في عالم بث الفيديو التكيفي، يواجه مقدمو الخدمة تحديات كبيرة في تحسين جودة تجربة المستخدم (QoE) حيث يتم تحديد معدلات البت المناسبة استنادًا إلى عرض نطاق الشبكة والمتطلبات المتغيرة للمستخدمين. تكشف الدراسات الحديثة أن عرض نطاق الشبكة في الواقع غالبًا ما يحتوي على تباين شديد مقارنةً ببيئات التدريب التي تم تطوير الشبكات العصبية عليها.

تعتمد الطرق الحالية في مواجهة هذه التحديات بشكل كبير على الأساليب المعتمدة على التعلم، لكنها تعاني من مشكلة كبيرة: فقدان المرونة في الشبكات العصبية. هذا النقص قد يعيق قدرة هذه الشبكات على التكيف مع ظروف الشبكة المتغيرة. من خلال تحليل نظري لآليات انتشار الخلايا العصبية، استنتجنا أن مقاييس الخلايا العصبية الساكنة الحالية لا تعبر بشكل كافٍ عن فقدان المرونة.

تقدم نظرية الخلايا العصبية الصامتة إطارًا أكثر شمولية لفهم تدهور المرونة العصبية. ومن هذه الأفكار النظرية، قدمنا نموذج Reset Silent Neuron (ReSiN) الذي يحافظ على مرونة الشبكة العصبية من خلال إعادة ضبط استراتيجي للخلايا العصبية استنادًا إلى حالات الانتشار للأمام والخلف.

لقد أظهر نظام بث الفيديو التكيفي الذي تم تطويره باستخدام ReSiN تحسينات ملحوظة مقارنةً بالحلول الحالية، محققًا زيادة تصل إلى 168% في معدلات البت و108% في جودة تجربة المستخدم (QoE)، مع الحفاظ على نعومة التجربة. تكشف النتائج أيضًا أن ReSiN يتفوق بشكل ثابت في البيئات الثابتة، مما يدل على قابليته الكبيرة للتكيف عبر مواقف الشبكة المختلفة.