.png){kind=icon}
返回
Context-Aware Embedding Masking Based on Reinforcement Learning for Semantic Multiplexing
.png){kind=icon}
PRE
AI
DOI：10.1109/lwc.2026.3718953.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在共享嵌入（SE）多址接入中，$U$ 个用户共享一个空间，用户特定的掩码通过基于注意力的分离来确定复用容量。原始的SE设计使用与状态无关的掩码。我们转而学习一种情境感知的掩码策略，该策略通过一个低秩执行者将 $(\mathrm{SNR},U)$ 映射到掩码矩阵，该执行者通过近端策略优化进行训练，并根据每用户的余弦相似度和掩码正交性进行奖励。在真实BERT嵌入的AG News数据集上，该方法在所有SNR下提高了余弦相似度，并将训练时的掩码正交性惩罚降低了十倍。与固定正交方案相比，该方法表明增益来源于情境感知的自适应而非正交性，同时保留了恢复能力。
Keyword:
Shared embedding
semantic communications
embedding masking
multiple access
context-aware reinforcement learning
proximal policy optimization
期刊
I
IF:
5.5
论文数:
867
被引数:
0
机构
引用论文
Toward Secure and Reliable SAGIN: Learning-Driven Multi-Dimensional Resource Scheduling for Multi-RIS-Assisted OTFS Transmission面向安全可靠的自干扰感知网络：基于学习的多维资源调度用于多RIS辅助的OTFS传输
.png){kind=icon}
PREAI
分享收藏分享收藏Beyond Transmitting Bits: Context, Semantics, and Task-Oriented Communications超越传输位: 上下文，语义和面向任务的通信
OAAI
OAAI分享收藏Transformer-Based Shared Embedding for Multiple Access in Semantic Communications基于Transformer的共享嵌入在语义通信中的多址接入
PREAI
分享收藏Applications of Deep Reinforcement Learning in Communications and Networking: A Survey深度强化学习在通信和网络中的应用: 综述
OAAI
OAAI分享收藏AI-Driven Seamless and Massive Access in Space-Air-Ground Integrated NetworksAI驱动的空天地一体化网络无缝与海量接入
PREAI
分享收藏
查看更多内容