具有信任构建的鲁棒的基于AI/ML的网络控制的制作方法
本文描述的各种示例实施例总体上涉及通信技术,并且更具体地,涉及支持具有信任构建的基于鲁棒人工智能/机器学习的网络控制的设备、方法、装置和计算机可读介质。
背景技术:
1、可以在说明书和/或附图中找到的某些缩写在此定义如下:
2、ai/ml 人工智能/机器学习
3、can 认知自主网络
4、ccl 闭合控制回路
5、cf 认知功能
6、cio 小区个体偏移
7、kpi 关键性能指标
8、mlb 移动性负载均衡
9、mno 移动网络运营商
10、mro 移动性鲁棒性优化
11、ncf 网络控制功能
12、ran 无线电接入网
13、rccf 可靠性校验认知功能
14、ttt 触发时间
15、认知自主网络(can)是使用称为认知功能(cf)的基于人工智能/机器学习(ai/ml)的功能来推进网络管理自动化的有前途的方法。cf与网络环境交互以学习和预测最优网络配置参数以优化它们的目标。为了最小化多个cf的动作之间的冲突,cf将它们提出的网络配置发送到中央网络控制功能(ncf),中央网络控制功能(ncf)评估网络配置并决定接受或拒绝它们。ncf可以一起考虑来自不同cf的网络配置,并计算优化所有cf的组合兴趣的最终网络配置参数。
技术实现思路
1、下面提供示例实施例的简要概述,以提供对各种实施例的一些方面的基本理解。应当注意,本 技术实现要素: 不旨在标识必要元件的关键特征或定义实施例的范围,并且其唯一目的是以简化形式介绍一些概念作为下文提供的更详细描述的前序。
2、在第一方面,提供了一种装置的示例实施例。该装置可以包括至少一个处理器和至少一个存储器。至少一个存储器可以存储指令,指令在由至少一个处理器执行时使装置至少:从认知功能接收最优网络配置建议;向可靠性校验认知功能发送针对最优网络配置建议的评估请求;以及从可靠性校验认知功能接收评估响应,评估响应包含针对最优网络配置建议的质量估计和接受标准。
3、在第二方面,提供了一种装置的示例实施例。该装置可以包括至少一个处理器和至少一个存储器。至少一个存储器可以存储指令,指令在由至少一个处理器执行时使装置至少:向网络控制功能发送最优网络配置建议;以及从网络控制功能接收确认消息。确认消息包含以下各项中的至少一项:接受或拒绝最优网络配置建议的决定;或决定原因。
4、在第三方面,提供了一种装置的示例实施例。该装置可以包括至少一个处理器和至少一个存储器。至少一个存储器可以存储指令,指令在由至少一个处理器执行时使得装置至少:从网络控制功能接收针对最优网络配置建议的评估请求;确定针对最优网络配置建议的质量估计和接受标准;以及向网络控制功能发送评估响应,评估响应包含针对最优网络配置建议的质量估计和接受标准。
5、在第四方面,提供了一种装置的示例实施例。该装置可以包括至少一个处理器和至少一个存储器。至少一个存储器可以存储指令,指令在由至少一个处理器执行时使得装置至少:从认知功能接收最优网络配置建议;确定针对最优网络配置建议的质量估计和接受标准;以及基于所确定的质量估计和接受标准来决定接受或拒绝最优网络配置建议。
6、还提供了方法、装置和计算机可读介质的示例实施例,其通常对应于上述示例实施例,并且为了方便起见,这里省略了对其的重复描述。
7、当结合附图阅读时,根据以下对具体实施例的描述,本公开的示例实施例的其他特征和优点也将是明显的,附图通过示例的方式示出了本公开的示例实施例的原理。
1.一种装置,包括:
2.根据权利要求1所述的装置,其中所述指令在由所述至少一个处理器执行时还使所述装置至少执行:
3.根据权利要求1或2所述的装置,其中,所述最优网络配置建议包含以下至少一项:
4.根据权利要求1-3中任一项所述的装置,其中,在应用所述最优网络配置建议的情况下,所述最优网络配置建议的所述质量估计由针对具有预定概率的网络性能的预测间隔表示。
5.根据权利要求1-4中任一项所述的装置,其中,针对所述最优网络配置建议的所述接受标准是由针对所述预测间隔的阈值大小来表示的。
6.一种装置,包括:
7.根据权利要求6所述的装置,其中所述指令在由所述至少一个处理器执行时还使所述装置至少执行:
8.一种装置,包括:
