論文の概要: Model-free Reinforcement Learning of Semantic Communication by Stochastic Policy Gradient

• arxiv url: http://arxiv.org/abs/2305.03571v1
• Date: Fri, 5 May 2023 14:27:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-08 13:44:19.849255
• Title: Model-free Reinforcement Learning of Semantic Communication by Stochastic Policy Gradient
• Title（参考訳）: 確率的政策勾配による意味コミュニケーションのモデルフリー強化学習
• Authors: Edgar Beck, Carsten Bockelmann and Armin Dekorsy
• Abstract要約: 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。 シャノンの古典的なデザインパラダイムは、メッセージではなく意味論(意味論)を伝達することを目的としている。
• 参考スコア（独自算出の注目度）: 8.508198765617195
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Motivated by the recent success of Machine Learning tools in wireless communications, the idea of semantic communication by Weaver from 1949 has gained attention. It breaks with Shannon's classic design paradigm by aiming to transmit the meaning, i.e., semantics, of a message instead of its exact version, allowing for information rate savings. In this work, we apply the Stochastic Policy Gradient (SPG) to design a semantic communication system by reinforcement learning, not requiring a known or differentiable channel model - a crucial step towards deployment in practice. Further, we motivate the use of SPG for both classic and semantic communication from the maximization of the mutual information between received and target variables. Numerical results show that our approach achieves comparable performance to a model-aware approach based on the reparametrization trick, albeit with a decreased convergence rate.
• Abstract（参考訳）: 無線通信における機械学習ツールの成功により、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。 シャノンの古典的なデザインパラダイムは、正確なバージョンではなくメッセージの意味(意味論)を伝達することであり、情報レートの節約を可能にしている。 本研究では,確率的政策勾配 (spg) を拡張学習による意味的コミュニケーションシステムの設計に適用し,実際の展開に向けた重要なステップとして,既知の,あるいは微分可能なチャネルモデルを必要としないことを提案する。 さらに、受信変数と対象変数の相互情報の最大化から、古典的および意味的コミュニケーションにおけるSPGの利用を動機づける。 数値計算の結果,コンバージェンス率の低下にもかかわらず,再パラメータ化手法に基づくモデル認識手法に匹敵する性能が得られた。

関連論文リスト

• Variational Source-Channel Coding for Semantic Communication [6.55201432222942]
  現在の意味コミュニケーションシステムは一般にオートエンコーダ(AE)としてモデル化されている AEは、チャネルダイナミクスを効果的にキャプチャできないため、コミュニケーション戦略とAI原則の深い統合を欠いている。 本稿では,従来のコミュニケーションとセマンティックコミュニケーションを区別するデータ歪みの包含について検討する。 意味コミュニケーションシステムを構築するために,VSCC法を提案する。
  論文  参考訳（メタデータ） (2024-09-26T03:42:05Z)
• 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)
• Reasoning with the Theory of Mind for Pragmatic Semantic Communication [62.87895431431273]
  本稿では,実用的な意味コミュニケーションフレームワークを提案する。 2つの知性エージェント間の効果的な目標指向情報共有を可能にする。 数値的な評価は、少ないビット量で効率的な通信を実現するためのフレームワークの能力を示している。
  論文  参考訳（メタデータ） (2023-11-30T03:36:19Z)
• 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)
• 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)
• One-to-Many Semantic Communication Systems: Design, Implementation, Performance Evaluation [35.21413988605204]
  MR_DeepSCと呼ばれる一対一のセマンティック通信システムを提案する。 異なるユーザに対するセマンティック機能を活用することで、異なるユーザを区別するためにセマンティック認識が構築される。 提案したMR_DeepSCはBLEUスコアで最高の性能が得られる。
  論文  参考訳（メタデータ） (2022-09-20T02:48:34Z)
• 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)
• Reinforcement Learning-powered Semantic Communication via Semantic Similarity [13.569045590522316]
  我々は,ビットレベルの精度を厳格に確保する代わりに,セマンティック情報を保存するための新しいセマンティックコミュニケーション機構を導入する。 一般的に使用されるビットレベルのメトリクスは、重要な意味や構造を捉えるのに脆弱であることを示す。 ユーザ定義のセマンティック測定を同時に最適化できる強化学習(RL)ベースのソリューションを提案しました。
  論文  参考訳（メタデータ） (2021-08-27T05:21:05Z)

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。