論文の概要: Communication Reduction via Semantic-Based Encoding in DMPC Using LSTMs

• arxiv url: http://arxiv.org/abs/2608.17592v1
• Date: Tue, 18 Aug 2026 09:58:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-19 21:40:53.299068
• Title: Communication Reduction via Semantic-Based Encoding in DMPC Using LSTMs
• Title（参考訳）: LSTMを用いたDMPCにおける意味的符号化による通信の低減
• Abstract要約: 本研究では、分散最適化アルゴリズムにおいて、長期記憶セルを中心に構築されたエンコーダデコーダネットワークを用いる。 エージェントはメッセージの表現を減らし、受信側は受信時に元のメッセージを再構築する。 移動ロボットを用いた通信の低減テストでは、トレーニングされたネットワークは良好な性能を維持し、完全な通信を超越した条件下で確実に動作する。
• 参考スコア（独自算出の注目度）: 1.8379423176822354
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The communication demands of distributed model prediction control (DMPC) can overwhelm even advanced wireless communication technologies as agents must exchange a significant amount of information at least once per time step. To semantically reduce communication demands, this work employs encoder-decoder networks built around long-short term memory (LSTM) cells in a distributed optimization algorithm. Agents publish a reduced representation of a message and receivers reconstruct the original message upon reception. In tests with reduced communication using formations of mobile robots, trained networks retain satisfactory performance and work reliably under conditions overwhelming full communication. As the results show, the usage of LSTMs either allows unprecedented reconstruction accuracy or the usage of different prediction-horizon lengths without the necessity to retrain.
• Abstract（参考訳）: 分散モデル予測制御(DMPC)の通信要求は、エージェントが少なくとも1ステップに1回は大量の情報を交換しなければならないため、先進的な無線通信技術にも圧倒される可能性がある。 通信要求を意味的に低減するために、分散最適化アルゴリズムでは、長短メモリ(LSTM)セルを中心に構築されたエンコーダデコーダネットワークを用いる。 エージェントはメッセージの表現を減らし、受信側は受信時に元のメッセージを再構築する。 移動ロボットを用いた通信の低減テストでは、トレーニングされたネットワークは良好な性能を維持し、完全な通信を超越した条件下で確実に動作する。 その結果、LSTMの使用は前例のない再建精度または異なる予測水平長の使用を可能にするが、再トレーニングは不要であることがわかった。

