QoE-Oriented Hybrid Semantic and Bit Communications Under Mismatched Knowledge
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Semantic Communication (SemCom) has attracted significant attentions due to its potential to enhance communication efficiency and support human-centric services in 6G networks. However, the presence of mismatched background knowledge and dynamic communication channels decreases the performance of SemCom. These issues ultimately lead to a degradation in users’ quality of experience (QoE). To overcome this challenge, a hybrid semantic and bit communication framework is proposed to effectively improve communication performance under mismatched knowledge constraints. Specifically, we design a time division duplex (TDD) SemCom scheme, where the transmitter and the receiver synchronize background knowledge through the uplink transmission to eliminate mismatch constraints. To guide subframe configuration and communication mode selection in the TDD system, a novel QoE model including perceived quality and energy consumption is proposed, and a long-term average QoE maximization problem is further formulated. To solve the proposed NP-hard problem, a joint subframe configuration and communication mode selection algorithm (JSCA) is designed, and the original problem is decomposed into two subproblems. Firstly, the subframe configuration subproblem is transformed into a quasi-concave problem, and the optimal solution is obtained by the bisection method. Secondly, a deep reinforcement learning (DRL)-based approach is designed to select the communication mode for each service. The numerical results validate the effectiveness of JSCA and demonstrate that the proposed hybrid semantic and bit communication scheme can achieve higher QoE compared with fixed schemes, especially in long-term service scenarios.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle