用于自适应交换人工智能/机器学习参数的方法和装置与流程

本申请大体上涉及无线通信，并且在特定实施例中，涉及用于在无线通信网络中在用户设备(user equipment，ue)与网络设备之间交换人工智能/机器学习(artificialintelligence/machine learning，ai/ml)参数的自适应技术。

背景技术：

1、在无线联邦学习(federated learning，fl)中，基站(base station，bs)初始化全局模型，对一组ue进行采样，并将全局模型参数广播到ue。每个ue使用全局模型参数初始化自己的本地模型，并使用自己的数据更新(训练)自己的本地模型。然后，每个ue将其更新后的本地模型参数上报给bs。bs汇总从ue上报的参数，并更新全局模型。上述过程是ai训练过程的一次迭代。bs和ue进行多次迭代，直到最终确定ai模型。

2、对于其它ai/ml训练过程，例如分布式学习、集中式学习以及一个bs与一个ue之间的学习，训练期间的通信开销大也是一个问题。

技术实现思路

1、本申请包括可帮助减少ai/ml训练过程中涉及的通信开销的实施例。

2、根据本申请的一个方面，一种方法涉及在无线通信网络的无线接入网(radioaccess network，ran)中，在ue与网络设备之间传输ai/ml参数的多个子集中的一个或多个子集。该传输涉及网络设备根据ai/ml参数的多个子集中的子集的传输配置传输子集。

3、根据本申请另一方面的装置包括处理器和耦合到该处理器的非瞬时性计算机可读存储介质。非瞬时性计算机可读存储介质存储供处理器执行的程序。该程序包括用于或用于使处理器在无线通信网络的ran中，在ue与网络设备之间传输ai/ml参数的多个子集中的一个或多个子集的指令。网络设备根据ai/ml参数的多个子集中的子集的传输配置传输子集。

4、计算机程序产品包括存储程序的非瞬时性计算机可读介质，该程序包括用于使处理器在无线通信网络的ran中，在ue与网络设备之间传输ai/ml参数的多个子集中的一个或多个子集的指令。如在其它实施例中，网络设备根据ai/ml参数的多个子集中的子集的传输配置传输子集。

5、本申请公开了这些和其它方面或实施例。

技术特征：

1.一种方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，还包括：

3.根据权利要求1或2所述的方法，其特征在于，所述传输配置指示仅传输所述ai/ml参数的所述多个子集之一。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述多个子集包括具有公共ai/ml参数的多个子集。

5.根据权利要求1至3中任一项所述的方法，其特征在于，所述传输包括传输所述ai/ml参数的指示和所述多个子集之一中的所述ai/ml参数的值。

6.根据权利要求5所述的方法，其特征在于，所述ai/ml参数的所述指示包括一个或多个ai/ml模型层的指示，针对所述一个或多个ai/ml模型层传输关联参数。

7.根据权利要求5所述的方法，其特征在于，所述ai/ml参数的所述指示包括连接位图，所述连接位图指示所述多个子集之一中的所述ai/ml参数是否包括相应ai/ml模型层对之间的连接的权重。

8.根据权利要求5所述的方法，其特征在于，所述ai/ml参数的所述指示包括连接组位图，所述连接组位图指示所述多个子集之一中的所述ai/ml参数是否包括一系列相应ai/ml模型层之间的连续连接的权重。

9.根据权利要求5所述的方法，其特征在于，所述ai/ml参数的所述指示包括ai/ml模型中的连接的连接起始位置和连接长度，对于所述ai/ml模型，所述多个子集之一中的所述ai/ml参数包括连接权重。

10.根据权利要求5所述的方法，其特征在于，所述传输还包括传输ai/ml模型中的一个或多个连接的学习率，对于所述ai/ml模型，所述多个子集之一中的所述ai/ml参数包括连接权重。

