基于图表示学习的无线链路调度：不同监督水平的比较研究
信号处理
2021-10-06 v1 信息论
机器学习
math.IT
机器学习
摘要
我们考虑无线干扰网络中的二进制功率控制（即链路调度）问题，其中功率控制策略使用图表示学习进行训练。我们利用无线网络的干扰图作为图神经网络（GNN）骨干的底层拓扑，其将信道矩阵转换为所有收发对的一组节点嵌入。我们展示了节点嵌入可通过多种方式训练，包括监督、无监督与自监督学习，并比较了不同监督水平对这些方法在系统级吞吐量、收敛行为、样本效率与泛化能力方面性能的影响。
引用
@article{arxiv.2110.01722,
title = {Wireless Link Scheduling via Graph Representation Learning: A Comparative Study of Different Supervision Levels},
author = {Navid Naderializadeh},
journal= {arXiv preprint arXiv:2110.01722},
year = {2021}
}
备注
Code available at https://github.com/navid-naderi/LinkSchedulingGNNs_SupervisionStudy