論文の概要: Geometric Fairness-Aware Routing for Federated Edge Networks
- arxiv url: http://arxiv.org/abs/2606.26125v1
- Date: Sun, 31 May 2026 15:02:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-28 23:46:52.336277
- Title: Geometric Fairness-Aware Routing for Federated Edge Networks
- Title（参考訳）: フェデレーションエッジネットワークのための幾何学的フェアネス対応ルーティング
- Abstract要約: 6Gとエッジインテリジェントネットワークは、効果的かつバランスの取れたルーティングアルゴリズムを必要とする。
本稿では幾何学的公平性を考慮したルーティングシステムGeo-FairFedについて述べる。
Geo-FairFedは平均遅延を20%減らし、エネルギー消費を17%減らし、公正性を最大21%改善する。
- 参考スコア（独自算出の注目度）: 3.595796837069228
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Emerging 6G and edge-intelligent networks require effective and balanced routing algorithms among varied and spatially distributed devices. Existing federated routing systems often prioritize aggregate latency or throughput above fairness and the underlying geometric structure of network topologies. This paper describes Geo-FairFed, a geometric fairness-aware routing system that blends hyperbolic graph neural networks (HGNNs) and federated optimization to provide equal performance across edge nodes. Each node learns topology-aware representations on a negatively curved manifold, which include hierarchical relationships and connection asymmetries. A global aggregator next enforces fairness using a curvature-regularized aim that minimizes routing loss, geometric inconsistency, and an inequality penalty based on Jain's fairness index. A theoretical analysis develops convergence guarantees under limited curvature and shows that the proposed fairness term results in a Pareto-improving equilibrium in routing performance. Extensive simulations on dynamic 6G-edge and IoT topologies reveal that Geo-FairFed minimizes average latency by 20\%, reduces energy consumption by 17\%, and improves fairness by up to 21\% when compared to state-of-the-art federated and geometric routing protocols. The study found that embedding topology in a hyperbolic manifold and including fairness into federated updates can significantly enhance the efficiency and equity of large-scale network routing.
- Abstract（参考訳）: 6Gとエッジインテリジェントネットワークは、様々な空間分布デバイス間で効果的かつバランスの取れたルーティングアルゴリズムを必要とする。
既存のフェデレートされたルーティングシステムは、ネットワークトポロジの基盤となる幾何学的構造よりも、集約レイテンシやスループットを優先することが多い。
本稿では,ハイパーボリックグラフニューラルネットワーク(HGNN)とフェデレーション最適化を組み合わせた幾何学的フェアネス対応ルーティングシステムであるGeo-FairFedについて述べる。
各ノードは、階層的関係や接続対称性を含む負の曲線多様体上の位相対応表現を学習する。
次に、グローバルアグリゲータは、ルーティング損失の最小化、幾何学的不整合、およびジャイナの公正度指数に基づく不平等なペナルティを、曲率規則化された目的を用いて公正性を強制する。
理論的解析により、限定曲率の下で収束保証が発展し、提案された公正項がルーティング性能のパレート改善均衡をもたらすことを示す。
動的6GエッジとIoTトポロジに関する大規模なシミュレーションによると、Geo-FairFedは平均レイテンシを20\%削減し、エネルギー消費を17\%削減し、最先端のフェデレーションおよび幾何学的ルーティングプロトコルと比較して最大21\%改善している。
この研究は、双曲多様体に埋め込み、フェデレートされた更新に公平さを含むトポロジーが大規模なネットワークルーティングの効率とエクイティを著しく向上させることを発見した。
関連論文リスト
- GeoRouteNet: Geometry-Enhanced Non-Autoregressive Neural Solver for the Traveling Salesman Problem [5.202950948929751]
GeoRouteNetはユークリッド旅行セールスマン問題(TSP)のための幾何学強化ニューラルネットワークである
モデル側では、GeoRouteNetには、中心ノード機能、学習可能なラジアル距離基底関数、距離対応グラフアテンション、LayerNorm-SwiGLUフィードフォワードブロック、層間減衰残エンコーダミキシングが組み込まれている。
トレーニング側では,インスタンス毎に複数の候補ツアーを抽出するマルチ候補自己比較強化学習(MCS-RL)を設計する。
