spline function such as a network of power elements.
【0007】[0007]
【発明が解決しようとする課題】しかしながら、第1の
従来例では、スプライン関数の計算式を用いてQoSマ
ッピングを行っているが、動的に変動する通信環境への
対応は考慮されていないという問題点があった。However, in the first conventional example, the QoS mapping is performed by using the calculation formula of the spline function, but the response to the dynamically changing communication environment is not considered. There was a problem.
【0008】また、第2の従来例では、3次の自然スプ
ラインを実行するニューラルネットワークを提案してい
るが、両端のスプライン関数の端点条件が示されておら
ず、このままでは再現するのが難しいという問題点があ
った。In the second conventional example, a neural network for executing a cubic natural spline has been proposed. However, since the end point conditions of the spline functions at both ends are not shown, it is difficult to reproduce the spline function as it is. There was a problem.
【0009】本発明の目的は以上の問題点を解決し、動
的に変動する通信環境に応じて、ユーザが要求する任意
の通信サービスの品質に対応して適応的に通信を実現す
ることができる通信サービス品質制御方法及び装置を提
供することにある。SUMMARY OF THE INVENTION It is an object of the present invention to solve the above-mentioned problems, and to realize communication adaptively according to the quality of any communication service requested by a user according to a dynamically changing communication environment. It is an object of the present invention to provide a communication service quality control method and apparatus that can perform the same.
【0010】[0010]
【課題を解決するための手段】本発明に係る請求項1記
載の通信サービス品質制御方法は、ネットワークを介し
て接続された複数の端末装置間の通信サービスの品質を
制御する端末装置の通信サービス品質制御方法におい
て、ユーザが要求する通信サービスのアプリケーション
におけるサービスの品質と、通信サービスを実現するた
めのリソースにおけるサービスの品質とのサンプル対で
ある、予め与えられた複数のサンプルデータを記憶する
ことと、上記記憶された複数のサンプルデータのデータ
点を複数のスプライン関数を区分する分割点とし、入力
層と複数の中間層と出力層とを有し、通信サービスのア
プリケーションにおけるサービスの品質を入力とし、通
信サービスを実現するためのリソースにおけるサービス
の品質を出力とする各スプライン関数を表す複数のニュ
ーラルネットワークを備え、複数の中間層からの出力を
各スプライン関数の各次の係数で重み付けするように構
成されているニューラルネットワーク群における上記重
み付けする重み係数を記憶することと、上記記憶された
複数のサンプルデータに基づいて、上記各スプライン関
数の分割点における関数値、1階微分値及び2階微分値
を計算し、上記各スプライン関数における2乗誤差評価
項、連続性評価項及び2階微分ノルム評価項を含む評価
関数を用いてかつ両端のスプライン関数で端点条件を満
たすように、上記ニューラルネットワーク群を学習して
上記第2の記憶手段に記憶された重み係数を更新するこ
とと、新たにユーザが要求する通信サービスのアプリケ
ーションにおけるサービスの品質に基づいて、上記学習
されたニューラルネットワーク群を用いてリソースにお
けるサービスの品質を決定し、上記決定されたリソース
におけるサービスの品質に従って通信を行うように制御
することとを含むことを特徴とする。According to a first aspect of the present invention, there is provided a communication service quality control method for controlling communication service quality between a plurality of terminal devices connected via a network. In the quality control method, storing a plurality of sample data given in advance, which is a sample pair of a quality of service in an application of a communication service requested by a user and a quality of service in a resource for realizing the communication service. A data point of the stored plurality of sample data as a dividing point for partitioning a plurality of spline functions, having an input layer, a plurality of intermediate layers, and an output layer, and inputting a quality of service in a communication service application. And output the quality of service in the resource for realizing the communication service Storing a plurality of neural networks representing a spline function, and storing the weighting factors to be weighted in a group of neural networks configured to weight outputs from a plurality of hidden layers by respective coefficients of each spline function; Calculating a function value, a first-order differential value, and a second-order differential value at the division point of each of the spline functions based on the plurality of stored sample data; The neural network group is learned by using an evaluation function including an evaluation term and a second-order differential norm evaluation term so that the spline function at both ends satisfies the end point condition, and a weight coefficient stored in the second storage means is obtained. Update based on the quality of service in the communication service application newly requested by the user. There are, to determine the quality of service in the resource by using the trained neural network group, characterized in that it comprises a controlling to communicate according to the quality of service in the determined resources.
【0011】また、本発明に係る請求項2記載の通信サ
ービス品質制御装置は、ネットワークを介して接続され
た複数の端末装置間の通信サービスの品質を制御する端
末装置の通信サービス品質制御装置において、ユーザが
要求する通信サービスのアプリケーションにおけるサー
ビスの品質と、通信サービスを実現するためのリソース
におけるサービスの品質とのサンプル対である、予め与
えられた複数のサンプルデータを記憶する第1の記憶手
段と、上記第1の記憶手段に記憶された複数のサンプル
データのデータ点を複数のスプライン関数を区分する分
割点とし、入力層と複数の中間層と出力層とを有し、通
信サービスのアプリケーションにおけるサービスの品質
を入力とし、通信サービスを実現するためのリソースに
おけるサービスの品質を出力とする各スプライン関数を
表す複数のニューラルネットワークを備え、複数の中間
層からの出力を各スプライン関数の各次の係数で重み付
けするように構成されているニューラルネットワーク群
における上記重み付けする重み係数を記憶する第2の記
憶手段と、上記第1の記憶手段に記憶された複数のサン
プルデータに基づいて、上記各スプライン関数の分割点
における関数値、1階微分値及び2階微分値を計算し、
上記各スプライン関数における2乗誤差評価項、連続性
評価項及び2階微分ノルム評価項を含む評価関数を用い
てかつ両端のスプライン関数で端点条件を満たすよう
に、上記ニューラルネットワーク群を学習して上記第2
の記憶手段に記憶された重み係数を更新する学習手段
と、新たにユーザが要求する通信サービスのアプリケー
ションにおけるサービスの品質に基づいて、上記学習手
段によって学習されたニューラルネットワーク群を用い
てリソースにおけるサービスの品質を決定し、上記決定
されたリソースにおけるサービスの品質に従って通信を
行うように制御する制御手段とを備えたことを特徴とす
る。According to a second aspect of the present invention, there is provided a communication service quality control device for controlling the quality of communication service between a plurality of terminal devices connected via a network. First storage means for storing a plurality of sample data given in advance, which is a sample pair of a service quality in an application of a communication service requested by a user and a service quality in a resource for realizing the communication service And an input layer, a plurality of intermediate layers, and an output layer, wherein data points of the plurality of sample data stored in the first storage means are set as division points for dividing a plurality of spline functions. Of service in resources for realizing communication services A plurality of neural networks each representing a spline function having quality as an output, wherein the weights from the plurality of neural networks are configured to be weighted by the following coefficients of each spline function. A function value, a first-order differential value and a second-order differential value at a division point of each spline function are stored based on a plurality of sample data stored in the second storage unit that stores the coefficient and the plurality of sample data stored in the first storage unit. Calculate,
The neural network group is learned by using an evaluation function including a square error evaluation term, a continuity evaluation term, and a second-order differential norm evaluation term in each of the spline functions and satisfying the end point conditions with the spline functions at both ends. The second
Learning means for updating the weighting factor stored in the storage means, and a service in the resource using the neural network group learned by the learning means based on the quality of service in the application of the communication service newly requested by the user. And control means for controlling communication according to the quality of service in the determined resource.
【0012】[0012]
【発明の実施の形態】以下、図面を参照して本発明に係
る実施形態について説明する。Embodiments of the present invention will be described below with reference to the drawings.
【0013】図1は、本発明に係る実施形態である、ス
プライン関数及びニューラルネットワークを用いたQo
Sマッピング部(以下、QoSマッピング部という。)
2を備えた端末装置Aを有する動画像通信システムの構
成を示すブロック図である。図1において、端末装置A
は、動画像符号器及び復号器4を備えたパーソナルコン
ピュータA1とモデム(変復調器)A2とCRTディスプ
レイモニタ11とを備えて構成され、ここで、パーソナ
ルコンピュータA1は、モデムA2、並びに、例えば電
話回線、ISDN回線、インターネットなどのネットワ
ークNEを介して端末装置Bに接続される。端末装置B
は、動画像符号器及び復号器12を備えたパーソナルコ
ンピュータB1とモデムB2とビデオカメラ13とを備
えて構成される。動画像符号器及び復号器4及び12は
動画像データをモーション・ジョイント・フォトグラフ
ィック・コーディング・エキスパーツ・グループ(Moti
onJoint Photographic Coding Experts Group:以下、
モーションJPEGという。)符号化することができ、
又は符号化動画像データをモーションJPEG復号化す
ることができる。FIG. 1 is an embodiment according to the present invention, which is a Qo using a spline function and a neural network.
S mapping unit (hereinafter referred to as QoS mapping unit)
1 is a block diagram illustrating a configuration of a moving image communication system including a terminal device A provided with a terminal 2; In FIG. 1, a terminal device A
Comprises a personal computer A1 having a video encoder and decoder 4, a modem (modulator / demodulator) A2, and a CRT display monitor 11, wherein the personal computer A1 comprises a modem A2 and, for example, a telephone It is connected to the terminal device B via a network NE such as a line, an ISDN line, and the Internet. Terminal device B
Comprises a personal computer B1 including a video encoder and decoder 12, a modem B2, and a video camera 13. The video encoders and decoders 4 and 12 convert the video data to a motion joint photographic coding expert group (Moti).
onJoint Photographic Coding Experts Group:
It is called Motion JPEG. ) Can be encoded
Alternatively, the encoded moving image data can be subjected to motion JPEG decoding.
