文献阅读:Deep Learning Enabled Semantic Communication Systems

目录


论文简介


关于文章内容的总结

框架或结构 作用
DeepSC 最大化系统容量、最小化语义误差
设计两个Loss函数 理解语义信息、最大化系统容量
语义-信道联合编码 保持 s s s和 s ^ \hat s s^之间的含义不变← L C E \mathcal{L}_{\mathrm{CE}} LCE用于衡量 s s s和 s ^ \hat s s^之间的差异
语义-信道联合编码 使网络学习特定目标的知识(联合设计时,信道编码可以注重保护与传输和目标相关的语义信息,而忽略其他不相关的信息)
L C E \mathcal{L}_{\mathrm{CE}} LCE 通过训练整个系统来最小化 s s s和 s ^ \hat s s^之间的差异
L MI \mathcal{L}_{\text {MI }} LMI 最大化发射机训练期间实现的数据速率

引申出不理解的问题

  • 语义-信道联合编码在上图流程中属于哪部分?

    个人理解:整个流程都是

  • 联合设计收发器在上图流程中属于哪部分?

    未解决

  • 以下概念分不清楚
    <>

    • E2E通信系统是一种形式
      自编码器是一种结构
      通信系统物理层收发机与自编码器在功能和结构上是相似的。自编码器的主要功能是实现数据重构,而通信系统的主要功能是在接收端恢复发射端的信号。
      若把收发信机看成一种自编码器结构,则发射机与接收机分别对应于自编码器的编码器与译码器。因此,通信系统收发信机的最优化设计就转变为自编码器端到端的优化任务。
相关推荐
AI_NEW_COME20 分钟前
知识库管理系统可扩展性深度测评
人工智能
海棠AI实验室42 分钟前
AI的进阶之路:从机器学习到深度学习的演变(一)
人工智能·深度学习·机器学习
hunteritself44 分钟前
AI Weekly『12月16-22日』:OpenAI公布o3,谷歌发布首个推理模型,GitHub Copilot免费版上线!
人工智能·gpt·chatgpt·github·openai·copilot
IT古董1 小时前
【机器学习】机器学习的基本分类-强化学习-策略梯度(Policy Gradient,PG)
人工智能·机器学习·分类
centurysee1 小时前
【最佳实践】Anthropic:Agentic系统实践案例
人工智能
mahuifa1 小时前
混合开发环境---使用编程AI辅助开发Qt
人工智能·vscode·qt·qtcreator·编程ai
四口鲸鱼爱吃盐2 小时前
Pytorch | 从零构建GoogleNet对CIFAR10进行分类
人工智能·pytorch·分类
蓝天星空2 小时前
Python调用open ai接口
人工智能·python
睡觉狂魔er2 小时前
自动驾驶控制与规划——Project 3: LQR车辆横向控制
人工智能·机器学习·自动驾驶
scan7242 小时前
LILAC采样算法
人工智能·算法·机器学习