論文の概要: DNN-Enabled Multi-User Beamforming for Throughput Maximization under Adjustable Fairness

• arxiv url: http://arxiv.org/abs/2602.15617v1
• Date: Tue, 17 Feb 2026 14:46:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-18 16:03:18.092642
• Title: DNN-Enabled Multi-User Beamforming for Throughput Maximization under Adjustable Fairness
• Title（参考訳）: 可変フェアネス下でのスループット最大化のためのDNN対応マルチユーザビームフォーミング
• Authors: Kaifeng Lu, Markus Rupp, Stefan Schwarz,
• Abstract要約: 本稿では,無線通信における公平性と和率のトレードオフを管理するための教師なし学習手法を提案する。 提案手法は,所定のルールの下でのトレードオフ最適化を管理するための柔軟なソリューションを提供することを示す。
• 参考スコア（独自算出の注目度）: 3.665324887526376
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Ensuring user fairness in wireless communications is a fundamental challenge, as balancing the trade-off between fairness and sum rate leads to a non-convex, multi-objective optimization whose complexity grows with network scale. To alleviate this conflict, we propose an optimization-based unsupervised learning approach based on the wireless transformer (WiT) architecture that learns from channel state information (CSI) features. We reformulate the trade-off by combining the sum rate and fairness objectives through a Lagrangian multiplier, which is updated automatically via a dual-ascent algorithm. This mechanism allows for a controllable fairness constraint while simultaneously maximizing the sum rate, effectively realizing a trace on the Pareto front between two conflicting objectives. Our findings show that the proposed approach offers a flexible solution for managing the trade-off optimization under prescribed fairness.
• Abstract（参考訳）: 無線通信におけるユーザフェアネスの確保は、公正性と和率のトレードオフのバランスが、ネットワーク規模で複雑性が増大する非凸多目的最適化につながるため、基本的な課題である。 この対立を軽減するために,チャネル状態情報(CSI)機能から学習する無線トランスフォーマ(WiT)アーキテクチャに基づく最適化に基づく教師なし学習手法を提案する。 ラグランジアン乗算器を用いて和率と公正度を組み合わせ、トレードオフを再構築し、二重指数アルゴリズムで自動的に更新する。 この機構は、和率を最大化しながら制御可能な公正性制約を許容し、2つの矛盾する目的の間のパレートフロント上のトレースを効果的に実現する。 その結果,提案手法は,所定の公正性の下でのトレードオフ最適化を柔軟に管理する手法であることがわかった。

関連論文リスト

• Unrolled Neural Networks for Constrained Optimization [83.29547301151177]
  我々のフレームワークは、ラグランジアンのサドル点を共同で近似する2つの結合ニューラルネットワークで構成されている。 混合整数二次プログラムと無線ネットワークにおける電力配分に関する枠組みを数値的に評価する。
  論文  参考訳（メタデータ） (2026-01-24T03:12:41Z)
• Joint Channel Estimation and Computation Offloading in Fluid Antenna-assisted MEC Networks [81.36647816787713]
  チャネル推定の遅延を最小限に抑えるためのFA支援オフロードフレームワークを提案する。 提案方式は,効率的な通信を行う場合の精度を大幅に低下させることを示す。
  論文  参考訳（メタデータ） (2025-09-16T08:48:44Z)
• Adaptive Pareto-Optimal Token Merging for Edge Transformer Models in Semantic Communication [27.78647101651565]
  大規模トランスモデルはセマンティック通信システムのための強力なツールとして登場してきた。 本稿では,事前学習型視覚変換器における適応トークンマージのためのトレーニングフリーフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-11T06:05:35Z)
• Exact and Linear Convergence for Federated Learning under Arbitrary Client Participation is Attainable [7.257109577579576]
  この作業は、任意のクライアント参加とデータの異質性によって引き起こされるフェデレートラーニングの基本的な課題に取り組む。 本稿では、任意のクライアント参加のダイナミクスを正確に把握する新しいモデリングツールとして、行列と対応する時間変化グラフの概念を導入する。 FOCUSが任意のクライアントの参加にかかわらず、線形レートで正確な収束を達成することを示す厳密な証明を提供する。
  論文  参考訳（メタデータ） (2025-03-25T23:54:23Z)
• Optimal Transport Adapter Tuning for Bridging Modality Gaps in Few-Shot Remote Sensing Scene Classification [80.83325513157637]
  Few-Shot Remote Sensing Scene Classification (FS-RSSC)は,限られたラベル付きサンプルを用いたリモートセンシング画像の分類の課題を示す。 理想的なプラトン表現空間を構築することを目的とした,OTAT(Optimal Transport Adapter Tuning)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-19T07:04:24Z)
• Over-the-Air Fair Federated Learning via Multi-Objective Optimization [52.295563400314094]
  本稿では,公平なFLモデルを訓練するためのOTA-FFL(Over-the-air Fair Federated Learning Algorithm)を提案する。 OTA-FFLの公正性とロバストな性能に対する優位性を示す実験を行った。
  論文  参考訳（メタデータ） (2025-01-06T21:16:51Z)
• Learning Resilient Radio Resource Management Policies with Graph Neural Networks [124.89036526192268]
  我々は、ユーザ当たりの最小容量制約でレジリエントな無線リソース管理問題を定式化する。 有限個のパラメータ集合を用いてユーザ選択と電力制御ポリシーをパラメータ化できることを示す。 このような適応により,提案手法は平均レートと5番目のパーセンタイルレートとの良好なトレードオフを実現する。
  論文  参考訳（メタデータ） (2022-03-07T19:40:39Z)
• A Q-Learning-based Approach for Distributed Beam Scheduling in mmWave Networks [18.22250038264899]
  ミリ波(mmWave)セルネットワークにおける分散ダウンリンクビームスケジューリングと電力配分の問題点を考察する。 異なるサービス事業者に属する複数の基地局は同じ無許可のスペクトルを共有しており、中心的な調整や協調は行われていない。 本稿では,各BSを独立したQ学習エージェントとしてモデル化し,分散スケジューリング手法を提案する。
  論文  参考訳（メタデータ） (2021-10-17T02:58:13Z)
• Low-Latency Federated Learning over Wireless Channels with Differential Privacy [142.5983499872664]
  フェデレートラーニング(FL)では、モデルトレーニングはクライアントに分散し、ローカルモデルは中央サーバによって集約される。 本稿では,各クライアントの差分プライバシ(DP)要件だけでなく,全体としてのトレーニング性能に制約された無線チャネル上でのFLトレーニング遅延を最小限に抑えることを目的とする。
  論文  参考訳（メタデータ） (2021-06-20T13:51:18Z)

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。