論文の概要: Two Birds with One Stone: Multi-Task Semantic Communications Systems over Relay Channel

• arxiv url: http://arxiv.org/abs/2410.12302v1
• Date: Wed, 16 Oct 2024 07:02:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-17 13:43:11.691989
• Title: Two Birds with One Stone: Multi-Task Semantic Communications Systems over Relay Channel
• Title（参考訳）: 1つの石を持つ2羽の鳥:リレーチャンネル上のマルチタスクセマンティック通信システム
• Authors: Yujie Cao, Tong Wu, Zhiyong Chen, Yin Xu, Meixia Tao, Wenjun Zhang,
• Abstract要約: 本稿では,新しいマルチタスク・マルチリンク・リレーセマンティック通信方式を提案する。 このスキームでは、ソースノードはセマンティック通信を使用して信号をブロードキャストし、リレーノードは信号を目的地に転送する。 宛先において、ノードは、ソースノードとリレーノードの両方からの信号を組み合わせて分類を行い、その分類結果を用いて、リレーノードからの信号を復号して画像再構成を行う。
• 参考スコア（独自算出の注目度）: 38.804671255347614
• License:
• Abstract: In this paper, we propose a novel multi-task, multi-link relay semantic communications (MTML-RSC) scheme that enables the destination node to simultaneously perform image reconstruction and classification with one transmission from the source node. In the MTML-RSC scheme, the source node broadcasts a signal using semantic communications, and the relay node forwards the signal to the destination. We analyze the coupling relationship between the two tasks and the two links (source-to-relay and source-to-destination) and design a semantic-focused forward method for the relay node, where it selectively forwards only the semantics of the relevant class while ignoring others. At the destination, the node combines signals from both the source node and the relay node to perform classification, and then uses the classification result to assist in decoding the signal from the relay node for image reconstructing. Experimental results demonstrate that the proposed MTML-RSC scheme achieves significant performance gains, e.g., $1.73$ dB improvement in peak-signal-to-noise ratio (PSNR) for image reconstruction and increasing the accuracy from $64.89\%$ to $70.31\%$ for classification.
• Abstract（参考訳）: 本稿では,マルチタスク・マルチリンク・セマンティック・コミュニケーション(MTML-RSC)方式を提案する。 MTML-RSC方式では、ソースノードはセマンティック通信を用いて信号をブロードキャストし、リレーノードは信号を目的地へ転送する。 2つのタスクと2つのリンク(ソース・トゥ・リレーとソース・トゥ・デスティネーション)の結合関係を解析し、リレーノードのセマンティック・フォーカス・フォワード・メソッドを設計し、関連するクラスのセマンティクスのみを選択的にフォワードする。 宛先において、ノードは、ソースノードとリレーノードの両方からの信号を組み合わせて分類を行い、その分類結果を用いて、リレーノードからの信号を復号して画像再構成を行う。 実験により, MTML-RSC方式は画像再構成におけるピーク信号-雑音比(PSNR)の1.73ドルdB向上を実現し, 精度を74.89 %から70.31 %に向上した。

