[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

本申請公開了一種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，方法包括：基于人工智能模型的性能，非實時智能處理單元針對特定應用觸發聯邦學習模式，包括以下步驟：（1）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，然后反饋學習后的模型參數以及學習后的性能統計結果；（2）非實時智能處理單元進行性能比對，基于性能差值的最大比算法和模型的反饋時延對模型參數進行合并；（3）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；（4）重復上述過程直到非實時智能處理單元判斷人工智能模型的性能達到目標。

技術領域

本發明涉及數據處理技術，更具體的說，是涉及O-RAN系統中的基于聯邦學習的人工智能模型處理方法和裝置。

背景技術

O-RAN的全稱是開放的無線接入網絡，其意指在于設計和開發開放式的、智能化的無線接入設備。在O-RAN系統中，能體現智能化的功能主要有2個模塊：非實時無線接入網智能控制器（Non Real Time Radio Intelligent Controller，Non-RT RIC；也可稱為非實時RIC）和近實時無線接入網智能控制器（Near Real Time Radio Intelligent Controller，Near-RT RIC；也可稱為近實時RIC）。其中：

非實時RIC和近實時RIC具有智能化的特點，可以利用人工智能技術進行預測、推理等服務；

聯邦學習的原理是進行局部訓練，將局部訓練的模型參數在中心節點進行合并。這樣可以最大可能地優化人工智能模型的性能；

目前，在O-RAN標準化組織中，關于非實時RIC和近實時RIC的討論沒有涉及聯邦學習的課題，無相關公開的技術資料。

發明內容

有鑒于此，本發明提供如下技術方案：

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；

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；

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。

3. 根據權利要求1所述的特定應用，包括：

波束優化、負載均衡、業務體驗水平、無線資源管理。

4. 根據權利要求1所述的基于性能差值的最大比算法，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。

5. 根據權利要求1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。

6. 根據權利要求1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。

7. 根據權利要求1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。

8. 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：