RTG电子

抗干扰实验室举办《融合统计学习的低时延高效能无线资源配置》学术讲座
发布于:2018-03-24 23:07:46   |   作者:[学院] 通信抗干扰   |   浏览次数:2867

2018年3月23日上午十点,来自复旦大学的特聘教授王昕教授带来了《融合统计学习的低时延高效能无线资源配置》的学术讲座,本次讲座由通信抗干扰技术国家级重点实验室主办,通信抗干扰实验室研究生会承办。

首先,王教授介绍到:“5G不再单纯地强调(峰值)传输速率,同时也对通信时延提出了严格的要求,因此可以通过增加移动宽带或牺牲部分能谱效来降低时延。”在信道等系统状态动态变化时,逼近理论最优的网络效能需要通过允许一定的网络时延来获取。为应对未来移动通信低时延和超高(能、谱)效的双重需求,王教授提出将(基于网络状态样本的)统计机器学习揉入随机次梯度方法来为未来无线网络设计“学习并适应”的动态资源调度机制。

图片11

接着,王教授对随机次梯度方法的具体内容和不足之处进行了细致的讲解。基于拉格朗日对偶函数的“随机”次梯度的设计迭代算法,不需要先验统计信息,“边调度边学习”趋近最优策略,通过基于队列长度的简单操作,获得最优效率且保障网络稳定性。但同时由于高效能也伴随着高时延,因此这种方法存在着收敛速度慢的问题。

图片9

由于随机优化方法只使用当前网络状态信息进行管控决策,历史状态样本未被利用减少系统未来的不确定性,因此还要加入统计学习,包括对海量历史系统状态样本的离线学习和在线资源管控。最后,王教授对此种方法在实际生活中的应用也进行了介绍,包括云数据网负载均衡配置、智能电网电力均衡配置和城市道路交通制。

图片12

在最后的提问交流环节,主讲人认真听取了在场师生的提问,并做了耐心和细致的回答,学术讨论氛围浓厚。本次学术讲座取得了圆满成功。