【0014】本発明に係る実施形態の動画像通信システ
ムにおいては、まず、端末装置Bが、ビデオカメラ13
によって動画像を取り込み、動画像符号器及び復号器1
2においてモーションJPEG符号化された上記動画像
データをネットワークNEを介して端末装置Aの動画像
符号器及び復号器4に送信する。端末装置Aの動画像符
号器及び復号器4において復号化された動画像は、動画
像アプリケーション1によってCRTディスプレイモニ
タ11に表示される。ユーザは表示された動画像を見て
所望の動画像の品質を表すアプリケーションQoSにお
いてユーザ要求QoSを設定して、この設定値は、Qo
Sマッピング部2に入力される。QoSマッピング部2
は、マッピングテーブルメモリ5及び重み係数メモリ6
を参照して、図5及び図6に示す、スプライン関数及び
ニューラルネットワークを用いたQoSマッピング処理
を実行することにより、計算されたリソースQoSと、
QoSモニタリング部9により検出された実際のリソー
スのQoSとの差が所定のしきい値以上であるときに、
図3及び図4のニューラルネットワークを学習した後、
学習後のニューラルネットワークを用いてユーザ要求Q
oSに対するリソースQoSを計算してQoS制御部3
に出力する。そして、通信制御部10は、算出されたQ
oSとQoSモニタリング部9からのモニタリング結果
に従って必要帯域等を確保し、端末装置Bと通信を行
う。In the moving image communication system according to the embodiment of the present invention, first, the terminal device B is connected to the video camera 13.
A moving picture is fetched by a moving picture encoder and decoder 1
In step 2, the moving image data that has been subjected to the motion JPEG encoding is transmitted to the moving image encoder and decoder 4 of the terminal device A via the network NE. The moving image decoded by the moving image encoder and the decoder 4 of the terminal device A is displayed on the CRT display monitor 11 by the moving image application 1. The user looks at the displayed moving image and sets the user-requested QoS in the application QoS indicating the quality of the desired moving image.
It is input to the S mapping unit 2. QoS mapping unit 2
Is a mapping table memory 5 and a weighting coefficient memory 6
Referring to FIG. 5, by executing the QoS mapping process using the spline function and the neural network shown in FIGS. 5 and 6, the calculated resource QoS and
When the difference from the actual resource QoS detected by the QoS monitoring unit 9 is equal to or greater than a predetermined threshold,
After learning the neural networks of FIGS. 3 and 4,
User request Q using neural network after learning
Calculate the resource QoS for the QoS and calculate the QoS control unit 3
Output to Then, the communication control unit 10 calculates the calculated Q
In accordance with the monitoring result from the oS and QoS monitoring unit 9, a necessary band or the like is secured and communication with the terminal device B is performed.
【0015】ここで、アプリケーションQoS及びユー
ザ要求QoSを説明する。動画像アプリケーション1の
サービスの品質を決定するパラメータとして、画像サイ
ズ、フレームレート及び量子化スケールの3つを用い、
これらをまとめてアプリケーションQoSと定義し、ア
プリケーションQoSとは、通信サービスの品質を決定
するパラメータであって、その取り得る範囲は予め定義
されており、ユーザ要求QoSはアプリケーションQo
Sの定義設定値を満たすような範囲でユーザにより与え
られる具体的なパラメータ値をいう。ここで、画像サイ
ズは1フレーム内の画素数(横ピクセル数×縦ピクセル
数)に相当し、本実施形態では640×480,320
×240,160×120の3つの値を用いる。フレー
ムレートは1秒間に表示されるフレームの枚数で自然数
であり、その値が大きいほど動画像内の物体の動きは滑
らかになる。量子化スケールはモーションJPEG符号
化で用いられる量子化のステップ幅に関連したパラメー
タであり、1〜100の整数値をとる。量子化スケール
のパラメータ値が小さいほど、量子化ステップ幅は大き
く圧縮動画像のデータ量は小さくなるが、場合によって
は、ぼけや色落ちなどが生じ、ユーザの主観評価は低く
なる。Here, the application QoS and the user requested QoS will be described. Using three parameters of image size, frame rate and quantization scale as parameters for determining the quality of service of the moving image application 1,
These are collectively defined as application QoS. The application QoS is a parameter for determining the quality of communication service, and its possible range is defined in advance.
It refers to a specific parameter value given by the user in a range that satisfies the definition setting value of S. Here, the image size corresponds to the number of pixels (the number of horizontal pixels × the number of vertical pixels) in one frame, and in the present embodiment, 640 × 480,320.
Three values of × 240 and 160 × 120 are used. The frame rate is the number of frames displayed in one second and is a natural number, and the larger the value, the smoother the motion of the object in the moving image. The quantization scale is a parameter related to the quantization step width used in the motion JPEG encoding, and takes an integer value of 1 to 100. As the parameter value of the quantization scale is smaller, the quantization step width is larger and the data amount of the compressed moving image is smaller. However, in some cases, blurring or discoloration occurs, and the user's subjective evaluation becomes lower.
【0016】次いで、リソースQoSを説明する。分散
マルチメディアアプリケーションでのQoSの概念は、
ネットワークサービス特性を表す通信におけるリソース
QoSとともに、端末におけるリソースQoSのスケジ
ューリングも考慮する必要がある。そこで本実施形態で
は、圧縮動画像データを伝送するために必要とされる帯
域を必要帯域と定義し、端末装置Aの動画像符号器及び
復号器4で圧縮動画像データを復号化するために必要と
されるCPUの利用率をCPU稼働率として定義し、必
要帯域とCPU稼働率をまとめてリソースQoSとい
う。必要帯域は1秒間に端末装置Bから端末装置Aに伝
送される平均データ量(bit per second:bps)で表さ
れ、CPU稼働率は百分率(%)で表される。Next, resource QoS will be described. The concept of QoS in distributed multimedia applications is:
It is necessary to consider the resource QoS scheduling in the terminal as well as the resource QoS in the communication indicating the network service characteristics. Therefore, in the present embodiment, a band required for transmitting the compressed moving image data is defined as a necessary band, and the moving image encoder and the decoder 4 of the terminal device A decode the compressed moving image data. The required CPU utilization is defined as the CPU utilization, and the required bandwidth and the CPU utilization are collectively referred to as resource QoS. The required bandwidth is represented by an average data amount (bits per second: bps) transmitted from the terminal device B to the terminal device A per second, and the CPU operating rate is represented by a percentage (%).
【0017】次に、図1を参照して、QoSマッピング
部2及びそれに接続されるメモリ5,6以外のパーソナ
ルコンピュータA1内の各機能部の基本的な構成及び処
理について説明する。Next, the basic configuration and processing of each functional unit in the personal computer A1 other than the QoS mapping unit 2 and the memories 5 and 6 connected thereto will be described with reference to FIG.
【0018】図1において、動画像アプリケーション1
は、通信制御部10と動画像符号器及び復号器4に接続
され、通信制御部10を介して入力された圧縮動画像デ
ータを動画像符号器及び復号器4に出力して復号化させ
る。また、動画像アプリケーション1は、動画像符号器
及び復号器4によって復号化された動画像をCRTディ
スプレイモニタ11に表示する。さらに、動画像アプリ
ケーション1は、ユーザが要求するアプリケーションQ
oS Puをユーザ自身が設定可能な画面を、CRTディ
スプレイモニタ11に表示し、この結果得られたユーザ
要求QoS PuをQoSマッピング部2に出力する。動
画像符号器及び復号器4は、端末装置Bの動画像符号器
及び復号器12においてモーションJPEG符号化され
てネットワークNE、モデムA2、通信制御部10、及
び動画像アプリケーション1を介して入力された圧縮動
画像データをモーションJPEG復号化して、復号化さ
れた動画像データは動画像アプリケーション1を介して
CRTディスプレイモニタ11に出力する。また、動画
像符号器及び復号器4は、動画像をビデオカメラ(図示
せず。)から取りこみ、モーションJPEG符号化して
モデムA2、ネットワークNEを介して端末装置Bに送
信して表示させる。In FIG. 1, a moving image application 1
Is connected to the communication control unit 10 and the video encoder / decoder 4, and outputs the compressed video data input via the communication control unit 10 to the video encoder / decoder 4 for decoding. The moving image application 1 displays the moving image decoded by the moving image encoder and the decoder 4 on the CRT display monitor 11. Further, the moving image application 1 has an application Q requested by the user.
The oS P u user himself can set screen, displaying on the CRT display monitor 11, and outputs the user request QoS P u this resulting in the QoS mapping unit 2. The video encoder / decoder 4 is subjected to motion JPEG encoding in the video encoder / decoder 12 of the terminal device B and is input via the network NE, the modem A2, the communication control unit 10, and the video application 1. The compressed moving image data is subjected to motion JPEG decoding, and the decoded moving image data is output to the CRT display monitor 11 via the moving image application 1. Further, the moving picture encoder and decoder 4 takes in the moving picture from a video camera (not shown), performs motion JPEG coding, and transmits the moving picture to the terminal device B via the modem A2 and the network NE for display.
