論文の概要: Neuro-Symbolic Artificial Intelligence (AI) for Intent based Semantic Communication

• arxiv url: http://arxiv.org/abs/2205.10768v1
• Date: Sun, 22 May 2022 07:11:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-30 02:25:48.429357
• Title: Neuro-Symbolic Artificial Intelligence (AI) for Intent based Semantic Communication
• Title（参考訳）: インテントベースセマンティックコミュニケーションのためのニューロシンボリック人工知能(AI)
• Authors: Christo Kurisummoottil Thomas, Walid Saad
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 85.06664206117088
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Intent-based networks that integrate sophisticated machine reasoning technologies will be a cornerstone of future wireless 6G systems. Intent-based communication requires the network to consider the semantics (meanings) and effectiveness (at end-user) of the data transmission. This is essential if 6G systems are to communicate reliably with fewer bits while simultaneously providing connectivity to heterogeneous users. In this paper, contrary to state of the art, which lacks explainability of data, the framework of neuro-symbolic artificial intelligence (NeSy AI) is proposed as a pillar for learning causal structure behind the observed data. In particular, the emerging concept of generative flow networks (GFlowNet) is leveraged for the first time in a wireless system to learn the probabilistic structure which generates the data. Further, a novel optimization problem for learning the optimal encoding and decoding functions is rigorously formulated with the intent of achieving higher semantic reliability. Novel analytical formulations are developed to define key metrics for semantic message transmission, including semantic distortion, semantic similarity, and semantic reliability. These semantic measure functions rely on the proposed definition of semantic content of the knowledge base and this information measure is reflective of the nodes' reasoning capabilities. Simulation results validate the ability to communicate efficiently (with less bits but same semantics) and significantly better compared to a conventional system which does not exploit the reasoning capabilities.
• Abstract（参考訳）: 高度な機械推論技術を統合するインテントベースのネットワークは、将来のワイヤレス6Gシステムの基盤となるだろう。 インテントベースの通信では、ネットワークがデータ送信のセマンティクス(意味)と有効性(エンドユーザ)を考慮する必要がある。 これは、6gシステムがより少ないビットで確実に通信し、同時にヘテロジニアスユーザとの接続を提供するために必要となる。 本稿では,データの説明性を欠いた最先端技術とは対照的に,ニューロシンボリック・人工知能(nesy ai)の枠組みを,観測データの背後にある因果構造を学ぶための柱として提案する。 特に、生成フローネットワーク(GFlowNet)という新たな概念は、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習する。 さらに、最適な符号化および復号化関数を学習するための新しい最適化問題は、より高度なセマンティック信頼性を実現する意図で厳格に定式化される。 意味的メッセージ伝達のための重要な指標を定義するために、意味的歪み、意味的類似性、意味的信頼性を含む新しい分析式が開発された。 これらの意味測度関数は、知識基盤のセマンティックな内容の定義に依拠しており、この情報測度はノードの推論能力の反映である。 シミュレーションの結果, 推論能力を利用していない従来のシステムに比べ, 効率よく通信できる能力(ビットが少ないが, 意味が同じ)を検証した。

関連論文リスト

• 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)
• Causal Semantic Communication for Digital Twins: A Generalizable Imitation Learning Approach [74.25870052841226]
  デジタルツイン(DT)は、物理世界の仮想表現と通信(例えば6G)、コンピュータ、人工知能(AI)技術を活用して、多くの接続されたインテリジェンスサービスを実現する。 無線システムは、厳密な通信制約下での情報意思決定を容易にするために意味コミュニケーション(SC)のパラダイムを利用することができる。 DTベースの無線システムでは,因果意味通信(CSC)と呼ばれる新しいフレームワークが提案されている。
  論文  参考訳（メタデータ） (2023-04-25T00:15:00Z)
• 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)
• Less Data, More Knowledge: Building Next Generation Semantic Communication Networks [180.82142885410238]
  本稿では、スケーラブルなエンドツーエンドセマンティック通信ネットワークの最初の厳密なビジョンを示す。 まず、セマンティック・コミュニケーション・ネットワークの設計は、データ駆動型ネットワークから知識駆動型ネットワークへどのように移行する必要があるかについて議論する。 意味表現と言語を用いることで、従来の送信機と受信機が教師と見習いになることを示す。
  論文  参考訳（メタデータ） (2022-11-25T19:03:25Z)
• Neuro-Symbolic Causal Reasoning Meets Signaling Game for Emergent Semantic Communications [71.63189900803623]
  創発的SCシステムフレームワークを提案し,創発的言語設計のためのシグナリングゲームと因果推論のためのニューロシンボリック(NeSy)人工知能(AI)アプローチで構成されている。 ESCシステムは、意味情報、信頼性、歪み、類似性の新たな指標を強化するように設計されている。
  論文  参考訳（メタデータ） (2022-10-21T15:33:37Z)

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。