論文の概要: Latency-Distortion Tradeoffs in Communicating Classification Results over Noisy Channels
- arxiv url: http://arxiv.org/abs/2404.14586v1
- Date: Mon, 22 Apr 2024 21:22:12 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-24 17:48:00.524925
- Title: Latency-Distortion Tradeoffs in Communicating Classification Results over Noisy Channels
- Title（参考訳）: 雑音チャネルの分類結果の伝達における遅延歪みトレードオフ
- Authors: Noel Teku, Sudarshan Adiga, Ravi Tandon,
- Abstract要約: 本研究では,確率ベクトルをノイズチャネル上で伝達する必要があるシナリオについて検討する。
伝送遅延と歪みのトレードオフを分析する。
以上の結果から,ソース歪み(f-ディバージェンスによって測定される確率ベクトルの歪み)とその後のチャネル符号化/復号パラメータとの間には興味深い相互作用があることが示唆された。
- 参考スコア（独自算出の注目度）: 8.159697831570593
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work, the problem of communicating decisions of a classifier over a noisy channel is considered. With machine learning based models being used in variety of time-sensitive applications, transmission of these decisions in a reliable and timely manner is of significant importance. To this end, we study the scenario where a probability vector (representing the decisions of a classifier) at the transmitter, needs to be transmitted over a noisy channel. Assuming that the distortion between the original probability vector and the reconstructed one at the receiver is measured via f-divergence, we study the trade-off between transmission latency and the distortion. We completely analyze this trade-off using uniform, lattice, and sparse lattice-based quantization techniques to encode the probability vector by first characterizing bit budgets for each technique given a requirement on the allowed source distortion. These bounds are then combined with results from finite-blocklength literature to provide a framework for analyzing the effects of both quantization distortion and distortion due to decoding error probability (i.e., channel effects) on the incurred transmission latency. Our results show that there is an interesting interplay between source distortion (i.e., distortion for the probability vector measured via f-divergence) and the subsequent channel encoding/decoding parameters; and indicate that a joint design of these parameters is crucial to navigate the latency-distortion tradeoff. We study the impact of changing different parameters (e.g. number of classes, SNR, source distortion) on the latency-distortion tradeoff and perform experiments on AWGN and fading channels. Our results indicate that sparse lattice-based quantization is the most effective at minimizing latency across various regimes and for sparse, high-dimensional probability vectors (i.e., high number of classes).
- Abstract（参考訳）: 本研究は,雑音チャネル上での分類器の決定を伝達する問題について考察する。
機械学習ベースのモデルは、様々な時間に敏感なアプリケーションで使われているため、信頼性とタイムリーな方法でこれらの決定を伝達することが重要である。
そこで本研究では,送信機における確率ベクトル(分類器の決定を表わす)をノイズチャネルを介して送信する必要があるシナリオについて検討する。
元の確率ベクトルとレシーバにおける再構成された確率ベクトルとの歪みをf偏差で測定すると、伝送遅延と歪みとのトレードオフについて検討する。
我々は、このトレードオフを均一、格子、スパース格子に基づく量子化技術を用いて完全に分析し、許容されるソース歪みの条件が与えられた各手法のビット予算を第一に特徴付けることによって確率ベクトルを符号化する。
これらの境界は有限ブロック長の文献の結果と組み合わせて、量子化歪みとデコードエラー確率(すなわちチャネル効果)による歪みが帰納的な伝送遅延に与える影響を分析するためのフレームワークを提供する。
以上の結果から,ソース歪み(f-分数による確率ベクトルの歪み)とその後のチャネル符号化/復号化パラメータとの間には興味深い相互作用があることが示され,これらのパラメータの結合設計が遅延歪みのトレードオフをナビゲートするために重要であることが示唆された。
