論文の概要: Weighted Sum-Rate Maximization With Causal Inference for Latent Interference Estimation

• arxiv url: http://arxiv.org/abs/2211.08327v1
• Date: Tue, 15 Nov 2022 17:27:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-16 15:47:37.717481
• Title: Weighted Sum-Rate Maximization With Causal Inference for Latent Interference Estimation
• Title（参考訳）: 遅延干渉推定のための因果推論を用いた重み付きサムレート最大化
• Authors: Lei You
• Abstract要約: 本論文は、遅延干渉下でWSRMに対処するための因果的枠組みの下で、有名な代替最適化最小二乗誤差(WMMSE)を拡張した。 数値計算の結果, SC-WMMSEは, コンバージェンスと目的の両方において, オリジナルよりも優れていたことが示唆された。
• 参考スコア（独自算出の注目度）: 9.569049935824227
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The paper investigates the weighted sum-rate maximization (WSRM) problem with latent interfering sources outside the known network, whose power allocation policy is hidden from and uncontrollable to optimization. The paper extends the famous alternate optimization algorithm weighted minimum mean square error (WMMSE) [1] under a causal inference framework to tackle with WSRM under latent interference. Namely, with the possibility of power policy shifting in the hidden network, computing an iterating direction based on the observed interference inherently implies that counterfactual is ignored in decision making. A synthetic control (SC) method is used to estimate the counterfactual. For any link in the known network, SC constructs a convex combination of the interference on other links and uses it as an estimate. Power iteration is performed on the estimated rather than the observed interference. The proposed SC-WMMSE requires no more information than its origin. To our best knowledge, this is the first paper explores the potential of causal inference to assist mathematical optimization in addressing classic wireless optimization problems. Numerical results suggest the superiority of the SC-WMMSE over the original in both convergence and objective.
• Abstract（参考訳）: 本稿では,電力割当方針が制御不能な既知のネットワーク外における潜在干渉源の重み付き和率最大化(wsrm)問題について検討する。 本稿では、遅延干渉下でWSRMに対処するために、因果推論フレームワークの下で、有名な代替最適化アルゴリズムである重み付き最小平均二乗誤差(WMMSE)[1]を拡張した。 すなわち、隠れたネットワークにおける電力政策シフトの可能性から、観測された干渉に基づく反復方向の計算は、本質的には、意思決定において反事実を無視することを意味する。 反事実を推定するために合成制御(SC)法を用いる。 既知のネットワーク内の任意のリンクに対して、SCは他のリンクに対する干渉の凸結合を構築し、見積もりとして利用する。 パワーイテレーションは観測された干渉ではなく推定値上で実行される。 提案されたSC-WMMSEは、その起源以上の情報を必要としない。 本論文は,従来の無線最適化問題に対処する際の数学的最適化を支援するための因果推論の可能性を探る最初の論文である。 数値計算の結果, SC-WMMSEは, コンバージェンスと目的の両方において, オリジナルよりも優れていたことが示唆された。

