记录一下这部分的综述背景和应用场景
1. 传统通信模式 transmission of symbols in conventional communicaton systems.
shannon theory
2. semantic 以任务为导向, 关注的有几个层面,其中有效层:有效层:接收的信息含义能否按照预期方式影响用户的行为?
only those semantic features will be transmitted.在传输任务V, 语义信息Z可以看作是有损压缩X之后的提取信息:
知识共享框架、资源调度与分配、语义噪声建模与度量:基于深度学习的语义通信系统的理论框架应如何发展?目前深度学习被广泛用于信源信道联合编码和面向任务的通信结构设计,在智能处理服务中逐渐显现其重要性。探索基于深度学习的语义通信的理论框架并给出理论指导,包括其合适的性能指标与语义相似度度量等是非常必要的。
3. Adversarial training对抗性训练
这部分内容我在至少两篇文章中已经看到过了,adversariel training是为了增加神经网络鲁棒性。
4. semantic information
未完待续