【0019】QoS制御部3は、QoSマッピング部2
と、QoSモニタリング部9と、通信制御部10とに接
続される。QoS制御部3は、通信制御部10を介して
端末装置BのQoS制御部3と通信を行い、最適なQo
Sと制御ポリシーを算出し、リソース予約プロトコル等
を使用して算出されたQoSで指定されたリソース量が
利用可能か否かをテストする。利用不可能な場合は、再
度QoSを算出する。利用可能な場合は、QoSをQo
Sモニタリング部9と通信制御部10に出力する。さら
に、QoS制御部3は、QoSモニタリング部9からの
CPU8及びネットワークNEのモニタリング結果に基
づいて、算出されたQoSを維持できるようにCPU8
及び通信制御部10を制御する。CPU8はQoSモニ
タリング部9に接続され、端末装置A及びB間の通信処
理の動作を制御し、また、端末装置Aの動画像符号器及
び復号器4で圧縮動画像データを復号化するプログラム
を実行する。The QoS control unit 3 includes a QoS mapping unit 2
, The QoS monitoring unit 9 and the communication control unit 10. The QoS control unit 3 communicates with the QoS control unit 3 of the terminal device B via the communication control unit 10 to obtain an optimum QoS.
S and the control policy are calculated, and it is tested whether or not the resource amount specified by the QoS calculated using the resource reservation protocol or the like is available. If it cannot be used, the QoS is calculated again. QoS, if available
It outputs to the S monitoring unit 9 and the communication control unit 10. Further, the QoS control unit 3 controls the CPU 8 based on the CPU 8 from the QoS monitoring unit 9 and the monitoring result of the network NE so as to maintain the calculated QoS.
And the communication control unit 10. The CPU 8 is connected to the QoS monitoring unit 9, controls the operation of communication processing between the terminal devices A and B, and executes a program for decoding the compressed moving image data by the moving image encoder and the decoder 4 of the terminal device A. Execute.
【0020】QoSモニタリング部9はQoS制御部3
と、CPU8と、通信制御部10に接続され、通信制御
部10を介してネットワークNEのリソース量である必
要帯域の状況をモニタリングし、かつ、端末装置Aのリ
ソース量であるCPU8のCPU稼働率の状況をモニタ
リングし、そのモニタリング結果をQoS制御部3と通
信制御部10に出力する。通信制御部10は、動画像ア
プリケーション1と、QoS制御部3と、QoSモニタ
リング部9とに接続される。通信制御部10は、端末装
置BからネットワークNEを介して端末装置Aに入力さ
れる圧縮動画像データを、動画像アプリケーション1に
出力する。また、QoS制御部3からのQoSとQoS
モニタリング部9からのモニタリング結果に従って必要
帯域を確保し、端末装置Bと通信を行う。The QoS monitoring unit 9 includes the QoS control unit 3
CPU 8, which is connected to the communication control unit 10, monitors the status of the required band which is the resource amount of the network NE via the communication control unit 10, and operates the CPU 8 in the CPU 8 which is the resource amount of the terminal device A And outputs the monitoring result to the QoS control unit 3 and the communication control unit 10. The communication control unit 10 is connected to the moving image application 1, the QoS control unit 3, and the QoS monitoring unit 9. The communication control unit 10 outputs the compressed moving image data input from the terminal device B to the terminal device A via the network NE to the moving image application 1. Also, the QoS from the QoS control unit 3 and the QoS
The required band is secured according to the monitoring result from the monitoring unit 9 and communication with the terminal device B is performed.
【0021】上述のように、動画像通信システムにおい
て端末装置Aと端末装置Bとの間で通信を行うときに、
端末装置Aにおいて、ユーザが所望のアプリケーション
QoSを設定するが、そのユーザ要求QoSで実現可能
なリソースQoSを決定して、そのリソースQoSで通
信可能か否かを判断し、通信可能であればリソースQo
Sに従って通信の制御を行う必要がある。As described above, when communication is performed between the terminal device A and the terminal device B in the moving image communication system,
In the terminal device A, the user sets a desired application QoS, but determines a resource QoS that can be realized by the user request QoS, determines whether or not communication is possible with the resource QoS, and determines whether or not communication is possible with the resource QoS. Qo
It is necessary to control communication according to S.
【0022】次いで、マッピング処理によりユーザ要求
アプリケーションQoSからリソースQoSを計算する
QoSマッピング部2に接続された、マッピングテーブ
ルメモリ5及び重み係数メモリ6について説明する。こ
こで、重み係数メモリ6は、QoSマッピング部2によ
り学習計算した重み係数を格納する。また、マッピング
テーブルメモリ5は、ユーザが要求するアプリケーショ
ンQoSと、リソースQoSとの間のN個のサンプルデ
ータ対{(P1,R2),(P2,R2),…,(Pn,
Rn),…,(PN,RN)}をマッピングテーブルとし
て予め記憶している。次の表は、マッピングテーブルメ
モリ5に予め記憶されたN個のサンプルデータ対
(Pn,Rn)(n=1,2,…,N)を示している。Next, the mapping table memory 5 and the weight coefficient memory 6 connected to the QoS mapping unit 2 for calculating the resource QoS from the user request application QoS by the mapping process will be described. Here, the weight coefficient memory 6 stores the weight coefficients learned and calculated by the QoS mapping unit 2. The mapping table memory 5 stores N sample data pairs {(P 1 , R 2 ), (P 2 , R 2 ),..., (P n ) between the application QoS requested by the user and the resource QoS. ,
R n), ..., it is stored in advance as a mapping table (P N, R N)} . The following table shows N sample data pairs (P n , R n ) (n = 1, 2,..., N) stored in the mapping table memory 5 in advance.
【0023】[0023]
【表1】 マッピングテーブルメモリ5に予め記憶されたN個のサンプルデータ対 (Pn,Rn) ――――――――――――――――――――――――――――――――――― (P1,R1)=({p11,p21,…,pK1},{r11,r21,…,rM1}) (P2,R2)=({p12,p22,…,pK2},{r12,r22,…,rM2}) (P3,R3)=({p13,p23,…,pK3},{r13,r23,…,rM3}) ………… (Pn,Rn)=({p1n,p2n,…,pKn},{r1n,r2n,…,rMn}) ………… (PN,RN)=({p1N,p2N,…,pKN},{r1N,r2N,…,rMN}) ―――――――――――――――――――――――――――――――――――[Table 1] N sample data pairs (P n , R n ) stored in the mapping table memory 5 in advance ―――――――――――――――――――――――― ――――――――――― (P 1 , R 1 ) = ({p 11 , p 21 , ..., p K1 }, {r 11 , r 21 , ..., r M1 }) (P 2 , R 2 ) R 2) = ({p 12 , p 22, ..., p K2}, {r 12, r 22, ..., r M2}) (P 3, R 3) = ({p 13, p 23, ..., p K3}, {r 13, r 23, ..., r M3}) ............ (P n, R n) = ({p 1n, p 2n, ..., p Kn}, {r 1n, r 2n, ... , R Mn }) ... (P N , RN ) = ({p 1N , p 2N , ..., p KN }, {r 1N , r 2N , ..., r MN }) ―――――――――――――――――――――――――――――
【0024】表1に示すように、N個のサンプルデータ
対(Pn,Rn)(n=1,2,…,N)はそれぞれ、K
個の要素を有するアプリケーションQoS Pn=
{p1n,p 2n,…,pKn}と、M個の要素を有するリソ
ースQoS Rn={r1n,r2n,…,rMn}とから構成
された1対のデータである。具体的には、本実施形態に
おいては、アプリケーションQoS PnのK個の要素
は、画像サイズとフレームレートと圧縮品質であり(K
=3)、リソースQoS RnのM個の要素は、必要帯域
とCPU稼働率である(M=2)。このサンプルデータ
対(Pn,Rn)は、アプリケーションQoSがPnの場
合に動画像通信を行うために必要とされるリソースQo
SはRnであることを示す。本実施形態で用いるスプラ
イン関数Smは、3次の自然スプライン関数であるが、
本発明はこれに限らず、自然スプライン関数に代えて、
B−スプライン関数を用いてもよい。As shown in Table 1, N sample data
Pair (Pn, Rn) (N = 1, 2,..., N) are K
QoS P with two elementsn=
{P1n, P 2n, ..., pKnリ and a litho with M elements
Source QoS Rn= {R1n, R2n, ..., rMnComposed of} and
This is a pair of data obtained. Specifically, in this embodiment,
In the application QoS PnK elements of
Is the image size, frame rate and compression quality (K
= 3), resource QoS RnAre the required bandwidths
And the CPU operating rate (M = 2). This sample data
Pair (Pn, Rn) Indicates that the application QoS is PnPlace
Resources Qo required to perform video communication
S is RnIt is shown that. Splat used in this embodiment
In function SmIs a cubic natural spline function,
The present invention is not limited to this. Instead of the natural spline function,
A B-spline function may be used.
【0025】図2は、QoSマッピング部2で用いるス
プライン関数を示すグラフであり、このスプライン関数
を用いてマッピング処理を行う。すなわち、ユーザ要求
のアプリケーションQoSに対してリソースQoSを決
定するための写像関数である。本実施形態では、マッピ
ングテーブルメモリ5に格納されたサンプルデータ対の
各点を分割点として、複数のスプライン関数を連結して
ゆく。FIG. 2 is a graph showing a spline function used in the QoS mapping section 2. Mapping is performed using this spline function. That is, it is a mapping function for determining the resource QoS for the application QoS requested by the user. In the present embodiment, a plurality of spline functions are connected with each point of the sample data pair stored in the mapping table memory 5 as a division point.
