論文の概要: Deep Learning-Enabled Semantic Communication Systems with Task-Unaware
Transmitter and Dynamic Data
- arxiv url: http://arxiv.org/abs/2205.00271v1
- Date: Sat, 30 Apr 2022 13:45:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-04 10:27:48.386237
- Title: Deep Learning-Enabled Semantic Communication Systems with Task-Unaware
Transmitter and Dynamic Data
- Title（参考訳）: タスク・ウナウエア・トランスミッタと動的データを用いた深層学習型意味コミュニケーションシステム
- Authors: Hongwei Zhang, Shuo Shao, Meixia Tao, Xiaoyan Bi, and Khaled B.
Letaief
- Abstract要約: 本稿では,画像伝送のためのニューラルネットワークを用いたセマンティックコミュニケーションシステムを提案する。
提案手法は,データ回復とタスク実行の両面で高い性能を維持しつつ,観測可能なデータセットに適応することができる。
- 参考スコア（独自算出の注目度）: 43.308832291174106
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Existing deep learning-enabled semantic communication systems often rely on
shared background knowledge between the transmitter and receiver that includes
empirical data and their associated semantic information. In practice, the
semantic information is defined by the pragmatic task of the receiver and
cannot be known to the transmitter. The actual observable data at the
transmitter can also have non-identical distribution with the empirical data in
the shared background knowledge library. To address these practical issues,
this paper proposes a new neural network-based semantic communication system
for image transmission, where the task is unaware at the transmitter and the
data environment is dynamic. The system consists of two main parts, namely the
semantic extraction (SE) network and the data adaptation (DA) network. The SE
network learns how to extract the semantic information using a receiver-leading
training process. By using domain adaptation technique from transfer learning,
the DA network learns how to convert the data observed into a similar form of
the empirical data that the SE network can process without re-training.
Numerical experiments show that the proposed method can be adaptive to
observable datasets while keeping high performance in terms of both data
recovery and task execution. The codes are available on
https://github.com/SJTU-mxtao/Semantic-Communication-Systems.
- Abstract（参考訳）: 既存のディープラーニング対応セマンティックコミュニケーションシステムは、経験的データと関連するセマンティック情報を含む送信機と受信機の間で共有されたバックグラウンド知識に依存することが多い。
実際には、意味情報は受信者の実用的なタスクによって定義され、送信者には知られない。
送信機の実際の観測可能なデータは、共有背景知識ライブラリ内の経験データと非同一性分布を持つこともできる。
これらの課題に対処するため,本研究では,タスクが送信側で認識されず,データ環境が動的である画像伝送のためのニューラルネットワークベースのセマンティックコミュニケーションシステムを提案する。
このシステムは2つの主要な部分、すなわち意味抽出(SE)ネットワークとデータ適応(DA)ネットワークから構成される。
SEネットワークは、受信者主導のトレーニングプロセスを使用して意味情報を抽出する方法を学ぶ。
転送学習からのドメイン適応技術を用いて、daネットワークは観測されたデータをseネットワークが再トレーニングすることなく処理できる経験的データの類似形式に変換する方法を学習する。
数値実験により,提案手法はデータ復元とタスク実行の両面で高い性能を維持しつつ,観測可能なデータセットに適応できることが示された。
コードはhttps://github.com/SJTU-mxtao/Semantic-Communication-Systemsで公開されている。
関連論文リスト
- Exploiting the Semantic Knowledge of Pre-trained Text-Encoders for Continual Learning [70.64617500380287]
継続的な学習は、モデルが学習した知識を維持しながら、新しいデータから学習することを可能にする。
画像のラベル情報で利用できるセマンティック知識は、以前に取得したセマンティッククラスの知識と関連する重要なセマンティック情報を提供する。
テキスト埋め込みを用いて意味的類似性を把握し,タスク内およびタスク間のセマンティックガイダンスの統合を提案する。
論文 参考訳（メタデータ） (2024-08-02T07:51:44Z) - Efficient Gesture Recognition on Spiking Convolutional Networks Through
Sensor Fusion of Event-Based and Depth Data [1.474723404975345]
本研究は,ジェスチャー認識のためのイベントおよび深度データを処理するスパイキング畳み込みニューラルネットワークを提案する。
このネットワークは、オープンソースのニューロモルフィックコンピューティングフレームワークLAVAを用いて、組込みシステム上でのオフライントレーニングと評価をシミュレートする。
論文 参考訳（メタデータ） (2024-01-30T14:42:35Z) - Semantics Alignment via Split Learning for Resilient Multi-User Semantic
Communication [56.54422521327698]
最近の意味コミュニケーションの研究は、ディープジョイントソースやチャネルコーディング(DeepJSCC)のようなニューラルネットワーク(NN)ベースのトランシーバに依存している。
従来のトランシーバとは異なり、これらのニューラルトランシーバは実際のソースデータとチャネルを使用してトレーニング可能であり、セマンティクスを抽出し通信することができる。
本稿では,分割学習(SL)と部分的NN微調整技術を活用する分散学習ベースソリューションを提案する。
論文 参考訳（メタデータ） (2023-10-13T20:29:55Z) - Disentangling Learnable and Memorizable Data via Contrastive Learning
for Semantic Communications [81.10703519117465]
セマンティック・レディにするために、ソースデータをアンタングルする新しい機械推論フレームワークが提案されている。
特に、データ上でインスタンスとクラスタの識別を行う新しいコントラスト学習フレームワークが提案されている。
信頼度の高い深いセマンティッククラスタは、学習可能でセマンティックリッチなデータだと考えられている。
シミュレーションの結果は, セマンティック・インパクトとミニマリズムの観点から, コントラスト学習アプローチの優位性を示した。
論文 参考訳（メタデータ） (2022-12-18T12:00:12Z) - Semantic-Native Communication: A Simplicial Complex Perspective [50.099494681671224]
トポロジカル空間の観点から意味コミュニケーションを研究する。
送信機はまずデータを$k$の単純複素数にマッピングし、その高次相関を学習する。
受信機は構造を復号し、行方不明または歪んだデータを推測する。
論文 参考訳（メタデータ） (2022-10-30T22:33:44Z) - Neuro-Symbolic Artificial Intelligence (AI) for Intent based Semantic
Communication [85.06664206117088]
6Gネットワークはデータ転送のセマンティクスと有効性(エンドユーザ)を考慮する必要がある。
観測データの背後にある因果構造を学習するための柱としてNeSy AIが提案されている。
GFlowNetは、無線システムにおいて初めて活用され、データを生成する確率構造を学ぶ。
論文 参考訳（メタデータ） (2022-05-22T07:11:57Z) - Linear Regression over Networks with Communication Guarantees [1.4271989597349055]
接続された自律システムでは、しばしば限られたリソースを持つ通信ネットワーク上でデータ転送が行われる。
本稿では,線形回帰タスクのためのコミュニケーション効率の高い学習のためのアルゴリズムについて検討する。
論文 参考訳（メタデータ） (2021-03-06T15:28:21Z)
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。