論文の概要: Delay-aware Backpressure Routing Using Graph Neural Networks

• arxiv url: http://arxiv.org/abs/2211.10748v1
• Date: Sat, 19 Nov 2022 16:57:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-22 22:55:52.755927
• Title: Delay-aware Backpressure Routing Using Graph Neural Networks
• Title（参考訳）: グラフニューラルネットワークを用いた遅延認識バックプレッシャルーティング
• Authors: Zhongyuan Zhao, Bojan Radojicic, Gunjan Verma, Ananthram Swami, Santiago Segarra
• Abstract要約: 本稿では、グラフニューラルネットワークを用いてバイアスを学習するルーティングのためのスループット最適化バイアスバックプレッシャ(BP)アルゴリズムを提案する。 提案手法は,従来のBPおよび既存のBP代替品と比較して遅延性能を向上できることを示す。
• 参考スコア（独自算出の注目度）: 38.10258899193209
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a throughput-optimal biased backpressure (BP) algorithm for routing, where the bias is learned through a graph neural network that seeks to minimize end-to-end delay. Classical BP routing provides a simple yet powerful distributed solution for resource allocation in wireless multi-hop networks but has poor delay performance. A low-cost approach to improve this delay performance is to favor shorter paths by incorporating pre-defined biases in the BP computation, such as a bias based on the shortest path (hop) distance to the destination. In this work, we improve upon the widely-used metric of hop distance (and its variants) for the shortest path bias by introducing a bias based on the link duty cycle, which we predict using a graph convolutional neural network. Numerical results show that our approach can improve the delay performance compared to classical BP and existing BP alternatives based on pre-defined bias while being adaptive to interference density. In terms of complexity, our distributed implementation only introduces a one-time overhead (linear in the number of devices in the network) compared to classical BP, and a constant overhead compared to the lowest-complexity existing bias-based BP algorithms.
• Abstract（参考訳）: 本稿では,エンド・ツー・エンドの遅延を最小化しようとするグラフニューラルネットワークによってバイアスを学習する,ルーティングのためのスループット最適化バイアスバックプレッシャ(bp)アルゴリズムを提案する。 古典的なBPルーティングは、無線マルチホップネットワークにおけるリソース割り当てにシンプルだが強力な分散ソリューションを提供するが、遅延性能は低い。 この遅延性能を改善するための低コストなアプローチは、目的地までの最短経路(ホップ)距離に基づくバイアスなど、BP計算に予め定義されたバイアスを組み込むことによって、より短い経路を選択することである。 本研究では,グラフ畳み込みニューラルネットワークを用いて予測するリンクデューティサイクルに基づくバイアスを導入することにより,最短経路バイアスに対するホップ距離(およびその変種)の広く使用されている測定値を改善する。 数値解析の結果,従来のBPと既存のBPの代替品と比較して,干渉密度に適応しながら,既定バイアスに基づいて遅延性能を向上できることが示唆された。 複雑性の面では、分散実装では、従来のBPと比較して1時間(ネットワーク上のデバイス数)のオーバーヘッドと、既存のバイアスベースのBPアルゴリズムと比較して一定のオーバーヘッドしか導入していません。

