Системы семантической связи на основе глубокого обучения

Deep Learning Enabled Semantic Communication Systems
Zhijin Qin, Geoffrey Ye Li, Huiqiang Xie, Biing-Hwang Fred Juang
2021-01-01

DeepSCтрансформерсемантическая коммуникациясходство предложенийтрансферное обучение
В последнее время были разработаны сквозные системы связи на основе глубокого обучения, позволяющие интегрировать все блоки физического уровня традиционных систем связи и осуществлять совместную оптимизацию передатчика и приемника. Благодаря глубокому обучению обработка естественного языка (NLP) достигла значительных успехов в анализе и понимании больших объемов текстовых данных. Основываясь на результатах исследований в обеих областях, мы предлагаем новый взгляд на системы связи с семантической точки зрения. В частности, мы предлагаем систему семантической связи на основе глубокого обучения, названную DeepSC, для передачи текста. Основанная на архитектуре Transformer, система DeepSC направлена на максимизацию пропускной способности системы и минимизацию семантических ошибок за счет восстановления смысла предложений, а не битовых или символьных ошибок, как в традиционных системах связи. Кроме того, для обеспечения применимости DeepSC в различных условиях связи и ускорения процесса обучения модели используется перенос обучения. Для точной оценки эффективности семантической связи мы также вводим новый показатель, называемый сходством предложений. По сравнению с традиционными системами связи, не учитывающими обмен семантической информацией, предложенная система DeepSC более устойчива к изменениям канала и обеспечивает более высокую эффективность, особенно в условиях низкого отношения сигнал/шум (SNR), что подтверждается обширными результатами моделирования.
1
DeepSC — это система семантической связи на основе Transformer, оптимизирующая передачу текста за счёт восстановления смысла предложений, а не минимизации битовых или символьных ошибок.
2
Согласно результатам моделирования, DeepSC устойчивее к изменениям канала и превосходит традиционные системы, особенно при низком отношении сигнал/шум.
3
Авторы вводят метрику сходства предложений для оценки эффективности семантической связи.
4
Система совместно оптимизирует компоненты связи в режиме end-to-end, стремясь увеличить пропускную способность и снизить семантические ошибки передаваемого текста.
5
Использование трансферного обучения позволяет DeepSC адаптироваться к различным условиям связи и ускоряет обучение модели.

DeepSC: основанная на глубоком обучении семантическая коммуникационная система для передачи текста (энд‑ту‑энд система на базе Transformer)

Передача текста с сохранением смысла, включая минимизацию семантических ошибок, пропускную способность системы, устойчивость к изменениям канала и эффективность в условиях низкого SNR

Publication Details
Publication Date
2021-01-01
Journal
Publisher
ISSN
Cited by
1754
Access Type
Author Information
Authors
Zhijin Qin
Geoffrey Ye Li
Huiqiang Xie
Biing-Hwang Fred Juang
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%