文献

J-GLOBAL ID：202202216513102320   整理番号：22A0287154

エッジ推論のためのタスク指向通信の学習:情報ボトルネックアプローチ【JST・京大機械翻訳】

Learning Task-Oriented Communication for Edge Inference: An Information Bottleneck Approach

著者 (3件)： Shao Jiawei (Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology, Hong Kong) ,  Mao Yuyi (Department of Electronic and Information Engineering, Hong Kong Polytechnic University, Hong Kong) ,  Zhang Jun (Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology, Hong Kong)
資料名： IEEE Journal on Selected Areas in Communications  (IEEE Journal on Selected Areas in Communications)
巻： 40  号： 1  ページ： 197-211  発行年： 2022年 
JST資料番号： A0908B  ISSN： 0733-8716  CODEN： ISACEM  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,エッジ推論のためのタスク指向通信を研究し,そこでは,低エンドエッジデバイスが局所データサンプルの抽出した特徴ベクトルを処理のための強力なエッジサーバに送信する。限られた帯域幅を与える低待ち時間推論のために,データを情報とコンパクトな表現に符号化することが重要である。タスク指向の方法で特徴抽出,ソース符号化,およびチャネル符号化を同時に最適化する学習ベースの通信方式を提案し,すなわち,データ再構成よりむしろ下流推論タスクを目標とする。特に,情報ボトルネック(IB)フレームワークを利用して,符号化特徴の有益性と推論性能の間のレート歪トレードオフを定式化した。IB最適化は高次元データに対して計算的に禁止されるので,変分近似,すなわち変分情報ボトルネック(VIB)を採用し,扱いやすい上限を構築する。通信オーバヘッドを減らすために,符号化された特徴ベクトルを分割するVIBフレームワークのための変分としてスパース性誘導分布を利用した。さらに,実際の通信システムにおける動的チャネル条件を考慮して,動的ニューラルネットワークに基づく可変長特徴符号化方式を提案し,異なるチャネル条件に対する符号化特徴の活性化次元を適応的に調整した。大規模な実験は,提案したタスク指向通信システムが,ベースライン法よりもより良いレート歪トレードオフを達成し,動的チャネル条件における特徴伝送待ち時間を著しく低減することを証明した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  符号化 ,  変分法 ,  *学習 ,  特徴抽出 ,  通信路符号化 ,  *通信 ,  通信方式 ,  帯域幅 ,  待ち時間 ,  定式化
準シソーラス用語： スパース性 ,  特徴ベクトル ,  通信オーバーヘッド ,  レート歪 , 【Automatic Indexing@JST】

分類 (1件)： 無線通信一般  (ND08010L)

タイトルに関連する用語 (5件)： エッジ ,  推論 ,  タスク ,  学習 ,  ボトルネック