ترجمه فارسی مقاله ارتباط معنایی به کمک دانش با بهره‌گیری از مدل‌سازی گرافیکی احتمالاتی

چکیده

In this paper, we propose a semantic communication approach based on probabilistic graphical model (PGM). The proposed approach involves constructing a PGM from a training dataset, which is then shared as common knowledge between the transmitter and receiver. We evaluate the importance of various semantic features and present a PGM-based compression algorithm designed to eliminate predictable portions of semantic information. Furthermore, we introduce a technique to reconstruct the discarded semantic information at the receiver end, generating approximate results based on the PGM. Simulation results indicate a significant improvement in transmission efficiency over existing methods, while maintaining the quality of the transmitted images.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله ، ما یک روش ارتباطی معنایی را بر اساس مدل گرافیکی احتمالی (PGM) پیشنهاد می کنیم.رویکرد پیشنهادی شامل ساخت PGM از یک مجموعه داده آموزشی است که سپس به عنوان دانش مشترک بین فرستنده و گیرنده به اشتراک گذاشته می شود.ما اهمیت ویژگی های مختلف معنایی را ارزیابی می کنیم و یک الگوریتم فشرده سازی مبتنی بر PGM را ارائه می دهیم که برای از بین بردن بخش های قابل پیش بینی اطلاعات معنایی طراحی شده است.علاوه بر این ، ما تکنیکی را برای بازسازی اطلاعات معنایی دور ریخته شده در انتهای گیرنده معرفی می کنیم و نتایج تقریبی را بر اساس PGM ایجاد می کنیم.نتایج شبیه سازی حاکی از بهبود قابل توجهی در کارآیی انتقال نسبت به روشهای موجود است ، ضمن حفظ کیفیت تصاویر منتقل شده.