論文の概要: Iterative Algorithm Induced Deep-Unfolding Neural Networks: Precoding
Design for Multiuser MIMO Systems
- arxiv url: http://arxiv.org/abs/2006.08099v1
- Date: Mon, 15 Jun 2020 02:57:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-21 05:20:10.526239
- Title: Iterative Algorithm Induced Deep-Unfolding Neural Networks: Precoding
Design for Multiuser MIMO Systems
- Title（参考訳）: 反復アルゴリズムによるディープアンフォールディングニューラルネットワーク:マルチユーザmimoシステムのためのプレコーディング設計
- Authors: Qiyu Hu, Yunlong Cai, Qingjiang Shi, Kaidi Xu, Guanding Yu, and Zhi
Ding
- Abstract要約: 本稿では,AIIDNN(ディープ・アンフォールディング・ニューラルネット)を一般化した,ディープ・アンフォールディングのためのフレームワークを提案する。
古典的重み付き最小二乗誤差(WMMSE)反復アルゴリズムの構造に基づく効率的なIAIDNNを提案する。
提案したIAIDNNは,計算複雑性を低減した反復WMMSEアルゴリズムの性能を効率よく向上することを示す。
- 参考スコア（独自算出の注目度）: 59.804810122136345
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Optimization theory assisted algorithms have received great attention for
precoding design in multiuser multiple-input multiple-output (MU-MIMO) systems.
Although the resultant optimization algorithms are able to provide excellent
performance, they generally require considerable computational complexity,
which gets in the way of their practical application in real-time systems. In
this work, in order to address this issue, we first propose a framework for
deep-unfolding, where a general form of iterative algorithm induced
deep-unfolding neural network (IAIDNN) is developed in matrix form to better
solve the problems in communication systems. Then, we implement the proposed
deepunfolding framework to solve the sum-rate maximization problem for
precoding design in MU-MIMO systems. An efficient IAIDNN based on the structure
of the classic weighted minimum mean-square error (WMMSE) iterative algorithm
is developed. Specifically, the iterative WMMSE algorithm is unfolded into a
layer-wise structure, where a number of trainable parameters are introduced to
replace the highcomplexity operations in the forward propagation. To train the
network, a generalized chain rule of the IAIDNN is proposed to depict the
recurrence relation of gradients between two adjacent layers in the back
propagation. Moreover, we discuss the computational complexity and
generalization ability of the proposed scheme. Simulation results show that the
proposed IAIDNN efficiently achieves the performance of the iterative WMMSE
algorithm with reduced computational complexity.
- Abstract（参考訳）: 最適化理論助成アルゴリズムはマルチユーザマルチインプット多重出力(MU-MIMO)システムにおけるプリコーディング設計において大きな注目を集めている。
結果、最適化アルゴリズムは優れた性能を提供することができるが、一般的には計算の複雑さがかなり必要であり、リアルタイムシステムにおける実際の応用の邪魔になる。
本研究では,この問題に対処するため,まず,情報通信システムにおける問題をよりよく解くために,AIIDNN(Iterative Algorithm induced Deep-Unfolding Neural Network)の一般形を開発するディープ・アンフォールディング・フレームワークを提案する。
次に,mu-mimoシステムにおけるプレコーディング設計のための和率最大化問題を解決するために,提案するdeepunfoldingフレームワークを実装した。
古典的重み付き最小二乗誤差(WMMSE)反復アルゴリズムの構造に基づく効率的なIAIDNNを提案する。
