DeepGANTT：一种面向反向散射网络的可扩展深度学习调度器
机器学习
2023-04-06 v2 人工智能
网络与互联网体系结构
摘要
新型反向散射通信技术使无电池传感器标签能与未修改的标准 IoT 设备互操作，以可扩展方式扩展传感器网络能力。无需额外专用基础设施，无电池标签从环境收集能量，而 IoT 设备为它们提供通信所需的未调制载波。调度器协调为无电池设备与 IoT 节点的通信提供载波。最优载波调度是一个 NP-hard 问题，限制了网络部署的可扩展性。因此，现有方案因次优调度载波而浪费能量及其他宝贵资源。我们提出 DeepGANTT，一种利用图神经网络高效提供近最优载波调度的深度学习调度器。我们使用约束优化求解器得到的较小规模最优调度训练调度器，达到最优调度器 3% 以内的性能。无需重新训练，DeepGANTT 可泛化到节点数大 6 倍、标签数大 10 倍于训练所用的网络，打破最优调度器的可扩展性限制，并相较最先进启发式减少多达 50% 的载波利用。我们的调度器有效降低了反向散射网络中的能量与频谱利用。
引用
@article{arxiv.2112.12985,
title = {DeepGANTT: A Scalable Deep Learning Scheduler for Backscatter Networks},
author = {Daniel F. Perez-Ramirez and Carlos Pérez-Penichet and Nicolas Tsiftes and Thiemo Voigt and Dejan Kostic and Magnus Boman},
journal= {arXiv preprint arXiv:2112.12985},
year = {2023}
}
备注
11 pages (excluding references). Submitted version that was accepted to IPSN 2023 (not the camera-ready version). Camera-ready version available here: https://doi.org/10.1145/3583120.3586957