学习动态通道中的基于语义知识库指导的在线特征传输

Nov, 2023

学习动态通道中的基于语义知识库指导的在线特征传输

Learning for Semantic Knowledge Base-Guided Online Feature Transmission in Dynamic Channels

Xiangyu Gao, Yaping Sun, Dongyu Wei, Xiaodong Xu, Hao Chen...

TL;DR边缘计算下的 AI 推理在边缘设备上高效进行已成为智能应用（如自动驾驶和虚拟现实 / 增强现实）所必需的。我们针对移动设备和边缘服务器之间特征传输的优化问题，提出了一种在线优化框架。通过利用语义知识库来驱动多级特征传输，考虑传输过程中的时间因素和动态元素，我们的方法基于现有方法构建，解决了动态信道条件和设备移动的挑战。为了解决在线优化问题，我们设计了一种基于软演员 - 评论家的深度强化学习系统，并设计了一个精心设计的奖励函数来进行实时决策，克服了 NP-hard 问题的优化困难，并在尊重延迟限制的同时实现了语义损失的最小化。数值结果显示，相较于各种系统设置下的传统贪婪方法，我们的方法具有优势。

Abstract

With the proliferation of edge computing, efficient ai inference on edge devices has become essential for intelligent applications such as autonomous vehicles and VR/AR. In this context, we address the problem of

edge computing ai inference remote object recognition feature transmission deep reinforcement learning

发现论文，激发创造

远程控制任务的语义和有效通信与动态特征压缩

本研究考虑了机器人群和远程无线控制任务中的有效通信问题，并提出使用基于 VQ-VAE 编码的 DRL 动态适应量化级别的方案来提高系统性能。

Jan, 2023

语义感知传输调度：基于单调性的深度强化学习方法

本文研究了语义感知下的调度问题，利用深度强化学习算法解决大规模系统中的最优策略问题，并通过实验表明，相较于现有算法，所提出的算法能够显著减少训练时间并提高训练性能。

May, 2023

合作语义通信网络中图像传输的优化

本研究开发了一种语义通信框架用于图像传输；引入多模态度量方法对比提取得到的语义信息与原始图像之间的相关性，以最小化每个服务器的传输延迟同时满足用户 ISS 需求为目标，提出了基于价值分解的最大熵多智能体强化学习算法以解决资源块的分配问题，在模拟实验中将传输延迟降低至传统多智能体强化学习的 16.1%。

Jan, 2023

语义通信的性能优化：一种基于注意力机制的强化学习方法

本文提出一种基于语义的通信框架，其中基站从文本数据中提取语义信息并采用知识图表达，将其发给每个用户，用户再采用图到文本生成模型进行还原。为了优化性能，本文提出了一个同时考虑语义精度和完整性的语义相似度度量方法，同时解决了基站资源分配、文本内容和时延约束之间的优化问题。这里采用了基于强化学习的算法，结合了注意力网络来评估语义信息中每个三元组的重要性。

Aug, 2022

利用边缘计算实现实时视频分析通过自适应的时空语义过滤

本文提出了一种新颖的边缘计算实时视频分析系统，包括跟踪辅助对象检测模块和感兴趣区域模块，在具有波动网络条件的情况下，通过无线网络将智能视觉设备连接到边缘服务器，通过基于深度 Q 网络的边缘处理方法和基于多臂赌博机的自适应配置选择方法来解决实时视频分析问题。通过大量的模拟实验评估了该解决方案的性能，并展示了其优势。

Feb, 2024

动态特征压缩下的有效通信

基于远程无线控制和 5G 及更高级别系统，本研究研究了优化传输策略以实现有效沟通的方法，提出了采用集合向量量化变分自编码器进行编码，并训练深度强化学习代理动态调整量化水平，通过在基准控制问题上的测试显示其具有显著的性能提升。

Jan, 2024

基于语义感知的多个马尔可夫源在约束下的远程估计

该研究利用平均成本约束马尔可夫决策过程理论和 Lagrangian 动态规划，探索了在有损且受速率限制的通道上进行多个马尔可夫源的远程估计的语义感知通信；通过使用结构优化结果和开发新的策略搜索算法，可以最小化长期状态依赖成本和估计误差；为了避免马尔可夫决策过程的维度问题，提出了基于 Lyapunov 优化定理的在线低复杂度 Drift-plus-Penalty 调度算法。

Mar, 2024

基于深度强化学习的车联网边缘计算

提出了一个基于深度强化学习的知识驱动服务卸载决策框架，用于解决车辆互联网中多任务服务的卸载问题，并使用仿真实验证明此框架具有快速收敛、适应环境变化和优于贪心算法的性能优势。

Dec, 2018

具有任务不知晓的发射机和动态数据的深度学习技术支持的语义通信系统

本文提出了一种新的神经网络语义通信系统，包括语义编码网络和数据适应网络，通过传输学习中的域适应技术实现了针对动态数据环境下的任务不可知的图像传输，实验结果表明该方法在保持高性能的同时也能适应可观测数据集。

Apr, 2022

使用机器学习进行车联网雾计算中的切换优化

本研究针对未来雾计算系统，提出了一种基于学习的车联网移交优化方案，利用机器学习算法学习车辆与雾节点的互动，运用神经网络预测给定位置和时间的正确雾节点，以及实现了一种双层堆叠的循环神经网络，可以学习处理请求的高延时服务，用于创建智能请求路由机制，优化服务中断并预测低覆盖区域，其测试集准确率达到 99.2%。

Dec, 2018