面向广义分配问题的深度无监督学习：以无线网络中用户关联为例
机器学习
2021-03-29 v1 信号处理
摘要
无线通信领域存在许多可表述为广义分配问题（GAP）的资源分配问题。GAP 是线性和分配问题（LSAP）的通用形式，由于同时存在等式与不等式约束，其求解更具挑战性。我们提出一种新颖的深度无监督学习（DUL）方法，以高效耗时方式求解 GAP。更具体地，我们提出一种新方法，借助定制损失函数训练深度神经网络（DNN）。该定制损失函数由目标函数及对应于等式与不等式约束的惩罚项构成。此外，我们提出在 DNN 输出处采用 Softmax 激活函数并结合张量分割，从而简化定制损失函数并保证满足等式约束。作为一个案例研究，我们考虑无线网络中的典型用户关联问题，将其表述为 GAP，并进而用所提 DUL 方法求解。数值结果表明，所提 DUL 方法以显著更低的时间复杂度提供了近最优结果。
引用
@article{arxiv.2103.14548,
title = {Deep Unsupervised Learning for Generalized Assignment Problems: A Case-Study of User-Association in Wireless Networks},
author = {Arjun Kaushik and Mehrazin Alizadeh and Omer Waqar and Hina Tabassum},
journal= {arXiv preprint arXiv:2103.14548},
year = {2021}
}
备注
Accepted in IEEE ICC Workshops, 2021