グラフニューラルネットワークと深層アルゴリズムアンフォールディングを用いた効率的な電力配分【JST・京大機械翻訳】

Chowdhury Arindam; Verma Gunjan; Rao Chirag; Swami Ananthram; Segarra Santiago

プレプリント

J-GLOBAL ID：202202219632796168 整理番号：21P0065684

グラフニューラルネットワークと深層アルゴリズムアンフォールディングを用いた効率的な電力配分【JST・京大機械翻訳】

Efficient power allocation using graph neural networks and deep algorithm unfolding

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 (5件)： , , , ,
資料名：
発行年： 2020年11月18日プレプリントサーバーでの情報更新日： 2020年11月18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)

単一ホップアドホックネットワークにおける最適電力割当の問題を研究した。この問題を解決するため,著者らは,反復加重最小平均二乗誤差(WMMSE)法のアルゴリズム的アンフォールディングによりヒントを得たハイブリッドニューラルアーキテクチャを提案し,非折畳みWMMSE(UWMMSE)として示した。UWMMSE内の学習可能重みをグラフニューラルネットワーク(GNN)を用いてパラメータ化し,時変基礎グラフを無線ネットワークにおけるフェージング干渉係数によって与えた。これらのGNNを,電力割当問題の多重インスタンスに基づく勾配降下アプローチを通して訓練した。一度訓練されたとき,UWMMSEはWMMSEに匹敵する性能を達成し,一方,計算量を大幅に削減する。この現象は,異なる密度とサイズの無線ネットワークに対するロバスト性と一般化とともに数値実験を通して例証される。【JST・京大機械翻訳】

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

無線通信一般 , 計算機網 , 移動通信 , 信号理論

, , , ,

前のページに戻る