| dc.contributor.advisor | Zacharioudakis, Eleftherios | |
| dc.contributor.author | Γεροσταμούλου, Δήμητρα Ιωάννα | |
| dc.date.accessioned | 2025-07-02T11:18:13Z | |
| dc.date.available | 2025-07-02T11:18:13Z | |
| dc.date.issued | 2025-01 | |
| dc.identifier.uri | http://hdl.handle.net/11728/12930 | |
| dc.description | The quick development of digital technologies has elevated all video streaming platforms as an
important way of communication, entertainment and information, with the video streaming market
growing very fast. At the same time, the integration of artificial intelligence and machine learning is
improving the Quality of Experience (QoE) for users. The biggest interest originates by the nature of
Aeronautical Ad Hoc Networks (AANET), where quality assurance techniques are critical due to
specific challenges such as high-altitude connectivity, high speed and possible geographical constraints.
The proposed architecture includes an LSTM multivariate timeseries model that can predict QoE based
on specific QoS features that feature this multilevel telecom environment. The architecture of the model
is defined and evaluated using quality assurance methods and metrics. The execution results confirm
that the proposed model can effectively predict the continuous QoE for video streaming applications on
short-term time series sequences. | en_UK |
| dc.description.abstract | Η ταχεία ανάπτυξη των ψηφιακών τεχνολογιών έχει αναδείξει τις πλατφόρμες ροής βίντεο ως
σημαντικό τρόπο επικοινωνίας, ψυχαγωγίας και ενημέρωσης, με την αγορά να αναπτύσσεται πολύ
γρήγορα. Ταυτόχρονα, η ενσωμάτωση της τεχνητής νοημοσύνης και της μηχανικής μάθησης βελτιώνει
την Ποιότητα Εμπειρίας (QoE) για τους χρήστες. Το μεγαλύτερο ενδιαφέρον βρίσκεται στη φύση των
Aeronautical Ad Hoc Networks (AANET), όπου οι τεχνικές διασφάλισης ποιότητας είναι κρίσιμες
λόγω συγκεκριμένων προκλήσεων όπως η συνδεσιμότητα σε μεγάλο υψόμετρο, η υψηλή ταχύτητα και
οι ενδεχόμενοι γεωγραφικοί περιορισμοί. Το προτεινόμενο πλαίσιο περιλαμβάνει ένα μοντέλο
πολυμεταβλητών χρονοσειρών LSTM που μπορεί να προβλέψει την QoE με βάση συγκεκριμένα
χαρακτηριστικά QoS τα οποία χαρακτηρίζουν ένα τέτοιο πολυεπίπεδο τηλεπικοινωνιακό περιβάλλον.
Το μοντέλο ορίζεται και αξιολογείται χρησιμοποιώντας μεθόδους και μετρήσεις διασφάλισης
ποιότητας. Τα αποτελέσματα της εκτέλεσης επιβεβαιώνουν ότι το προτεινόμενο μοντέλο μπορεί να
προβλέψει αποτελεσματικά τη συνεχή QoE για ροή βίντεο σε βραχυπρόθεσμες ακολουθίες
χρονοσειρών. | en_UK |
| dc.language.iso | el_GR | en_UK |
| dc.publisher | Μεταπτυχιακό στα Πληροφοριακά Συστήματα και Ψηφιακή Καινοτομία, Σχολή Διοίκησης και Επιστήμης Υπολογιστών, Πανεπιστήμιο Νεάπολις Πάφου | en_UK |
| dc.rights | Απαγορεύεται η δημοσίευση ή αναπαραγωγή, ηλεκτρονική ή άλλη χωρίς τη γραπτή συγκατάθεση του δημιουργού και κάτοχου των πνευματικών δικαιωμάτων | en_UK |
| dc.subject | Ποιότητα Εμπειρίας (QoE) | en_UK |
| dc.subject | Ad Hoc Networks (AANET) | en_UK |
| dc.subject | χρονοσειρών LSTM | en_UK |
| dc.subject | QoS | en_UK |
| dc.title | Μελέτη περίπτωσης εφαρμογής τεχνικών και μετρικών διασφάλισης ποιότητας σε μοντέλα μηχανικής μάθησης για πρόβλεψη δεδομένων χρονοσειρών QoE σε μετάδοση βίντεο εν πτήσει μέσω υβριδικών δικτύων ΑΑΝΕΤ (Satellite & A2G) | en_UK |
| dc.title.alternative | Διπλωματική εργασία η οποία υποβλήθηκε προς απόκτηση μεταπτυχιακού τίτλου σπουδών στα Πληροφοριακά Συστήματα και Ψηφιακή Καινοτομία στο Πανεπιστήμιο Νεάπολις Πάφος | en_UK |
| dc.type | Thesis | en_UK |
