Semantic Information Recovery in Wireless Networks

要約

ワイヤレス通信における機械学習 (ML) ツールの最近の成功に動機付けられて、1949 年からのウィーバーによるセマンティック コミュニケーションのアイデアはかなりの注目を集めました。
メッセージの正確なコピーではなく、メッセージの意味、つまりセマンティクスを送信することを目的とすることにより、シャノンの古典的な設計パラダイムを破り、情報レートの節約を可能にします。
この作業では、Basu らの基本的なアプローチを拡張します。
セマンティクスを完全な通信マルコフ連鎖にモデル化するため。
したがって、隠れた確率変数を使用してセマンティクスをモデル化し、セマンティクスが最もよく維持されるように、通信チャネルを介したデータ削減された信頼性の高いメッセージの送信としてセマンティック コミュニケーション タスクを定義します。
このタスクをエンドツーエンドの情報ボトルネック問題としてキャストし、関連情報を最大限に保持しながら圧縮を可能にします。
ソリューション アプローチとして、ML ベースのセマンティック コミュニケーション システム SINFONY を提案し、それを分散型マルチポイント シナリオに使用します。
画像をメッセージ例として加工し、SINFONYを分析します。
数値結果は、古典的に設計された通信システムと比較して、レート正規化された SNR シフトが最大 20 dB という途方もないことを示しています。

要約(オリジナル)

Motivated by the recent success of Machine Learning (ML) tools in wireless communications, the idea of semantic communication by Weaver from 1949 has received considerable attention. It breaks with the classic design paradigm of Shannon by aiming to transmit the meaning of a message, i.e., semantics, rather than its exact copy and thus allows for savings in information rate. In this work, we extend the fundamental approach from Basu et al. for modeling semantics to the complete communications Markov chain. Thus, we model semantics by means of hidden random variables and define the semantic communication task as the data-reduced and reliable transmission of messages over a communication channel such that semantics is best preserved. We cast this task as an end-to-end Information Bottleneck problem allowing for compression while preserving relevant information at most. As a solution approach, we propose the ML-based semantic communication system SINFONY and use it for a distributed multipoint scenario: SINFONY communicates the meaning behind multiple messages that are observed at different senders to a single receiver for semantic recovery. We analyze SINFONY by processing images as message examples. Numerical results reveal a tremendous rate-normalized SNR shift up to 20 dB compared to classically designed communication systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google