小小小小邱-CSDN博客

原创语义通信论文阅读记录（八）

贡献1：提出可以在多层云/边缘计算网络中实现的架构，其中多层云数据中心（CDC）和边缘服务器可以协作并支持多个最终用户的高效语义编码、解码和隐式语义解释。新颖的隐式语义表示解决方案：我们提出了一种新的语义多层表示，包括三个关键要素：显式语义、隐式语义和用户相关的语义推理机制。为了提高语义的通信效率，我们将消息的丰富语义转换为 3 个低维语义星座表示序列，这些星座表示对物理信道传输非常有效我们考虑一个多层云/边缘网络，该网络由部署在 CDC 和用户之间的许多边缘服务器组成，如图 1 所示。

2024-08-27 21:28:35 720

原创联邦学习+语义通信阅读笔记（七）

语义源是一个实体，具有推理能力，自身状态等等，可以将语法转为消息；可以把语义源想成一个人，依据自己的认知，知识背景对事物进行描述通用语义模型语义熵：当存在背景知识库时，语义熵表示为如果信源和信宿不共享背景知识库，那么背景知识库的存在降低了信源的信息量。语义熵的减少意味着我们可以在不丢失信息的情况下压缩信源。一般来说，在共享背景知识的帮助下，我们将能够使用更少的消息进行交流，以实现信源的最大信息量。

2024-08-20 21:46:56 950

原创联邦学习+语义通信阅读记录（六）

发送者无法知道。发射机上的实际可观察数据也可能与共享背景知识库中的经验数据分布不相同。针对这些实际问题，本文提出了一种基于神经网络的新型图像传输语义通信系统，其中任务在发射者处是无意识的，数据环境是动态的。该系统由两个主要部分组成，即语义编码（SC）网络和数据自适应（DA）网络。SC 网络学习如何使用接收者主导的训练过程来提取和传输语义信息。通过使用迁移学习的领域适应技术，DA网络学习如何将观察到的数据转换为SC网络无需重新训练即可处理的经验数据的类似形式。

2024-08-13 23:54:45 898

原创联邦学习阅读笔记（五）——语义库对齐问题

由于数据隐私限制，多个中心之间的数据共享受到限制，这就影响了联邦学习架构下多中心合作开发高性能深度学习模型的效果。持续学习（Continual Learning）作为点对点联合学习的一种方法，可以通过共享中间模型而不是训练数据来绕过数据隐私的限制，从而促进多中心协作开发深度学习算法。

2024-08-07 01:18:46 970

原创语义通信与联邦学习阅读笔记（四）

然后，对于每一帧中，通过裁剪获得四个角和中心，这样一张图就变成了 5 张图，然后对原始帧翻转，再在翻转后的图像上裁剪获得四个角和中心，这样也得到了 5 张图，所以最后是由 1 张图变成了 10 张图，那么对于一个视频 (25 帧) 来说，最终也就是得到了 250 张图。视频是一个很好的数据来源，比 2D 这种单一的图像能包含更多的信息，比如有物体移动的信息，还有长期的时序信息，也有音频信号等等，人眼看到的信号也都是连续的，即以视频形式展现的，所以做视频领域的学习非常符合当今多模态的趋势。

2024-07-31 01:47:34 816

原创语义通信+联邦学习阅读笔记（三）

提出一种深度神经网络（DNN）支持的语义通信系统，称为MR_DeepSC。通过利用针对不同用户的语义特性，构建了基于预训练模型的语义识别器，即DistilBERT，以区分不同的用户还采用迁移学习技术来加速新接收机网络的训练是基于Transformer的由一个发射机和多个接收机组成的语义通信框架;其次，考虑到不同的用户拥有不同的语义信息，将预训练模型（DistilBERT）构建为每个接收者的语义识别器来区分用户。此外，为了应对不同用户所经历的多种不同信道环境，采用深度迁移学习。

2024-07-23 18:36:42 713

原创语义通信文献阅读记录（二）

Semantic-Oriented Communications在编码之前引入了一个语义表示(semantic representation)模块，负责捕获在信源数据中嵌入的核心信息，过滤掉不必要的冗余信息。在许多研究中，语义表示和语义编码的功能被集成到一个称为语义编码(semantic encoding)的模块中，它共同发挥着类似于传统通信中信源编码的作用；同样的，语义推理(semantic inference)和语义解码(semantic decoding)的组合作用等同于信源解码。

2024-07-17 10:35:34 652

原创音视频学习笔记（还是一）

一、头文件在编程过程中，程序代码往往被拆成很多部分，每部分放在一个独立的源文件中，而不是将所有的代码放在一个源文件中。考虑一个简单的小例子：程序中有两个函数main()和abc()。main()函数位于main.cpp，abc()函数位于abc.cpp，main()函数中调用abc()函数。在编译阶段，由于编译是对单个文件进行编译，所以编译main.cpp时，编译器不知道是否存在abc()函数以及a。头文件与库文件的区别_hugh Lee的博客-CSDN博客_头文件库文件。

2024-06-25 11:30:51 395

原创联邦学习+语义通信文献阅读记录（一）

隐私问题：由于隐私原因，分布式学习必须在不交换原始数据的情况下进行。（联邦迁移学习）无线环境的不确定性：无线系统的随机性（如干扰和衰落）会影响学习性能。架构优化：信息网络的传输架构影响收敛速度。计算资源：分布式学习需要高效的计算方法，但带宽同时有限。网络优化：分布式学习涉及多个代理协同解决复杂的优化问题（空中计算，边缘计算）。

2024-06-25 00:38:50 1122 1