Semantic Model Component Implementation for Model-driven Semantic Communications

要約

モデル駆動型セマンティック通信の重要な機能は、モデルの伝播です。
セマンティック モデル コンポーネント (SMC) は、インテリジェント モデルが物理チャネルで送信されるように設計されており、インテリジェンスがネットワークを介して流れることができます。
共通および個別のモデルパラメータを持つニューラルネットワークの特性に従って,本論文は,クロスソースドメインおよびクロスタスクセマンティックコンポーネントモデルを設計した。
基本モデルがエッジ ノードに展開されることを考慮すると、大規模サーバー ノードは、エッジ ノードが異なるソースと異なるタスクを処理できるように、セマンティック コンポーネント モデルのみをエッジ ノードに送信することによってエッジ ノードを更新します。
さらに、この論文では、チャネル ノイズがモデルのパフォーマンスにどのような影響を与えるかについても説明し、モデルのノイズ耐性を向上させるための注入ノイズと正則化の方法を提案します。
実験によると、SMC はより小さなモデル パラメーターを使用して、パフォーマンスを維持し、ノイズに対するモデルの耐性を向上させながら、クロスソース、クロスタスクの機能を実現します。
最後に、実際のアプリケーションにおけるモデル コンポーネントの実現可能性を検証するために、コンポーネント転送ベースの無人車両追跡プロトタイプが実装されました。

要約(オリジナル)

The key feature of model-driven semantic communication is the propagation of the model. The semantic model component (SMC) is designed to drive the intelligent model to transmit in the physical channel, allowing the intelligence to flow through the networks. According to the characteristics of neural networks with common and individual model parameters, this paper designs the cross-source-domain and cross-task semantic component model. Considering that the basic model is deployed on the edge node, the large server node updates the edge node by transmitting only the semantic component model to the edge node so that the edge node can handle different sources and different tasks. In addition, this paper also discusses how channel noise affects the performance of the model and proposes methods of injection noise and regularization to improve the noise resistance of the model. Experiments show that SMCs use smaller model parameters to achieve cross-source, cross-task functionality while maintaining performance and improving the model’s tolerance to noise. Finally, a component transfer-based unmanned vehicle tracking prototype was implemented to verify the feasibility of model components in practical applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google