Vers l'apprentissage de mécanismes d'adaptation multimédia

摘要

Nous étudions dans cet article la possibilité de ne pas fixer a priori les mécanismes d'adaptation multimédia. Nous proposons d'utiliser des méthodes d'apprentissage par renforcement pour améliorer au fil des utilisations des agents d'adaptation incorporés aux contenus multimédias. Plusieurs exemples sont envisagés pour des services mobiles. Le formalisme des Processus Décisionnels de Markov (PDM) est brièvement détaillé avant la présentation d'un modèle PDM pour l'apprentissage d'un agent d'adaptation par préchargement. Des résultats d'expérimentation prouvent l'intérêt de la méthode proposée.%This paper argues that adaptation methods should not be fixed. We propose to use reinforcement learning in order to improve the behaviour of multimedia adaptation agents by taking into account the usage of a multimedia content. Some examples dealing with mobile services are presented. The Markov Decision Process (MDP) framework is briefly explained. We therefore present an application of MDP to the problem of an adaptation agent's learning: how to learn optimal prefetching policies. Experimental results show the benefits of the proposed method.