基于图神经网络的无线网络资源优化技术

RISTA前沿大讲堂

Graph neural networks for wireless networks: Graph representation, architecture and evaluation

基于图神经网络的无线网络资源优化技术

图神经网络（GNNs）已被视为深度学习（DL）赋能无线网络资源分配的基础模型。研究表明，GNNs能够挖掘无线网络的图拓扑结构特征并用于下游任务，从而适应时变信道状态信息和网络拓扑动态变化。将GNNs应用到无线通信网络涉及到三个核心问题，即如何将无线网络的系统参数输入GNNs，如何提升GNNs的表达性能，以及如何评估GNNs。为此，提出两种图表示方法，用于将无线网络参数转化为图结构数据。随后，聚焦基于GNN的模型架构设计，介绍基本的消息传递机制以及模型改进方法（包括多头注意力机制和残差结构）。最后，给出深度学习赋能无线资源分配方案的评估指标，并强调GNNs在无线网络应用中的若干挑战及潜在研究方向。

陆杨，北京交通大学计算机科学与技术学院副教授，博士生导师。从事面向移动通信系统的资源优化与机器学习方法相关研究，共发表高水平学术论文80余篇，其中第一/通信作者IEEE JSAC/IEEE Trans.论文30余篇；申请发明专利12项（3项授权，9项受理）。主持国家自然科学基金青年基金、北京市自然科学基金联合基金等项目10余项；入选博士后创新人才支持计划、北京市科技新星、北京交通大学卓越百人计划；作为参与人员获中国交通运输协会科技进步奖一等奖、中国城市轨道交通协会科技进步奖二等奖。担任《物联网学报》青年编委；获评2023年IEEE WCL Exemplary Reviewer。入选中国电子学会通信分会青年委员、中国电子学会高级会员、中国通信学会高级会员。

RISTA前沿大讲堂