获取针对学习模型的参数的制作方法
本公开涉及无线通信,并且更具体地,涉及用于分类的学习模型技术。
背景技术:
1、无线通信系统可以包括一个或多个网络通信设备(其可以以其他方式称为网络设备(ne)),该网络通信设备支持一个或多个用户通信设备的无线通信,该用户通信设备也可以称为用户设备(ue)或其他合适术语。无线通信系统可以通过利用无线通信系统的资源(例如,时间资源(例如,符号、时隙、子帧、帧等)或频率资源(例如,子载波、载波等))来支持与一个或多个用户通信设备的无线通信。此外,无线通信系统可以支持跨各种无线电接入技术的无线通信,包括第三代(3g)无线电接入技术、第四代(4g)无线电接入技术、第五代(5g)无线电接入技术、以及超越5g的其他合适无线电接入技术(例如,第六代(6g))。
技术实现思路
1、元素前的冠词“a”是不受限制的,并且应当被理解为是指这些元素中的“至少一项”或这些元素中的“一项或多项”。术语“a”、“至少一个”、“一个或多个”和“一个或多个中的至少一项”可以互换。如本文中使用的,包括在权利要求中,在项目列表(例如,以诸如“……中的至少一项”或“……中的一项或多项”或“……中的一者或两者”等短语开头的项目列表)中使用的“或”表示包括性的列表,使得例如,a、b或c中的至少一项的列表表示a或b或c或ab或ac或bc或abc(即,a和b和c)。此外,如本文中使用的,短语“基于”不应当被解释为对一组封闭条件的引用。例如,在不脱离本公开的范围的情况下,被描述为“基于条件a”的示例步骤可以基于条件a和条件b两者。换言之,如本文中使用的,短语“基于”应当以与短语“至少部分地基于”相同的方式解释。此外,如本文中使用的,包括在权利要求中,“集合”可以包括一个或多个元素。
2、描述了一种用于无线通信的第一设备。第一设备可以被配置为、能够或可操作以执行如本文中描述的一个或多个操作。例如,第一设备可以被配置为、能够或可操作以:获取学习模型集合,其中:学习模型集合中的每个学习模型与一个或多个参数的第一集合相关联;学习模型集合中的每个学习模型包括相应层集合;并且相应层集合中的层子集与一个或多个参数的第二集合的集合中的一个或多个参数的第二集合相关联;以及选择学习模型集合中的至少一个学习模型以在第一设备处执行,或者向第二设备发送消息,该消息包括:一个或多个参数的第一集合、以及一个或多个参数的第二集合的集合中的一个或多个参数的至少一个第二集合。
3、描述了一种用于无线通信的处理器(例如,独立处理器芯片组、或用户设备的组件)。该处理器可以被配置为、能够或可操作以执行本文中描述的一个或多个操作。例如,该处理器可以被配置为、能够或可操作以:获取学习模型集合,其中:学习模型集合中的每个学习模型与一个或多个参数的第一集合相关联;学习模型集合中的每个学习模型包括相应层集合;并且相应层集合中的层子集与一个或多个参数的第二集合的集合中的一个或多个参数的第二集合相关联;以及选择学习模型集合中的至少一个学习模型以在第一设备处执行,或者向第二设备发送消息,该消息包括:一个或多个参数的第一集合、以及一个或多个参数的第二集合的集合中的一个或多个参数的至少一个第二集合。
4、描述了一种由第一设备执行或可执行的用于无线通信的方法。该方法可以包括:获取学习模型集合,其中:学习模型集合中的每个学习模型与一个或多个参数的第一集合相关联;学习模型集合中的每个学习模型包括相应层集合;并且相应层集合中的层子集与一个或多个参数的第二集合的集合中的一个或多个参数的第二集合相关联;以及选择学习模型集合中的至少一个学习模型以在第一设备处执行,或者向第二设备发送消息,该消息包括:一个或多个参数的第一集合、以及一个或多个参数的第二集合的集合中的一个或多个参数的至少一个第二集合。
5、在本文中描述的第一设备、处理器和方法的一些实现中,层子集包括与分类相关联的至少一个层;相应层集合中的附加层子集包括与特征提取相关联的层集合;并且与特征提取相关联的层集合对应于一个或多个参数的第一集合。在本文中描述的第一设备、处理器和方法的一些实现中,第一设备、处理器和方法还可以被配置为、能够或可操作以:选择学习模型集合中的至少一个学习模型;以及基于将数据样本作为输入提供给学习模型集合中的至少一个学习模型,从与特征提取相关联的层集合,获取数据样本的一个或多个属性作为输出。在本文中描述的第一设备、处理器和方法的一些实现中,为了获取学习模型集合,第一设备、处理器和方法还可以被配置为、能够或可操作以:通过使用数据样本集合中的数据样本子集来最小化损失函数,来训练学习模型集合中的学习模型,以确定一个或多个参数的第一集合和一个或多个参数的第二集合的集合中的一个或多个参数的初始第二集合,其中经训练的学习模型与一个或多个参数的第一集合和一个或多个参数的初始第二集合相关联;以及通过使用数据样本集合中的相应剩余数据样本子集来最小化损失函数,来训练学习模型集合中的一个或多个剩余学习模型,以确定与一个或多个剩余学习模型相关联的一个或多个参数的相应第二集合,其中一个或多个剩余学习模型与一个或多个参数的第一集合和一个或多个参数的相应第二集合相关联。
