BriefGPT - AI 论文速递
·
自适应最小均值 p 次幂图神经网络
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了一种新的无线资源管理方法：低秩消息传递图神经网络（LR-MPGNN），通过低秩逼近技术减小了模型尺寸和参数个数。评估结果显示，LR-MPGNN模型的尺寸减小了60倍，参数个数减少了98%，并展示了良好的鲁棒性。
🎯
关键要点
-
无线资源管理的需求增加了对高效无线资源管理的精简神经网络结构的开发的需求。
-
介绍了一种针对无线资源管理的图神经网络新方法：低秩消息传递图神经网络（LR-MPGNN）。
-
LR-MPGNN基于低秩逼近技术，替换传统线性层为低秩对应层，减小模型尺寸和参数个数。
-
评估结果显示，LR-MPGNN模型的尺寸减小了60倍，参数个数减少了98%。
-
在性能方面，LR-MPGNN模型在最佳情况下的规范加权和速率仅降低了2%，表现出良好的鲁棒性。
-
LR-MPGNN模型的权重矩阵特征值分布更加均匀，范围更广，表明权重的战略性重新分布。
➡️
