报告简介：近年来，随着6G网络的研究逐渐展开，网络感知、计算、智慧等能力得到了长足的发展，催生了网络数据的极大丰富和智能算法在网络中的广泛应用，数据驱动的网络优化方法正变得越来越流行。数据驱动方法从大量数据中学习特征和规律，利用深度学习技术表征复杂关系和捕捉时空特性，在很多问题中表现出优异的性能，如快速决策、端到端性能保障等。然而，数据驱动方法往往需要大量的数据和计算资源，且深度模型的特定结构和参数使其难以泛化，可扩展性差，一定程度上限制了其应用。本报告主要介绍了基于知识驱动的深度学习资源调配的方法，并且重点介绍了基于深度展开的图神经网络资源调配方法。通过将迭代优化算法展开为神经网络结构，既利用了优化算法知识的泛用性，又能利用神经网络快速推理优势，避免大规模网络迭代效率差的问题，实现网络资源调配高效性，高扩展性，并增强了可解释性。

承楠：西安电子科技大学通信工程学院教授，博士生导师，入选国家高层次青年人才，陕西省高层次人才计划、IEEE通信协会亚太地区杰出青年。主要研究方向为空天地一体化网络、车辆通信网络，以及智能网络等。主持国家自然基金面上项目1项，国家重点研发计划课题1项，先后参与了863项目、国家自然基金项目、国家自然基金重点项目，以及加拿大自然与科学工程委员会基金重点项目。曾获IEEE ICC 2019, IEEE GLOBECOM 2014, IEEE WCSP 2015, IEEE ICCC 2015 最佳论文奖。出版英文学术专著1部和2个专著章节；在包括IEEE JSAC、IEEE WCM、IEEE TWC、IEEE TVT、IEEE TITS、IEEE Network等IEEE系列会刊以及主流通信学术会议上发表/录用论文80余篇；授权美国9项；担任IEEE Transactions on Vehicular Technology编委、IEEE Open Journal of Vehicular Technology编委、Peer-to-Peer Networking and Applications编委，担任EAI International Conference on Machine Learning and Intelligent Communications'18程序主席，IEEE VTC'17分会主席，IEEE ICC, GLOBECOM等国际会议程序委员会成员。

会议主题：通信网络学术报告会议

会议时间：2022/12/30 14:00-15:30 (GMT+08:00) 中国标准时间 - 北京

点击链接入会，或添加至会议列表：

https://meeting.tencent.com/dm/zySSJViLIsAx

#腾讯会议：651-920-636

会议密码：1230

复制该信息，打开手机腾讯会议即可参与