Resource Allocation for Image Transmission Using Adaptive Semantic and Bit Communication
Notice bibliographique
Résumé
Semantic communication is an emerging technology to improve the communication efficiency in future networks. In this paper, we propose a multi-AP multi-user adaptive semantic and bit communication framework for image transmission, where each user can communicate with the access points via either semantic communication (SemCom) or bit communication mode. While the peak mean square error (PMSE) is a key parameter to characterize the difference between the original and corresponding recovered images, this metric has no closed form. We propose a data regression approach to approximate the PMSE. Then, the cost functions for the two types of communication modes are designed, where the delay and energy consumption for image transmission and the PMSE for the recovered image are considered simultaneously. Moreover, the computation delay and energy consumption for semantic feature extraction and recovery are also integrated into the SemCom cost function design. Then, an overall user cost minimization problem is formulated to jointly optimize the communication mode decision, user association, channel selection, power control, and computation resource allocation. To solve the formulated problem, we propose an improved particle swarm optimization based semi-cooperative matching (IPSO-SCM) algorithm, where a semi-cooperative matching (SCM) game is established to determine the communication mode decision, user association, and channel selection and the improved particle swarm optimization algorithm is designed to jointly optimize the power control and computation resource allocation in each step of the constructed SCM game. We further prove the effectiveness, convergence, stability, and extensibility of the proposed IPSO-SCM algorithm. Simulation results are provided to demonstrate the superiority of the proposed scheme.
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.
Comment cette classification a été obtenuedéplier
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 | 0,001 |
| Science ouverte | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».