【0026】図3は、図1のQoSマッピング部2にお
いて用いるニューラルネットワーク群1000の構成を
示すブロック図であり、図4は、複数のニューラルネッ
トワーク群1000−1乃至1000−Mからなる多次
元のニューラルネットワーク2000の構成を示すブロ
ック図である。ここで、図3のニューラルネットワーク
群(NN群)1000は、両端のスプライン関数での端
点条件を考慮した複数(N−1)個のニューラルネット
ワークユニット(NNユニット)500−1乃至500
−(N−1)からなり、ここで、ユーザ要求のアプリケ
ーションQoSに対するリソースQoSの対の1つの種
類毎に、1つのNN群1000が存在し、複数のNN群
1000をまとめて、図4に示すように、多次元のニュ
ーラルネットワーク2000を構成する。すなわち、実
際上、QoSマッピング部2は、当該多次元のニューラ
ルネットワーク2000を用いてマッピング処理を実行
する。FIG. 3 is a block diagram showing a configuration of a neural network group 1000 used in the QoS mapping unit 2 of FIG. 1. FIG. 4 is a multidimensional network composed of a plurality of neural network groups 1000-1 to 1000-M. FIG. 2 is a block diagram illustrating a configuration of a neural network 2000. Here, the neural network group (NN group) 1000 in FIG. 3 includes a plurality of (N-1) neural network units (NN units) 500-1 to 500 in consideration of end point conditions in spline functions at both ends.
-(N-1), where one NN group 1000 exists for each type of resource QoS pair for the user requested application QoS, and a plurality of NN groups 1000 are collectively shown in FIG. As shown, a multi-dimensional neural network 2000 is configured. That is, in practice, the QoS mapping unit 2 performs the mapping process using the multidimensional neural network 2000.
【0027】図3において、各NNユニット500−i
(i=1,2,…,N−1)は、互いに隣接する2つの
入力(分割点のアプリケーションQoS)を選択的に切
り換えて入力層100に接続するスイッチSW1と、互
いに隣接する2つの出力(リソースQoS)を選択的に
切り換えて出力層300に接続するスイッチSW2と、
これら2つのスイッチSW1,SW2の間に接続され
た、次式の区分多項式である3次のスプライン関数を近
似する単位ニューラルネットワーク(単位NN)400
とを備えて構成される。In FIG. 3, each NN unit 500-i
(I = 1, 2,..., N−1) are a switch SW1 for selectively switching two adjacent inputs (application QoS at a dividing point) to connect to the input layer 100 and two adjacent outputs. A switch SW2 for selectively switching (resource QoS) to connect to the output layer 300;
A unit neural network (unit NN) 400 connected between these two switches SW1 and SW2, which approximates a cubic spline function which is a piecewise polynomial of the following equation:
And is provided.
【0028】[0028]
【数1】f(x)=aix3+bix2+cix+di ここで、xi<x<xi+1,i=1,2,…,N−1[Number 1] f (x) = a i x 3 + b i x 2 + c i x + d i where, x i <x <x i + 1, i = 1,2, ..., N-1
【0029】この単位NN400は、1つの入力層10
0と、4個の中間層200と、1つの出力層300とを
備えて構成され、ここで、中間層200は以下の4つの
中間層ユニットを有する。 (1)定数1が代入される定数項の中間層ユニット20
0−0;ここで、中間層ユニット200−0からの出力
は重み係数diで重み付けされて(乗算されて)出力層
300に出力される。 (2)入力層100からの出力が入力されるx項(1次
項)の中間層ユニット200−1;ここで、中間層ユニ
ット200−1からの出力は重み係数ciで重み付けさ
れて(乗算されて)出力層300に出力される。 (3)入力層100からの出力が入力されるx2項(2
次項)の中間層ユニット200−2;ここで、中間層ユ
ニット200−2からの出力は重み係数biで重み付け
されて(乗算されて)出力層300に出力される。 (4)入力層100からの出力が入力されるx3項(3
次項)の中間層ユニット200−3;ここで、中間層ユ
ニット200−3からの出力は重み係数aiで重み付け
されて(乗算されて)出力層300に出力される。This unit NN400 is composed of one input layer 10
0, four intermediate layers 200, and one output layer 300, wherein the intermediate layer 200 has the following four intermediate layer units. (1) An intermediate layer unit 20 of a constant term to which a constant 1 is substituted
0-0; wherein the output from the hidden unit 200-0 is weighted with weighting factors d i (is multiplied) is outputted to the output layer 300. (2) An intermediate term unit 200-1 of the x term (first order term) to which the output from the input layer 100 is input; the output from the intermediate layer unit 200-1 is weighted by a weight coefficient c i (multiplication) Is output to the output layer 300. (3) x 2 term (2) to which the output from the input layer 100 is input
Intermediate layer unit 200-2 in the next section); wherein, the output from the hidden unit 200-2 are weighted with weighting coefficients b i (is multiplied) is outputted to the output layer 300. (4) x 3 wherein the output from the input layer 100 is inputted (3
The output from the intermediate layer unit 200-3 is weighted (multiplied) by the weight coefficient a i and output to the output layer 300.
【0030】なお、本実施形態では、3次のスプライン
関数を用いているが、本発明において次数はこれに限ら
ない。Although the third embodiment uses a cubic spline function, the present invention is not limited to this.
【0031】図5のQoSマッピング処理での学習の際
に、評価する値は、ネットワークの2乗誤差平均、0,
1,2階微分の連続性、2階微分ノルム値である。領域
iにおける評価関数及び荷重更新式を以下に示す。At the time of learning in the QoS mapping processing of FIG. 5, the value to be evaluated is the mean square error of the network, 0,
It is the continuity of the 1st and 2nd derivatives and the norm of the 2nd derivative. The evaluation function and the load update formula in the region i are shown below.
【0032】[0032]
【数2】 (Equation 2)
【数3】 (Equation 3)
【数4】 (Equation 4)
【0033】ここで、Eieは2乗誤差平均評価項、E
icは連続性評価項、Eisは2階微分ノルム評価項、f
iは領域i(i=1,2,…,N−1)における出力、
xjは領域iにおける学習点である。ここで領域とは閉
区間[xi,xi+1]で表される定義域である。以上の評
価項に基いて、ネットワークの結合荷重について以下の
更新式を得る。重み係数ai,bi,ci,diそれぞれに
ついての微分は数4の各項がべき数の線形和で示される
ことから容易に導かれる。[0033] Here, Ei e squared error mean evaluating terms, E
i c is continuity evaluating terms, Ei s is the second order derivative norm evaluating terms, f
i is an output in a region i (i = 1, 2,..., N−1);
x j is a learning point in the area i. Here, the region is a domain represented by the closed interval [x i, x i + 1 ]. Based on the above evaluation terms, the following update formula is obtained for the connection weight of the network. The differentiation for each of the weighting coefficients a i , b i , c i , and d i is easily derived from the fact that each term of Equation 4 is represented by a linear sum of powers.
【0034】[0034]
【数5】 (Equation 5)
【数6】w=a,b,c,d## EQU6 ## w = a, b, c, d
【0035】ここで、ηeは2乗誤差に関する学習係
数、ηcは連続性に関する学習係数、η sは2階微分ノル
ムに関する学習係数である。このネットワークの、多次
元入力への展開も同様の評価関数を考慮することで得ら
れる。ここで、両端のスプライン関数における端点条件
を以下に示す。Where ηeIs the learning clerk for the square error
Number, ηcIs the learning coefficient for continuity, η sIs the second derivative nor
This is the learning coefficient for the system. Multi-order of this network
Expansion to the original input is also obtained by considering the similar evaluation function.
It is. Where the endpoint conditions in the spline functions at both ends
Is shown below.
【数7】f0(x1)=y1 F 0 (x 1 ) = y 1
【数8】f’0(x1)=(y2−y1)/(x2―x1)F ′ 0 (x 1 ) = (y 2 −y 1 ) / (x 2 −x 1 )
【数9】f”0(x1)=0F ” 0 (x 1 ) = 0
【数10】fN(xN)=yN F N (x N ) = y N
【数11】 f’N(xN)=(yN−yN-1)/(xN−xN-1)Equation 11] f 'N (x N) = (y N -y N-1) / (x N -x N-1)
【数12】f”N(xN)=0F ” N (x N ) = 0
【0036】図5及び図6は、図1のQoSマッピング
部2によって実行されるスプライン関数及びニューラル
ネットワークを用いたQoSマッピング処理を示すフロ
ーチャートである。FIGS. 5 and 6 are flowcharts showing a QoS mapping process using a spline function and a neural network, which is executed by the QoS mapping unit 2 of FIG.
