論文の概要: Reinforcement Learning-powered Semantic Communication via Semantic Similarity

• arxiv url: http://arxiv.org/abs/2108.12121v1
• Date: Fri, 27 Aug 2021 05:21:05 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-30 14:11:20.017527
• Title: Reinforcement Learning-powered Semantic Communication via Semantic Similarity
• Title（参考訳）: 意味的類似性を利用した強化学習による意味コミュニケーション
• Authors: Kun Lu, Rongpeng Li, Xianfu Chen, Zhifeng Zhao, Honggang Zhang
• Abstract要約: 我々は,ビットレベルの精度を厳格に確保する代わりに,セマンティック情報を保存するための新しいセマンティックコミュニケーション機構を導入する。 一般的に使用されるビットレベルのメトリクスは、重要な意味や構造を捉えるのに脆弱であることを示す。 ユーザ定義のセマンティック測定を同時に最適化できる強化学習(RL)ベースのソリューションを提案しました。
• 参考スコア（独自算出の注目度）: 13.569045590522316
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce a new semantic communication mechanism, whose key idea is to preserve the semantic information instead of strictly securing the bit-level precision. Starting by analyzing the defects of existing joint source channel coding (JSCC) methods, we show that the commonly used bit-level metrics are vulnerable of catching important semantic meaning and structures. To address this problem, we take advantage of learning from semantic similarity, instead of relying on conventional paired bit-level supervisions like cross entropy and bit error rate. However, to develop such a semantic communication system is indeed a nontrivial task, considering the nondifferentiability of most semantic metrics as well as the instability from noisy channels. To further resolve these issues, we put forward a reinforcement learning (RL)-based solution which allows us to simultaneously optimize any user-defined semantic measurement by using the policy gradient technique, and to interact with the surrounding noisy environment in a natural way. We have testified the proposed method in the challenging European-parliament dataset. Experiments on both AWGN and phase-invariant fading channel have confirmed the superiority of our method in revealing the semantic meanings, and better handling the channel noise especially in low-SNR situations. Apart from the experimental results, we further provide an indepth look at how the semantics model behaves, along with its superb generalization ability in real-life examples. As a brand new method in learning-based JSCC tasks, we also exemplify an RL-based image transmission paradigm, both to prove the generalization ability, and to leave this new topic for future discussion.
• Abstract（参考訳）: 我々は,ビットレベルの精度を厳格に確保する代わりに,セマンティック情報を保存するための新しいセマンティックコミュニケーション機構を導入する。 既存のジョイント・ソース・チャネル・コーディング(JSCC)手法の欠陥を分析することから、一般的に使用されるビットレベル・メトリクスは重要な意味や構造を捉えるのに脆弱であることを示す。 この問題に対処するために、クロスエントロピーやビットエラー率といった従来のペア化ビットレベルの監視に頼るのではなく、セマンティックな類似性から学習する。 しかし,このようなセマンティックコミュニケーションシステムの開発は,ほとんどのセマンティックメトリクスの非微分可能性やうるさいチャネルからの不安定性を考慮し,非自明な作業である。 これらの課題をさらに解決するために,ポリシー勾配技術を用いてユーザ定義意味測定を同時に最適化し,周囲の雑音環境と自然な方法で対話することのできる強化学習(RL)ベースのソリューションを提案する。 提案手法を,挑戦的なヨーロッパ・パリメントデータセットで検証した。 AWGNと位相不変フェーディングチャネルの両方の実験により,低SNR条件下でのチャネルノイズの処理精度の向上と意味を明らかにする上で,本手法の優位性が確認された。 実験結果とは別に,実生活における超一般化機能とともに,セマンティクスモデルがどのように振る舞うか,さらに詳細に検討する。 学習ベースのjsccタスクにおける新しい手法として、一般化能力を証明するためにrlベースの画像伝達パラダイムを例示し、この新しいトピックを今後の議論に残します。

