論文の概要: Stability Analysis of Unfolded WMMSE for Power Allocation
- arxiv url: http://arxiv.org/abs/2110.07471v1
- Date: Thu, 14 Oct 2021 15:44:19 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-15 15:05:46.203760
- Title: Stability Analysis of Unfolded WMMSE for Power Allocation
- Title（参考訳）: パワーアロケーション用展開WMMSEの安定性解析
- Authors: Arindam Chowdhury, Fernando Gama, and Santiago Segarra
- Abstract要約: 電力割り当ては、無線ネットワークにおける基本的な問題の1つである。
これらのアルゴリズムの出力電力配分は入力摂動に関して安定であることが不可欠である。
本稿では,グラフニューラルネットワークを利用した最新のアルゴリズムであるUWMMSEに着目した。
- 参考スコア（独自算出の注目度）: 80.71751088398209
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Power allocation is one of the fundamental problems in wireless networks and
a wide variety of algorithms address this problem from different perspectives.
A common element among these algorithms is that they rely on an estimation of
the channel state, which may be inaccurate on account of hardware defects,
noisy feedback systems, and environmental and adversarial disturbances.
Therefore, it is essential that the output power allocation of these algorithms
is stable with respect to input perturbations, to the extent that the
variations in the output are bounded for bounded variations in the input. In
this paper, we focus on UWMMSE -- a modern algorithm leveraging graph neural
networks --, and illustrate its stability to additive input perturbations of
bounded energy through both theoretical analysis and empirical validation.
- Abstract（参考訳）: 電力割り当ては無線ネットワークにおける基本的な問題の1つであり、様々なアルゴリズムが異なる観点からこの問題に対処している。
これらのアルゴリズムの一般的な要素は、ハードウェアの欠陥、ノイズの多いフィードバックシステム、環境と逆の障害などを考慮して不正確なチャネル状態の推定に依存することである。
したがって、これらのアルゴリズムの出力パワー割り当ては、入力の摂動に関して安定であり、出力の変動が入力の有界変動に対して境界づけられている程度である。
本稿では,グラフニューラルネットワークを活用した現代的アルゴリズムであるuwmmseに着目し,理論解析と経験的検証の両方を通じて,境界エネルギーの入力摂動にその安定性を示す。
関連論文リスト
- Error Feedback under $(L_0,L_1)$-Smoothness: Normalization and Momentum [56.37522020675243]
機械学習の幅広い問題にまたがる正規化誤差フィードバックアルゴリズムに対する収束の最初の証明を提供する。
提案手法では,許容可能なステップサイズが大きくなったため,新しい正規化エラーフィードバックアルゴリズムは,各種タスクにおける非正規化エラーよりも優れていた。
論文 参考訳（メタデータ） (2024-10-22T10:19:27Z) - Noise-induced transition in optimal solutions of variational quantum
algorithms [0.0]
変分量子アルゴリズムは、ノイズの多い量子ハードウェアで実用的な量子優位性を実現するための有望な候補である。
スピンチェーンモデルの基底状態を計算する変分量子固有解法(VQE)アルゴリズムについて検討し,ノイズが最適化に与える影響について検討した。
論文 参考訳（メタデータ） (2024-03-05T08:31:49Z) - Towards stable real-world equation discovery with assessing
differentiating quality influence [52.2980614912553]
一般的に用いられる有限差分法に代わる方法を提案する。
我々は,これらの手法を実問題と類似した問題に適用可能であること,および方程式発見アルゴリズムの収束性を確保する能力の観点から評価する。
論文 参考訳（メタデータ） (2023-11-09T23:32:06Z) - Stability and Generalization of the Decentralized Stochastic Gradient
Descent Ascent Algorithm [80.94861441583275]
本稿では,分散勾配勾配(D-SGDA)アルゴリズムの一般化境界の複雑さについて検討する。
本研究は,D-SGDAの一般化における各因子の影響を解析した。
また、最適凸凹設定を得るために一般化とバランスをとる。
論文 参考訳（メタデータ） (2023-10-31T11:27:01Z) - To be or not to be stable, that is the question: understanding neural
networks for inverse problems [0.0]
本稿では,ニューラルネットワークの安定性と精度のトレードオフを理論的に解析する。
ネットワークの安定性を高め、良好な精度を維持するために、異なる教師付きおよび教師なしのソリューションを提案する。
論文 参考訳（メタデータ） (2022-11-24T16:16:40Z) - Tunable Complexity Benchmarks for Evaluating Physics-Informed Neural
Networks on Coupled Ordinary Differential Equations [64.78260098263489]
本研究では,より複雑に結合した常微分方程式(ODE)を解く物理インフォームドニューラルネットワーク(PINN)の能力を評価する。
PINNの複雑性が増大するにつれて,これらのベンチマークに対する正しい解が得られないことが示される。
PINN損失のラプラシアンは,ネットワーク容量の不足,ODEの条件の低下,局所曲率の高さなど,いくつかの理由を明らかにした。
論文 参考訳（メタデータ） (2022-10-14T15:01:32Z) - Stability Via Adversarial Training of Neural Network Stochastic Control
of Mean-Field Type [0.0]
これは、システム状態や制御入力などの変数の分布を問題に組み込むデータ駆動平均場型制御のクラスである。
本稿では,ニューラルネットワークによる解の近似の有効性を検証し,その安定性を評価する手法を提案する。
我々は、より堅牢なニューラルネットワークを得るために、逆入力でトレーニングセットを拡大することで安定性を高める。
論文 参考訳（メタデータ） (2022-09-27T11:37:06Z) - Total Energy Shaping with Neural Interconnection and Damping Assignment
-- Passivity Based Control [2.1485350418225244]
我々は、ニューラルネットワーク(NN)の普遍近似特性を利用して、受動性に基づく制御スキームを設計する。
提案した制御設計手法は,自由度1度と2度のメカニカルシステムに対して検証される。
論文 参考訳（メタデータ） (2021-12-24T08:41:17Z) - Adversarially Robust Learning for Security-Constrained Optimal Power
Flow [55.816266355623085]
我々は、N-kセキュリティ制約付き最適電力流(SCOPF)の課題に取り組む。
N-k SCOPFは電力網の運用における中核的な問題である。
N-k SCOPF を極小最適化問題とみなす。
論文 参考訳（メタデータ） (2021-11-12T22:08:10Z) - Resilient Identification of Distribution Network Topology [0.0]
本稿では,DERMSで利用可能な測定値のみに依存するネットワークTI関数を提案する。
提案手法は,ネットワークスイッチング構成と保護装置の状態を同定する。
計算負荷が低いため、このアプローチは高速トラックであり、リアルタイムアプリケーションに適用できる。
論文 参考訳（メタデータ） (2020-11-16T14:23:56Z)
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。