関連論文リスト

• When Semantic Communication Meets Queueing: Cross-Layer Latency and Task Fidelity Optimization [5.523167414178437]
  学習したエンコーダ・デコーダアーキテクチャを持つSemComは、無線チャネルに最適化されたコンパクトなタスク指向表現のエンドツーエンド学習を可能にする。 本稿では,マルチタスク・セマンティック・オートエンコーダを用いたAWGNを用いたブロックフェード上のセマンティック・イメージ・トランスミッションについて検討する。 我々は,長期のセマンティックエラー制約の下で,更新毎の潜時次元を適応するオンラインセマンティックレートコントローラを開発した。
  論文  参考訳（メタデータ） (2026-05-06T23:30:46Z)
• Bringing Network Coding into Multi-Robot Systems: Interplay Study for Autonomous Systems over Wireless Communications [48.38270830044451]
  通信はマルチロボットシステムのコアイネーブルである。 本稿では,通信損失と遅延を緩和するトランスポート層信頼性機構が,自律通信ループを形成する方法を示す。 本稿では,ロボット間通信の遅延と損失による協調的局所化と,安全クリティカルなオーバーテイク操作の2つのケーススタディを提案する。
  論文  参考訳（メタデータ） (2026-03-18T08:26:17Z)
• Semantic Communication-Enhanced Split Federated Learning for Vehicular Networks: Architecture, Challenges, and Case Study [50.345531105285524]
  車両エッジインテリジェンス(VEI)は、将来のインテリジェントトランスポートシステムにとって不可欠である。 動的車両ネットワークにおける従来の集中学習は、通信オーバーヘッドとプライバシーリスクに直面する。 本稿では,意味コミュニケーション強化型分割学習(SC-USFL)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-05T08:36:49Z)
• Contrastive Language-Image Pre-Training Model based Semantic Communication Performance Optimization [23.352326993320958]
  言語画像事前学習(CLIP)モデル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設計する。 標準的なニューラルネットワーク(例えば畳み込みニューラルネットワーク)ベースのセマンティックエンコーダや、共通のデータセット上での共同トレーニングを必要とするデコーダと比較して、私たちのCLIPモデルベースの方法は、いかなるトレーニング手順も必要としない。 ノイズの多い無線ネットワーク上でのCLIPモデルに基づくセマンティックフレームワークの展開について検討する。
  論文  参考訳（メタデータ） (2025-07-10T01:48:56Z)
• A New Paradigm of User-Centric Wireless Communication Driven by Large Language Models [53.16213723669751]
  次世代の無線通信は、人工知能とユーザー中心の通信ネットワークを深く統合しようとしている。 本稿では,構造化クエリ言語に対する自然言語を革新的に取り入れた,無線通信のための新しいパラダイムを提案する。 本稿では,物理層における動的意味表現ネットワークを符号化深度に適応させてユーザ要求を満たすプロトタイプシステムを提案する。
  論文  参考訳（メタデータ） (2025-04-16T01:43:36Z)
• Beam Prediction based on Large Language Models [51.45077318268427]
  時系列予測タスクとしてミリ波(mmWave)ビーム予測問題を定式化する。 我々は、歴史的観測をトレーニング可能なトークン化器を用いてテキストベースの表現に変換する。 提案手法はLLMのパワーを利用して将来の最適ビームを予測する。
  論文  参考訳（メタデータ） (2024-08-16T12:40:01Z)
• Latency-Aware Generative Semantic Communications with Pre-Trained Diffusion Models [43.27015039765803]
  我々は,事前学習した生成モデルを用いた遅延認識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開発した。 我々は,超低レート,低レイテンシ,チャネル適応型セマンティック通信を実証する。
  論文  参考訳（メタデータ） (2024-03-25T23:04:09Z)
• Generative AI-aided Joint Training-free Secure Semantic Communications via Multi-modal Prompts [89.04751776308656]
  本稿では,多モデルプロンプトを用いたGAI支援型SemComシステムを提案する。 セキュリティ上の懸念に応えて、フレンドリーなジャマーによって支援される隠蔽通信の応用を紹介する。
  論文  参考訳（メタデータ） (2023-09-05T23:24:56Z)
• Optimization of Image Transmission in a Cooperative Semantic Communication Networks [68.2233384648671]
  画像伝送のためのセマンティック通信フレームワークを開発した。 サーバは、セマンティックコミュニケーション技術を用いて、画像の集合を協調的にユーザへ送信する。 抽出した意味情報と原画像との相関関係を測定するために,マルチモーダル・メトリックを提案する。
  論文  参考訳（メタデータ） (2023-01-01T15:59:13Z)
• Communication-oriented Model Fine-tuning for Packet-loss Resilient Distributed Inference under Highly Lossy IoT Networks [6.107812768939554]
  分散推論(DI)は、リソース制約のあるモノのインターネット(IoT)デバイス上で、最先端のディープラーニング(ML)によって強化されたリアルタイムアプリケーションのためのテクニックである。 DIでは、計算タスクは、損失の多いIoTネットワークを介して、IoTデバイスからエッジサーバにオフロードされる。 低遅延かつ信頼性の低い通信リンクで高精度なDIを実現するための通信指向モデルチューニング(COMtune)を提案する。
  論文  参考訳（メタデータ） (2021-12-17T09:40:21Z)
• Communication-Efficient and Distributed Learning Over Wireless Networks: Principles and Applications [55.65768284748698]
  機械学習(ML)は、第5世代(5G)通信システムなどのための有望なイネーブルである。 本稿では、関連するコミュニケーションとMLの原則を概観し、選択したユースケースでコミュニケーション効率と分散学習フレームワークを提示することを目的とする。
  論文  参考訳（メタデータ） (2020-08-06T12:37:14Z)

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。