本稿では,異なるパラメータ(例えば,クラス数,SNR,ソース歪み)が遅延歪みのトレードオフに与える影響について検討し,AWGNおよびフェージングチャネルの実験を行った。
この結果から,スパース格子に基づく量子化は,様々なレジームにおける遅延最小化や,スパースな高次元確率ベクトル(高いクラス数)に最も有効であることが示唆された。
関連論文リスト
- Collaborative Edge AI Inference over Cloud-RAN [37.3710464868215]
クラウド無線アクセスネットワーク(Cloud-RAN)ベースの協調エッジAI推論アーキテクチャを提案する。
具体的には、地理的に分散したデバイスが、リアルタイムのノイズ破壊センサデータサンプルをキャプチャし、ノイズの多い局所特徴ベクトルを抽出する。
我々は,各RRHが同一リソースブロック上の全デバイスから局所的特徴ベクトルを同時に受信することを可能にする。
これらの集約された特徴ベクトルは量子化され、さらに集約および下流推論タスクのために中央プロセッサに送信される。
論文 参考訳（メタデータ） (2024-04-09T04:26:16Z) - Short-Time Fourier Transform for deblurring Variational Autoencoders [0.0]
変分オートエンコーダ(VAE)は強力な生成モデルである。
彼らの生成したサンプルは、代替生成技術の出力と比較して、特徴的な曖昧さに悩まされていることが知られている。
論文 参考訳（メタデータ） (2024-01-06T08:57:11Z) - Streaming Joint Speech Recognition and Disfluency Detection [30.018034246393725]
音声認識と拡散検出を共同で解くトランスフォーマーベースのエンコーダデコーダモデルを提案する。
パイプラインアプローチと比較して、ジョイントモデルは、認識エラーに対して拡散検出を堅牢にする音響情報を利用することができる。
提案したジョイントモデルでは,BERTベースのパイプラインアプローチよりも精度とレイテンシが優れていた。
論文 参考訳（メタデータ） (2022-11-16T07:34:20Z) - Neural Estimation of the Rate-Distortion Function With Applications to
Operational Source Coding [25.59334941818991]
損失のあるデータ圧縮スキームを設計する際の根本的な問題は、速度歪み関数と比較してどれだけうまくできるかである。
本研究では,大規模な実世界のデータに対して,速度歪み関数を推定する手法について検討する。
本稿では, NERDと呼ばれる速度歪み推定器を画像データセットに適用する。
論文 参考訳（メタデータ） (2022-04-04T16:06:40Z) - Treatment Learning Causal Transformer for Noisy Image Classification [62.639851972495094]
本研究では,この2値情報「ノイズの存在」を画像分類タスクに組み込んで予測精度を向上させる。
因果的変動推定から動機付け,雑音画像分類のための頑健な特徴表現を潜在生成モデルを用いて推定するトランスフォーマーに基づくアーキテクチャを提案する。
また、パフォーマンスベンチマークのための幅広いノイズ要素を取り入れた、新しいノイズの多い画像データセットも作成する。
論文 参考訳（メタデータ） (2022-03-29T13:07:53Z) - Error Correction Code Transformer [92.10654749898927]
本稿では,トランスフォーマーアーキテクチャを任意のブロック長で線形符号のソフトデコードに拡張することを提案する。
我々は,各チャネルの出力次元を高次元に符号化し,個別に処理すべきビット情報のより良い表現を行う。
提案手法は、トランスフォーマーの極端なパワーと柔軟性を示し、既存の最先端のニューラルデコーダを、その時間的複雑さのごく一部で大きなマージンで上回る。
論文 参考訳（メタデータ） (2022-03-27T15:25:58Z) - Deblurring via Stochastic Refinement [85.42730934561101]
条件付き拡散モデルに基づくブラインドデブロアリングのための代替フレームワークを提案する。
提案手法は,PSNRなどの歪み指標の点で競合する。
論文 参考訳（メタデータ） (2021-12-05T04:36:09Z) - Performance of teleportation-based error correction circuits for bosonic
codes with noisy measurements [58.720142291102135]
テレポーテーションに基づく誤り訂正回路を用いて、回転対称符号の誤り訂正能力を解析する。
マイクロ波光学における現在達成可能な測定効率により, ボソニック回転符号の破壊ポテンシャルは著しく低下することが判明した。
論文 参考訳（メタデータ） (2021-08-02T16:12:13Z) - SignalNet: A Low Resolution Sinusoid Decomposition and Estimation
Network [79.04274563889548]
本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。
基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。
シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
論文 参考訳（メタデータ） (2021-06-10T04:21:20Z) - A Deep Ordinal Distortion Estimation Approach for Distortion Rectification [62.72089758481803]
より高精度なパラメータを効率良く得る新しい歪み補正手法を提案する。
本研究では, 局所言語関連推定ネットワークを設計し, 順序歪みを学習し, 現実的な歪み分布を近似する。
歪み情報の冗長性を考慮すると,本手法では歪み画像の一部のみを用いて順序方向の歪み推定を行う。
論文 参考訳（メタデータ） (2020-07-21T10:03:42Z) - Neural Communication Systems with Bandwidth-limited Channel [9.332315420944836]
情報損失にもかかわらずメッセージを確実に送信することは情報理論の中核的な問題である。
本研究では,帯域幅制限チャネル(BWLC)を用いた符号化学習について検討する。
論文 参考訳（メタデータ） (2020-03-30T11:58:30Z)
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。