.png){kind=icon}
返回
Resource Allocation Driven by Large Models in Future Semantic-Aware Networks
.png){kind=icon}
PRE
AI
DOI：10.1109/MWC.002.2400349.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
大模型已成为未来网络化智能应用普及的关键推动者。然而，智能应用带来的数据流量激增对未来的网络资源利用率和能耗造成压力。凭借高效的内容理解能力，语义通信在减少智能应用中的数据传输方面具有巨大潜力。本文研究了面向语义感知网络的大模型驱动的资源分配问题。具体而言，设计了一种基于场景图模型和多模态预训练模型的语义感知通信网络架构，以实现高效数据传输。在此基础上，提出了语义感知网络中的智能资源分配方案，以进一步提高资源利用效率。在资源分配方案中，采用语义传输质量作为评价指标，并分析了无线信道衰落对语义传输的影响。为最大化多用户的语义传输质量，设计了一种基于扩散模型的决策方案，以解决语义感知网络中的功率分配问题。仿真结果表明，所提出的大模型驱动的网络架构和资源分配方案能够实现高质量的语义传输。
Keyword:
Semantics
Resource management
Wireless communication
Semantic communication
Data models
Solid modeling
Measurement
Adaptation models
Vectors
Servers
期刊
IF:
11.5
论文数:
2.8K
被引数:
1.3W
机构
引用论文
.png){kind=icon}
Toward Intelligent Communications: Large Model Empowered Semantic Communications走向智能通信: 支持语义通信的大型模型
PREAI
分享收藏Feature Importance-Aware Task-Oriented Semantic Transmission and Optimization特征重要性感知的面向任务语义传输与优化
PREAI
分享收藏Optimization of Image Transmission in Cooperative Semantic Communication Networks协作语义通信网络中图像传输的优化
OAAI
OAAI分享收藏End-Edge-Cloud Collaborative Computing for Deep Learning: A Comprehensive Survey用于深度学习的端边云协作计算: 综合综述OAAI
OAAI分享收藏DRL-Driven Dynamic Resource Allocation for Task-Oriented Semantic Communication面向任务语义通信的DRL驱动动态资源分配OAAI
OAAI分享收藏分享收藏
查看更多内容