論文の概要: Model-free Reinforcement Learning of Semantic Communication by Stochastic Policy Gradient
- arxiv url: http://arxiv.org/abs/2305.03571v2
- Date: Thu, 14 Mar 2024 15:54:10 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-16 03:12:58.543420
- Title: Model-free Reinforcement Learning of Semantic Communication by Stochastic Policy Gradient
- Title(参考訳): 確率的ポリシー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, 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。
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。
- 参考スコア(独自算出の注目度): 9.6403215177092
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Following 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, separating transmitter and receiver, and not requiring a known or differentiable channel model -- a crucial step towards deployment in practice. Further, we derive 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続いて、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設計パラダイムは、正確なバージョンではなくメッセージの意味、すなわち意味論を伝達することを目的としており、情報レートの節約を可能にしている。
本研究では、Stochastic Policy Gradient(SPG)を用いて、強化学習による意味コミュニケーションシステムを設計し、送信機と受信機を分離し、既知の、または異なるチャネルモデルを必要としない。
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の利用を導出する。
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
- 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) - CosSGD: Nonlinear Quantization for Communication-efficient Federated
Learning [62.65937719264881]
フェデレーション学習は、これらのクライアントのローカルデータを中央サーバに転送することなく、クライアント間での学習を促進する。
圧縮勾配降下のための非線形量子化を提案し、フェデレーションラーニングで容易に利用することができる。
本システムは,訓練過程の収束と精度を維持しつつ,通信コストを最大3桁まで削減する。
論文 参考訳(メタデータ) (2020-12-15T12:20:28Z) - Communication-Efficient and Distributed Learning Over Wireless Networks:
Principles and Applications [55.65768284748698]
機械学習(ML)は、第5世代(5G)通信システムなどのための有望なイネーブルである。
本稿では、関連するコミュニケーションとMLの原則を概観し、選択したユースケースでコミュニケーション効率と分散学習フレームワークを提示することを目的とする。
論文 参考訳(メタデータ) (2020-08-06T12:37:14Z)
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。