6、在本文中描述的第一设备、处理器和方法的一些实现中,第一设备、处理器和方法还可以被配置为、能够或可操作以独立于第二设备来确定数据样本集合。在本文中描述的第一设备、处理器和方法的一些实现中,第一设备、处理器和方法还可以被配置为、能够或可操作以:接收指示数据样本集合的附加消息。在本文中描述的第一设备、处理器和方法的一些实现中,数据样本集合包括:对应于学习模型集合中的每个学习模型的训练数据样本子集的集合,并且训练数据样本子集的集合中的相应训练数据样本子集与一个或多个不同特性相关联。在本文中描述的第一设备、处理器和方法的一些实现中,一个或多个不同特性包括以下中的至少一项:相应训练数据样本子集的均值、相应训练数据样本子集的标准偏差、相应训练数据样本子集的方差、或者相应训练数据样本子集的概率分布。在本文中描述的第一设备、处理器和方法的一些实现中,训练数据样本子集的集合与以下中的至少一项相关联:第一设备与第二设备之间的相应网络条件、与第一设备相关联的相应参数、与第二设备相关联的相应参数、或者与第一设备与第二设备之间的信道相关联的相应信道特性。在本文中描述的第一设备、处理器和方法的一些实现中,数据样本集合包括:经标记的数据样本、或者未经标记的数据样本中的至少一项,经标记的数据样本包括:用于输入到学习模型集合中的相应学习模型的数据样本、以及来自相应学习模型的预期输出的指示,未经标记的数据样本包括:用于输入到学习模型集合中的相应学习模型的数据样本。
7、在本文中描述的第一设备、处理器和方法的一些实现中,第一设备、处理器和方法还可以被配置为、能够或可操作以:选择学习模型集合中的至少一个学习模型,其中至少一个学习模型与一个或多个参数的第一集合和一个或多个参数的至少一个第二集合相关联;以及基于将数据作为输入提供给学习模型集合中的至少一个学习模型,生成来自至少一个学习模型的输出。在本文中描述的第一设备、处理器和方法的一些实现中,第一设备、处理器和方法还可以被配置为、能够或可操作以:将与至少一个学习模型相关联的一个或多个参数的至少一个第二集合更新为一个或多个参数的第二集合的集合中的一个或多个参数的附加第二集合,其中一个或多个参数的附加第二集合与学习模型集合中的附加学习模型相关联。在本文中描述的第一设备、处理器和方法的一些实现中,第一设备、处理器和方法还可以被配置为、能够或可操作以:向第二设备发送消息,该消息包括:一个或多个参数的第一集合、以及一个或多个参数的第二集合的集合中的一个或多个参数的至少一个第二集合;以及在该消息被发送之后,向第二设备发送附加消息,附加消息包括:一个或多个参数的第二集合的集合中的一个、或者多个参数的附加第二集合,其中一个或多个参数的第一集合和一个或多个参数的附加第二集合与学习模型集合中的附加学习模型相关联。
8、在本文中描述的第一设备、处理器和方法的一些实现中,第一设备、处理器和方法还可以被配置为、能够或可操作以:从第二设备接收指示第一设备发送该消息的附加消息;以及响应于附加消息,向第二设备发送消息,该消息包括:一个或多个参数的第一集合、以及一个或多个参数的第二集合的集合中的一个或多个参数的至少一个第二集合。在本文中描述的第一设备、处理器和方法的一些实现中,附加消息请求以下中的至少一项:一个或多个参数的第一集合、或者一个或多个参数的第二集合的集合中的一个或多个参数的至少一个第二集合。在本文中描述的第一设备、处理器和方法的一些实现中,为了发送消息,第一设备、处理器和方法还可以被配置为、能够或可操作以:确定与该消息相关联的一个或多个条件被满足,其中一个或多个条件与以下中的至少一项相关联:第一设备与第二设备之间的网络条件、与第一设备相关联的一个或多个参数、与第二设备相关联的一个或多个参数、或者与第一设备与第二设备之间的信道相关联的一个或多个信道特性。
9、描述了一种用于无线通信的第一设备。第一设备可以被配置为、能够或可操作以执行如本文中描述的一个或多个操作。例如,第一设备可以被配置为、能够或可操作以:向第二设备发送第一消息,第一消息请求以下中的至少一项:与学习模型集合中的相应学习模型相关联的一个或多个参数的第一集合、或者与学习模型集合中的至少一个学习模型相关联的一个或多个参数的至少一个第二集合,其中:学习模型集合中的每个学习模型包括相应层集合;并且相应层集合中的层子集与一个或多个参数的第二集合的集合中的一个或多个参数的第二集合相关联;以及响应于第一消息,从第二设备接收第二消息,第二消息包括以下中的至少一项:一个或多个参数的第一集合、或者一个或多个参数的至少一个第二集合。
