基于图神经网络反事实优化的无线功率控制
信号处理
2020-02-19 v1 信息论
机器学习
math.IT
机器学习
摘要
我们考虑无线网络中的下行功率控制问题，该网络由多个收发对组成，它们通过单一共享无线媒介相互通信。为缓解并发传输间的干扰，我们利用网络拓扑构建图神经网络架构，随后采用无监督原始-对偶反事实优化方法学习最优功率分配决策。我们展示了反事实优化技术如何使我们能够保证最小速率约束，该约束随网络规模自适应，从而在各种网络配置下实现平均用户速率与第 百分位用户速率之间的恰当平衡。
引用
@article{arxiv.2002.07631,
title = {Wireless Power Control via Counterfactual Optimization of Graph Neural Networks},
author = {Navid Naderializadeh and Mark Eisen and Alejandro Ribeiro},
journal= {arXiv preprint arXiv:2002.07631},
year = {2020}
}
备注
Submitted to the 21st IEEE International Workshop on Signal Processing Advances in Wireless Communications (SPAWC 2020)