依据互联网的视频流媒体运用（如爱奇艺Netflix、YouTube等）现已逐步渗透到人们的日常日子中。在流媒体用户体会质量（QoE）优化范畴，CMU和MIT的研究者选用机器学习办法作出的系列作业，极大地推动了该范畴的运用和开展。近期，Huu和快手等公司已测验运用相关技能。
从前作业标明可以经过猜测视频质量进行辅佐决议计划来进步用户的QoE。但是，因为视频质量遭到多个要素影响且改变剧烈，体系很难构建。CMU的学者观察到使用视频会话的部分要害特征即可确认视频质量，而且要害特征较视频质量而言相对安稳，因此提出了CFA体系，经过对要害特征进行聚类完成对流媒体点播事务的QoE猜测。在怎么合理挑选中继节点来进步Skype通话质量这一问题上，因为中继节点数量繁复，质量时空改变频频，上述办法已不能解决怎么合理挑选中继节点来进步Skype通话质量的问题。VIA体系将其建模为多臂老虎机问题，在k个最佳中继上选用上限置信区间算法进行决议计划。Pytheas相同重视QoE优化，它结合上述两项作业的优势，依照要害特征对会话进行聚类，然后在每个类中选用探究-使用战略进行决议计划，进步了可使用数据的新鲜程度。
在流媒体传输范畴，怎么依据网络状况动态地进行客户端比特率自适应调理也是一个关乎用户体会的重要问题。现在，YouTube现已上线了该功用，可以依据观看者的网络状况主动挑选不同的码率档位。在这个问题上，精确的网络吞吐量猜测可以明显进步视频比特率挑选算法的功能。因为观察到吞吐量存在状况搬运特性，中科院核算所提出了依据隐马尔科夫模型的CS2P算法，为每个类似会话构成的聚类练习各自的模型，然后进步吞吐量猜测的精确性。
因为该范畴从前的算法或许依据简化的体系模型，或许需求进行显式的吞吐量猜测，均可能在动态改变的网络环境下呈现功能下降。依据此，MIT的研究者期望可以在尽可能少的假定下端到端地解决问题。他们构建了一个深度强化学习体系Pensieve，其功能较从前办法有了巨大提高。当然还可以使用生成对立网络等深度学习办法，下降视频传输中的内容冗余度来削减视频传输的数据量，然后从头界说网络视频的传输体系。
