論文の概要: Joint Semantic-Native Communication and Inference via Minimal Simplicial Structures

• arxiv url: http://arxiv.org/abs/2308.16789v1
• Date: Thu, 31 Aug 2023 15:04:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-01 14:03:45.403126
• Title: Joint Semantic-Native Communication and Inference via Minimal Simplicial Structures
• Title（参考訳）: 最小単純構造を用いた意味的対話と推論
• Authors: Qiyang Zhao, Hang Zou, Mehdi Bennis, Merouane Debbah, Ebtesam Almazrouei, Faouzi Bader
• Abstract要約: 学生エージェントは教師エージェントに問い合わせて、高階のデータセマンティクスを生成する。 教師はまずデータをk次simplicial複合体にマッピングし、その高次相関を学習する。 効果的なコミュニケーションと推論のために、教師は最小限に十分で不変な意味構造を求める。
• 参考スコア（独自算出の注目度）: 28.87693546117844
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we study the problem of semantic communication and inference, in which a student agent (i.e. mobile device) queries a teacher agent (i.e. cloud sever) to generate higher-order data semantics living in a simplicial complex. Specifically, the teacher first maps its data into a k-order simplicial complex and learns its high-order correlations. For effective communication and inference, the teacher seeks minimally sufficient and invariant semantic structures prior to conveying information. These minimal simplicial structures are found via judiciously removing simplices selected by the Hodge Laplacians without compromising the inference query accuracy. Subsequently, the student locally runs its own set of queries based on a masked simplicial convolutional autoencoder (SCAE) leveraging both local and remote teacher's knowledge. Numerical results corroborate the effectiveness of the proposed approach in terms of improving inference query accuracy under different channel conditions and simplicial structures. Experiments on a coauthorship dataset show that removing simplices by ranking the Laplacian values yields a 85% reduction in payload size without sacrificing accuracy. Joint semantic communication and inference by masked SCAE improves query accuracy by 25% compared to local student based query and 15% compared to remote teacher based query. Finally, incorporating channel semantics is shown to effectively improve inference accuracy, notably at low SNR values.
• Abstract（参考訳）: 本研究では,学生エージェント(すなわちモバイルデバイス)が教師エージェント(すなわちクラウドセマンティクス)に問い合わせて,単純化された複合空間に住む高次データセマンティクスを生成する,意味コミュニケーションと推論の問題について検討する。 具体的には、教師はまずデータをk次単純複体にマッピングし、その高次相関を学習する。 効果的なコミュニケーションと推論のために、教師は情報を伝える前に、最小限の十分な不変な意味構造を求める。 これらの極小簡約構造は、推論クエリの精度を損なうことなく、ホッジラプラシアンによって選択された簡約を取り除くことによって見出される。 その後、学生は、ローカルとリモートの両方の教師の知識を活用して、マスク付きsimplicial convolutional autoencoder(SCAE)に基づいて、独自のクエリを実行する。 提案手法の有効性を,異なるチャネル条件と簡素な構造における推論クエリの精度向上の観点から検証した。 共同オーサシップデータセットの実験では、ラプラシアン値のランク付けによる単純化の除去は、精度を犠牲にすることなくペイロードサイズを85%削減することを示した。 マスク付きSCAEによる共同セマンティックコミュニケーションと推論により、ローカルの学生によるクエリに比べてクエリ精度が25%向上し、リモートの教師によるクエリに比べて15%向上した。 最後に、チャネルセマンティクスを取り入れることで、特に低SNR値において、推論精度を効果的に向上することを示す。

