論文の概要: Knowledge Graph-Based Explainable and Generalized Zero-Shot Semantic Communications

• arxiv url: http://arxiv.org/abs/2507.02291v1
• Date: Thu, 03 Jul 2025 03:57:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-04 15:37:15.582175
• Title: Knowledge Graph-Based Explainable and Generalized Zero-Shot Semantic Communications
• Title（参考訳）: 知識グラフに基づく説明可能・一般化ゼロショット意味コミュニケーション
• Authors: Zhaoyu Zhang, Lingyi Wang, Wei Wu, Fuhui Zhou, Qihui Wu,
• Abstract要約: 本稿では,知識グラフによるゼロショットセマンティック通信(KGZS-SC)ネットワークを提案する。 本手法は,知識グラフに基づく意味知識ベース(KG-SKB)から構造化された意味情報に基づいて,一般化された意味表現を提供し,未知の場合の推論を可能にする。 受信機では、ゼロショット学習(ZSL)を利用して、再トレーニングや計算オーバーヘッドの追加を必要とせずに、見えないケースの直接分類を可能にする。
• 参考スコア（独自算出の注目度）: 23.330677629962103
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Data-driven semantic communication is based on superficial statistical patterns, thereby lacking interpretability and generalization, especially for applications with the presence of unseen data. To address these challenges, we propose a novel knowledge graph-enhanced zero-shot semantic communication (KGZS-SC) network. Guided by the structured semantic information from a knowledge graph-based semantic knowledge base (KG-SKB), our scheme provides generalized semantic representations and enables reasoning for unseen cases. Specifically, the KG-SKB aligns the semantic features in a shared category semantics embedding space and enhances the generalization ability of the transmitter through aligned semantic features, thus reducing communication overhead by selectively transmitting compact visual semantics. At the receiver, zero-shot learning (ZSL) is leveraged to enable direct classification for unseen cases without the demand for retraining or additional computational overhead, thereby enhancing the adaptability and efficiency of the classification process in dynamic or resource-constrained environments. The simulation results conducted on the APY datasets show that the proposed KGZS-SC network exhibits robust generalization and significantly outperforms existing SC frameworks in classifying unseen categories across a range of SNR levels.
• Abstract（参考訳）: データ駆動セマンティックコミュニケーションは表面的な統計パターンに基づいており、特に目に見えないデータが存在するアプリケーションにおいて、解釈可能性や一般化が欠如している。 これらの課題に対処するため、我々は知識グラフ強化ゼロショットセマンティックコミュニケーション(KGZS-SC)ネットワークを提案する。 本手法は,知識グラフに基づく意味知識ベース(KG-SKB)から構造化された意味情報に基づいて,一般化された意味表現を提供し,未知の場合の推論を可能にする。 具体的には、KG-SKBは、共有カテゴリセマンティクス埋め込み空間におけるセマンティクスの特徴を整列し、アライメントされたセマンティクス特徴を通して送信者の一般化能力を向上し、コンパクトな視覚セマンティクスを選択的に送信することで通信オーバーヘッドを低減する。 受信機では、ゼロショット学習(ZSL)を利用して、再トレーニングや追加の計算オーバーヘッドを必要とせずに、見えないケースの直接分類を可能にし、動的またはリソース制約された環境での分類プロセスの適応性と効率を向上させる。 APYデータセットを用いたシミュレーションの結果,提案したKGZS-SCネットワークは,様々なSNRレベルの未確認カテゴリの分類において,ロバストな一般化を示し,既存のSCフレームワークを著しく上回っていることがわかった。

関連論文リスト

• Task-Oriented Low-Label Semantic Communication With Self-Supervised Learning [67.06363342414397]
  タスク指向の意味コミュニケーションは、正確なメッセージではなく意味情報を伝達することで伝達効率を高める。 深層学習(DL)に基づく意味コミュニケーションは、意味抽出、伝達、解釈に不可欠な意味知識を効果的に育むことができる。 タスク推論性能を向上させるための自己教師付き学習ベースセマンティックコミュニケーションフレームワーク(SLSCom)を提案する。
  論文  参考訳（メタデータ） (2025-05-26T13:06:18Z)
• Federated Contrastive Learning for Personalized Semantic Communication [55.46383524190467]
  我々は,パーソナライズされたセマンティックコミュニケーションを支援することを目的とした,協調型コントラスト学習フレームワークを設計する。 FedCLは、複数のクライアントにわたるローカルセマンティックエンコーダと、基地局が所有するグローバルセマンティックデコーダの協調トレーニングを可能にする。 分散クライアント間の異種データセットから生じるセマンティック不均衡問題に対処するために,コントラスト学習を用いてセマンティックセントロイドジェネレータを訓練する。
  論文  参考訳（メタデータ） (2024-06-13T14:45:35Z)
• Agent-driven Generative Semantic Communication with Cross-Modality and Prediction [57.335922373309074]
  本稿では,強化学習に基づくエージェント駆動型ジェネリックセマンティックコミュニケーションフレームワークを提案する。 本研究では, エージェント支援型セマンティックエンコーダを開発し, 適応的セマンティック抽出とサンプリングを行う。 設計モデルの有効性をUA-DETRACデータセットを用いて検証し、全体的なA-GSCフレームワークの性能向上を実証した。
  論文  参考訳（メタデータ） (2024-04-10T13:24:27Z)
• Weakly Supervised Semantic Segmentation by Knowledge Graph Inference [11.056545020611397]
  本稿では、Wakly Supervised Semantic (WSSS)を強化するグラフ推論に基づくアプローチを提案する。 本研究の目的は,マルチラベル分類とセグメンテーションネットワークの段階を同時に拡張することで,WSSSを全体的改善することである。 PASCAL VOC 2012およびMS-COCOデータセット上でWSSSの最先端性能を達成した。
  論文  参考訳（メタデータ） (2023-09-25T11:50:19Z)
• Performance Optimization for Semantic Communications: An Attention-based Reinforcement Learning Approach [187.4094332217186]
  テキストデータ伝送のためのセマンティック通信フレームワークを提案する。 回復したテキストの意味的精度と完全性を共同でキャプチャする意味的類似度尺度(MSS)を提案する。
  論文  参考訳（メタデータ） (2022-08-17T11:39:16Z)

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。