【0037】図5に示すように、まず、ステップS1に
おいてスプライン関数fi(x)の重み係数ai,bi,
ci,di(i=1,2,…,N)を所定値に初期化す
る。次いで、ステップS2において予め記憶されたサン
プルデータ対をマッピングテーブルメモリ5から読み出
す。そして、ステップS3においてサンプルデータ対の
データ点を複数のスプライン関数を区分するスプライン
関数の分割点とし、スイッチSW1,SW2をa側に切
り換え、読み出したサンプルxi(i=1,2,…,N
−1)からfi(xi),fi’(xi),fi”(xi)を
計算し、次いで、スイッチSW1,SW2をb側に切り
換え、読み出したサンプルxi(i=2,3,…,N)
からfi-1(xi),fi-1’(xi),fi-1”(xi)を
計算する。ここで、スプライン関数の関数値はニューラ
ルネットワークを用いて計算するが、スプライン関数の
1階微分の関数値及び2階微分の関数値は、ニューラル
ネットワークで決定される重み係数ai,bi,ci,di
(i=1,2,…,N)を用いて元のスプライン関数の
1階微分の関数及び2階微分の関数を用いて計算するこ
とができる。次いで、ステップS4においてスプライン
関数における2乗誤差評価項Eie、連続性評価項E
ic、及び2階微分ノルム評価項Eisを数2乃至数4を
用いて、両端のスプライン関数での端点条件を考慮して
計算し、ステップS5において数5を用いて重み係数a
i,bi,ci,di(i=1,…,N)を更新し、2乗誤
差総和D=Σ{yi−fi(xi)}2を計算した後、ステ
ップS6に進む。As shown in FIG. 5, first, the weighting factors a i of the spline function f i (x) in step S1, b i,
c i , d i (i = 1, 2,..., N) are initialized to predetermined values. Next, in step S2, a sample data pair stored in advance is read from the mapping table memory 5. Then, in step S3, the data points of the sample data pair are set as the dividing points of the spline function for dividing the plurality of spline functions, the switches SW1 and SW2 are switched to the a side, and the read samples x i (i = 1, 2,. N
From -1) f i (x i) , f i '(x i), to calculate the f i "(x i), then switches the switches SW1, SW2 to side b, the read sample x i (i = 2,3, ..., N)
F i-1 (x i ), f i-1 ′ (x i ), f i-1 ″ (x i ). Here, the function value of the spline function is calculated using a neural network. , The function values of the first derivative and the second derivative of the spline function are weighting factors a i , b i , c i , and d i determined by the neural network.
Using (i = 1, 2,..., N), the original spline function can be calculated using the first derivative function and the second derivative function. Then, the square error evaluating terms Ei e in the spline function in step S4, the continuity evaluating terms E
i c, and the second floor with the number 2 or number 4 a differential norm evaluating terms Ei s, were calculated by considering the endpoint conditions in the spline function ends, the weighting coefficient a with the number 5 in step S5
i , b i , c i , d i (i = 1,..., N) are updated and the sum of squared errors D = {y i −f i (x i )} 2 is calculated. move on.
【0038】ステップS6において以下の収束条件を満
たしているか否かが判断される。 (1)2乗誤差総和Dが所定のしきい値(好ましい実施
形態では、10-3)以下かまたは (2)重み更新回数が所定のしきい値(好ましい実施形
態では、2万回)以上。In step S6, it is determined whether the following convergence condition is satisfied. (1) The sum of squared errors D is equal to or less than a predetermined threshold value (10 −3 in the preferred embodiment) or (2) The number of weight updates is equal to or greater than the predetermined threshold value (20,000 in the preferred embodiment) .
【0039】ステップS6でNOであるときは、ステッ
プS3に戻り、重み係数の更新を繰り返してニューラル
ネットワークの学習を繰り返す。一方、ステップS6で
YESのときは、図6のステップS7においてユーザか
らの要求があるか否かが判断され、すなわち、ユーザ要
求のアプリケーションQoSが指示されているか否かが
判断され、YESとなるまでステップS7の処理を繰り
返し、YESのときステップS8においてユーザ要求の
アプリケーションQoSに対するリソースQoSをNN
群1000(複数のQoSのときは、図4の多次元のニ
ューラルネットワーク2000を用いる。)を用いて算
出してQoS制御部3に出力する。次いで、ステップS
9において算出したリソースQoSと、QoSモニタリ
ング部9でモニターされる実際のリソースQoSとの差
が所定のしきい値以上であるか否かが判断され、NOで
あるときは、ステップS7に戻り学習無しに上記の処理
を繰り返す。一方、ステップS9でYESのときは、ス
テップS2に戻ってNN群1000の学習を行う。If NO in step S6, the process returns to step S3, and the learning of the neural network is repeated by repeatedly updating the weight coefficient. On the other hand, when YES is determined in the step S6, it is determined whether or not there is a request from the user in a step S7 in FIG. 6, that is, it is determined whether or not the application QoS of the user request is instructed, and the result is YES. The process of step S7 is repeated until YES, and in step S8, the resource QoS for the application QoS requested by the user is set to NN.
A group 1000 (for a plurality of QoSs, the multi-dimensional neural network 2000 of FIG. 4 is used) is calculated and output to the QoS control unit 3. Then, step S
It is determined whether the difference between the resource QoS calculated in step 9 and the actual resource QoS monitored by the QoS monitoring unit 9 is equal to or larger than a predetermined threshold. If NO, the process returns to step S7 to perform learning. The above process is repeated without any change. On the other hand, if YES is determined in the step S9, the process returns to the step S2 to perform learning of the NN group 1000.
【0040】[0040]
【実施例】動的環境におけるQoSマッピングの実験例
について以下に説明する。所定のQoS保証を実現する
ためQoSマッピングは重要な役割を担っているが、ユ
ーザからの要求を含めた通信環境は時々刻々と変動し、
その結果QoSマッピングも静的なものではなく、動的
環境に対するQoSマッピング(動的QoSマッピン
グ)を用意することが、きめ細かな通信制御を行う上で
必要となってくる。実施例として動画像ストリームの伝
送をとりあげている。DESCRIPTION OF THE PREFERRED EMBODIMENTS An experimental example of QoS mapping in a dynamic environment will be described below. QoS mapping plays an important role in order to achieve a predetermined QoS guarantee, but the communication environment including requests from users fluctuates every moment,
As a result, the QoS mapping is not static, and it is necessary to prepare a QoS mapping for a dynamic environment (dynamic QoS mapping) in order to perform fine communication control. As an embodiment, transmission of a moving image stream is described.
【0041】動画像はMotion JPEG符号化方
式により圧縮されるものとし、符号化パラメータの画像
サイズS、フレームレートF、量子化スケールQをアプ
リケーションQoSと定義する。また、符号化された動
画像を伝送する際に必要とされる通信帯域B、ならびに
受信側で動画像を復号し表示する際に負荷となるCPU
使用率CをリソースQoSと定義し、アプリケーション
QoSからリソースQoSへのマッピングを考える。The moving image is compressed by the Motion JPEG encoding method, and the image size S, frame rate F, and quantization scale Q of the encoding parameters are defined as application QoS. Further, a communication band B required when transmitting the encoded moving image, and a CPU which becomes a load when decoding and displaying the moving image on the receiving side.
The usage rate C is defined as resource QoS, and mapping from application QoS to resource QoS is considered.
【0042】本発明者の実験結果によれば、アプリケー
ションQoSの値が同一であっても動画像のコンテンツ
により必要とされるリソースQoSが異なることを実験
結果として得ており、さらに受信端末の違いによりマッ
ピング結果は異なることが予想される。様々な通信環境
に対して適したQoSマッピングを用意しておくことは
難しく、それぞれ条件に合わせてQoSマッピングを適
応的に変えていくようなメカニズムが必要である。According to the experimental results of the inventor, it has been obtained as an experimental result that the resource QoS required by the moving image content is different even if the value of the application QoS is the same. Is expected to result in a different mapping result. It is difficult to prepare QoS mapping suitable for various communication environments, and a mechanism for adaptively changing the QoS mapping according to each condition is required.
【0043】本実施形態では、上述のように、動的Qo
Sマッピングを実現する一つの手法として、あらかじめ
QoSマッピングの平均パターンを記憶させておき、動
的環境において取得されたデータにより平均パターンを
学習により変化させる方法を用いている。そして、この
ような学習を実現する一手法としてニューラルネットワ
ークがあり、スプラインQoSマッピングをニューラル
ネットワークにより実装するスプライン−ニューラルネ
ットワークを用いている。In the present embodiment, as described above, the dynamic Qo
As one method of realizing the S mapping, a method of storing an average pattern of QoS mapping in advance and changing the average pattern by learning using data acquired in a dynamic environment is used. A neural network is one method for implementing such learning. A spline-neural network that implements spline QoS mapping using a neural network is used.
【0044】図7は従来技術文献3で提案されている
「べき素子を用いた領域分割型ネットワーク」に基づ
き、スプライン−ニューラルネットワークを構成しQo
Sマッピングを行った結果を実測値とともに示してい
る。そして、環境変動があったときは、図8に示すよう
に、環境変動に応じてCPU使用率を上昇させるように
動的にQoS制御していることがわかる。FIG. 7 shows a spline-neural network constructed based on the "region division type network using exponent elements" proposed in
The results of the S mapping are shown together with the actually measured values. Then, when there is an environmental change, as shown in FIG. 8, it can be understood that the QoS control is dynamically performed so as to increase the CPU usage rate according to the environmental change.