具体的には、反復wmmseアルゴリズムを層状構造に展開し、複数の訓練可能なパラメータを導入し、前方伝播における高複雑度演算を置き換える。
このネットワークをトレーニングするために、IAIDNNの一般化連鎖ルールを提案し、後部伝播における2つの隣接層間の勾配の繰り返し関係を描いている。
さらに,提案手法の計算複雑性と一般化能力について考察する。
シミュレーションの結果,提案したIAIDNNは,計算複雑性を低減した反復WMMSEアルゴリズムの性能を効率よく達成できることがわかった。
関連論文リスト
- Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。
本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-04T01:47:37Z) - Energy Efficiency Maximization in IRS-Aided Cell-Free Massive MIMO
System [2.9081408997650375]
本稿では、入射点におけるビームフォーミングとIRSにおける位相シフトを共同最適化してエネルギー効率(EE)を最大化する、インテリジェント反射面(IRS)を用いたセルレス大規模マルチインプット多重出力システムについて考察する。
EE問題を解くために,2次変換とラグランジアン双対変換を用いて最適ビームフォーミングと位相シフトを求める反復最適化アルゴリズムを提案する。
さらに,共同ビームフォーミングと位相シフト設計のための深層学習に基づくアプローチを提案する。具体的には,教師なし学習方式を用いて2段階の深層ニューラルネットワークをオフラインでトレーニングし,オンラインに展開する。
論文 参考訳（メタデータ） (2022-12-24T14:58:15Z) - High-Speed Resource Allocation Algorithm Using a Coherent Ising Machine
for NOMA Systems [3.6406488220483326]
NOMA手法の有効性を十分に活用する上で重要な課題は、リソース割り当ての最適化である。
NOMAシステムにおけるチャネル割り当てのためのコヒーレントIsing Machine(CIM)に基づく最適化手法を提案する。
提案手法は, 高速化と最適解の両面において優れていることを示す。
論文 参考訳（メタデータ） (2022-12-03T09:22:54Z) - Improved Algorithms for Neural Active Learning [74.89097665112621]
非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。
本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
論文 参考訳（メタデータ） (2022-10-02T05:03:38Z) - Joint Deep Reinforcement Learning and Unfolding: Beam Selection and
Precoding for mmWave Multiuser MIMO with Lens Arrays [54.43962058166702]
離散レンズアレイを用いたミリ波マルチユーザマルチインプット多重出力(MU-MIMO)システムに注目が集まっている。
本研究では、DLA を用いた mmWave MU-MIMO システムのビームプリコーディング行列の共同設計について検討する。
論文 参考訳（メタデータ） (2021-01-05T03:55:04Z) - Deep Multi-Task Learning for Cooperative NOMA: System Design and
Principles [52.79089414630366]
我々は,近年のディープラーニング(DL)の進歩を反映した,新しいディープ・コラボレーティブなNOMAスキームを開発する。
我々は,システム全体を包括的に最適化できるように,新しいハイブリッドカスケードディープニューラルネットワーク(DNN)アーキテクチャを開発した。
論文 参考訳（メタデータ） (2020-07-27T12:38:37Z) - Deep unfolding of the weighted MMSE beamforming algorithm [9.518010235273783]
MISOダウンリンクチャネルに対するWMMSEアルゴリズムに対する深部展開の新たな適用法を提案する。
深層展開は、自然に専門家の知識を取り入れており、即時かつしっかりとしたアーキテクチャ選択の利点、トレーニング可能なパラメータの少ないこと、説明可能性の向上がある。
シミュレーションにより、ほとんどの設定において、展開されたWMMSEは、一定回数の反復に対して、WMMSEよりも優れているか、等しく動作することを示す。
論文 参考訳（メタデータ） (2020-06-15T14:51:20Z) - Hyperspectral Unmixing Network Inspired by Unfolding an Optimization
Problem [2.4016406737205753]
ハイパースペクトル画像(HSI)アンミックスタスクは本質的に逆問題であり、最適化アルゴリズムによってよく解決される。
本稿では,U-ADMM-AENetとU-ADMM-BUNetという2つの新しいネットワークアーキテクチャを提案する。
本研究は,機械学習の文献において,展開された構造が対応する解釈を見つけることを示し,提案手法の有効性をさらに示すものである。
論文 参考訳（メタデータ） (2020-05-21T18:49:45Z) - Communication-Efficient Distributed Stochastic AUC Maximization with
Deep Neural Networks [50.42141893913188]
本稿では,ニューラルネットワークを用いた大規模AUCのための分散変数について検討する。
我々のモデルは通信ラウンドをはるかに少なくし、理論上はまだ多くの通信ラウンドを必要としています。
いくつかのデータセットに対する実験は、我々の理論の有効性を示し、我々の理論を裏付けるものである。
論文 参考訳（メタデータ） (2020-05-05T18:08:23Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。