論文 参考訳（メタデータ） (2026-06-22T02:31:22Z) - Limit Analysis of Graph Neural Networks with Wireless Conflict Graphs [81.39865232674413]
グラフニューラルネットワーク(GNN)は、無線リソース割り当てのための強力なツールとして登場した。
この研究は、スパースランダム幾何グラフ(RGGs)から得られるグラフ上のGNNの転送可能性に関する理論的結果を確立する。
論文 参考訳（メタデータ） (2026-06-02T15:42:14Z) - Topology-Aware Graph Reinforcement Learning for Energy Storage Systems Optimal Dispatch in Distribution Networks [1.7616042687330642]
双遅延Deep Deterministic Policy Gradient(TD3)に基づくトポロジ対応強化学習アーキテクチャを開発する。
ESSディスパッチのためのグラフ特徴エンコーダとして3つのグラフニューラルネットワーク(GNN)について検討する。
その結果、GNNベースのコントローラは、電圧違反の数と大きさを一貫して減少させることがわかった。
論文 参考訳（メタデータ） (2026-03-27T10:32:18Z) - Alternating Gradient Flow Utility: A Unified Metric for Structural Pruning and Dynamic Routing in Deep Networks [52.153950303594684]
交互勾配流(Alternating Gradient Flow, AGF)に着想を得た非結合型運動パラダイムを提案する。
AGFはネットワークの構造的「運動ユーティリティ」を正確にキャプチャする
我々は、AGFに誘導されるオフライン構造探索を、ゼロコストの物理プリミティブを介してオンライン実行から切り離すハイブリッドルーティングフレームワークを設計する。
論文 参考訳（メタデータ） (2026-03-12T18:19:21Z) - Learning Wireless Interference Patterns: Decoupled GNN for Throughput Prediction in Heterogeneous Multi-Hop p-CSMA Networks [4.303580795892996]
Decoupled Graph Convolutional Network (D-GCN)は、ノードの送信確率の処理を近隣の干渉効果から明確に分離する新しいアーキテクチャである。
D-GCNは3.3%のNMAEを達成し、強力なベースラインを上回り、正確な解析手法が計算的に実現不可能になった場合でも、依然として引くことができる。
論文 参考訳（メタデータ） (2025-10-15T22:13:59Z) - A Federated Fine-Tuning Paradigm of Foundation Models in Heterogenous Wireless Networks [43.049216349313575]
エッジデバイスは、基地局とのファインチューニングのためのLoRAモジュールを動的に切り替え、異種伝送の影響を緩和する。
計算複雑性の問題を解決するために,オンライン最適化アルゴリズムを開発した。
SST-2およびQNLIデータセットのシミュレーション結果は、試験精度とエネルギー効率における性能向上を示す。
論文 参考訳（メタデータ） (2025-09-05T06:38:36Z) - NetDiff: Deep Graph Denoising Diffusion for Ad Hoc Network Topology Generation [1.6768151308423371]
本稿では,無線アドホックネットワークリンクトポロジを生成する拡散確率的アーキテクチャを記述したグラフであるNetDiffを紹介する。
この結果から,生成したリンクは現実的であり,データセットグラフに類似した構造的特性を有しており,操作するには小さな修正と検証ステップのみが必要であることがわかった。
論文 参考訳（メタデータ） (2024-10-09T15:39:49Z) - Chasing Fairness in Graphs: A GNN Architecture Perspective [73.43111851492593]
グラフニューラルネットワーク(GNN)の統一最適化フレームワーク内で設計されたtextsfFair textsfMessage textsfPassing(FMP)を提案する。
FMPでは、アグリゲーションがまず隣人の情報を活用するために採用され、バイアス軽減ステップにより、人口集団ノードのプレゼンテーションセンタが明示的に統合される。
ノード分類タスクの実験により、提案されたFMPは、実世界の3つのデータセットの公平性と正確性の観点から、いくつかのベースラインを上回っていることが示された。
論文 参考訳（メタデータ） (2023-12-19T18:00:15Z) - Hierarchical Multi-Marginal Optimal Transport for Network Alignment [52.206006379563306]
マルチネットワークアライメントは,複数ネットワーク上での協調学習に必須の要件である。
マルチネットワークアライメントのための階層型マルチマージ最適トランスポートフレームワークHOTを提案する。
提案するHOTは,有効性とスケーラビリティの両面で,最先端の大幅な改善を実現している。
論文 参考訳（メタデータ） (2023-10-06T02:35:35Z) - T-GAE: Transferable Graph Autoencoder for Network Alignment [79.89704126746204]
T-GAEはグラフオートエンコーダフレームワークで、GNNの転送性と安定性を活用して、再トレーニングなしに効率的なネットワークアライメントを実現する。
実験の結果、T-GAEは最先端の最適化手法と最高のGNN手法を最大38.7%、50.8%で上回っていることがわかった。
論文 参考訳（メタデータ） (2023-10-05T02:58:29Z) - On Topology Optimization and Routing in Integrated Access and Backhaul
Networks: A Genetic Algorithm-based Approach [70.85399600288737]
IABネットワークにおけるトポロジ最適化とルーティングの問題について検討する。
我々は、IABノード配置と非IABバックホールリンク分布の両方に効率的な遺伝的アルゴリズムベースのスキームを開発する。
メッシュベースのIABネットワークを実現する上での課題について論じる。
論文 参考訳（メタデータ） (2021-02-14T21:52:05Z)
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。