Déploiement des Réseaux de Neurones Graphiques dans les Réseaux Sans Fil : Un Point de Vue sur la Stabilité des Liens

En tant que technologie d'intelligence artificielle émergente, les réseaux de neurones graphiques (GNN) ont montré des performances prometteuses dans un large éventail d'applications liées aux graphes. Cependant, les échanges d'informations entre les nœuds voisins dans les GNN posent de nouveaux défis dans un scénario de ressources limitées, en particulier dans les systèmes sans fil. Dans les systèmes sans fil pratiques, les liens de communication entre les nœuds sont généralement peu fiables en raison de l'atténuation sans fil et du bruit du récepteur, entraînant ainsi une dégradation des performances des GNN. Pour améliorer les performances d'apprentissage des GNN, nous visons à maximiser le nombre de liens de communication à long terme (LTA) par le contrôle de puissance optimisé sous des contraintes de consommation d'énergie. En utilisant la méthode d'optimisation de Lyapunov, nous transformons d'abord le problème à long terme difficile en un problème déterministe dans chaque tranche horaire en convertissant les contraintes d'énergie à long terme en fonction objective. Malgré ce problème d'optimisation combinatoire non convexe, nous abordons ce problème en résolvant équivalemment une séquence de problèmes de faisabilité convexes avec un solveur basé sur la stratégie gloutonne. Les résultats de simulation démontrent la supériorité de notre schéma proposé par rapport aux lignes de base.