본 논문은 적응형 비디오 스트리밍 시스템에서 사용자 프로필과 비디오 콘텐츠의 차이로 인해 발생하는 가변적인 품질 경험(QoE) 최적화 목표 문제를 해결하기 위해, Plasticity-Aware Mixture of Experts (PA-MoE)라는 새로운 학습 프레임워크를 제안합니다. PA-MoE는 신경망의 가소성을 동적으로 조절하여 기억 유지와 선택적 망각 사이의 균형을 맞춤으로써, 변화하는 최적화 목표에 효과적으로 적응하는 능력을 향상시킵니다. 특히, 노이즈 주입을 통해 구식 지식의 선택적 망각을 촉진하며, 이론적 분석을 통해 학습 성능을 정량화하는 후회 상한(regret bound)을 도출합니다. 실험 결과, PA-MoE는 동적 스트리밍 환경에서 기존 방법보다 QoE를 45.5% 향상시키는 것으로 나타났으며, 뉴런 활용 최적화를 통해 가소성 손실을 효과적으로 완화하는 것을 보여줍니다. 또한, 다양한 수준의 노이즈 주입을 통한 매개변수 민감도 연구를 수행하여 이론적 예측과의 일치성을 확인했습니다.