【0045】以上説明したように、無線通信網やインタ
ーネットなどのネットワークでは動的に性能が変動する
が、本実施形態に係る図5のQoSマッピング処理で
は、このような通信網上でマルチメディア通信を行う場
合に効果を発揮する。また、ユーザはアプリケーション
を使用する端末や通信状況が使用環境に応じて変わる。
このような場合でも、ユーザ側から意識することなく、
システムが動的に端末や通信状況に応じたQoSマッピ
ングを行うことができる。それ故、ユーザからの要求を
満たすとともに、通信サービスに用いるメモリやCPU
などのリソースを効率的に使用することができる。As described above, the performance dynamically fluctuates in a network such as a wireless communication network or the Internet. However, in the QoS mapping processing of FIG. 5 according to the present embodiment, multimedia communication is performed on such a communication network. It is effective when performing. Further, the user changes the terminal using the application and the communication status according to the usage environment.
Even in such a case, without being aware of the user side,
The system can dynamically perform QoS mapping according to terminals and communication conditions. Therefore, the memory and CPU used for the communication service while satisfying the request from the user are provided.
And other resources can be used efficiently.
【0046】なお、本発明に係る実施形態では、複数の
端末間で動画像の通信を行うために動画像アプリケーシ
ョン1を備えているが、変形例として、静止画像、音
声、データ等のマルチメディアの通信を行うためのアプ
リケーションを備えてそれらの通信を行うことも可能で
ある。In the embodiment according to the present invention, the moving image application 1 is provided for performing moving image communication between a plurality of terminals. As a modified example, multimedia such as still image, audio, data, etc. It is also possible to provide an application for performing these communications and perform those communications.
【0047】[0047]
【発明の効果】以上詳述したように本発明に係る請求項
1記載の通信サービス品質制御方法によれば、ネットワ
ークを介して接続された複数の端末装置間の通信サービ
スの品質を制御する端末装置の通信サービス品質制御方
法において、ユーザが要求する通信サービスのアプリケ
ーションにおけるサービスの品質と、通信サービスを実
現するためのリソースにおけるサービスの品質とのサン
プル対である、予め与えられた複数のサンプルデータを
記憶することと、上記記憶された複数のサンプルデータ
のデータ点を複数のスプライン関数を区分する分割点と
し、入力層と複数の中間層と出力層とを有し、通信サー
ビスのアプリケーションにおけるサービスの品質を入力
とし、通信サービスを実現するためのリソースにおける
サービスの品質を出力とする各スプライン関数を表す複
数のニューラルネットワークを備え、複数の中間層から
の出力を各スプライン関数の各次の係数で重み付けする
ように構成されているニューラルネットワーク群におけ
る上記重み付けする重み係数を記憶することと、上記記
憶された複数のサンプルデータに基づいて、上記各スプ
ライン関数の分割点における関数値、1階微分値及び2
階微分値を計算し、上記各スプライン関数における2乗
誤差評価項、連続性評価項及び2階微分ノルム評価項を
含む評価関数を用いてかつ両端のスプライン関数で端点
条件を満たすように、上記ニューラルネットワーク群を
学習して上記第2の記憶手段に記憶された重み係数を更
新することと、新たにユーザが要求する通信サービスの
アプリケーションにおけるサービスの品質に基づいて、
上記学習されたニューラルネットワーク群を用いてリソ
ースにおけるサービスの品質を決定し、上記決定された
リソースにおけるサービスの品質に従って通信を行うよ
うに制御することとを含む。従って、無線通信網やイン
ターネットなどのネットワークでは動的に性能が変動す
るが、本発明によれば、このような通信網上でマルチメ
ディア通信を行う場合に効果を発揮する。また、ユーザ
はアプリケーションを使用する端末や通信状況が使用環
境に応じて変わる。このような場合でも、ユーザ側から
意識することなく、システムが動的に端末や通信状況に
応じたQoSマッピングを行うことができる。それ故、
ユーザからの要求を満たすとともに、通信サービスに用
いるメモリやCPUなどのリソースを効率的に使用する
ことができる。As described in detail above, according to the communication service quality control method according to the first aspect of the present invention, a terminal for controlling the quality of communication service between a plurality of terminal devices connected via a network. In the communication service quality control method for a device, a plurality of sample data given in advance, which is a sample pair of a service quality in an application of a communication service requested by a user and a service quality in a resource for realizing the communication service. And storing the data points of the stored plurality of sample data as division points for partitioning a plurality of spline functions, including an input layer, a plurality of intermediate layers, and an output layer, and providing a service in a communication service application. Quality of service in resources for realizing communication services. A plurality of neural networks each representing a spline function as a force, and the weighting factors for weighting in the neural network group configured to weight outputs from a plurality of hidden layers with respective next coefficients of each spline function. Storing, based on the stored plurality of sample data, a function value at the division point of each of the spline functions, a first order differential value and 2
Calculating the second order differential value, using an evaluation function including a square error evaluation term, a continuity evaluation term, and a second order norm evaluation term in each of the above spline functions, and satisfying the above-mentioned end point conditions with the spline functions at both ends. Learning the group of neural networks to update the weight coefficient stored in the second storage means, and based on the quality of service in the communication service application newly requested by the user,
Determining the quality of service in the resource using the learned neural network group, and controlling to perform communication according to the quality of service in the determined resource. Therefore, the performance fluctuates dynamically in a network such as a wireless communication network or the Internet. According to the present invention, an effect is exhibited when multimedia communication is performed on such a communication network. Further, the user changes the terminal using the application and the communication status according to the usage environment. Even in such a case, the system can dynamically perform QoS mapping according to the terminal and the communication status without being conscious of the user side. Therefore,
In addition to satisfying a request from a user, resources such as a memory and a CPU used for a communication service can be used efficiently.
【0048】また、本発明に係る請求項2記載の通信サ
ービス品質制御装置によれば、ネットワークを介して接
続された複数の端末装置間の通信サービスの品質を制御
する端末装置の通信サービス品質制御装置において、ユ
ーザが要求する通信サービスのアプリケーションにおけ
るサービスの品質と、通信サービスを実現するためのリ
ソースにおけるサービスの品質とのサンプル対である、
予め与えられた複数のサンプルデータを記憶する第1の
記憶手段と、上記第1の記憶手段に記憶された複数のサ
ンプルデータのデータ点を複数のスプライン関数を区分
する分割点とし、入力層と複数の中間層と出力層とを有
し、通信サービスのアプリケーションにおけるサービス
の品質を入力とし、通信サービスを実現するためのリソ
ースにおけるサービスの品質を出力とする各スプライン
関数を表す複数のニューラルネットワークを備え、複数
の中間層からの出力を各スプライン関数の各次の係数で
重み付けするように構成されているニューラルネットワ
ーク群における上記重み付けする重み係数を記憶する第
2の記憶手段と、上記第1の記憶手段に記憶された複数
のサンプルデータに基づいて、上記各スプライン関数の
分割点における関数値、1階微分値及び2階微分値を計
算し、上記各スプライン関数における2乗誤差評価項、
連続性評価項及び2階微分ノルム評価項を含む評価関数
を用いてかつ両端のスプライン関数で端点条件を満たす
ように、上記ニューラルネットワーク群を学習して上記
第2の記憶手段に記憶された重み係数を更新する学習手
段と、新たにユーザが要求する通信サービスのアプリケ
ーションにおけるサービスの品質に基づいて、上記学習
手段によって学習されたニューラルネットワーク群を用
いてリソースにおけるサービスの品質を決定し、上記決
定されたリソースにおけるサービスの品質に従って通信
を行うように制御する制御手段とを備える。従って、無
線通信網やインターネットなどのネットワークでは動的
に性能が変動するが、本発明によれば、このような通信
網上でマルチメディア通信を行う場合に効果を発揮す
る。また、ユーザはアプリケーションを使用する端末や
通信状況が使用環境に応じて変わる。このような場合で
も、ユーザ側から意識することなく、システムが動的に
端末や通信状況に応じたQoSマッピングを行うことが
できる。それ故、ユーザからの要求を満たすとともに、
通信サービスに用いるメモリやCPUなどのリソースを
効率的に使用することができる。According to the communication service quality control device of the present invention, the communication service quality control of a terminal device for controlling the quality of communication service between a plurality of terminal devices connected via a network. In the device, a sample pair of the quality of service in the application of the communication service requested by the user and the quality of service in the resource for realizing the communication service is
First storage means for storing a plurality of sample data given in advance; and data points of the plurality of sample data stored in the first storage means as division points for partitioning a plurality of spline functions; A plurality of neural networks each having a plurality of intermediate layers and an output layer, each representing a spline function that receives a quality of service in a communication service application and outputs a quality of service in a resource for realizing the communication service. A second storage means for storing the weighting factors to be weighted in a group of neural networks configured to weight outputs from a plurality of hidden layers with respective next-order coefficients of each spline function; Based on the plurality of sample data stored in the storage means, the relation at the division point of each of the above spline functions is obtained. Value, the first derivative and second derivative value is calculated, the square error evaluating terms in the spline function,
The neural network group is learned by using an evaluation function including a continuity evaluation term and a second-order differential norm evaluation term so as to satisfy end point conditions with spline functions at both ends, and a weight stored in the second storage means. Based on the learning means for updating the coefficient and the quality of service in the communication service application newly requested by the user, the quality of service in the resource is determined using the neural network group learned by the learning means, and the determination is performed. And control means for controlling communication according to the quality of service of the resource set. Therefore, the performance fluctuates dynamically in a network such as a wireless communication network or the Internet. According to the present invention, an effect is exhibited when multimedia communication is performed on such a communication network. Further, the user changes the terminal using the application and the communication status according to the usage environment. Even in such a case, the system can dynamically perform QoS mapping according to the terminal and the communication status without being conscious of the user side. Therefore, while meeting the demands of users,
Resources such as a memory and a CPU used for a communication service can be used efficiently.
