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
TeDi TIVE4 小时前
开源模型应用落地-工具使用篇-Spring AI-高阶用法(九)
人工智能·spring·开源
MY_TEUCK5 小时前
Sealos 平台部署实战指南:结合 Cursor 与版本发布流程
java·人工智能·学习·aigc
三毛的二哥5 小时前
BEV:典型BEV算法总结
人工智能·算法·计算机视觉·3d
j_xxx404_5 小时前
大语言模型 (LLM) 零基础入门:核心原理、训练机制与能力全解
人工智能·ai·transformer
飞哥数智坊5 小时前
全新 SOLO 在日常办公中的实际体验
人工智能·solo
<-->5 小时前
Megatron(全称 Megatron-LM,由 NVIDIA 开发)和 DeepSpeed(由 Microsoft 开发)
人工智能·pytorch·python·深度学习·transformer
朝新_6 小时前
【Spring AI 】图像与语音模型实战
java·人工智能·spring
Yuanxl9036 小时前
神经网络-Sequential 应用与实战
人工智能·深度学习·神经网络
火山引擎开发者社区6 小时前
Seedance 2.0 1080P 生成能力正式上线
人工智能
冬奇Lab6 小时前
一天一个开源项目(第79篇):生化危机女主角亲自开源的 AI 记忆系统 MemPalace
人工智能·开源·资讯