論文の概要: Seq2Seq-SC: End-to-End Semantic Communication Systems with Pre-trained Language Model

• arxiv url: http://arxiv.org/abs/2210.15237v2
• Date: Wed, 18 Oct 2023 00:15:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-19 21:13:38.466412
• Title: Seq2Seq-SC: End-to-End Semantic Communication Systems with Pre-trained Language Model
• Title（参考訳）: Seq2Seq-SC:事前学習言語モデルによるエンドツーエンドのセマンティック通信システム
• Authors: Ju-Hyung Lee, Dong-Ho Lee, Eunsoo Sheen, Thomas Choi, Jay Pujara
• Abstract要約: 本稿では,5G NRと互換性のあるセマンティック・セマンティック・ネットワーク Seq2seq-SC を提案する。 我々は,語彙的類似度をBLEUで測定し,意味的類似度をSBERTで測定した意味的類似度という性能指標を用いる。
• 参考スコア（独自算出の注目度）: 20.925910474226885
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work, we propose a realistic semantic network called seq2seq-SC, designed to be compatible with 5G NR and capable of working with generalized text datasets using a pre-trained language model. The goal is to achieve unprecedented communication efficiency by focusing on the meaning of messages in semantic communication. We employ a performance metric called semantic similarity, measured by BLEU for lexical similarity and SBERT for semantic similarity. Our findings demonstrate that seq2seq-SC outperforms previous models in extracting semantically meaningful information while maintaining superior performance. This study paves the way for continued advancements in semantic communication and its prospective incorporation with future wireless systems in 6G networks.
• Abstract（参考訳）: 本稿では,5g nrと互換性を持ち,事前学習した言語モデルを用いて汎用テキストデータセットを処理可能な,seq2seq-scと呼ばれる現実的な意味ネットワークを提案する。 目的は、意味コミュニケーションにおけるメッセージの意味に注目して、前例のないコミュニケーション効率を達成することである。 我々は,語彙的類似度をBLEUで測定し,意味的類似度をSBERTで測定した意味的類似度という性能指標を用いる。 本研究は,セq2seq-SCが従来のモデルよりも優れていることを示す。 本研究は,6Gネットワークにおけるセマンティックコミュニケーションの継続的な進歩と,今後の無線システムとの連携の道を開くものである。

関連論文リスト

• Large Generative Model-assisted Talking-face Semantic Communication System [55.42631520122753]
  本研究では,LGM-TSC(Large Generative Model-assisted Talking-face Semantic Communication)システムを提案する。 送信機のジェネレーティブセマンティック・エクストラクタ(GSE)は、意味的にスパースな音声映像を高情報密度のテキストに変換する。 意味的曖昧さと修正のためのLarge Language Model (LLM)に基づくPrivate Knowledge Base (KB)。 BERT-VITS2とSadTalkerモデルを用いた生成意味再構成(GSR)により、テキストを高QoE音声ビデオに変換する。
  論文  参考訳（メタデータ） (2024-11-06T12:45:46Z)
• Trustworthy Image Semantic Communication with GenAI: Explainablity, Controllability, and Efficiency [59.15544887307901]
  画像意味コミュニケーション(ISC)は,高効率な映像コンテンツ伝送を実現する可能性に注目されている。 既存のISCシステムは、解釈可能性、操作性、互換性の課題に直面している。 我々は、複数の下流推論タスクにGenerative Artificial Intelligence(GenAI)を利用する新しい信頼できるISCフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-07T14:32:36Z)
• 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)
• 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)
• 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)
• 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)
• Graph Adaptive Semantic Transfer for Cross-domain Sentiment Classification [68.06496970320595]
  クロスドメイン感情分類(CDSC)は、ソースドメインから学んだ伝達可能なセマンティクスを使用して、ラベルなしのターゲットドメインにおけるレビューの感情を予測することを目的としている。 本稿では、単語列と構文グラフの両方からドメイン不変セマンティクスを学習できる適応型構文グラフ埋め込み法であるグラフ適応意味伝達(GAST)モデルを提案する。
  論文  参考訳（メタデータ） (2022-05-18T07:47:01Z)
• Semantic Information Recovery in Wireless Networks [8.508198765617195]
  MLに基づく意味コミュニケーションシステムであるSINFONYを提案する。 SINFONYは、複数のメッセージの背後にある意味を単一の受信機に伝達し、セマンティックリカバリを行う。 数値計算の結果,従来の通信システムと比較して,最大20dBの速度正規化SNRシフトが見られた。
  論文  参考訳（メタデータ） (2022-04-28T09:17:50Z)

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。