TreeMind树图在线AI思维导图
当前位置:树图思维导图模板IT互联网分析方法/模型智能网联下面向语义通信的资源分配思维导图

智能网联下面向语义通信的资源分配思维导图

  收藏
  分享
免费下载
免费使用文件
Revolve-lee 浏览量:472023-02-24 16:13:36
已被使用5次
查看详情智能网联下面向语义通信的资源分配思维导图

智能网联下面向语义通信的资源分配

树图思维导图提供 智能网联下面向语义通信的资源分配 在线思维导图免费制作,点击“编辑”按钮,可对 智能网联下面向语义通信的资源分配  进行在线思维导图编辑,本思维导图属于思维导图模板主题,文件编号是:3e694a5a1090f3e7e67ef5e181218db5

思维导图大纲

智能网联下面向语义通信的资源分配思维导图模板大纲

1.首先提出两种面向语义通信的资源分配准则

模型驱动的资源分配优化准则

数据驱动的资源分配优化准则

2.针对不同维度的资源,综述了面向语义通信的资源分配模型和算法

2.1.单一维度的的通信资源分配

2.2.通信和计算二维资源联合分配

2.3.通信、计算和缓存资源等多维度资源联合分配

3.构建了面向语义通信的专属数据集

SCO数据集

4.在车联网场景下仿真分析资源分配方法的性能优势

4.1.对比不同计算场景下的语义理解准确率和系统总延时:a.随着总计算资源的增加,协同计算和计算卸载场景下的语义理解准确率不断增加,其中协同计算场景语义理解率最高。b.随着总计算资源的增加,协同计算和计算卸载场景下的系统总延时不断减少,其中协同计算场景下的总系统延时总大于计算卸载场景下的总系统延时。

协同计算场景下延时大的原因是协同计算场景下CNN模型的卷积层使输出数据量变大,产生了较大的传输延时。实际的任务要根据任务准确度要求和延时要求选择合适的计算场景下的资源分配方法。

4.2.对比面向语义通信的资源分配方法和传统方法的性能差异:随着车辆数目的增加,三种资源分配方法的语义理解准确率不断减少,其中面向语义通信的资源分配方法具有较好的语义理解准确率。

4.3.对比语义通信的不同维度资源分配的方法之间的差异:随着系统总计算资源的增加,多维度的资源分配方法性能优于其他资源分配方法

虽然单一维度的资源分配整体性能不如多维度的资源分配性能,但是在计算资源和缓存资源充足的时候,更适用于动态无线传输,是因为其较低的复杂度能提高系统效率。

5.给出了语义通信资源分配未来挑战

相关思维导图模板

四年级下册数学第五单元思维导图思维导图

树图思维导图提供 四年级下册数学第五单元思维导图 在线思维导图免费制作,点击“编辑”按钮,可对 四年级下册数学第五单元思维导图  进行在线思维导图编辑,本思维导图属于思维导图模板主题,文件编号是:c31814afc9b3c89d643cb5035c8bbfc4

辽宁红色资源短视频制作思维导图

树图思维导图提供 辽宁红色资源短视频制作 在线思维导图免费制作,点击“编辑”按钮,可对 辽宁红色资源短视频制作  进行在线思维导图编辑,本思维导图属于思维导图模板主题,文件编号是:27ed28a8feb72774b010fbbaf31df0cb