模型识别方法、装置、介质、通信设备及通信系统与流程

本公开涉及通信，尤其涉及一种模型识别方法、装置、介质、通信设备及通信系统。

背景技术：

1、在通信系统中，可以在网络节点中部署人工智能（artificial intelligence，ai）/机器学习（machine learning，ml）模型，通过ai/ml模型进行预测和推理，提升通信系统的性能。

技术实现思路

1、本公开实施例提供了一种模型识别方法、装置、存储介质、通信设备及通信系统。

2、根据本公开实施例的第一方面，提供一种模型识别方法，由终端执行，方法包括：

3、向网络设备发送第一信息，所述第一信息用于所述网络设备确定所述终端支持的ai/ml功能和/或所述终端支持的ai/ml模型。

4、根据本公开实施例的第二方面，提供一种模型识别方法，由网络设备执行，包括：

5、接收终端发送的第一信息；

6、根据所述第一信息，确定所述终端支持的ai/ml功能和/或所述终端支持的ai/ml模型。

7、根据本公开实施例的第三方面，提供一种模型识别方法，由通信系统执行，通信系统包括终端和网络设备，方法包括：

8、所述终端向所述网络设备发送的第一信息；

9、所述网络设备根据所述第一信息，确定所述终端支持的ai/ml功能和/或所述终端支持的ai/ml模型。

10、根据本公开实施例的第四方面，提供一种模型识别装置，方法包括：

11、第一发送模块，被配置为向网络设备发送第一信息，所述第一信息用于所述网络设备确定所述终端支持的ai/ml功能和/或所述终端支持的ai/ml模型。

12、根据本公开实施例的第五方面，提供一种模型识别装置，包括：

13、接收模块，被配置为接收终端发送的第一信息；

14、第一确定模块，被配置为根据所述第一信息，确定所述终端支持的ai/ml功能和/或所述终端支持的ai/ml模型。

15、根据本公开实施例的第六方面，提供一种终端，包括：

16、第一处理器；

17、用于存储第一处理器可执行指令的第一存储器；

18、其中，所述第一处理器被配置为执行所述可执行指令，以实现本公开第一方面所提供的模型识别方法。

19、根据本公开实施例的第七方面，提供一种网络设备，包括：

20、第二处理器；

21、用于存储第二处理器可执行指令的第二存储器；

22、其中，所述第二处理器被配置为执行所述可执行指令，以实现本公开第二方面所提供的模型识别方法。

23、根据本公开实施例的第八方面，提供一种存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开第一方面或者第二方面所提供的模型识别方法的步骤。

24、根据本公开实施例的第九方面，本公开实施例提供了一种程序产品，上述程序产品被终端执行时，使得上述终端执行如第一方面所提供的模型识别方法，或者上述程序产品被网络设备执行时，使得上述网络设备执行如第二方面。

25、根据本公开实施例的第十方面，本公开实施例提供了一种计算机程序，当其在计算机上运行时，使得计算机执行如第一方面或者第二方面所提供的模型识别方法的步骤。

26、本公开的实施例提供的技术方案可以包括以下有益效果：终端可以向网络设备发送第一信息，从而，网络设备可以根据第一信息确定所述终端支持的ai/ml功能和/或所述终端支持的ai/ml模型，从而完成对终端的模型识别。

27、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

1.一种模型识别方法，其特征在于，由终端执行，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述向网络设备发送第一信息，包括：

3.根据权利要求1所述的方法，其特征在于，所述向网络设备发送第一信息，包括：

4.根据权利要求1-3任一项所述的方法，其特征在于，所述第一信息用于所述网络设备确定所述终端支持的ai/ml功能，所述第一信息包括：

5.根据权利要求1-3任一项所述的方法，其特征在于，所述第一信息用于所述网络设备确定所述终端支持的ai/ml模型，所述第一信息包括：

6.根据权利要求4或5所述的方法，其特征在于，所述终端关联的元信息包括以下一个或者多个信息：

7.根据权利要求4或5所述的方法，其特征在于，所述第二模型标识的取值范围通过以下一个或者多个信息进行划分：终端支持的特征类型、终端支持的功能信息、终端关联的元信息。

8.根据权利要求4所述的方法，其特征在于，

9.根据权利要求4或5所述的方法，其特征在于，

10.根据权利要求4或5所述的方法，其特征在于，

11.根据权利要求1-10任一项所述的方法，其特征在于，所述方法还包括以下至少一者：

12.一种模型识别方法，其特征在于，由网络设备执行，所述方法包括：

13.根据权利要求12所述的方法，其特征在于，所述方法还包括：

14.根据权利要求12所述的方法，其特征在于，所述方法还包括：

15.根据权利要求12-14任一项所述的方法，其特征在于，所述方法还包括：

16.根据权利要求12-15任一项所述的方法，其特征在于，所述第一信息用于所述网络设备确定所述终端支持的ai/ml功能，所述第一信息包括：

17.根据权利要求12-15任一项所述的方法，其特征在于，所述第一信息用于所述网络设备确定所述终端支持的ai/ml模型，所述第一信息包括：

18.根据权利要求16或17所述的方法，其特征在于，所述终端关联的元信息包括以下一个或者多个信息：

19.根据权利要求16或17所述的方法，其特征在于，所述第二模型标识的取值范围通过以下一个或者多个信息进行划分：终端支持的特征类型、终端支持的功能信息、终端关联的元信息。

20.根据权利要求16所述的方法，其特征在于，

21.根据权利要求16或17所述的方法，其特征在于，

22.根据权利要求16或17所述的方法，其特征在于，

23.根据权利要求12-22任一项所述的方法，其特征在于，所述方法还包括以下至少一者：

24.一种模型管理方法，其特征在于，由通信系统执行，所述通信系统包括终端以及网络设备，所述方法包括：

25.一种模型识别装置，其特征在于，包括：

26.一种模型识别装置，其特征在于，包括：

27.一种通信设备，其特征在于，包括：

28.一种通信系统，其特征在于，包括终端、网络设备，其中，所述终端被配置为实现权利要求1-11中任一项所述的模型识别方法，所述网络设备被配置为实现权利要求12-23中任一项所述的模型识别方法。

29.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，其特征在于，当所述计算机指令在通信设备上运行时，使得所述通信设备执行如权利要求1-23中任一项所述的模型识别方法。