論文の概要: Imitation Learning-based Implicit Semantic-aware Communication Networks:
Multi-layer Representation and Collaborative Reasoning
- arxiv url: http://arxiv.org/abs/2210.16118v1
- Date: Fri, 28 Oct 2022 13:26:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-31 17:17:30.604329
- Title: Imitation Learning-based Implicit Semantic-aware Communication Networks:
Multi-layer Representation and Collaborative Reasoning
- Title（参考訳）: 模倣学習に基づく暗黙的意味認識通信ネットワーク:多層表現と協調推論
- Authors: Yong Xiao, Zijian Sun, Guangming Shi, and Dusit Niyato
- Abstract要約: 有望な可能性にもかかわらず、セマンティック通信とセマンティック・アウェア・ネットワーキングはまだ初期段階にある。
本稿では,CDCとエッジサーバの複数層を連携させる,推論に基づく暗黙的セマンティック・アウェア通信ネットワークアーキテクチャを提案する。
暗黙的セマンティクスの階層構造と個人ユーザのパーソナライズされた推論嗜好を考慮に入れたセマンティクス情報の多層表現を提案する。
- 参考スコア（独自算出の注目度）: 68.63380306259742
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Semantic communication has recently attracted significant interest from both
industry and academia due to its potential to transform the existing
data-focused communication architecture towards a more generally intelligent
and goal-oriented semantic-aware networking system. Despite its promising
potential, semantic communications and semantic-aware networking are still at
their infancy. Most existing works focus on transporting and delivering the
explicit semantic information, e.g., labels or features of objects, that can be
directly identified from the source signal. The original definition of
semantics as well as recent results in cognitive neuroscience suggest that it
is the implicit semantic information, in particular the hidden relations
connecting different concepts and feature items that plays the fundamental role
in recognizing, communicating, and delivering the real semantic meanings of
messages. Motivated by this observation, we propose a novel reasoning-based
implicit semantic-aware communication network architecture that allows multiple
tiers of CDC and edge servers to collaborate and support efficient semantic
encoding, decoding, and interpretation for end-users. We introduce a new
multi-layer representation of semantic information taking into consideration
both the hierarchical structure of implicit semantics as well as the
personalized inference preference of individual users. We model the semantic
reasoning process as a reinforcement learning process and then propose an
imitation-based semantic reasoning mechanism learning (iRML) solution for the
edge servers to leaning a reasoning policy that imitates the inference behavior
of the source user. A federated GCN-based collaborative reasoning solution is
proposed to allow multiple edge servers to jointly construct a shared semantic
interpretation model based on decentralized knowledge datasets.
- Abstract（参考訳）: セマンティックコミュニケーションは、既存のデータ中心のコミュニケーションアーキテクチャを、より汎用的で目標指向のセマンティックなネットワークシステムに転換する可能性から、産業と学術の両方から大きな関心を集めている。
有望な可能性にもかかわらず、セマンティックコミュニケーションとセマンティックアウェアネットワークはまだ初期段階にある。
既存の作品のほとんどは、ソース信号から直接識別できるオブジェクトのラベルや特徴など、明示的な意味情報の転送と配信に焦点を当てている。
認知神経科学の最近の結果と同様に、意味論の本来の定義は、それは暗黙的な意味情報であり、特に、メッセージの意味を認識し、コミュニケーションし、伝達する際に基本的な役割を果たす、異なる概念と特徴項目を結びつける隠れた関係であることを示している。
そこで本研究では,cdcとエッジサーバの複数階層が協調して,効率的な意味的エンコーディング,復号化,解釈をサポートする,推論ベースの暗黙的意味認識型通信ネットワークアーキテクチャを提案する。
本稿では,暗黙的意味論の階層構造と個人ユーザのパーソナライズされた推論嗜好の両方を考慮した,意味情報の新たな多層表現を提案する。
本稿では,意味推論プロセスを強化学習プロセスとしてモデル化し,それを模倣した意味推論機構学習(irml)ソリューションを提案する。
分散知識データセットに基づく共有意味解釈モデルを複数エッジサーバで共同構築可能にするために,協調型gcnに基づく協調推論法を提案する。
関連論文リスト
- Semantic Communication Enhanced by Knowledge Graph Representation Learning [11.68356846628016]
本稿では,意味的コミュニケーションの新たなパラダイムにおいて,グラフに抽出された意味的知識の表現と処理の利点について検討する。
本稿では,無線チャネルを通じてノード埋め込みと等価な意味記号を送信し,受信側で完全な知識グラフを推測する。
論文 参考訳（メタデータ） (2024-07-27T20:57:10Z) - 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) - Adversarial Learning for Implicit Semantic-Aware Communications [104.08383219177557]
対戦型学習に基づく暗黙的意味認識通信アーキテクチャ(iSAC)を開発した。
我々は、iSACを適用することで、送信先のユーザは、ソースメッセージの真の推論ルールと一致する推論ルールを常に学習できることを示す。
実験結果から,提案したiSACは,既存の非推論通信ソリューションよりも最大19.69dB向上できることがわかった。
論文 参考訳（メタデータ） (2023-01-27T08:28:12Z) - 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 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。