Contents 

Remerciements

• Contents
• List of Figures
• List of Tables
  • Publications
  • Acronyms
  • Glossary¹¹
  • Évaluation automatique de la qualité des flux multimédias en temps réel : une approche par réseaux de neurones
    • Introduction
      • Les motivations
      • Les contributions de cette thèse
      • Vue d'ensemble de la dissertation
    • Descriptions de notre nouvelle méthode en général
      • Vue d'ensemble de la méthode
      • Essais subjectifs de la qualité
      • Calcul de MOS et analyse statistique
      • Comparaison entre ANN et RNN
      • Choix de paramètres
    • La mesure de la qualité de la parole en temps réel
      • Paramètres affectant la qualité de la parole
      • Une base de données de MOS pour différentes langues
      • Évaluation de la qualité de la parole par le RN
      • Performance d'autres mesures de la qualité de la parole
    • Évaluation de la qualité de la vidéo
      • Les paramètres influant la qualité de la vidéo
      • Résultats
      • Les performances des autres mesures de la qualité
    • Études des effets de paramètres sur la qualité
      • Impact des paramètres sur la qualité de la parole
      • Impact des paramètres sur la qualité de la vidéo
    • Un nouveau mécanisme de contrôle de débit
      • TFRC basé sur une équation (EB-TFRC)
      • Notre protocole de contrôle de débit
      • Résultats de simulation
    • Une nouvelle méthode pour la prévision du trafic
      • Notre méthode proposée
      • Les résultats et les évaluations expérimentales du nouveau modèle
    • Nouveaux algorithmes d'apprentissage pour les réseaux de neurones aléatoires
      • La méthode de Levenberg-Marquardt pour RNN
      • LM avec adaptive momentum pour RNN
      • Évaluation des performances des algorithmes proposés
    • Conclusions générales
      • Sommaire des contributions principales
      • Extensions possibles
• English Annex: Automatic Evaluation of Real-Time Multimedia Quality: a Neural Network Approach
  • Introduction
    • Motivations
      • Multimedia Quality Assessment
      • Impact of the Quality-Affecting Parameters on Multimedia Quality
      • Rate Control Protocols
      • Traffic Prediction
      • Neural Network Learning
    • The Contributions of this Dissertation
    • Overview of the Dissertation
• Automatic Real-Time Multimedia Quality Evaluation
  • State of the Art
    • Objective Speech Quality Measures
      • Bark Spectral Distortion (BSD)
      • Enhanced Modified BSD (EMBSD)
      • Perceptual Speech Quality Measure (PSQM)
      • PSQM+
      • Measuring Normalizing Blocks (MNB)
      • Perceptual Analysis Measurement System (PAMS)
      • ITU E-model
    • Objective Video Quality Techniques
      • ITS Video Quality Measure
      • EPFL Objective Video Quality Measures
      • Other Works in Objective Video Quality Measures
    • Multimedia Transport Protocols
      • Challenges of Multimedia Transmission
      • Working Around Loss
    • Video Compression and Standard Codecs
      • Spatial or Block Coding
      • Temporal Coding
      • Standard Video Codecs
    • Audio Compression and Codecs
      • Waveform Coding
      • Source Codecs
      • Hybrid Codecs
      • Standard Audio Codecs
    • Neural Networks
      • Artificial Neural Networks (ANN)
      • Random Neural Networks (RNN)
  • Descriptions of Our New Method in General
    • Introduction
    • Overview of the Method
      • More than one Media Type
      • Selecting the Parameters' Values
    • Subjective Quality Tests
      • Source Signal for Audiovisual Tests
      • Number of Subjects and their Selection
      • Instructions for Assessors (Subjects)
      • The Test Sessions
      • Subjective Quality Test Methods
      • Comparison of the Methods
    • MOS Calculation and Statistical Analysis
    • On the Use of the Neural Networks
      • Comparison between ANN and RNN
    • Parameter Selection
    • Expected Use of Our Method
      • Possible Uses For Speech and Audio
      • Possible Uses for Video Applications
    • Operation Mode
    • Conclusions
• Measuring Speech and Video Quality, and Applications
  • Measuring Speech Quality in Real-Time
    • Introduction
    • Measuring Network Parameters in a Testbed
      • Speech-Quality-Affecting Parameters
      • Other Effects
      • Our Method and Session Types
    • A Mean Opinion Score (MOS) Database for Different Languages
    • Assessment of Speech Quality by Neural Networks
    • Performance of other Speech Quality Measures
    • Conclusions
  • Measuring Video Quality
    • Introduction
    • Simulator Description
      • H263 encoder
      • H263 decoder
      • Network Transport Simulation
    • The Quality-Affecting Parameters
    • Subjective Quality Test and MOS Experiment
    • Results
      • Training the NN
      • How Well does the NN Perform?
    • Performance of other Video Quality Measures
    • A Demonstration Application
    • Conclusions
  • Study of Parameters Effects on the Quality
    • Introduction
    • Related Works
    • Parameters Impact on Speech Quality
      • Loss Rate (LR)
      • Consecutive Lost Packets (CLP)
      • Packetization Interval (PI)
      • Speech Codec
    • Parameters Impact on Video Quality
      • Bit Rate (BR)
      • Frame Rate (FR)
      • Loss Rate (LR)
      • The number of Consecutively Lost Packet (CLP)
      • Intra-to-Inter Ratio (RA)
    • Conclusions
  • A New Rate Control Mechanism
    • Introduction
    • Related Works
      • Limitation of RTCP in Rate Control
      • Equation-based TFRC
    • Our Proposed Rate Control Protocol
      • The Possible Controlling Parameters
    • Simulation Results
      • Speech Case
      • Video Case
    • Discussion
    • Conclusions
• On the Neural Networks Tools
  • Using Neural Networks for Traffic Prediction: a New Method
    • Introduction
    • Our Method
    • Experimental Results and Evaluation of the New Model
      • Real Traces for Training
      • Training Database Description
      • Experimental Tests to Identify the Best Length of Each Window
      • Performance of the NN to Predict Traffic
      • More Than One Step in the Future
      • Conditions to Retrain the NN
      • Traffic Flow Type
    • Comparison with Other Models
    • Possible Uses of our Model
    • Conclusion and Discussion
  • New Random Neural Network Training Algorithms
    • Introduction
    • Gradient Descent Training Algorithm for RNN
    • New Levenberg-Marquardt Training Algorithms for RNN
      • Analytical Formulation of the Algorithm
      • Different Variants of the LM Training Algorithm
    • New LM with Adaptive Momentum for RNN
      • The Algorithm with Adaptive Momentum
    • Performance Evaluation of the Proposed Algorithms
      • $\zeta$ and $dP$ Parameters for AM-LM
      • Algorithms' Performance Comparison
      • Testing the Success Rate and the Performance
      • Learning Performance in the Video Quality Problem
    • Conclusions
  • General Conclusions of this Dissertation
    • Summary of the Main Contributions
    • Possible Extensions
  • Appendix
• Bibliography
• Index
• About this document ...