diff --git a/Report/前沿报告.md b/Report/前沿报告.md new file mode 100644 index 0000000..01fa048 --- /dev/null +++ b/Report/前沿报告.md @@ -0,0 +1,34 @@ +

计算机网络前沿技术调研报告

+ +
+
课程名称:计算机网络原理
+
学号:21281280
+
姓名:柯劲帆
+
班级:物联网2101班
+
指导老师:常晓琳
+
报告日期:2024年6月20日
+
+ +--- + + + +我于本周末参加了北京大学边凯归副教授主讲的前沿技术讲座。通过讲座，我认真学习了AR/VR视频传输技术、基于推荐系统的网络缓存技术、基于深度学习的视频增加分辨率等技术，受益匪浅。下面我分别详细描述我学习到的最感兴趣的三个技术： + +### **AR/VR视频传输技术** + +增强现实（AR）和虚拟现实（VR）技术的发展极大地推动了视频传输技术的进步。这些技术需要高带宽和低延迟的网络环境来提供沉浸式体验。为了实现这一目标，边缘计算被应用于将计算资源移至网络边缘，减少数据传输时延，提高视频传输效率。此外，自适应视频流技术根据网络状况动态调整视频质量，以确保流畅的用户体验。而多路径传输技术通过利用多条传输路径提高视频传输的稳定性和带宽利用率，进一步保障了AR/VR视频传输的高质量。 + +### **基于推荐系统的网络缓存技术** + +网络缓存技术旨在减少数据传输延迟，提高内容传递效率。通过推荐系统预测用户需求，可以优化缓存策略，进一步提升缓存性能。用户行为分析是该技术的核心，通过分析用户的浏览历史和点击率等数据，预测用户可能访问的内容。基于推荐系统的预测结果，内容预取技术提前将用户可能需要的内容缓存到靠近用户的网络节点，从而提高访问速度。优化的缓存替换策略使得缓存命中率最大化，进一步减少数据传输延迟，提升用户体验。 + +### **基于深度学习的视频增加分辨率技术** + +深度学习在图像和视频处理领域的广泛应用，使得低分辨率视频增强成为可能。这些技术不仅提高了视频的观看体验，还在远程医疗、监控等领域具有重要应用价值。通过训练卷积神经网络（CNN），可以显著提升视频的空间分辨率。生成对抗网络（GAN）进一步提高视频的细节和真实感，提供更加逼真的视觉效果。此外，自监督学习技术减少了对标注数据的依赖，提升了模型的泛化能力，使得视频分辨率增强技术更加高效和实用。 + +## 总结 + +此次讲座让我对计算机网络前沿技术有了更深入的了解。尤其是AR/VR视频传输技术、基于推荐系统的网络缓存技术，以及基于深度学习的视频增加分辨率技术。这些技术不仅在学术研究中具有重要意义，也在实际应用中展示了广阔的前景。未来的研究中，可以更多关注这些技术的实际应用和优化，探索更多可能性。 + +通过此次讲座，我不仅学习了计算机网络前沿技术的最新进展，还激发了对相关领域研究的浓厚兴趣。希望未来能够有机会深入研究这些技术，为推动计算机网络的发展贡献力量。 diff --git a/Report/前沿报告.pdf b/Report/前沿报告.pdf new file mode 100644 index 0000000..cc8aa94 Binary files /dev/null and b/Report/前沿报告.pdf differ