論文の概要: Task-Agnostic Learnable Weighted-Knowledge Base Scheme for Robust Semantic Communications

• arxiv url: http://arxiv.org/abs/2509.11636v1
• Date: Mon, 15 Sep 2025 07:10:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.179152
• Title: Task-Agnostic Learnable Weighted-Knowledge Base Scheme for Robust Semantic Communications
• Title（参考訳）: ロバストな意味コミュニケーションのためのタスク非依存学習型重み付き知識ベーススキーム
• Authors: Shiyao Jiang, Jian Jiao, Xingjian Zhang, Ye Wang, Dusit Niyato, Qinyu Zhang,
• Abstract要約: 本稿では,手堅い画像伝送のためのタスク非依存学習型重み付き知識ベースセマンティックコミュニケーション(TALSC)フレームワークを提案する。 このフレームワークには、メタラーナーとしてサンプル信頼モジュール(SCM)と学習者としての意味的符号化ネットワークが組み込まれている。 シミュレーションにより,TALSCフレームワークは,タスク非依存の画像意味コミュニケーションにおけるフリップノイズとクラス不均衡の効果を効果的に緩和することを示した。
• 参考スコア（独自算出の注目度）: 52.36313868773825
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the emergence of diverse and massive data in the upcoming sixth-generation (6G) networks, the task-agnostic semantic communication system is regarded to provide robust intelligent services. In this paper, we propose a task-agnostic learnable weighted-knowledge base semantic communication (TALSC) framework for robust image transmission to address the real-world heterogeneous data bias in KB, including label flipping noise and class imbalance. The TALSC framework incorporates a sample confidence module (SCM) as meta-learner and the semantic coding networks as learners. The learners are updated based on the empirical knowledge provided by the learnable weighted-KB (LW-KB). Meanwhile, the meta-learner evaluates the significance of samples according to the task loss feedback, and adjusts the update strategy of learners to enhance the robustness in semantic recovery for unknown tasks. To strike a balance between SCM parameters and precision of significance evaluation, we design an SCM-grid extension (SCM-GE) approach by embedding the Kolmogorov-Arnold networks (KAN) within SCM, which leverages the concept of spline refinement in KAN and enables scalable SCM with customizable granularity without retraining. Simulations demonstrate that the TALSC framework effectively mitigates the effects of flipping noise and class imbalance in task-agnostic image semantic communication, achieving at least 12% higher semantic recovery accuracy (SRA) and multi-scale structural similarity (MS-SSIM) compared to state-of-the-art methods.
• Abstract（参考訳）: 今後の第6世代(6G)ネットワークにおける多種多様な大規模データの出現に伴い、タスクに依存しないセマンティック通信システムは、堅牢なインテリジェントなサービスを提供すると考えられる。 本稿では,KBにおける実世界の異種データバイアスに対処するために,ラベルフリップノイズやクラス不均衡を含む,頑健な画像伝送のためのタスク非依存学習型重み付き知識ベースセマンティックコミュニケーション(TALSC)フレームワークを提案する。 TALSCフレームワークには、メタラーナーとしてサンプル信頼モジュール(SCM)と学習者としての意味コーディングネットワークが組み込まれている。 学習者は学習可能な重み付きKB(LW-KB)が提供する経験的知識に基づいて更新される。 一方、メタラーナーは、タスク損失フィードバックに応じてサンプルの重要度を評価し、未知タスクのセマンティックリカバリにおけるロバスト性を高めるために、学習者の更新戦略を調整する。 SCMパラメータと重要度評価の精度のバランスをとるために、SCM内にKolmogorov-Arnoldネットワーク(KAN)を組み込むことにより、SCM-Grid拡張(SCM-GE)アプローチを設計する。 シミュレーションにより,タスクに依存しない画像意味コミュニケーションにおける雑音の反転やクラス不均衡の効果を効果的に軽減し,少なくとも12%のセマンティックリカバリ精度(SRA)とマルチスケール構造類似性(MS-SSIM)を実現した。

関連論文リスト

• SC-GIR: Goal-oriented Semantic Communication via Invariant Representation Learning [59.45312293893698]
  目標指向セマンティックコミュニケーション(SC)は,タスクの意味情報のみを伝達することで,コミュニケーションシステムに革命をもたらすことを目的としている。 画像伝送のためのSC-GIR(Goal-oriented Invariant Representation-based SC)という新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-01T04:29:43Z)
• Large-Scale Model Enabled Semantic Communication Based on Robust Knowledge Distillation [45.347078403677216]
  大規模モデル(LSM)は意味表現と理解に有効なフレームワークである。 しかしながら、それらの直接的なデプロイメントは、しばしば高い計算複雑性とリソース要求によって妨げられる。 本稿では,新しい知識蒸留に基づく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。
  論文  参考訳（メタデータ） (2025-08-04T07:47:18Z)
• Knowledge Graph-Based Explainable and Generalized Zero-Shot Semantic Communications [23.330677629962103]
  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。
  論文  参考訳（メタデータ） (2025-07-03T03:57:26Z)
• Diffusion-based Task-oriented Semantic Communications with Model Inversion Attack [6.115539523178243]
  タスク指向セマンティックコミュニケーションは、6Gネットワークのための有望なニューラルネットワークベースのシステム設計である。 そこで我々はDiffSemという拡散型セマンティック・コミュニケーション・フレームワークを提案し,セマンティック・インフォメーションの再構築を最適化した。 その結果,DiffSemは分類精度を10.03%向上し,動的チャネル下での安定した性能を維持した。
  論文  参考訳（メタデータ） (2025-06-24T05:21:27Z)
• 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)
• 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)
• Continual Variational Autoencoder Learning via Online Cooperative Memorization [11.540150938141034]
  変分オートエンコーダ(VAE)は連続的な学習分類タスクでうまく使われている。 しかし、連続学習で学んだクラスやデータベースに対応する仕様で画像を生成する能力はよく理解されていない。 我々は、CLを動的最適輸送問題として定式化する新しい理論フレームワークを開発する。 次に,新しいメモリバッファリング手法,すなわちオンライン協調記憶(OCM)フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-20T18:19:27Z)
• Learning to Learn Kernels with Variational Random Features [118.09565227041844]
  メタラーニングフレームワークにランダムなフーリエ機能を持つカーネルを導入し、その強力な数ショット学習能力を活用する。 変分推論問題としてメタVRFの最適化を定式化する。 MetaVRFは、既存のメタ学習方法に比べて、はるかに優れた、少なくとも競争力のあるパフォーマンスを提供します。
  論文  参考訳（メタデータ） (2020-06-11T18:05:29Z)

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。