論文の概要: Semantic-Native Communication: A Simplicial Complex Perspective

• arxiv url: http://arxiv.org/abs/2210.16970v1
• Date: Sun, 30 Oct 2022 22:33:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-01 19:33:54.226763
• Title: Semantic-Native Communication: A Simplicial Complex Perspective
• Title（参考訳）: Semantic-Native Communication: 単純な複雑な視点
• Authors: Qiyang Zhao, Mehdi Bennis, Merouane Debbah, Daniel Benevides da Costa
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 50.099494681671224
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semantic communication enables intelligent agents to extract meaning (or semantics) of information via interaction, to carry out collaborative tasks. In this paper, we study semantic communication from a topological space perspective, in which higher-order data semantics live in a simplicial complex. Specifically, a transmitter first maps its data into a $k$-order simplicial complex and then learns its high-order correlations. The simplicial structure and corresponding features are encoded into semantic embeddings in latent space for transmission. Subsequently, the receiver decodes the structure and infers the missing or distorted data. The transmitter and receiver collaboratively train a simplicial convolutional autoencoder to accomplish the semantic communication task. Experiments are carried out on a real dataset of Semantic Scholar Open Research Corpus, where one part of the semantic embedding is missing or distorted during communication. Numerical results show that the simplicial convolutional autoencoder enabled semantic communication effectively rebuilds the simplicial features and infer the missing data with $95\%$ accuracy, while achieving stable performance under channel noise. In contrast, the conventional autoencoder enabled communication fails to infer any missing data. Moreover, our approach is shown to effectively infer the distorted data without prior simplicial structure knowledge at the receiver, by learning extracted semantic information during communications. Leveraging the topological nature of information, the proposed method is also shown to be more reliable and efficient compared to several baselines, notably at low signal-to-noise (SNR) levels.
• Abstract（参考訳）: セマンティックコミュニケーションは、知的エージェントが相互作用を通じて情報の意味(または意味)を抽出し、協調的なタスクを実行することを可能にする。 本稿では,高階データ意味論が簡素な複合空間に存在するトポロジカル空間の観点から意味コミュニケーションについて検討する。 具体的には、送信者はまずそのデータを$k$-order simplicial complexにマッピングし、次にその高次の相関関係を学習する。 簡素な構造と対応する特徴は、伝達のための潜在空間における意味的埋め込みに符号化される。 その後、受信者は構造をデコードし、欠落または歪んだデータを推測する。 送信機と受信機は、単純な畳み込みオートエンコーダを協調して訓練し、セマンティック通信タスクを実現する。 セマンティクス研究者のオープンリサーチコーパスの実際のデータセットで実験を行い、コミュニケーション中にセマンティクス埋め込みの一部が欠落したり歪んだりする。 数値計算の結果, 単純な畳み込みオートエンコーダにより, セマンティック通信により, 単純な特徴を効果的に再構築し, 95\%の精度で欠落したデータを推定し, チャネルノイズ下での安定した性能を実現することができた。 対照的に、通信可能な従来のオートエンコーダでは、欠落したデータを推測できない。 さらに,本稿では,抽出した意味情報を通信中に学習することにより,受信側で事前の単純な構造知識を使わずに,歪みデータを効果的に推測する手法を提案する。 情報のトポロジ的性質を生かして,提案手法はいくつかのベースライン,特に低信号対雑音(SNR)レベルと比較して信頼性が高く,効率的であることを示す。

関連論文リスト

• Generative Semantic Communication for Text-to-Speech Synthesis [39.8799066368712]
  本稿では,テキスト音声合成のための新しい意味コミュニケーションフレームワークを開発する。 我々はトランスフォーマーエンコーダと拡散モデルを用いて,重要な通信オーバーヘッドを発生させることなく,効率的なセマンティックコーディングを実現する。
  論文  参考訳（メタデータ） (2024-10-04T14:18:31Z)
• Semantic Communication for Cooperative Perception using HARQ [51.148203799109304]
  我々は重要セマンティック情報を抽出するために重要地図を活用し、協調的な知覚セマンティックコミュニケーションフレームワークを導入する。 周波数分割多重化(OFDM)とチャネル推定と等化戦略を併用して,時間変化によるマルチパスフェーディングによる課題に対処する。 我々は,ハイブリッド自動繰り返し要求(HARQ)の精神において,我々の意味コミュニケーションフレームワークと統合された新しい意味エラー検出手法を提案する。
  論文  参考訳（メタデータ） (2024-08-29T08:53:26Z)
• 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)
• Rate-Distortion-Perception Theory for Semantic Communication [73.04341519955223]
  シンボル歪みおよび意味知覚制約下での意味コミュニケーションの達成可能なデータレートについて検討する。 我々は、受信者が特定の歪みや知覚の制約を満たす意味情報ソースを直接推測できるケースが存在することを観察する。
  論文  参考訳（メタデータ） (2023-12-09T02:04:32Z)
• 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)
• Knowledge Enhanced Semantic Communication Receiver [7.171974845607281]
  本稿では,意味的推論と復号化のための知識ベースにおける事実をより積極的に活用できる知識強化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。 具体的には、受信した雑音信号に関連性のある事実三重項を求めるための変圧器に基づく知識抽出器を設計する。 WebNLGデータセットの大規模なシミュレーション結果から,提案した受信機は,知識グラフのデコーディングを向上した上で,優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2023-02-13T01:49:51Z)
• 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)
• Cognitive Semantic Communication Systems Driven by Knowledge Graph [33.29303908864777]
  知識グラフを利用した認知意味コミュニケーションフレームワークを提案する。 意味情報検出のためのシンプルで汎用的で解釈可能なソリューションを開発した。 提案システムは,データ圧縮率や通信の信頼性の観点から,他のベンチマークシステムよりも優れている。
  論文  参考訳（メタデータ） (2022-02-24T08:26:18Z)

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。