論文の概要: Performance Optimization for Semantic Communications: An Attention-based
Reinforcement Learning Approach
- arxiv url: http://arxiv.org/abs/2208.08239v1
- Date: Wed, 17 Aug 2022 11:39:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-18 13:19:55.458345
- Title: Performance Optimization for Semantic Communications: An Attention-based
Reinforcement Learning Approach
- Title（参考訳）: 意味コミュニケーションのパフォーマンス最適化:注意に基づく強化学習アプローチ
- Authors: Yining Wang, Mingzhe Chen, Tao Luo, Walid Saad, Dusit Niyato, H.
Vincent Poor, Shuguang Cui
- Abstract要約: テキストデータ伝送のためのセマンティック通信フレームワークを提案する。
回復したテキストの意味的精度と完全性を共同でキャプチャする意味的類似度尺度(MSS)を提案する。
- 参考スコア（独自算出の注目度）: 187.4094332217186
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, a semantic communication framework is proposed for textual
data transmission. In the studied model, a base station (BS) extracts the
semantic information from textual data, and transmits it to each user. The
semantic information is modeled by a knowledge graph (KG) that consists of a
set of semantic triples. After receiving the semantic information, each user
recovers the original text using a graph-to-text generation model. To measure
the performance of the considered semantic communication framework, a metric of
semantic similarity (MSS) that jointly captures the semantic accuracy and
completeness of the recovered text is proposed. Due to wireless resource
limitations, the BS may not be able to transmit the entire semantic information
to each user and satisfy the transmission delay constraint. Hence, the BS must
select an appropriate resource block for each user as well as determine and
transmit part of the semantic information to the users. As such, we formulate
an optimization problem whose goal is to maximize the total MSS by jointly
optimizing the resource allocation policy and determining the partial semantic
information to be transmitted. To solve this problem, a
proximal-policy-optimization-based reinforcement learning (RL) algorithm
integrated with an attention network is proposed. The proposed algorithm can
evaluate the importance of each triple in the semantic information using an
attention network and then, build a relationship between the importance
distribution of the triples in the semantic information and the total MSS.
Compared to traditional RL algorithms, the proposed algorithm can dynamically
adjust its learning rate thus ensuring convergence to a locally optimal
solution.
- Abstract（参考訳）: 本稿では,テキストデータ伝送のための意味コミュニケーションフレームワークを提案する。
研究モデルでは、ベースステーション(BS)がテキストデータから意味情報を抽出し、各ユーザに送信する。
意味情報は、セマンティック・トリプルの集合からなる知識グラフ(KG)によってモデル化される。
意味情報を受信した後、各ユーザはグラフ・ツー・テキスト生成モデルを用いて元のテキストを復元する。
考察された意味的コミュニケーションフレームワークの性能を測定するため,回復したテキストの意味的精度と完全性を共同でキャプチャする意味的類似度尺度(MSS)を提案する。
無線リソースの制限のため、BSは各ユーザに対して意味情報を全て送信することができず、送信遅延制約を満たすことができる。
したがって、bsは、ユーザ毎に適切なリソースブロックを選択し、その意味情報の一部をユーザに決定して送信する必要がある。
そこで,資源割り当てポリシを最適化し,送信する部分的意味情報を決定することで,MSS全体の最大化を目標とする最適化問題を定式化する。
この問題を解決するために,注意ネットワークと統合した近位最適化に基づく強化学習(rl)アルゴリズムを提案する。
提案アルゴリズムは、注意ネットワークを用いて意味情報における各三重項の重要性を評価し、その意味情報における三重項の重要性分布と総MSSとの関係を構築する。
従来のRLアルゴリズムと比較して,提案アルゴリズムは学習率を動的に調整し,局所最適解への収束を保証する。
関連論文リスト
- Agent-driven Generative Semantic Communication with Cross-Modality and Prediction [57.335922373309074]
本稿では,強化学習に基づくエージェント駆動型ジェネリックセマンティックコミュニケーションフレームワークを提案する。
本研究では, エージェント支援型セマンティックエンコーダを開発し, 適応的セマンティック抽出とサンプリングを行う。
設計モデルの有効性をUA-DETRACデータセットを用いて検証し、全体的なA-GSCフレームワークの性能向上を実証した。
論文 参考訳（メタデータ） (2024-04-10T13:24:27Z) - Semantic Information Extraction for Text Data with Probability Graph [19.347123617466497]
本稿では,リソース制約付きテキストデータ伝送における意味情報抽出の問題について検討する。
Floydのアルゴリズムに基づく解法と効率的なソート機構を提案する。
論文 参考訳（メタデータ） (2023-09-16T05:01:20Z) - Reasoning over the Air: A Reasoning-based Implicit Semantic-Aware
Communication Framework [124.6509194665514]
ソースユーザと宛先ユーザの間で暗黙的な意味を表現し,伝達し,解釈するために,新しい暗黙的意味コミュニケーション(iSAC)アーキテクチャを提案する。
プロジェクションベースセマンティックエンコーダは, 明示的セマンティックスの高次元グラフィカル表現を低次元セマンティックコンステレーション空間に変換し, 効率的な物理チャネル伝送を実現する。
ソースユーザの暗黙的意味推論過程を学習し、模倣できるようにするため、G-RMLと呼ばれる生成逆模倣学習ベースのソリューションが提案されている。
論文 参考訳（メタデータ） (2023-06-20T01:32:27Z) - 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) - Optimization of Image Transmission in a Cooperative Semantic
Communication Networks [68.2233384648671]
画像伝送のためのセマンティック通信フレームワークを開発した。
サーバは、セマンティックコミュニケーション技術を用いて、画像の集合を協調的にユーザへ送信する。
抽出した意味情報と原画像との相関関係を測定するために,マルチモーダル・メトリックを提案する。
論文 参考訳（メタデータ） (2023-01-01T15:59:13Z) - 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)
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。