深度学习驱动的任务导向通信中的信息年龄
信息论
2023-03-16 v2 人工智能
机器学习
网络与互联网体系结构
信号处理
math.IT
摘要
本文研究任务导向通信中的年龄概念，其旨在利用发送端的数据在接收端执行某项任务。收发端操作被建模为联合训练且考虑信道效应的编码器-解码器对。编码器将数据样本转换为小维特征向量，并以少量信道使用次数传输，从而减少传输次数与时延。解码器不对输入样本进行重构，而是对接收信号执行分类等任务。在MNIST和CIFAR-10图像数据集上应用不同的编码器-解码器深度神经网络对，分类准确率随信道使用次数增加而提高，代价是更长的服务时间。引入任务信息峰值年龄（PAoTI）来分析此准确率-时延权衡，其中除非接收信号被正确分类，否则年龄增长。通过纳入信道与业务量效应，刻画了PAoTI随信道使用次数先减后增的特性，从而得到任务导向通信的设计准则。提出一种动态更新机制，使信道使用次数适应信道与业务量条件，从而降低任务导向通信中的PAoTI。
引用
@article{arxiv.2301.04298,
title = {Age of Information in Deep Learning-Driven Task-Oriented Communications},
author = {Yalin E. Sagduyu and Sennur Ulukus and Aylin Yener},
journal= {arXiv preprint arXiv:2301.04298},
year = {2023}
}