10、描述了一种用于无线通信的处理器(例如,独立处理器芯片组、或第一设备的组件)。该处理器可以被配置为、能够或可操作以执行本文中描述的一个或多个操作。例如,该处理器可以被配置为、能够或可操作以:向第二设备发送第一消息,第一消息请求以下中的至少一项:与学习模型集合中的相应学习模型相关联的一个或多个参数的第一集合、或者与学习模型集合中的至少一个学习模型相关联的一个或多个参数的至少一个第二集合,其中:学习模型集合中的每个学习模型包括相应层集合;并且相应层集合中的层子集与一个或多个参数的第二集合的集合中的一个或多个参数的第二集合相关联;以及响应于第一消息,从第二设备接收第二消息,第二消息包括以下中的至少一项:一个或多个参数的第一集合、或者一个或多个参数的至少一个第二集合。
11、描述了一种由第一设备执行或可执行的用于无线通信的方法。该方法可以包括:向第二设备发送第一消息,第一消息请求以下中的至少一项:与学习模型集合中的相应学习模型相关联的一个或多个参数的第一集合、或者与学习模型集合中的至少一个学习模型相关联的一个或多个参数的至少一个第二集合,其中:学习模型集合中的每个学习模型包括相应层集合;并且相应层集合中的层子集与一个或多个参数的第二集合的集合中的一个或多个参数的第二集合相关联;以及响应于第一消息,从第二设备接收第二消息,第二消息包括以下中的至少一项:一个或多个参数的第一集合、或者一个或多个参数的至少一个第二集合。
12、在本文中描述的第一设备、处理器和方法的一些实现中,层子集包括与分类相关联的至少一个层;相应层集合中的附加层子集包括与特征提取相关联的层集合;并且与特征提取相关联的层集合对应于一个或多个参数的第一集合。在本文中描述的第一设备、处理器和方法的一些实现中,第一设备、处理器和方法还可以被配置为、能够或可操作以:基于将数据样本作为输入提供给与一个或多个参数的第一集合和一个或多个参数的至少一个第二集合相关联的至少一个学习模型,从与特征提取相关联的层集合,获取数据样本的一个或多个属性作为输出。在本文中描述的第一设备、处理器和方法的一些实现中,一个或多个参数的至少一个第二集合基于使用数据样本集合中的数据样本子集而训练的至少一个学习模型而被确定。在本文中描述的第一设备、处理器和方法的一些实现中,第一设备、处理器和方法还可以被配置为、能够或可操作以:发送指示数据样本集合的第三消息。
13、在本文中描述的第一设备、处理器和方法的一些实现中,数据样本集合包括:对应于学习模型集合中的每个学习模型的训练数据样本子集的集合,并且训练数据样本子集的集合中的相应训练数据样本子集与一个或多个不同特性相关联。在本文中描述的第一设备、处理器和方法的一些实现中,一个或多个不同特性包括以下中的至少一项:相应训练数据样本子集的均值、相应训练数据样本子集的标准偏差、相应训练数据样本子集的方差、或者相应训练数据样本子集的概率分布。在本文中描述的第一设备、处理器和方法的一些实现中,训练数据样本子集的集合与第一设备与第二设备之间的相应网络条件、与第一设备相关联的相应参数、与第二设备相关联的相应参数、或者与第一设备与第二设备之间的信道相关联的相应信道特性中的至少一项相关联。在本文中描述的第一设备、处理器和方法的一些实现中,数据样本集合包括:经标记的数据样本、或者未经标记的数据样本中的至少一项,经标记的数据样本包括:用于输入到学习模型集合中的学习模型的数据样本、以及来自该学习模型的预期输出的指示,未经标记的数据样本包括:用于输入到学习模型集合中的学习模型的数据样本。
14、在本文中描述的第一设备、处理器和方法的一些实现中,第一设备、处理器和方法还可以被配置为、能够或可操作以:基于至少一个学习模型包括一个或多个参数的第一集合和一个或多个参数的至少一个第二集合,基于将数据作为输入提供给至少一个学习模型,生成来自至少一个学习模型的输出。在本文中描述的第一设备、处理器和方法的一些实现中,第一设备、处理器和方法还可以被配置为、能够或可操作以:向第二设备发送请求与学习模型集合中的附加学习模型相关联的一个或多个参数的附加第二集合的第三消息;以及响应于第三消息而接收包括一个或多个参数的附加第二集合的第四消息,其中附加学习模型包括一个或多个参数的第一集合和一个或多个参数的附加第二集合。在本文中描述的第一设备、处理器和方法的一些实现中,为了发送第一消息,第一设备、处理器和方法还可以被配置为、能够或可操作以:确定与第一消息相关联的一个或多个条件被满足,其中一个或多个条件与以下中的至少一项相关联:第一设备与第二设备之间的网络条件、与第一设备相关联的一个或多个参数、与第二设备相关联的一个或多个参数、或者与第一设备与第二设备之间的信道相关联的一个或多个信道特性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com