用于无线电资源管理的微型图神经网络

对高效无线电资源管理需求的激增，促使人们开发出复杂而紧凑的神经网络架构。在本文中，我们通过提出一种新架构：低秩消息传递图神经网络（LR-MPGNN），引入了一种专为无线电资源管理定制的图神经网络（GNN）新方法。LR-MPGNN 的基石是采用低秩近似技术，用低秩对应物替代传统的线性层。这种创新设计显著减小了模型大小和参数数量。我们基于几个关键指标评估了所提出的 LR-MPGNN 模型的性能：模型大小、参数数量、通信系统的加权和速率以及权重矩阵的特征值分布。我们的广泛评估表明，LR-MPGNN 模型实现了六十倍的模型大小缩减，且模型参数数量最多可减少 98%。在性能方面，与原始 MPGNN 模型相比，LR-MPGNN 表现出鲁棒性，在最佳情况下归一化加权和速率仅降低 2%。此外，LR-MPGNN 模型中权重矩阵的特征值分布更均匀且范围更广，表明权重的战略性重新分布。