一种利用神经网络求解语义信息最小压缩速率的方法

本发明涉及信息压缩领域，特别是涉及一种利用神经网络求解语义信息最小压缩速率的方法。

背景技术：

1、传统通信技术遭遇发展瓶颈，难以满足未来无线通信高可靠、高频谱效率传输的需求。基于语义信息论的语义通信技术相较于传统通信技术在特定场景下能够显著提高传输可靠性和频谱效率。然而对语义信息论的研究还处于初步阶段，其中，语义信息论中的语义率失真函数决定了语义压缩的最小压缩速率，是分析信源编码性能的关键指标。

2、现有技术或相关文件中对语义信息的最小压缩速率的求解方法只能针对高斯信源使用反向注水法求解。缺乏针对一般分布的语义信源的最小压缩速率的求解算法。

技术实现思路

1、本发明的目的在于克服现有技术的不足，提供一种利用神经网络求解语义信息最小压缩速率的方法，能够有效求解分布的语义信源的最小压缩速率。

2、本发明的目的是通过以下技术方案来实现的：一种利用神经网络求解语义信息最小压缩速率的方法，包括以下步骤：

3、s1.构建语义压缩模型，并定义语义信息率失真函数；

4、s2.将语义信息率失真函数作为求解一个极小极大化问题；

5、s3.基于神经网络模型来获取针对语义信息最小压缩速率的神经网络估计器；

6、s4.通过对神经网络进行迭代训练，得到语义信息最小压缩速率的估计结果。

7、本发明的有益效果是：本发明利用神经网络求解语义信息最小压缩速率的方法，能够有效求解分布的语义信源的最小压缩速率，并通过对神经网络的不断迭代，能够有效提高求解结果的精度。

技术特征：

1.一种利用神经网络求解语义信息最小压缩速率的方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种利用神经网络求解语义信息最小压缩速率的方法，其特征在于：所述步骤s1包括：

3.根据权利要求2所述的一种利用神经网络求解语义信息最小压缩速率的方法，其特征在于：所述步骤s2包括：将看作是求解一个极小极大化问题：

4.根据权利要求3所述的一种利用神经网络求解语义信息最小压缩速率的方法，其特征在于：所述步骤s3中，由于难以直接得到，采用神经网络中的生成模型来生成，包括：

5.根据权利要求4所述的一种利用神经网络求解语义信息最小压缩速率的方法，其特征在于：所述步骤s4包括：

技术总结
本发明公开了一种利用神经网络求解语义信息最小压缩速率的方法,包括以下步骤：S1.构建语义压缩模型，并定义语义信息率失真函数；S2.将语义信息率失真函数作为求解一个极小极大化问题；S3.基于神经网络模型来获取针对语义信息最小压缩速率的神经网络估计器；S4.通过对神经网络进行迭代训练，得到语义信息最小压缩速率的估计结果。本发明利用神经网络能够有效求解分布的语义信源的最小压缩速率。

技术研发人员：黄川,崔曙光,李东旭,黄坚豪
受保护的技术使用者：香港中文大学（深圳）
技术研发日：
技术公布日：2024/1/15