関連論文リスト

• Building the Self-Improvement Loop: Error Detection and Correction in Goal-Oriented Semantic Communications [2.677520298504178]
  意味コミュニケーション(SemCom)はシンボルよりも意味の伝達に重点を置いており、コミュニケーション効率が大幅に向上している。 これらの利点にもかかわらず、送信された意味と受信された意味の相違から生じるセマンティックエラーは、システムの信頼性に対する大きな課題である。 本稿では,SemComシステムにおけるセマンティックエラーの検出と修正のための包括的フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-03T12:29:23Z)
• Variational Source-Channel Coding for Semantic Communication [6.55201432222942]
  現在の意味コミュニケーションシステムは一般にオートエンコーダ(AE)としてモデル化されている AEは、チャネルダイナミクスを効果的にキャプチャできないため、コミュニケーション戦略とAI原則の深い統合を欠いている。 本稿では,従来のコミュニケーションとセマンティックコミュニケーションを区別するデータ歪みの包含について検討する。 意味コミュニケーションシステムを構築するために,VSCC法を提案する。
  論文  参考訳（メタデータ） (2024-09-26T03:42:05Z)
• Disentangled Noisy Correspondence Learning [56.06801962154915]
  クロスモーダル検索は、モダリティ間の潜在対応を理解する上で重要である。 DisNCLはノイズ対応学習における特徴分散のための新しい情報理論フレームワークである。
  論文  参考訳（メタデータ） (2024-08-10T09:49:55Z)
• Tackling Distribution Shifts in Task-Oriented Communication with Information Bottleneck [28.661084093544684]
  本稿では,情報ボトルネック(IB)原理と不変リスク最小化(IRM)フレームワークに基づく新しいアプローチを提案する。 提案手法は,効率的な領域シフト一般化のための高機能を有するコンパクトかつ情報的特徴を抽出することを目的としている。 提案手法は最先端の手法より優れ、より優れたレート歪みトレードオフを実現することを示す。
  論文  参考訳（メタデータ） (2024-05-15T17:07:55Z)
• Reasoning with the Theory of Mind for Pragmatic Semantic Communication [62.87895431431273]
  本稿では,実用的な意味コミュニケーションフレームワークを提案する。 2つの知性エージェント間の効果的な目標指向情報共有を可能にする。 数値的な評価は、少ないビット量で効率的な通信を実現するためのフレームワークの能力を示している。
  論文  参考訳（メタデータ） (2023-11-30T03:36:19Z)
• Model-free Reinforcement Learning of Semantic Communication by Stochastic Policy Gradient [9.6403215177092]
  1949年のWeaverによる意味コミュニケーションのアイデアが注目されている。 セマンティック・コミュニケーション・システムの設計にポリシ・グラディエント(SPG)を適用した。 我々は、受信変数と対象変数の相互情報から、古典的および意味的なコミュニケーションの両方を導出する。
  論文  参考訳（メタデータ） (2023-05-05T14:27:58Z)
• Cognitive Semantic Communication Systems Driven by Knowledge Graph: Principle, Implementation, and Performance Evaluation [74.38561925376996]
  単一ユーザと複数ユーザのコミュニケーションシナリオに対して,認知意味コミュニケーションフレームワークが2つ提案されている。 知識グラフから推論規則をマイニングすることにより,効果的な意味補正アルゴリズムを提案する。 マルチユーザ認知型セマンティックコミュニケーションシステムにおいて,異なるユーザのメッセージを識別するために,メッセージ復元アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-03-15T12:01:43Z)
• Joint Task and Data Oriented Semantic Communications: A Deep Separate Source-channel Coding Scheme [17.4244108919728]
  データ伝達とセマンティックタスクの両方に役立てるために、共同データ圧縮とセマンティック分析がセマンティックコミュニケーションにおいて重要な問題となっている。 本稿では,共同作業とデータ指向のセマンティックコミュニケーションのためのディープ・ソースチャネル・コーディング・フレームワークを提案する。 深層学習モデルの過度な問題に対処するために,反復学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-02-27T08:34:37Z)
• Semi-supervised Domain Adaptive Structure Learning [72.01544419893628]
  半教師付きドメイン適応 (SSDA) は,1) アノテーションの低いデータに過度に適合する手法と,2) ドメイン間の分散シフトの両方を克服しなければならない課題である。 SSLとDAの協調を正規化するための適応型構造学習手法を提案する。
  論文  参考訳（メタデータ） (2021-12-12T06:11:16Z)
• Context Decoupling Augmentation for Weakly Supervised Semantic Segmentation [53.49821324597837]
  微調整されたセマンティックセグメンテーションは、近年深く研究されている困難な問題です。 本稿では、オブジェクトが現れる固有のコンテキストを変更する Context Decoupling Augmentation (CDA) メソッドを紹介します。 提案手法の有効性を検証するため, PASCAL VOC 2012データセットにいくつかの代替ネットワークアーキテクチャを用いた広範な実験を行い, CDAが様々なWSSS手法を新たな最先端技術に拡張できることを実証した。
  論文  参考訳（メタデータ） (2021-03-02T15:05:09Z)
• Incremental Embedding Learning via Zero-Shot Translation [65.94349068508863]
  現在の最先端のインクリメンタル学習手法は、従来の分類ネットワークにおける破滅的な忘れ方問題に取り組む。 ゼロショット変換クラス増分法(ZSTCI)と呼ばれる新しい組込みネットワークのクラス増分法を提案する。 さらに、ZSTCIを既存の正規化ベースのインクリメンタル学習手法と組み合わせることで、組み込みネットワークの性能をより向上させることができる。
  論文  参考訳（メタデータ） (2020-12-31T08:21:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。