[發明專利]O-RAN系統中基于聯邦學習的人工智能模型處理方法和裝置有效
| 申請號： | 202010147497.5 | 申請日： | 2020-03-05 |
| 公開（公告）號： | CN111242304B | 公開（公告）日： | 2021-01-29 |
| 發明（設計）人： | 韓麗華 | 申請（專利權）人： | 北京物資學院 |
| 主分類號： | G06N5/04 | 分類號： | G06N5/04;G06N20/20 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 101149 *** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | ran 系統 基于 聯邦 學習 人工智能 模型 處理 方法 裝置 | ||
1.一種O-RAN系統中的基于聯邦學習的人工智能模型處理方法，應用于O-RAN系統中的智能處理單元，其特征包括：
非實時智能處理單元請求實時智能處理單元對特定應用在本地進行學習，然后反饋學習后的人工智能模型參數以及學習后的性能統計結果；
特定應用包括：波束優化、負載均衡、業務體驗水平、無線資源管理；
性能統計包括以下量綱之一或者任意組合：時延，吞吐量，可靠性，連接密度，業務體驗滿意度；
非實時智能處理單元將自己評估的性能和實時智能處理單元反饋的性能進行比對，基于性能差值的最大比算法和反饋時延對模型參數進行合并；
最大比算法包括：按照實時智能處理單元反饋的性能和非實時智能處理單元評估的性能的差值，確定合并的權重，差值越大，合并的權重越大；
非實時智能處理單元將合并后的模型參數傳輸給實時智能處理單元，進行實時推理應用。
2.根據權利要求1所述的人工智能模型處理方法，其特征在于，所述的反饋時延包括：如果模型反饋的時延大于特定門限，不合并此模型參數。
3.根據權利要求1所述的人工智能模型處理方法，其特征在于，所述的在本地進行學習包括：利用本地采集的數據進行加強學習。
4.根據權利要求1所述的人工智能模型處理方法，其特征在于，所述的智能處理單元為利用人工智能技術處理數據的單元，包括O-RAN定義的非實時RIC和近實時RIC。
5.一種O-RAN系統中的基于聯邦學習的人工智能模型處理裝置，應用于O-RAN系統中的智能處理單元，其特征包括：
非實時智能處理單元請求實時智能處理單元對特定應用在本地進行學習，然后反饋學習后的人工智能模型參數以及學習后的性能統計結果；
特定應用包括：波束優化、負載均衡、業務體驗水平、無線資源管理；
性能統計包括以下量綱之一或者任意組合：時延，吞吐量，可靠性，連接密度，業務體驗滿意度；
非實時智能處理單元將自己評估的性能和實時智能處理單元反饋的性能進行比對，基于性能差值的最大比算法和反饋時延對模型參數進行合并；
最大比算法包括：按照實時智能處理單元反饋的性能和非實時智能處理單元評估的性能的差值，確定合并的權重，差值越大，合并的權重越大；非實時智能處理單元將合并后的模型參數傳輸給實時智能處理單元，進行實時推理應用。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京物資學院，未經北京物資學院許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010147497.5/1.html，轉載請聲明來源鉆瓜專利網。
