Mar, 2024

基于语义感知的多个马尔可夫源在约束下的远程估计

PDF
TL;DR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。
semantic-aware communicationremote estimationmarkov sourcesoptimal policymdp
发现论文，激发创造
  • 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

  • 语义通信的基本限制：速率失真的神经估计

    该研究探讨了离散无记忆信道上语义通信的基本限制，采用语义速率失真函数分析最小压缩率、观测失真、语义失真和信道容量之间的关系。对于未知语义源分布的情况，提出了一种基于神经网络的方法来学习语义源分布，同时设计了级联神经网络来估计语义速率失真函数。对于已知完美语义源分布的情况，提出了通用的 Blahut-Arimoto 算法来高效计算语义速率失真函数。最后，通过实验证实了该算法在理想高斯语义源和一些实际数据集的情况下的有效性。

    Jan, 2024

  • 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

  • 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

  • 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

  • 空时相关环境中基于深度强化学习的智能表面反射相位设计

    本文研究了设计智能反射面（IRS）相移器以适应时空相关信道环境中具有运动目标的多输入单输出（MISO）通信系统的问题。旨在最大化接收器无限时间内预期信噪比总和。提出了一种深度演员 - 评论家算法，将当前接收器位置和先前时间步窗口内对应于相移值和接收器位置的状态表示纳入考虑，以解决该问题。

    Nov, 2022

  • 间歇可观察的马尔科夫决策过程

    本文研究了在不稳定状态信息下的 MDP，提出了一种基于树组织结构和值迭代算法的有限状态近似方法来寻找最优策略。

    Feb, 2023

  • 结构增强的深度强化学习在最优传输调度中的应用

    本文研发了一种结构增强的深度强化学习算法用于最小化远程估计均方误差，实现在多传感器远程估计系统的最优调度，该算法可以比基准算法节省 50％的训练时间并将远程估计均方误差降低 10％至 25％。

    Nov, 2022

  • 学习动态通道中的基于语义知识库指导的在线特征传输

    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。

    Nov, 2023

  • 基于图神经网络的估计误差最小化的分散学习策略

    在多跳无线网络中，通过分布式可扩展的采样和传输策略以及图神经网络结构，优化采样和远程估计研究的主要问题包括缓存并从其他代理处获得最新样本、无线冲突通道和各个网络节点之间的决策制定。

    Apr, 2024