関連論文リスト

• A Simplifying and Learnable Graph Convolutional Attention Network for Unsupervised Knowledge Graphs Alignment [7.745614053089421]
  教師なし知識グラフアライメント(SLU)のための簡易かつ学習可能なグラフ畳み込み型アライメントネットワークを提案する。 具体的には、まず2つのKGのグラフ構造をモデル化するバックボーンネットワークとして、新しいシンプルなフレームワークLCATを紹介する。 そこで我々は、アライメントされたエンティティの無効な近傍情報を効率的にフィルタリングするために、ポテンシャルマッチング関係に基づく関係構造の再構築手法を設計する。
  論文  参考訳（メタデータ） (2024-10-17T06:37:46Z)
• SPARKLE: Enhancing SPARQL Generation with Direct KG Integration in Decoding [0.46040036610482665]
  本稿では、SPARQLフレームワークであるSPARKLEに、新しいエンドツーエンド自然言語を提示する。 SPARKLEは、デコーディング中に知識ベースの構造を直接活用し、クエリ生成に知識を効果的に統合する。 本稿では,SPARKLEがSimpleQuestions-Wiki上で,LCQuAD 1.0上で最高のF1スコアを獲得していることを示す。
  論文  参考訳（メタデータ） (2024-06-29T06:43:11Z)
• MinPrompt: Graph-based Minimal Prompt Data Augmentation for Few-shot Question Answering [64.6741991162092]
  オープンドメイン質問応答のための最小限のデータ拡張フレームワークMinPromptを提案する。 我々は、生テキストをグラフ構造に変換し、異なる事実文間の接続を構築する。 次に、グラフアルゴリズムを適用して、原文のほとんどの情報をカバーするのに必要な最小限の文の集合を識別する。 同定された文サブセットに基づいてQAペアを生成し、選択した文に基づいてモデルをトレーニングし、最終モデルを得る。
  論文  参考訳（メタデータ） (2023-10-08T04:44:36Z)
• Prompt Algebra for Task Composition [131.97623832435812]
  素早いチューニングを伴うビジュアル言語モデルを基本分類器として検討する。 合成分類器の性能向上のための制約付きプロンプトチューニングを提案する。 UTZapposでは、最高のベースモデルに対する分類精度を平均8.45%向上させる。
  論文  参考訳（メタデータ） (2023-06-01T03:20:54Z)
• M-Tuning: Prompt Tuning with Mitigated Label Bias in Open-Set Scenarios [103.6153593636399]
  緩和ラベルバイアス(M-Tuning)を用いた視覚言語プロンプトチューニング手法を提案する。 これはWordNetからのオープンワードを導入し、クローズドセットラベルワードのみからもっと多くのプロンプトテキストを形成する単語の範囲を広げ、シミュレートされたオープンセットシナリオでプロンプトをチューニングする。 提案手法は,様々なスケールのデータセット上で最高の性能を達成し,広範囲にわたるアブレーション研究もその有効性を検証した。
  論文  参考訳（メタデータ） (2023-03-09T09:05:47Z)
• Semantic-Native Communication: A Simplicial Complex Perspective [50.099494681671224]
  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。
  論文  参考訳（メタデータ） (2022-10-30T22:33:44Z)
• Neural-Symbolic Entangled Framework for Complex Query Answering [22.663509971491138]
  複雑な問合せ応答のためのニューラル・アンド・エンタングルド・フレームワーク(ENeSy)を提案する。 これにより、ニューラルネットワークとシンボリック推論が互いに強化され、カスケードエラーとKGの不完全性が軽減される。 ENeSyは、特にリンク予測タスクのみでトレーニングモデルの設定において、いくつかのベンチマークでSOTA性能を達成する。
  論文  参考訳（メタデータ） (2022-09-19T06:07:10Z)
• Open-set Short Utterance Forensic Speaker Verification using Teacher-Student Network with Explicit Inductive Bias [59.788358876316295]
  そこで本研究では,小規模の法定フィールドデータセット上での話者検証を改善するためのパイプラインソリューションを提案する。 大規模領域外データセットを活用することで,教師学習のための知識蒸留に基づく目的関数を提案する。 提案する目的関数は,短時間の発話における教師学生の学習性能を効果的に向上できることを示す。
  論文  参考訳（メタデータ） (2020-09-21T00:58:40Z)
• End-to-End Object Detection with Transformers [88.06357745922716]
  本稿では,オブジェクト検出を直接セット予測問題とみなす新しい手法を提案する。 我々のアプローチは検出パイプラインを合理化し、手作業で設計された多くのコンポーネントの必要性を効果的に除去する。 この新しいフレームワークの主な構成要素は、Detection TRansformerまたはDETRと呼ばれ、セットベースのグローバルな損失である。
  論文  参考訳（メタデータ） (2020-05-26T17:06:38Z)

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。