Age of Information in Deep Learning-Driven Task-Oriented Communications

要約

この論文では、送信側のデータを利用して受信側でタスクを実行することを目的としたタスク指向通信における年齢の概念を研究しています。
送信機と受信機の操作は、チャネル効果を考慮しながら共同でトレーニングされるエンコーダーとデコーダーのペアとしてモデル化されます。
エンコーダーは、データ サンプルを小さな次元の特徴ベクトルに変換し、少数のチャネル使用でそれらを送信することで、送信回数と遅延を減らします。
入力サンプルを再構築する代わりに、デコーダは受信信号に対して分類などのタスクを実行します。
MNIST と CIFAR-10 の画像データセットにエンコーダーとデコーダーのペアのさまざまなディープ ニューラル ネットワークを適用すると、サービス時間が長くなる代わりに、チャネルの使用数に応じて分類器の精度が向上することが示されています。
タスク情報のピーク年齢 (PAoTI) が導入され、受信信号が正しく分類されない限り年齢が増加した場合に、この精度と待機時間のトレードオフが分析されます。
チャネルとトラフィックの影響を組み込むことで、PAoTI が最初に減少し、次にチャネルの使用数に応じて増加する方法を特徴付けることにより、タスク指向通信の設計ガイドラインが得られます。
動的更新メカニズムは、チャネル使用数をチャネルおよびトラフィック条件に適応させ、タスク指向通信で PAoTI を削減するために提示されます。

要約(オリジナル)

This paper studies the notion of age in task-oriented communications that aims to execute a task at a receiver utilizing the data at its transmitter. The transmitter-receiver operations are modeled as an encoder-decoder pair that is jointly trained while considering channel effects. The encoder converts data samples into feature vectors of small dimension and transmits them with a small number of channel uses thereby reducing the number of transmissions and latency. Instead of reconstructing input samples, the decoder performs a task, e.g., classification, on the received signals. Applying different deep neural networks of encoder-decoder pairs on MNIST and CIFAR-10 image datasets, the classifier accuracy is shown to increase with the number of channel uses at the expense of longer service time. The peak age of task information (PAoTI) is introduced to analyze this accuracy-latency tradeoff when the age grows unless a received signal is classified correctly. By incorporating channel and traffic effects, design guidelines are obtained for task-oriented communications by characterizing how the PAoTI first decreases and then increases with the number of channel uses. A dynamic update mechanism is presented to adapt the number of channel uses to channel and traffic conditions, and reduce the PAoTI in task-oriented communications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google