無線ネットワークにおけるエネルギーを意識した電力割当のためのグラフベースアルゴリズムアンフォールディング【JST・京大機械翻訳】

Li Boning; Verma Gunjan; Segarra Santiago

プレプリント

J-GLOBAL ID：202202214808250599 整理番号：22P0280959

無線ネットワークにおけるエネルギーを意識した電力割当のためのグラフベースアルゴリズムアンフォールディング【JST・京大機械翻訳】

Graph-based Algorithm Unfolding for Energy-aware Power Allocation in Wireless Networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年01月27日プレプリントサーバーでの情報更新日： 2023年04月17日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

無線通信ネットワークにおける電力割当のための加重和エネルギー効率(WSEE)を最大化するために,新しいグラフベースの訓練可能なフレームワークを開発した。問題の非凸特性に対処するために,提案方法は,古典的反復準最適アプローチによって触発され,学習可能成分で強化されたモジュール構造から成る。より正確には,逐次凹近似(SCA)法の深い展開を提案した。アンフォールドSCA(USCA)フレームワークにおいて,元のプリセットパラメータは,現在,基礎となるグラフ隣接行列としてマルチユーザチャネル状態情報を直接利用するグラフ畳込みニューラルネットワーク(GCN)を介して学習可能である。無線ネットワークデータに適用したモデルに対して望ましい特性である,提案したアーキテクチャの置換等分散を示した。USCAフレームワークは,進行性訓練戦略を用いた確率的勾配降下アプローチを通して訓練される。教師なし損失を,最大電力制約の下で目的の単調特性に特徴づけるために注意深く考案した。包括的な数値結果は,様々なサイズ,密度,およびチャネル分布の異なるネットワークトポロジーにわたって,その一般化可能性を実証した。徹底的な比較は,最先端のベンチマークに対するUSCAの改善された性能とロバスト性を示した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

無線通信一般 , 計算機網

, , ,

前のページに戻る