論文の概要: Semantic Communication of Learnable Concepts
- arxiv url: http://arxiv.org/abs/2305.08126v1
- Date: Sun, 14 May 2023 11:16:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-16 17:26:03.081350
- Title: Semantic Communication of Learnable Concepts
- Title(参考訳): 学習可能な概念のセマンティックコミュニケーション
- Authors: Francesco Pase, Szymon Kobus, Deniz Gunduz, Michele Zorzi
- Abstract要約: 我々は、例を通してのみ観察できる、未知および潜在的マップという一連の概念を伝達する問題を考える。
送信機は利用可能な例に学習アルゴリズムを適用し、データから知識を抽出する。
その後、送信機は学習したモデルをレート制限チャンネルを介してリモート受信機に通信する必要がある。
- 参考スコア(独自算出の注目度): 16.373044313375782
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We consider the problem of communicating a sequence of concepts, i.e.,
unknown and potentially stochastic maps, which can be observed only through
examples, i.e., the mapping rules are unknown. The transmitter applies a
learning algorithm to the available examples, and extracts knowledge from the
data by optimizing a probability distribution over a set of models, i.e., known
functions, which can better describe the observed data, and so potentially the
underlying concepts. The transmitter then needs to communicate the learned
models to a remote receiver through a rate-limited channel, to allow the
receiver to decode the models that can describe the underlying sampled concepts
as accurately as possible in their semantic space. After motivating our
analysis, we propose the formal problem of communicating concepts, and provide
its rate-distortion characterization, pointing out its connection with the
concepts of empirical and strong coordination in a network. We also provide a
bound for the distortion-rate function.
- Abstract(参考訳): 我々は、未知および潜在的確率写像という一連の概念を伝達する問題を、例を通してのみ観察できる、すなわち、写像規則が未知である、と考える。
送信機は、利用可能な例に学習アルゴリズムを適用し、一連のモデル、すなわち、観測されたデータをよりうまく記述できる既知の関数、および潜在的に基礎となる概念に対して確率分布を最適化することにより、データから知識を抽出する。
送信機は、学習したモデルをレート制限されたチャネルを介してリモートレシーバーに通信し、受信機が、そのセマンティック空間において可能な限り正確なサンプル概念を記述できるモデルをデコードできるようにする。
分析のモチベーションを得た後、ネットワークにおける経験的・強い協調の概念との関係を指摘し、コミュニケーション概念の形式的問題を提案し、その速度歪曲特性を提供する。
また、歪み率関数のバウンドも提供する。
関連論文リスト
- Gaussian Mixture Models for Affordance Learning using Bayesian Networks [50.18477618198277]
Affordancesはアクション、オブジェクト、エフェクト間の関係の基本的な記述である。
本稿では,世界を探究し,その感覚経験から自律的にこれらの余裕を学習するエンボディエージェントの問題にアプローチする。
論文 参考訳(メタデータ) (2024-02-08T22:05:45Z) - 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) - 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) - Attributing Learned Concepts in Neural Networks to Training Data [5.930268338525991]
コンバージェンス(収束)の証拠として,概念の上位1万個の画像を取り除き,モデルの再トレーニングを行うと,ネットワーク内の概念の位置が変化しない。
このことは、概念の発達を知らせる特徴が、概念形成の堅牢さを暗示して、その先例にまたがるより拡散した方法で広がることを示唆している。
論文 参考訳(メタデータ) (2023-10-04T20:26:59Z) - Model-free Reinforcement Learning of Semantic Communication by Stochastic Policy Gradient [9.6403215177092]
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。
論文 参考訳(メタデータ) (2023-05-05T14:27:58Z) - 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) - FedRec: Federated Learning of Universal Receivers over Fading Channels [92.15358738530037]
本稿では,ダウンリンクフェージングチャネルに対するニューラルネットワークを用いたシンボル検出手法を提案する。
複数のユーザが協力して、普遍的なデータ駆動型検出器を学習する。
得られた受信機の性能は、フェーディング統計の知識を必要とせずに、様々なチャネル条件下でMAP性能に近づくことを示す。
論文 参考訳(メタデータ) (2020-11-14T11:29:55Z) - Learning What Makes a Difference from Counterfactual Examples and
Gradient Supervision [57.14468881854616]
ニューラルネットワークの一般化能力を改善するための補助的学習目標を提案する。
我々は、異なるラベルを持つ最小差の例のペア、すなわち反ファクトまたはコントラストの例を使用し、タスクの根底にある因果構造を示す信号を与える。
このテクニックで訓練されたモデルは、配布外テストセットのパフォーマンスを向上させる。
論文 参考訳(メタデータ) (2020-04-20T02:47:49Z)
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。