홈

깃허브 링크: GitHub - eunc812/Semantics-Native-Communication-via-Contextual-Reasoning: Implementation of Semantics-Native Communication via CImplementation of Semantics-Native Communication via Contextual Reasoning - eunc812/Semantics-Native-Communication-via-Contextual-Reasoninggithub.com 출처: H. Seo, J. Park, M. Bennis and M. Debbah, "Semantics-Native Communication via Contextual Reasoning," in IEEE..

논문 링크: Disentangling Learnable and Memorizable Data via Contrastive Learning for Semantic Communications | IEEE Conference Publication | IEEE Xplore 출처: C. Chaccour and W. Saad, "Disentangling Learnable and Memorizable Data via Contrastive Learning for Semantic Communications," 2022 56th Asilomar Conference on Signals, Systems, and Computers, Pacific Grove, CA, USA, 2022.요약 6G 시대엔 메타버스와 같은 차..

논문 링크: Less Data, More Knowledge: Building Next-Generation Semantic Communication NetworksSemantic communication is viewed as a revolutionary paradigm that can potentially transform how we design and operate wireless communication systems. However, despite a recent surge of research activities in this area, remarkably, the research landscape isieeexplore.ieee.org 출처: C. Chaccour, W. Saad, M. De..

이 논문은 6G, AI native 통신에서 자주 사용되는 Split Learning에 관해 소개한다. 이는 Federated Learning과 자주 비교되며 이에 대해 공부하고 정리해 보았다. 쉽게 요약하자면 각 의료기관들은 연산을 많이 하지 못하고 데이터도 부족하니 중간 단계(cut layer)까지만 학습한 후 중앙 기관에 학습결과를 공유한다. 중앙에선 이 결과들을 모아 하나의 학습 모델을 만들고 각 기기들에게 공유한다. 이러면 작은 병원에서도 많은 데이터를 집합한 모델을 쓸 수 있고 데이터를 여러 기관끼리 직접 공유하지 않아도 된다. 이런 SplitNN은 연산량과 대역폭 면에서도 다른 방법보다 유리한 결과가 나타났다. 논문 링크: Split learning for health: Distri..