【要約】 5G技術の継続的な発展により、ネットワーク内のデータ量が爆発的に増加し、画像やビデオを含む意味理解タスクの数が増加しており、間違いなく通信、コンピューティング、キャッシュのリソースに大きな圧力をかけています。ビデオ意味理解タスクのリソース要件をよりよく満たし、リソース不足の現象を軽減するために、意味通信におけるディープダブルQネットワークに基づく多次元リソース共同割り当てアルゴリズムが研究されました。まず、車両のインターネットのシナリオに基づいて、既存の共同リソース割り当てアルゴリズムが改善され、新しいセマンティック指向の多次元リソース共同割り当てモデルを構築するためにキャッシュ リソースが導入されました。第 2 に、その動的かつ時間変化する特性に基づいています。 、最適なリソース割り当て戦略の問題を解決するためにディープ ダブル Q ネットワークが構築され、最後に、提案された多次元リソース共同割り当てアルゴリズムのパフォーマンスの利点がシミュレーションによって検証されました。
【キーワード】リソース割り当て、意味論的通信、車両のインターネット、深層強化学習
0 まえがき
5G テクノロジーとモノのインターネット (IoT) の急速な発展に伴い、仮想現実と拡張現実、顔とジェスチャーの認識、交通流予測など、さまざまな新しいインテリジェント タスクが絶えず登場しています。これらのインテリジェントなタスクには、通常、画像やビデオの内容を理解するさまざまなエージェントが関与し、膨大な量のデータと計算が伴うため、ネットワークのエッジにあるさまざまなリソースに大きな負荷がかかることは間違いありません。現段階では、シャノン情報理論に基づいて伝送効率の最大化を追求した従来の通信技術では、上記エージェントのニーズを満たすことが困難である。しかし、このようなタスクは本質的に、送信者の情報によって表される内容を受信者が理解するために通信当事者が対話すること、つまり「セマンティクス」を必要とするだけであることを考慮すると、セマンティック通信はこのようなタスクにおけるビデオ伝送として使用することができます。基本は、画像やビデオの内容と、それらが持つ意味論にもっと注意を払うことです。
高度道路交通システム (ITS) を例に挙げると、安全な運転を確保するために、車両には大量のビデオ データを収集するカメラが装備され、インテリジェントなアルゴリズムを使用してビデオの内容を理解して分析します。