関連論文リスト

• High Efficiency Inference Accelerating Algorithm for NOMA-based Mobile Edge Computing [23.88527790721402]
  デバイス、エッジサーバ、クラウド間の推論モデルを分割することで、EIの性能を大幅に向上させることができる。 B5G/6Gのキーとなる技術であるNOMAは、膨大な接続と高スペクトル効率を実現することができる。 本稿では,エッジでのモデル推論を高速化する効果的な通信資源割当アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-12-26T02:05:52Z)
• Model-Based Epistemic Variance of Values for Risk-Aware Policy Optimization [59.758009422067]
  モデルベース強化学習における累積報酬に対する不確実性を定量化する問題を考察する。 我々は、解が値の真後分散に収束する新しい不確実性ベルマン方程式(UBE)を提案する。 本稿では,リスク・サーキングとリスク・アバース・ポリシー最適化のいずれにも適用可能な汎用ポリシー最適化アルゴリズムQ-Uncertainty Soft Actor-Critic (QU-SAC)を導入する。
  論文  参考訳（メタデータ） (2023-12-07T15:55:58Z)
• Data-driven Piecewise Affine Decision Rules for Stochastic Programming with Covariate Information [5.054099828483128]
  非部分的決定(PADR)に埋め込まれた経験的リスク(M)手法を提案する。 提案手法は理論的整合性を持つ広範で非クラスな非制約問題に適用可能であることを示す。
  論文  参考訳（メタデータ） (2023-04-26T16:08:49Z)
• Active RIS-aided EH-NOMA Networks: A Deep Reinforcement Learning Approach [66.53364438507208]
  アクティブな再構成可能なインテリジェントサーフェス(RIS)支援マルチユーザダウンリンク通信システムについて検討した。 非直交多重アクセス(NOMA)はスペクトル効率を向上させるために使用され、活性RISはエネルギー回収(EH)によって駆動される。 ユーザの動的通信状態を予測するために,高度なLSTMベースのアルゴリズムを開発した。 増幅行列と位相シフト行列RISを結合制御するためにDDPGに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-11T13:16:28Z)
• Optimal Privacy Preserving for Federated Learning in Mobile Edge Computing [35.57643489979182]
  ユーザ差分プライバシ(DP)を維持するための有望なアプローチとして,無線ネットワーク上での定量化と意図的なノイズ付加によるフェデレーション学習(FL)がある。 本稿では,無線ネットワークとDP要件の制約下での収束率を最大化するために,量子化と二項機構パラメータと通信資源を協調的に最適化することを目的とする。
  論文  参考訳（メタデータ） (2022-11-14T07:54:14Z)
• A State-Augmented Approach for Learning Optimal Resource Management Decisions in Wireless Networks [58.720142291102135]
  マルチユーザ無線ネットワークにおける無線リソース管理(RRM)問題について考察する。 目標は、ユーザのエルゴード平均パフォーマンスに制約を受けるネットワーク全体のユーティリティ機能を最適化することである。 本稿では, RRM の制約に対応する2変数の集合を入力として, 瞬時ネットワーク状態と並行して, RRM のパラメータ化を提案する。
  論文  参考訳（メタデータ） (2022-10-28T21:24:13Z)
• Design and Analysis of Robust Resilient Diffusion over Multi-Task Networks Against Byzantine Attacks [38.740376971569695]
  本稿では,マルチタスクネットワーク上での分散拡散適応について,インパルス干渉とビザンチン攻撃の存在下で検討する。 我々は,Geman-McClure-estimation (RDLMG) アルゴリズムを,Geman-McClure estimator のコスト関数に基づいて開発する。 提案したRDLMGアルゴリズムのマルチターゲットローカライゼーションおよびマルチタスクスペクトルセンシングへの応用に関する数値的な評価を行った。
  論文  参考訳（メタデータ） (2022-06-25T22:58:51Z)
• Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
  本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。 前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。 提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
  論文  参考訳（メタデータ） (2022-05-13T21:09:41Z)
• False Correlation Reduction for Offline Reinforcement Learning [115.11954432080749]
  本稿では,実効的かつ理論的に証明可能なアルゴリズムであるオフラインRLに対するfalSe Correlation Reduction (SCORE)を提案する。 SCOREは、標準ベンチマーク(D4RL)において、様々なタスクにおいて3.1倍の高速化でSoTA性能を達成することを実証的に示す。
  論文  参考訳（メタデータ） (2021-10-24T15:34:03Z)
• Resource Allocation via Model-Free Deep Learning in Free Space Optical Communications [119.81868223344173]
  本稿では,自由空間光学(FSO)通信におけるチャネルフェージング効果の緩和のための資源配分の一般的な問題について検討する。 本フレームワークでは,FSO資源割り当て問題を解決する2つのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-07-27T17:38:51Z)

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。