基于流形神经网络的稳定且可迁移的无线资源分配策略
信号处理
2021-10-12 v1
摘要
我们考虑大规模无线网络的资源分配问题。将无线网络结构视为图时，我们可将极大规模无线系统的极限建模为流形。为在机器学习框架下解决该问题，我们提出使用流形神经网络（MNNs）作为策略参数化。在这项工作中，我们证明了MNN资源分配策略在流形Laplace-Beltrami算子的绝对扰动下的稳定性，该扰动表示无线系统中存在的系统噪声与动态变化。这些结果确立了MNNs在实现大规模无线网络稳定且可迁移的分配策略中的使用。我们在数值仿真中验证了结果，显示出相对于基线方法的优越性能。
引用
@article{arxiv.2110.04706,
title = {Stable and Transferable Wireless Resource Allocation Policies via Manifold Neural Networks},
author = {Zhiyang Wang and Luana Ruiz and Mark Eisen and Alejandro Ribeiro},
journal= {arXiv preprint arXiv:2110.04706},
year = {2021}
}
备注
7 pages, 3 figures. arXiv admin note: text overlap with arXiv:2106.03725