関連論文リスト

• GeNet: A Graph Neural Network-based Anti-noise Task-Oriented Semantic Communication Paradigm [0.4910937238451484]
  従来の意味コミュニケーションのアプローチは、チャネルノイズを軽減するためにSNR(Signal-to-Noise ratio)の知識に依存していた。 ノイズ対策を目的とした意味コミュニケーションのためのグラフニューラルネットワーク(GNN)に基づくパラダイムであるGeNetを提案する。
  論文  参考訳（メタデータ） (2024-03-27T06:46:59Z)
• Channel-Feedback-Free Transmission for Downlink FD-RAN: A Radio Map based Complex-valued Precoding Network Approach [21.53419874372417]
  本稿では,物理層フィードバックに頼ることなく,新しい伝送方式を提案する。 具体的には,無線地図に基づく複合値プリコーディングネットワーク(RMCPNet)モデルを設計し,ユーザ位置に基づいて基地局プリコーディングを出力する。 提案手法をパブリックなDeepMIMOデータセット上で評価し,RMCPNetが16%,76%の性能改善を実現可能であることを示す。
  論文  参考訳（メタデータ） (2023-11-30T02:41:04Z)
• Communication-Efficient Framework for Distributed Image Semantic Wireless Transmission [68.69108124451263]
  IoTデバイスを用いたマルチタスク分散画像伝送のためのFederated Learning-based semantic communication (FLSC)フレームワーク。 各リンクは階層型視覚変換器(HVT)ベースの抽出器とタスク適応トランスレータで構成される。 チャネル状態情報に基づく多重出力多重出力伝送モジュール。
  論文  参考訳（メタデータ） (2023-08-07T16:32:14Z)
• Feature Decoupling-Recycling Network for Fast Interactive Segmentation [79.22497777645806]
  近年のインタラクティブセグメンテーション手法では,入力としてソースイメージ,ユーザガイダンス,従来予測されていたマスクを反復的に取り込んでいる。 本稿では,本質的な相違点に基づいてモデリングコンポーネントを分離するFDRN(Feature Decoupling-Recycling Network)を提案する。
  論文  参考訳（メタデータ） (2023-08-07T12:26:34Z)
• Bandwidth-efficient distributed neural network architectures with application to body sensor networks [73.02174868813475]
  本稿では,分散ニューラルネットワークアーキテクチャを設計するための概念設計手法について述べる。 提案手法により,損失を最小限に抑えつつ,最大20倍の帯域幅削減が可能となることを示す。 本稿では,ウェアラブル脳-コンピュータインタフェースに焦点をあてるが,他のセンサネットワークアプリケーションにも適用できる。
  論文  参考訳（メタデータ） (2022-10-14T12:35:32Z)
• Signal Processing Based Deep Learning for Blind Symbol Decoding and Modulation Classification [14.276414947868727]
  信号の盲目的復号には、未知の送信パラメータを推定し、無線チャネルの障害を補償し、変調タイプを特定する必要がある。 本稿では、DSP操作の信号経路と、未知の送信パラメータを推定するニューラルネットワークの特徴経路からなる二重経路ネットワーク(DPN)を提案する。
  論文  参考訳（メタデータ） (2021-06-19T18:00:31Z)
• Unsupervised Learning for Asynchronous Resource Allocation in Ad-hoc Wireless Networks [122.42812336946756]
  集約グラフニューラルネットワーク(Agg-GNN)に基づく教師なし学習手法を設計する。 アクティベーションパターンを各ノードの特徴としてモデル化し,ポリシーに基づくリソース割り当て手法を訓練することにより,非同期性を捉える。
  論文  参考訳（メタデータ） (2020-11-05T03:38:36Z)
• Bandwidth-Agile Image Transmission with Deep Joint Source-Channel Coding [7.081604594416339]
  画像が時間や頻度で徐々に層に伝達されるシナリオを考察する。 DeepJSCC-$l$は、畳み込みオートエンコーダを使用する革新的なソリューションである。 DeepJSCC-$l$は、低信号対雑音比(SNR)と小さな帯域幅規則の挑戦において、最先端のデジタルプログレッシブ伝送方式と同等の性能を持つ。
  論文  参考訳（メタデータ） (2020-09-26T00:11:50Z)
• Multi-Channel Attention Selection GANs for Guided Image-to-Image Translation [148.9985519929653]
  本稿では,画像から画像への変換のためのマルチチャネルアテンション選択生成支援ネットワーク(SelectionGAN)を提案する。 提案するフレームワークとモジュールは統合されたソリューションであり、セマンティック画像合成などの他の生成タスクに応用できる。
  論文  参考訳（メタデータ） (2020-02-03T23:17:10Z)

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。