9.根据权利要求8所述的装置,其中,针对所述最优网络配置建议的所述接受标准被确定为与所述最优网络配置建议中指示的一个或多个最优网络配置参数与当前针对所述网络配置的对应网络配置参数之间的差成反比。
10.根据权利要求8或9所述的装置,其中,针对所述最优网络配置建议的所述接受标准被确定为与在应用所述最优网络配置建议的情况下预期的性能改进成正比。
11.根据权利要求8-10中任一项所述的装置,其中,所述指令在由所述至少一个处理器执行时,还使所述装置至少执行:
12.根据权利要求8-11中任一项所述的装置,其中,所述指令在由所述至少一个处理器执行时,还使所述装置至少执行:
13.一种装置,包括:
14.根据权利要求13所述的装置,其中,所述指令在由所述至少一个处理器执行时还使所述装置至少执行:
15.根据权利要求13或14所述的装置,其中,所述指令在由所述至少一个处理器执行时还使所述装置至少执行:
16.根据权利要求13-15中任一项所述的装置,其中,所述指令在由所述至少一个处理器执行时,还使所述装置至少执行:
17.根据权利要求13-16中任一项所述的装置,其中,针对所述最优网络配置建议的所述接受标准被确定为与所述最优网络配置建议中指示的一个或多个最优网络配置参数与当前针对所述网络配置的对应网络配置参数之间的差成反比,并且与在应用所述最优网络配置建议的情况下预期的性能改进成正比。
18.一种方法,包括:
19.根据权利要求18所述的方法,还包括:
20.根据权利要求18或19所述的方法,其中,所述最优网络配置建议包含以下至少一项:
21.根据权利要求18-20中任一项所述的方法,其中,在应用所述最优网络配置建议的情况下,所述最优网络配置建议的所述质量估计由针对具有预定概率的网络性能的预测间隔表示。
22.根据权利要求18-21中任一项所述的方法,其中,针对所述最优网络配置建议的所述接受标准由针对所述预测间隔的阈值大小表示。
23.一种方法,包括:
24.根据权利要求23所述的方法,还包括:
25.一种方法,包括:
26.根据权利要求25所述的方法,其中,针对所述最优网络配置建议的所述接受标准被确定为与在所述最优网络配置建议中指示的一个或多个最优网络配置参数与当前针对所述网络配置的对应网络配置参数之间的差成反比。
27.根据权利要求25或26所述的方法,其中,针对所述最优网络配置建议的所述接受标准被确定为与在应用所述最优网络配置建议的情况下预期的性能改进成正比。
28.根据权利要求25-27中任一项所述的方法,还包括:
29.根据权利要求25-28中任一项所述的方法,还包括:
30.一种方法,包括:
31.根据权利要求13所述的方法,还包括:
32.根据权利要求13或14所述的方法,还包括:
33.根据权利要求30-32中任一项所述的方法,还包括:
34.根据权利要求30-33中任一项所述的方法,其中,针对所述最优网络配置建议的所述接受标准被确定为与所述最优网络配置建议中指示的一个或多个最优网络配置参数与当前针对所述网络配置的对应网络配置参数之间的差成反比,并且与在应用所述最优网络配置建议的情况下预期的性能改进成正比。
35.一种用于网络控制功能的装置,包括部件,所述部件用于执行根据权利要求18-22、30-34中任一项所述的方法。
36.一种用于认知功能的装置,包括部件,所述部件用于执行根据权利要求23-24中任一项所述的方法。
37.一种用于可靠性校验认知功能的装置,包括部件,所述部件用于执行根据权利要求25-29中任一项所述的方法。
38.一种包括指令的计算机可读介质,所述指令在由用于网络控制功能的装置执行时,使所述装置执行根据权利要求18-22、30-34中任一项所述的方法。
39.一种包括指令的计算机可读介质,所述指令在由用于认知功能的装置执行时使所述装置执行根据权利要求23-24中任一项所述的方法。
40.一种包括指令的计算机可读介质,所述指令在由用于可靠性校验认知功能的装置执行时使所述装置执行根据权利要求25-29中任一项所述的方法。
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