【図1】 本発明に係る実施形態である、スプライン関
数を用いたQoSマッピング部2を備えた端末装置Aを
有する動画像通信システムの構成を示すブロック図であ
る。FIG. 1 is a block diagram illustrating a configuration of a moving image communication system including a terminal device A including a QoS mapping unit 2 using a spline function according to an embodiment of the present invention.
【図2】 図1におけるスプライン関数及びニューラル
ネットワークを用いたQoSマッピング部2において、
ユーザ要求のアプリケーションQoSからリソースQo
Sへの写像に用いるスプライン関数を示すグラフであ
る。FIG. 2 shows a QoS mapping unit 2 using a spline function and a neural network in FIG.
From user requested application QoS to resource QoS
5 is a graph showing a spline function used for mapping to S.
【図3】 図1のスプライン関数及びニューラルネット
ワークを用いたQoSマッピング部2において用いるニ
ューラルネットワーク群1000の構成を示すブロック
図である。3 is a block diagram showing a configuration of a neural network group 1000 used in the QoS mapping unit 2 using the spline function and the neural network of FIG.
【図4】 図1のスプライン関数及びニューラルネット
ワークを用いたQoSマッピング部2において用いる、
複数のニューラルネットワーク群1000−1乃至10
00−Mからなる多次元のニューラルネットワーク20
00の構成を示すブロック図である。FIG. 4 illustrates a QoS mapping unit 2 using the spline function and the neural network of FIG.
A plurality of neural network groups 1000-1 to 1000-10
Multi-dimensional neural network 20 consisting of 00-M
FIG. 2 is a block diagram showing a configuration of a 00.
【図5】 図1におけるスプライン関数及びニューラル
ネットワークを用いたQoSマッピング部2によって実
行されるスプライン関数及びニューラルネットワークを
用いたQoSマッピング処理の第1の部分を示すフロー
チャートである。FIG. 5 is a flowchart showing a first part of a QoS mapping process using a spline function and a neural network performed by the QoS mapping unit 2 using the spline function and the neural network in FIG. 1;
【図6】 図1におけるスプライン関数及びニューラル
ネットワークを用いたQoSマッピング部2によって実
行されるスプライン関数及びニューラルネットワークを
用いたQoSマッピング処理の第2の部分を示すフロー
チャートである。FIG. 6 is a flowchart showing a second part of the QoS mapping process using the spline function and the neural network, which is performed by the QoS mapping unit 2 using the spline function and the neural network in FIG. 1;
【図7】 本実施形態の端末装置Aを用いたときの環境
変動が無いときの、量子化スケールに対するCPU使用
率の特性における計算値と実測値とを示すグラフであ
る。FIG. 7 is a graph showing a calculated value and a measured value in the characteristic of the CPU usage rate with respect to the quantization scale when there is no environmental change when the terminal device A of the present embodiment is used.
【図8】 本実施形態の端末装置Aを用いたときの環境
変動が有るときの、量子化スケールに対するCPU使用
率の特性における計算値と実測値とを示すグラフであ
る。FIG. 8 is a graph showing a calculated value and a measured value in a characteristic of a CPU usage rate with respect to a quantization scale when there is an environmental change when the terminal device A of the present embodiment is used.
1…動画像アプリケーション、 2…スプライン関数及びニューラルネットワークを用い
たQoSマッピング部(QoSマッピング部)、 3…QoS制御部、 4,12…動画像符号器及び復号器、 5…マッピングテーブルメモリ、 6…重み係数メモリ、 8…CPU、 9…QoSモニタリング部、 10…通信制御部、 11…CRTディスプレイモニタ、 13…ビデオカメラ、 100…入力層、 200…中間層、 300…出力層、 400…単位ニューラルネットワーク(単位NN)、 500−1乃至500−(N−1)…ニューラルネット
ワークユニット(NNユニット)、 1000,1000−1乃至1000−M…ニューラル
ネットワーク群(NN群)、 2000…多次元のニューラルネットワーク、 A,B…端末装置、 A1,B1…パーソナルコンピュータ、 NE…ネットワーク、 A2,B2…モデム。DESCRIPTION OF SYMBOLS 1 ... Moving picture application 2 ... QoS mapping part (QoS mapping part) using spline function and neural network 3 ... QoS control part 4,12 ... Moving picture encoder and decoder 5 ... Mapping table memory 6 ... weight coefficient memory, 8 ... CPU, 9 ... QoS monitoring unit, 10 ... communication control unit, 11 ... CRT display monitor, 13 ... video camera, 100 ... input layer, 200 ... intermediate layer, 300 ... output layer, 400 ... unit Neural network (unit NN), 500-1 to 500- (N-1) ... neural network unit (NN unit), 1000, 1000-1 to 1000-M ... neural network group (NN group), 2000 ... multi-dimensional Neural network, A, B ... terminal device, A1, B 1: Personal computer, NE: Network, A2, B2: Modem.
───────────────────────────────────────────────────── フロントページの続き (72)発明者 松田 潤 京都府相楽郡精華町大字乾谷小字三平谷5 番地 株式会社エイ・ティ・アール環境適 応通信研究所内 Fターム(参考) 5C054 AA02 DA09 EA03 EG01 EG06 EG08 HA00 5C059 KK01 MA00 SS06 TA05 TA16 TA46 TC01 TC47 TD03 TD04 5K030 GA08 GA16 HA08 HB21 KA04 KA08 LC01 LC09 9A001 BB03 BB04 CC08 EE02 EE04 EE05 GZ13 HH06 JJ18 JJ25 KK31 LL08 ──────────────────────────────────────────────────続 き Continuing on the front page (72) Inventor Jun Matsuda 5 Sanraya, Daiya, Seika-cho, Sagara-gun, Kyoto F-term (reference) 5C054 AA02 DA09 EA03 EG01 EG06 EG08 HA00 5C059 KK01 MA00 SS06 TA05 TA16 TA46 TC01 TC47 TD03 TD04 5K030 GA08 GA16 HA08 HB21 KA04 KA08 LC01 LC09 9A001 BB03 BB04 CC08 EE02 EE04 EE05 GZ13 HH06 JJ18 JJ25 KK31 LL08
Claims (2)
端末装置間の通信サービスの品質を制御する端末装置の
通信サービス品質制御方法において、 ユーザが要求する通信サービスのアプリケーションにお
けるサービスの品質と、通信サービスを実現するための
リソースにおけるサービスの品質とのサンプル対であ
る、予め与えられた複数のサンプルデータを記憶するこ
とと、 上記記憶された複数のサンプルデータのデータ点を複数
のスプライン関数を区分する分割点とし、入力層と複数
の中間層と出力層とを有し、通信サービスのアプリケー
ションにおけるサービスの品質を入力とし、通信サービ
スを実現するためのリソースにおけるサービスの品質を
出力とする各スプライン関数を表す複数のニューラルネ
ットワークを備え、複数の中間層からの出力を各スプラ
イン関数の各次の係数で重み付けするように構成されて
いるニューラルネットワーク群における上記重み付けす
る重み係数を記憶することと、 上記記憶された複数のサンプルデータに基づいて、上記
各スプライン関数の分割点における関数値、1階微分値
及び2階微分値を計算し、上記各スプライン関数におけ
る2乗誤差評価項、連続性評価項及び2階微分ノルム評
価項を含む評価関数を用いてかつ両端のスプライン関数
で端点条件を満たすように、上記ニューラルネットワー
ク群を学習して上記第2の記憶手段に記憶された重み係
数を更新することと、 新たにユーザが要求する通信サービスのアプリケーショ
ンにおけるサービスの品質に基づいて、上記学習された
ニューラルネットワーク群を用いてリソースにおけるサ
ービスの品質を決定し、上記決定されたリソースにおけ
るサービスの品質に従って通信を行うように制御するこ
ととを含むことを特徴とする通信サービス品質制御方
法。1. A communication service quality control method for a terminal device for controlling the communication service quality between a plurality of terminal devices connected via a network, comprising the steps of: Storing a plurality of sample data given in advance, which is a sample pair with a quality of service in a resource for realizing a service; and dividing a plurality of data points of the stored plurality of sample data into a plurality of spline functions. Each spline that has an input layer, a plurality of intermediate layers, and an output layer, receives the quality of service in an application of the communication service as input, and outputs the quality of service in a resource for realizing the communication service as an output With multiple neural networks representing functions, multiple intermediate Storing the weighting factors to be weighted in the neural network group configured to weight the output from each of the following coefficients of each spline function; based on the stored plurality of sample data, The function value at the division point of the spline function, the first differential value and the second differential value are calculated, and the evaluation function including the square error evaluation term, the continuity evaluation term, and the second differential norm evaluation term in each of the above spline functions is used. Learning the neural network group and updating the weight coefficient stored in the second storage means so that the end point condition is satisfied by the spline functions at both ends, and an application of a communication service newly requested by the user. Based on the quality of service in A communication service quality control method, comprising: determining a quality of service to be performed, and controlling communication according to the quality of service in the determined resource.
