基于神经网络模型的通信系统及其配置方法技术方案

本发明专利技术涉及一种基于神经网络模型的通信系统及其配置方法。所述通信系统包括至少一个主节点和与所述主节点通信连接的多个子节点，并且所述多个子节点的每一个中配置有子节点神经网络模型，所述通信系统配置方法包括：获取所述多个子节点的特征信息；以及基于获取的所述特征信息，动态配置所述子节点神经网络模型。

【技术实现步骤摘要】
基于神经网络模型的通信系统及其配置方法
本公开涉及移动通信技术和人工智能
，更具体地，本公开涉及一种基于神经网络模型的通信系统及其配置方法。
技术介绍
在传统移动通信系统中，主要依靠人工方式完成网络部署及运维，既耗费大量人力资源又增加运行成本，而且网络优化也不理想。随着第五代移动通信技术投入商用，通信系统朝着网络多元化、宽带化、综合化、智能化的方向发展，从而网络优化、大型输入数据集处理、网络推荐或网元配置等复杂任务正在成为更大的挑战。同时，由于近年来大数据技术、计算能力、以及各种算法和网络框架的突破性进展，人工智能技术也呈现爆发式增长。当前，人工智能技术正在越来越多地与移动通信技术相结合，移动通信技术为人工智能技术提供很多智能应用场景所需的大数据吞吐量、低延时传输，而人工智能技术则也为解决移动通信技术中的各种复杂问题提供有力的解决方案。在由至少一个主节点和与所述主节点通信连接的多个子节点构成的通信系统，在主节点和多个子节点中配置有神经网络模型，以便执行网络优化、大型输入数据集处理、网络推荐或网元配置等复杂任务。当通信系统有新的子节本文档来自技高网...

【技术保护点】
1.一种基于神经网络模型的通信系统配置方法，所述通信系统包括至少一个主节点和与所述主节点通信连接的多个子节点，并且所述多个子节点的每一个中配置有子节点神经网络模型，所述通信系统配置方法包括：/n获取所述多个子节点的特征信息；以及/n基于获取的所述特征信息，动态配置所述子节点神经网络模型。/n

【技术特征摘要】
1.一种基于神经网络模型的通信系统配置方法，所述通信系统包括至少一个主节点和与所述主节点通信连接的多个子节点，并且所述多个子节点的每一个中配置有子节点神经网络模型，所述通信系统配置方法包括：
获取所述多个子节点的特征信息；以及
基于获取的所述特征信息，动态配置所述子节点神经网络模型。


2.如权利要求1所述的通信系统配置方法，其中，所述获取所述多个子节点的特征信息包括：
接收从所述多个子节点中的一个子节点传输的所述特征信息。


3.如权利要求1所述的通信系统配置方法，其中，所述获取所述多个子节点的特征信息包括：
接收从所述多个子节点中的一个子节点传输的初始信息；以及
基于所述初始信息，预测所述一个子节点的所述特征信息。


4.如权利要求2或3所述的通信系统配置方法，其中，所述基于获取的所述特征信息，动态配置所述子节点神经网络模型包括：
基于所述特征信息，从多个预定神经网络模型选择一个神经网络模型；以及
利用选择的所述一个神经网络模型配置所述一个子节点的所述子节点神经网络模型。


5.如权利要求2或3所述的通信系统配置方法，其中，所述基于获取的所述特征信息，动态配置所述子节点神经网络模型包括：
基于所述特征信息，从所述多个子节点选择与所述一个子节点匹配的匹配子节点；
从所述匹配子节点接收所述匹配子节点的子节点神经网络模型；以及
利用所述匹配子节点的子节点神经网络模型配置所述一个子节点的所述子节点神经网络模型。


6.如权利要求1到5的任一项所述的通信系统配置方法，其中，所述一个子节点是新加入所述通信系统的子节点。


7.如权利要求1所述的通信系统配置方法，其中，所述获取所述多个子节点的特征信息包括：
接收从所述多个子节点中的每一个子节点传输的所述特征信息。


8.如权利要求7所述的通信系统配置方法，其中，所述基于获取的所述特征信息，动态配置所述子节点神经网络模型包括：
基于所述特征信息，将所述多个子节点分为多个类别；
利用所述特征信息，针对所述多个类别执行所述子节点神经网络模型的训练，以获取更新的子节点神经网络模型；以及
利用所述子节点神经网络模型更新所述多个子节点的所述子节点神经网络模型。


9.如权利要求7所述的通信系统配置方法，其中，所述基于获取的所述特征信息，动态配置所述子节点神经网络模型包括：
基于所述特征信息，将所述多个子节点分为多个类别；
按照多个类别，将属于多个类别中同一类别的子节点的所述特征信息通知给所述同一类别的子节点；以及
所述同一类别的子节点利用所述同一类别的子节点的所述特征信息执行训练，更新所述同一类别的子节点的所述子节点神经网络模型。


10.如权利要求1到9的任一项所述的通信系统配置方法，其中，
所述特征信息包括所述子节点的高度、天线配置、覆盖区域大小、业务类型、业务量、用户分布、环境信息、以及历史配置信息。


11.如权利要求1到10的任一项所述的通信系统配置方法，其中，所述配置所述子节点神经网络模型包括以下之一：
建立多个神经网络模型的索引，利用所述索引指示所述子节点神经网络模型为所述多个神经网络模型之一；
利用神经网络模型的模型权重指示所述子节点神经网络模型；
利用神经网络模型的模型权重变化量指示所述子节点神经网络模型；以及
利用神经网络模型的语义表示指示所述子节点神经网络模型。


12.如权利要求7到11的任一项所述的通信系统配置方法，其中，所述特征信息为所述子节点对应用户设备的历史最优波束集，并且
其中，所述历史最优波束集包括：
连续多个时间点的多个最优波束与最近时间点的最优波束的差别序列；或者
连续多个时间点中两个相邻时间点的最优波束之间的差别序列。


13.如权利要求12所述的通信系统配置方法，其中，利用所述特征信息更新所述子节点神经网络模型包括：
利用所述历史最优波束集中每个历史最优波束的出现次数，确定每个历史最优波束的权重；以及
根据每个历史最优波束的权重以及所述历史最优波束集，构造加权损失函数执行训练，以更新所述子节点神经网络模型。


14.如权利要求12或13所述的通信系...

【专利技术属性】
技术研发人员：郑旭飞，李安新，郭垿宏，姜宇，陈岚，
申请(专利权)人：株式会社NTT都科摩，
类型：发明
国别省市：日本;JP