関連論文リスト

• Local Loss Optimization in the Infinite Width: Stable Parameterization of Predictive Coding Networks and Target Propagation [8.35644084613785]
  局所目標の2つの代表的設計に対して、無限幅極限における最大更新パラメータ化(mu$P)を導入する。 深層線形ネットワークを解析した結果,PCの勾配は1次勾配とガウス・ニュートン様勾配の間に介在していることが判明した。 我々は、特定の標準設定において、無限幅制限のPCは、一階勾配とよりよく似た振る舞いをすることを示した。
  論文  参考訳（メタデータ） (2024-11-04T11:38:27Z)
• Biased Backpressure Routing Using Link Features and Graph Neural Networks [39.99688316414231]
  我々は、無線リンクのスケジューリング調整サイクルに基づいて、エッジ重み付き最短経路バイアスを導入する。 我々はSP-BPに関連する3つの長年の課題に取り組む。 我々のソリューションは、緩やかな起動、ランダムウォーク、およびベーシックBPにおける最後のパケット問題の主な欠点に効果的に対処できる。
  論文  参考訳（メタデータ） (2024-07-13T03:09:22Z)
• Tensor-Compressed Back-Propagation-Free Training for (Physics-Informed) Neural Networks [15.188785164091987]
  後方伝播(BP)は、ニューラルネットワークトレーニングの勾配を計算するために広く使われている。 自動微分をサポートするハードウェアやソフトウェアリソースが不足しているため、エッジデバイス上でBPを実装するのは難しい。 本稿では,現実的なニューラルネットワークを学習するためには,前方伝播のみを必要とする,完全にBPフリーなフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-18T23:56:50Z)
• Belief propagation for supply networks: Efficient clustering of their factor graphs [0.0]
  本稿では,供給ネットワークにおける状態推定と最適化の効率的なツールとして,信念伝達(BP)を考察する。 本稿では,因子グラフのループをクラスタリングする手法を提案する。
  論文  参考訳（メタデータ） (2022-03-01T14:01:35Z)
• Predictive Coding Can Do Exact Backpropagation on Convolutional and Recurrent Neural Networks [40.51949948934705]
  予測符号化ネットワーク(PCN)は、脳内の情報処理に影響を及ぼすモデルである。 BPは現代の機械学習において最も成功した学習方法と考えられている。 生物学的に妥当なアルゴリズムは複雑なアーキテクチャ上でBPの精度を正確に再現できることを示す。
  論文  参考訳（メタデータ） (2021-03-05T14:57:01Z)
• Fast and Complete: Enabling Complete Neural Network Verification with Rapid and Massively Parallel Incomplete Verifiers [112.23981192818721]
  BaB プロセス中に線形計画法 (LP) を置き換えるために, 逆モード線形緩和に基づく解析法 (LiRPA) を提案する。 LPとは異なり、LiRPAを適用すると、より弱い境界が得られ、分割時にサブドメインのコンフリクトをチェックすることもできない。 既存のLPベースのアプローチと比較して、桁違いのスピードアップを示す。
  論文  参考訳（メタデータ） (2020-11-27T16:42:12Z)
• A Deep-Unfolded Reference-Based RPCA Network For Video Foreground-Background Separation [86.35434065681925]
  本稿では,ロバスト主成分分析(RPCA)問題に対するディープアンフォールディングに基づくネットワーク設計を提案する。 既存の設計とは異なり,本手法は連続するビデオフレームのスパース表現間の時間的相関をモデル化することに焦点を当てている。 移動MNISTデータセットを用いた実験により、提案したネットワークは、ビデオフォアグラウンドとバックグラウンドの分離作業において、最近提案された最先端のRPCAネットワークより優れていることが示された。
  論文  参考訳（メタデータ） (2020-10-02T11:40:09Z)
• Belief Propagation Neural Networks [103.97004780313105]
  信念伝播ニューラルネットワーク(BPNN)を紹介する。 BPNNは因子グラフ上で動作し、信念伝播(BP)を一般化する BPNNはIsingモデル上で1.7倍高速に収束し、より厳密な境界を提供することを示す。 挑戦的なモデルカウント問題に関して、BPNNは最先端の手作り手法の100倍の速さを推定する。
  論文  参考訳（メタデータ） (2020-07-01T07:39:51Z)
• On the Convergence Rate of Projected Gradient Descent for a Back-Projection based Objective [58.33065918353532]
  我々は、最小二乗(LS)の代替として、バックプロジェクションに基づく忠実度項を考える。 LS項ではなくBP項を用いることで最適化アルゴリズムの繰り返しを少なくすることを示す。
  論文  参考訳（メタデータ） (2020-05-03T00:58:23Z)

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。