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
老夫的码又出BUG了8 小时前
预测式AI与生成式AI
人工智能·科技·ai
AKAMAI9 小时前
AI 边缘计算:决胜未来
人工智能·云计算·边缘计算
flex88889 小时前
输入一个故事主题,使用大语言模型生成故事视频【视频中包含大模型生成的图片、故事内容,以及音频和字幕信息】
人工智能·语言模型·自然语言处理
TTGGGFF9 小时前
人工智能:大语言模型或为死胡同?拆解AI发展的底层逻辑、争议与未来方向
大数据·人工智能·语言模型
张艾拉 Fun AI Everyday9 小时前
从 ChatGPT 到 OpenEvidence:AI 医疗的正确打开方式
人工智能·chatgpt
mwq3012310 小时前
位置编码的技术演进线路:从绝对到相对,再到几何一致性
人工智能
mwq3012310 小时前
外推性-位置编码的阿喀琉斯之踵
人工智能
DP+GISer10 小时前
基于站点数据进行遥感机器学习参数反演-以XGBOOST反演LST为例(附带数据与代码)试读
人工智能·python·机器学习·遥感与机器学习
boonya10 小时前
Langchain 和LangGraph 为何是AI智能体开发的核心技术
人工智能·langchain
元宇宙时间10 小时前
DID联盟:Web3数字主权基础设施的战略构建
人工智能·web3·区块链