具有可解释性的Kolmogorov-Arnold网络中的公平性与利用率权衡
原文中文,约300字,阅读约需1分钟。发表于: 。本研究解决了在6G无线网络中用户传输功率分配的公平性与网络利用率之间的矛盾,提出了一种新的利用Kolmogorov-Arnold网络(KANs)的机器学习模型,旨在优化$\alpha$-公平性。通过对问题的深入分析和两个算法的提出,我们的研究显示KANs在动态环境中能够有效平衡公平性与推理成本,表现出显著的应用潜力。
本研究提出了一种新型机器学习模型,利用Kolmogorov-Arnold网络(KANs)优化6G无线网络中用户传输功率的公平性与网络利用率,展示了在动态环境中有效平衡的潜力。