Deploying Graph Neural Networks in Wireless Networks: A Link Stability Viewpoint

要約

新興の人工知能テクノロジーとして、グラフ ニューラル ネットワーク (GNN) は、幅広いグラフ関連アプリケーションにわたって有望なパフォーマンスを示しています。
ただし、GNN の隣接ノード間の情報交換は、リソースに制約のあるシナリオ、特に無線システムにおいて新たな課題を引き起こします。
実際の無線システムでは、通常、ノード間の通信リンクは無線フェージングや受信機のノイズにより信頼性が低く、その結果 GNN のパフォーマンスが低下します。
GNN の学習パフォーマンスを向上させるために、エネルギー消費制約の下で最適化された電力制御によって長期平均 (LTA) 通信リンクの数を最大化することを目指します。
Lyapunov 最適化手法を使用して、まず、長期的なエネルギー制約を目的関数に変換することにより、難解な長期問題を各タイム スロットの決定論的な問題に変換します。
この非凸の組み合わせ最適化問題にもかかわらず、貪欲ベースのソルバーを使用して一連の凸の実現可能性問題を等価的に解くことで、この問題に対処します。
シミュレーション結果は、提案したスキームがベースラインよりも優れていることを示しています。

要約(オリジナル)

As an emerging artificial intelligence technology, graph neural networks (GNNs) have exhibited promising performance across a wide range of graph-related applications. However, information exchanges among neighbor nodes in GNN pose new challenges in the resource-constrained scenario, especially in wireless systems. In practical wireless systems, the communication links among nodes are usually unreliable due to wireless fading and receiver noise, consequently resulting in performance degradation of GNNs. To improve the learning performance of GNNs, we aim to maximize the number of long-term average (LTA) communication links by the optimized power control under energy consumption constraints. Using the Lyapunov optimization method, we first transform the intractable long-term problem into a deterministic problem in each time slot by converting the long-term energy constraints into the objective function. In spite of this non-convex combinatorial optimization problem, we address this problem via equivalently solving a sequence of convex feasibility problems together with a greedy based solver. Simulation results demonstrate the superiority of our proposed scheme over the baselines.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google