清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

A Robust Deep Learning Enabled Semantic Communication System for Text

计算机科学 语义计算 噪音(视频) 人工智能 语义网格 自然语言处理 语音识别 语义网 图像(数学)
作者
Xiang Peng,Zhijin Qin,Danlan Huang,Xiaoming Tao,Jianhua Lü,Guangyi Liu,Chengkang Pan
标识
DOI:10.1109/globecom48099.2022.10000901
摘要

With the advent of the 6G era, the concept of semantic communication has attracted increasing attention. Compared with conventional communication systems, semantic communication systems are not only affected by physical noise existing in the wireless communication environment, e.g., additional white Gaussian noise, but also by semantic noise due to the source and the nature of deep learning-based systems. In this paper, we elaborate on the mechanism of semantic noise. In particular, we categorize semantic noise into two categories: literal semantic noise and adversarial semantic noise. The former is caused by written errors or expression ambiguity, while the latter is caused by perturbations or attacks added to the embedding layer via the semantic channel. To prevent semantic noise from influencing semantic communication systems, we present a robust deep learning enabled semantic communication system (R-DeepSC) that leverages a calibrated self-attention mechanism and adversarial training to tackle semantic noise. Compared with baseline models that only consider physical noise for text transmission, the proposed R-DeepSC achieves remarkable performance in dealing with semantic noise under different signal-to-noise ratios.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
3秒前
蝎子莱莱xth完成签到,获得积分10
16秒前
氢锂钠钾铷铯钫完成签到,获得积分10
21秒前
Square完成签到,获得积分10
26秒前
36秒前
叁月二完成签到 ,获得积分10
50秒前
56秒前
1分钟前
wjx完成签到 ,获得积分10
1分钟前
俏皮元珊完成签到 ,获得积分10
1分钟前
1分钟前
大个应助科研通管家采纳,获得20
1分钟前
搜集达人应助科研通管家采纳,获得30
1分钟前
elisa828发布了新的文献求助10
1分钟前
zijingsy完成签到 ,获得积分10
1分钟前
Owen应助像风一样采纳,获得10
1分钟前
单小芫完成签到 ,获得积分10
1分钟前
1分钟前
像风一样完成签到,获得积分20
1分钟前
像风一样发布了新的文献求助10
2分钟前
2分钟前
深情安青应助念臻采纳,获得10
2分钟前
六六吃了梅完成签到,获得积分20
2分钟前
Jally完成签到 ,获得积分10
2分钟前
王洋完成签到,获得积分10
2分钟前
myq完成签到 ,获得积分10
2分钟前
念臻完成签到,获得积分10
2分钟前
2分钟前
枫威完成签到 ,获得积分10
2分钟前
念臻发布了新的文献求助10
2分钟前
lod完成签到,获得积分10
2分钟前
香锅不要辣完成签到 ,获得积分10
2分钟前
2分钟前
elisa828发布了新的文献求助10
2分钟前
Alex-Song完成签到 ,获得积分0
2分钟前
我是老大应助无限的以亦采纳,获得10
2分钟前
门住完成签到 ,获得积分10
3分钟前
elisa828发布了新的文献求助10
3分钟前
胡国伦完成签到 ,获得积分10
3分钟前
科研通AI2S应助科研通管家采纳,获得10
3分钟前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
Cognitive Neuroscience: The Biology of the Mind 1000
Technical Brochure TB 814: LPIT applications in HV gas insulated switchgear 1000
Immigrant Incorporation in East Asian Democracies 600
Nucleophilic substitution in azasydnone-modified dinitroanisoles 500
不知道标题是什么 500
A Preliminary Study on Correlation Between Independent Components of Facial Thermal Images and Subjective Assessment of Chronic Stress 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3968521
求助须知:如何正确求助?哪些是违规求助? 3513341
关于积分的说明 11167298
捐赠科研通 3248700
什么是DOI,文献DOI怎么找? 1794434
邀请新用户注册赠送积分活动 875030
科研通“疑难数据库(出版商)”最低求助积分说明 804664