端末装置間の通信サービスの品質を制御する端末装置の
通信サービス品質制御装置において、 ユーザが要求する通信サービスのアプリケーションにお
けるサービスの品質と、通信サービスを実現するための
リソースにおけるサービスの品質とのサンプル対であ
る、予め与えられた複数のサンプルデータを記憶する第
1の記憶手段と、 上記第1の記憶手段に記憶された複数のサンプルデータ
のデータ点を複数のスプライン関数を区分する分割点と
し、入力層と複数の中間層と出力層とを有し、通信サー
ビスのアプリケーションにおけるサービスの品質を入力
とし、通信サービスを実現するためのリソースにおける
サービスの品質を出力とする各スプライン関数を表す複
数のニューラルネットワークを備え、複数の中間層から
の出力を各スプライン関数の各次の係数で重み付けする
ように構成されているニューラルネットワーク群におけ
る上記重み付けする重み係数を記憶する第2の記憶手段
と、 上記第1の記憶手段に記憶された複数のサンプルデータ
に基づいて、上記各スプライン関数の分割点における関
数値、1階微分値及び2階微分値を計算し、上記各スプ
ライン関数における2乗誤差評価項、連続性評価項及び
2階微分ノルム評価項を含む評価関数を用いてかつ両端
のスプライン関数で端点条件を満たすように、上記ニュ
ーラルネットワーク群を学習して上記第2の記憶手段に
記憶された重み係数を更新する学習手段と、 新たにユーザが要求する通信サービスのアプリケーショ
ンにおけるサービスの品質に基づいて、上記学習手段に
よって学習されたニューラルネットワーク群を用いてリ
ソースにおけるサービスの品質を決定し、上記決定され
たリソースにおけるサービスの品質に従って通信を行う
ように制御する制御手段とを備えたことを特徴とする通
信サービス品質制御装置。2. A communication service quality control device for a terminal device for controlling the quality of communication service between a plurality of terminal devices connected via a network, comprising: First storage means for storing a plurality of sample data given in advance, which is a sample pair of service quality in a resource for realizing a service; and a plurality of sample data stored in the first storage means A data point for dividing a plurality of spline functions into a plurality of spline functions, an input layer, a plurality of intermediate layers, and an output layer. Neural networks representing each spline function that output the quality of service in A second storage means for storing the weighting factors to be weighted in a neural network group comprising a work, and configured to weight outputs from a plurality of hidden layers with respective coefficients of each spline function; Calculating a function value, a first-order differential value, and a second-order differential value at the division point of each spline function based on the plurality of sample data stored in the first storage means, and calculating a square error evaluation term in each of the spline functions. The neural network group is learned and stored in the second storage means using an evaluation function including a continuity evaluation term and a second derivative norm evaluation term, and satisfying the end point condition with the spline functions at both ends. Based on the learning means for updating the weight coefficient, and the quality of service in the communication service application newly requested by the user, Control means for determining the quality of service in the resource using the group of neural networks learned by the learning means, and controlling communication to be performed in accordance with the quality of service in the determined resource. Service quality control device.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP4485999A JP3142268B2 (en) | 1999-02-23 | 1999-02-23 | Communication service quality control method and apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP4485999A JP3142268B2 (en) | 1999-02-23 | 1999-02-23 | Communication service quality control method and apparatus |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2000242623A true JP2000242623A (en) | 2000-09-08 |
JP3142268B2 JP3142268B2 (en) | 2001-03-07 |
Family
ID=12703219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP4485999A Expired - Fee Related JP3142268B2 (en) | 1999-02-23 | 1999-02-23 | Communication service quality control method and apparatus |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3142268B2 (en) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000349769A (en) * | 1999-06-01 | 2000-12-15 | Mitsubishi Electric Corp | Parameter decision device, parameter decision method and computer readable recording medium recording program for making computer execute the method |
JP2006521063A (en) * | 2003-03-17 | 2006-09-14 | クゥアルコム・インコーポレイテッド | Admission control and resource allocation in communication systems that support application flows with quality of service requirements |
JP2006524850A (en) * | 2003-04-04 | 2006-11-02 | ペーアーツェーテー イクスペーペー テクノロジーズ アクチエンゲゼルシャフト | Data processing method and data processing apparatus |
WO2007086124A1 (en) * | 2006-01-26 | 2007-08-02 | Matsushita Electric Industrial Co., Ltd. | Qos control system |
JP2008123307A (en) * | 2006-11-14 | 2008-05-29 | Fujitsu Ltd | Method and device for calculating significance to resources |
JP2010166582A (en) * | 2003-03-17 | 2010-07-29 | Qualcomm Inc | Permission control and resource allocation in communication system that supports quality of service |
JP2011081827A (en) * | 2010-11-30 | 2011-04-21 | Fujitsu Ltd | Method and apparatus for calculating degree of importance for resources |
JP2011210265A (en) * | 2010-03-29 | 2011-10-20 | Intel Corp | Power management based on automatic workload detection |
JP2017043924A (en) * | 2015-08-25 | 2017-03-02 | 日立建機株式会社 | Remote control system for construction machinery |
JP2019016166A (en) * | 2017-07-06 | 2019-01-31 | 日本放送協会 | Neural network, encoder, decoder, learning method, control method, and program |
CN111868752A (en) * | 2018-07-23 | 2020-10-30 | 谷歌有限责任公司 | Continuous parameterization of neural network layer weights |
-
1999
- 1999-02-23 JP JP4485999A patent/JP3142268B2/en not_active Expired - Fee Related
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000349769A (en) * | 1999-06-01 | 2000-12-15 | Mitsubishi Electric Corp | Parameter decision device, parameter decision method and computer readable recording medium recording program for making computer execute the method |
JP2006521063A (en) * | 2003-03-17 | 2006-09-14 | クゥアルコム・インコーポレイテッド | Admission control and resource allocation in communication systems that support application flows with quality of service requirements |
JP2010166582A (en) * | 2003-03-17 | 2010-07-29 | Qualcomm Inc | Permission control and resource allocation in communication system that supports quality of service |
JP2006524850A (en) * | 2003-04-04 | 2006-11-02 | ペーアーツェーテー イクスペーペー テクノロジーズ アクチエンゲゼルシャフト | Data processing method and data processing apparatus |
WO2007086124A1 (en) * | 2006-01-26 | 2007-08-02 | Matsushita Electric Industrial Co., Ltd. | Qos control system |
JP2008123307A (en) * | 2006-11-14 | 2008-05-29 | Fujitsu Ltd | Method and device for calculating significance to resources |
JP2011210265A (en) * | 2010-03-29 | 2011-10-20 | Intel Corp | Power management based on automatic workload detection |
JP2011081827A (en) * | 2010-11-30 | 2011-04-21 | Fujitsu Ltd | Method and apparatus for calculating degree of importance for resources |
JP2017043924A (en) * | 2015-08-25 | 2017-03-02 | 日立建機株式会社 | Remote control system for construction machinery |
JP2019016166A (en) * | 2017-07-06 | 2019-01-31 | 日本放送協会 | Neural network, encoder, decoder, learning method, control method, and program |
CN111868752A (en) * | 2018-07-23 | 2020-10-30 | 谷歌有限责任公司 | Continuous parameterization of neural network layer weights |
CN111868752B (en) * | 2018-07-23 | 2024-03-12 | 谷歌有限责任公司 | Continuous parameterization of neural network layer weights |
Also Published As
Publication number | Publication date |
---|---|
JP3142268B2 (en) | 2001-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3043599B2 (en) | Quantization step size controller using neural network | |
JP3431331B2 (en) | Video encoding device, video transmission device, and video conference device | |
US6801572B2 (en) | Method and apparatus for image signal encoding | |
JP4111351B2 (en) | Apparatus and method for optimizing rate control in a coding system | |
JP4554927B2 (en) | Rate control method and system in video transcoding | |
JP3208039B2 (en) | Image encoded data rate converter | |
KR19980064084A (en) | Image encoding / decoding apparatus, image encoding / decoding method, encoded image recording medium, and encoded image transmission method | |
JP2001512651A (en) | Calculation method of quantization matrix for each frame | |
JP3142268B2 (en) | Communication service quality control method and apparatus | |
EP1209625A2 (en) | Picture coding apparatus and method | |
JPWO2006098226A1 (en) | Encoding device and moving image recording system provided with encoding device | |
JPH09307904A (en) | Quantizer for video signal coding system | |
JP2948562B2 (en) | Transmission rate control apparatus for MPEG video signal using fuzzy control | |
Basu et al. | Variable resolution teleconferencing | |
JP3846424B2 (en) | Image signal quantization apparatus and method | |
JP3094003B2 (en) | Transmission rate control method and apparatus for fixed transmission rate MPEG video transmitter | |
US20050140781A1 (en) | Video coding method and apparatus thereof | |
CN114374841A (en) | Optimization method and device for video coding rate control and electronic equipment | |
CN112866696A (en) | 4K, 8K and 16K ultra-high-definition video coding optimization control method and device | |
JP3393595B2 (en) | Moving picture coding apparatus and moving picture coding method | |
JP2968789B1 (en) | Communication service quality control method and apparatus | |
JP4105676B2 (en) | How to deblock and transcode media streams | |
JP2000152229A (en) | Method and device for restoring compressed image of image processing system | |
JP4007398B2 (en) | Quantization control apparatus and method | |
CN102271247B (en) | Method and device for adjusting coding code rate |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
LAPS | Cancellation because of no payment of annual fees |