11.根据权利要求1或2所述的方法，其特征在于，所述传输配置指示服务质量qos处理。

12.根据权利要11所述的方法，其特征在于，由所述传输配置指示的所述qos处理包括以下中的任何一个或多个：量化、确认/否定确认支持，和重传支持。

13.根据权利要求11所述的方法，其特征在于，所述qos处理包括将所述ai/ml参数的所述子集分配给一个或多个编码块组cbg，其中，所述传输还包括传输所述子集被分配到的所述一个或多个cbg的指示，以及关于所述子集被分配到的所述一个或多个cbg是否支持混合自动重传请求harq确认harq-ack的指示。

14.根据权利要求11或12所述的方法，其特征在于，所述传输包括多次迭代，其中，在所述迭代之间更改所述qos处理。

15.一种装置，其特征在于，包括：

16.根据权利要求15所述的装置，其特征在于，所述程序包括用于执行以下操作的指令：

17.根据权利要求15或16所述的装置，其特征在于，所述传输配置指示仅传输所述ai/ml参数的所述多个子集之一。

18.根据权利要求15至17中任一项所述的装置，其特征在于，所述多个子集包括具有公共ai/ml参数的多个子集。

19.根据权利要求15至17中任一项所述的装置，其特征在于，所述传输包括：传输所述ai/ml参数的指示以及所述多个子集之一中的所述ai/ml参数的值。

20.根据权利要求19所述的装置，其特征在于，所述ai/ml参数的所述指示包括一个或多个ai/ml模型层的指示，针对所述一个或多个ai/ml模型层传输关联参数。

21.根据权利要求19所述的装置，其特征在于，所述ai/ml参数的所述指示包括连接位图，所述连接位图指示所述多个子集之一中的所述ai/ml参数是否包括相应ai/ml模型层对之间的连接的权重。

22.根据权利要求19所述的装置，其特征在于，所述ai/ml参数的所述指示包括连接组位图，所述连接组位图指示所述子集之一中的所述ai/ml参数是否包括一系列相应ai/ml模型层之间的连续连接的权重。

23.根据权利要求19所述的装置，其特征在于，所述ai/ml参数的所述指示包括ai/ml模型中的连接的连接起始位置和连接长度，对于所述ai/ml模型，所述多个子集之一中的所述ai/ml参数包括连接权重。

24.根据权利要求19所述的装置，其特征在于，所述程序包括用于执行以下操作的指令：

25.根据权利要求15或16所述的装置，其特征在于，所述传输配置指示服务质量qos处理。

26.根据权利要25所述的装置，其特征在于，由所述传输配置指示的所述qos处理包括以下中的任何一个或多个：量化、确认/否定确认支持，和重传支持。

27.根据权利要求25所述的装置，其特征在于，所述qos处理包括将所述ai/ml参数的所述子集分配给一个或多个编码块组cbg，所述程序包括指令，所述指令用于传输所述子集被分配到的所述一个或多个cbg的指示，以及关于所述子集被分配到的所述一个或多个cbg是否支持混合自动重传请求harq确认harq-ack的指示。

28.根据权利要求25或26所述的装置，其特征在于，所述程序包括指令，所述指令用于在多次迭代中进行传输，其中，所述qos处理在所述迭代之间改变。

29.一种计算机程序产品，其特征在于，包括存储程序的非瞬时性计算机可读介质，所述程序包括用于执行以下操作的指令：

30.一种计算机程序产品，其特征在于，包括存储程序的非瞬时性计算机可读介质，所述程序包括用于执行根据权利要求1至14中任一项所述的方法的指令。

技术总结公开了用于自适应交换人工智能/机器学习AI/ML参数的方法和装置。在无线通信网络的无线接入网RAN中，在用户设备UE与网络设备之间，传输AI/ML参数的多个子集中的一个或多个子集。所述网络设备根据所述AI/ML参数的所述多个子集中的子集的传输配置传输所述子集。技术研发人员：唐浩,马江镭受保护的技术使用者：华为技术有限公司技术研发日：技术公布日：2024/9/12