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。

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。

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。

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。