論文の概要: Performance Limits of a Deep Learning-Enabled Text Semantic Communication under Interference

• arxiv url: http://arxiv.org/abs/2302.14702v3
• Date: Fri, 23 Feb 2024 21:54:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-28 01:01:30.938549
• Title: Performance Limits of a Deep Learning-Enabled Text Semantic Communication under Interference
• Title（参考訳）: 干渉による深層学習可能なテキストセマンティックコミュニケーションの性能限界
• Authors: Tilahun M. Getu, Walid Saad, Georges Kaddoum, and Mehdi Bennis
• Abstract要約: 本稿では,(マルチインターフェラー)RFIの存在下でのDeepSCという人気テキストSemComシステムの性能限界について検討する。 本稿では,DeepSCが意味的に無関係な文を生成することを示す。 また,マルチインターフェラーRFIにおいて,DeepSCの実用限界と停止確率の低い値も導出する。
• 参考スコア（独自算出の注目度）: 89.91583691993071
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Although deep learning (DL)-enabled semantic communication (SemCom) has emerged as a 6G enabler by minimizing irrelevant information transmission -- minimizing power usage, bandwidth consumption, and transmission delay, its benefits can be limited by radio frequency interference (RFI) that causes substantial semantic noise. Such semantic noise's impact can be alleviated using an interference-resistant and robust (IR$^2$) SemCom design, though no such design exists yet. To stimulate fundamental research on IR2 SemCom, the performance limits of a popular text SemCom system named DeepSC are studied in the presence of (multi-interferer) RFI. By introducing a principled probabilistic framework for SemCom, we show that DeepSC produces semantically irrelevant sentences as the power of (multi-interferer) RFI gets very large. We also derive DeepSC's practical limits and a lower bound on its outage probability under multi-interferer RFI, and propose a (generic) lifelong DL-based IR$^2$ SemCom system. We corroborate the derived limits with simulations and computer experiments, which also affirm the vulnerability of DeepSC to a wireless attack using RFI.
• Abstract（参考訳）: 深層学習(DL)対応セマンティックコミュニケーション(SemCom)は、電力使用量、帯域使用量、伝送遅延を最小化することで、6Gイネーブルとして登場したが、その利点は相当なセマンティックノイズを引き起こす電波干渉(RFI)によって制限される。 このようなセマンティクスノイズの影響は、干渉耐性(ir$^2$)のsemcom設計を用いて緩和できるが、そのような設計はまだ存在しない。 IR2 SemComの基本的な研究を奨励するために、DeepSCと呼ばれる人気のテキストSemComシステムの性能限界をRFI(multi-interferer)の存在下で研究した。 SemComの原則的確率的フレームワークを導入することで、(マルチインターフェラー)RFIのパワーが非常に大きくなるにつれて、DeepSCは意味的に無関係な文を生成することを示す。 また,DeepSC の実用限界と,マルチインターフェラー RFI による停止確率の低い限界を導出し,寿命の長い DL ベースの IR$^2$ SemCom システムを提案する。 シミュレーションとコンピュータ実験で導出した限界を補足し,rfiを用いた無線攻撃に対するdeepscの脆弱性を裏付ける。

関連論文リスト

• Federated Low-Rank Adaptation with Differential Privacy over Wireless Networks [24.667581521367357]
  Federated Fine-tuning (FedFT)は、生データを共有せずに協調的なモデルトレーニングを促進することで、いくつかのプライバシー問題を緩和する。 FedFTにおけるプライバシーの盗聴攻撃のリスクは、特に医療や金融などの機密分野において懸念されている。 無線ネットワーク上での差分プライバシー(DP)を考慮したFedFTフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-12T14:01:08Z)
• RIS-Based On-the-Air Semantic Communications -- a Diffractional Deep Neural Network Approach [10.626169088908867]
  現在のAIベースのセマンティックコミュニケーション手法は実装にデジタルハードウェアを必要とする。 RISベースのセマンティックコミュニケーションは、光速計算、計算能力の低さ、複数のタスクを同時に処理する能力など、魅力的な機能を提供する。
  論文  参考訳（メタデータ） (2023-12-01T12:15:49Z)
• Dynamic Sparsity Is Channel-Level Sparsity Learner [91.31071026340746]
  ダイナミックスパーストレーニング(Dynamic Sparse Training, DST)は、ススパーストレーニングの指導的アプローチである。 チャネル対応動的スパース(Chase)は、非構造的動的スパースをチャネルレベルのスパースにシームレスに変換する。 提案手法は,非構造的空間性からチャネルワイド空間性へ変換する。
  論文  参考訳（メタデータ） (2023-05-30T23:33:45Z)
• 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)
• Pervasive Machine Learning for Smart Radio Environments Enabled by Reconfigurable Intelligent Surfaces [56.35676570414731]
  Reconfigurable Intelligent Surfaces(RIS)の新たな技術は、スマート無線環境の実現手段として準備されている。 RISは、無線媒体上の電磁信号の伝搬を動的に制御するための、高度にスケーラブルで低コストで、ハードウェア効率が高く、ほぼエネルギーニュートラルなソリューションを提供する。 このような再構成可能な無線環境におけるRISの密配置に関する大きな課題の1つは、複数の準曲面の効率的な構成である。
  論文  参考訳（メタデータ） (2022-05-08T06:21:33Z)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)
• Reconfigurable Intelligent Surface Enabled Spatial Multiplexing with Fully Convolutional Network [40.817290717344534]
  RIS(Reconfigurable Surface)は、無線通信システムのための新興技術である。 本稿では,この問題を解決するために完全畳み込みネットワーク(WSNFC)を提案する。 我々は、RISとダイレクトチャネルを経由するカスケードチャネルを含む一連のチャネル機能を設計する。
  論文  参考訳（メタデータ） (2022-01-08T14:16:00Z)
• Phase Configuration Learning in Wireless Networks with Multiple Reconfigurable Intelligent Surfaces [50.622375361505824]
  RIS(Reconfigurable Intelligent Surfaces)は、電磁波伝搬の動的制御を提供する、高度にスケーラブルな技術である。 RISを内蔵した無線通信における大きな課題の1つは、複数のRISの低オーバーヘッドダイナミックな構成である。 RISの位相構成に対する低複雑さ教師あり学習手法を考案する。
  論文  参考訳（メタデータ） (2020-10-09T05:35:27Z)

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。