基于机器学习的切换参数优化制造技术

公开了一种方法，包括：获得多个切换参数值；使用第一机器学习模型来从多个切换参数值中选择切换参数值的子集；获得多个终端设备的历史信息；从切换参数值的子集中确定用于多个终端设备的最优切换参数值的第一集合；利用多个终端设备的历史信息来对最优切换参数值的第一集合打标签，以获得标记的数据集；利用标记的数据集来训练第二机器学习模型，其中经训练的第二机器学习模型能够基于第一终端设备的历史信息来预测用于第一终端设备的最优切换参数值的第二集合。换参数值的第二集合。换参数值的第二集合。

【技术实现步骤摘要】
基于机器学习的切换参数优化


[0001]下文的示例性实施例涉及蜂窝通信网络中的连接可靠性。

技术介绍

[0002]由于资源有限，因此需要优化对网络资源的使用。蜂窝通信网络中的小区可以被利用，使得更好的服务可以被提供给一个或多个终端设备。因此，对一个或多个小区的使用的优化可以实现资源的更好的使用以及终端设备的用户的增强用户体验。

技术实现思路

[0003]通过独立权利要求阐明了针对各种示例性实施例的保护范围。本说明书中描述的、不落入独立权利要求的范围之内的示例性实施例和特征(如果有的话)，将被解释为对理解各种示例性实施例有用的示例。
[0004]根据方面，提供一种装置，包括用于以下的部件：获得多个切换参数值；使用第一机器学习模型来从多个切换参数值中选择切换参数值的子集；获得多个终端设备的历史信息；从切换参数值的子集中确定用于多个终端设备的最优切换参数值的第一集合；利用多个终端设备的历史信息来对所述最优切换参数值的第一集合打标签，以获得标记的数据集；利用标记的数据集来训练第二机器学习模型，其中经训练的第二机器学习模型能够基于所述第一终端设备的历史信息来预测用于第一终端设备的最优切换参数值的第二集合。
[0005]根据另一方面，提供一种装置，包括至少一个处理器和至少一个存储器，该至少一个存储器包括计算机程序代码，其中至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使该装置：获得多个切换参数值；使用第一机器学习模型来从多个切换参数值中选择切换参数值的子集；获得多个终端设备的历史信息；从切换参数值的子集中确定用于多个终端设备的最优切换参数值的第一集合；利用多个终端设备的历史信息来对最优切换参数值的第一集合打标签，以获得标记的数据集；利用标记的数据集来训练第二机器学习模型，其中经训练的第二机器学习模型能够基于第一终端设备的历史信息来预测用于第一终端设备的最优切换参数值的第二集合。
[0006]根据另一方面，提供了一种系统，包括一个或多个装置，其中该系统被配置为：获得多个切换参数值；使用第一机器学习模型来从多个切换参数值中选择切换参数值的子集；获得多个终端设备的历史信息；从切换参数值的子集中确定用于多个终端设备的最优切换参数值的第一集合；利用多个终端设备的历史信息来对最优切换参数值的第一集合打标签，以获得标记的数据集；利用标记的数据集来训练第二机器学习模型，其中经训练的第二机器学习模型能够基于第一终端设备的历史信息来预测用于第一终端设备的最优切换参数值的第二集合。
[0007]根据另一方面，提供了一种系统，包括自组织网络，其中该自组织网络被配置为：获得多个切换参数值；使用第一机器学习模型来从多个切换参数值中选择切换参数值的子集；获得多个终端设备的历史信息；从切换参数值的子集中确定用于多个终端设备的最优
切换参数值的第一集合；利用多个终端设备的所述历史信息来对最优切换参数值的第一集合打标签，以获得标记的数据集；利用标记的数据集来训练第二机器学习模型，其中经训练的第二机器学习模型能够基于第一终端设备的历史信息来预测用于第一终端设备的最优切换参数值的第二集合。
[0008]根据另一方面，提供了一种系统，包括无线电智能控制器，其中该无线电智能控制器被配置为：获得多个切换参数值；使用第一机器学习模型来从多个切换参数值中选择切换参数值的子集；获得多个终端设备的历史信息；从切换参数值的子集中确定用于多个终端设备的最优切换参数值的第一集合；利用多个终端设备的所述历史信息来对最优切换参数值的第一集合打标签，以获得标记的数据集；利用标记的数据集来训练第二机器学习模型，其中经训练的第二机器学习模型能够基于第一终端设备的历史信息来预测用于第一终端设备的最优切换参数值的第二集合。
[0009]根据另一方面，提供了一种系统，包括集中式单元和分布式单元，其中该集中式单元被配置为：获得多个切换参数值；使用第一机器学习模型来从所述多个切换参数值中选择切换参数值的子集；从该分布式单元获得多个终端设备的历史信息；从切换参数值的子集中确定用于多个终端设备的最优切换参数值的第一集合；利用多个终端设备的历史信息来对最优切换参数值的第一集合打标签，以获得标记的数据集；利用标记的数据集来训练第二机器学习模型，其中经训练的第二机器学习模型能够基于第一终端设备的历史信息来预测用于第一终端设备的最优切换参数值的第二集合。
[0010]根据另一方面，提供了一种方法，包括：获得多个切换参数值；使用第一机器学习模型来从多个切换参数值中选择切换参数值的子集；获得多个终端设备的历史信息；从切换参数值的子集中确定用于多个终端设备的最优切换参数值的第一集合；利用多个终端设备的历史信息来对最优切换参数值的第一集合打标签，以获得标记的数据集；利用标记的数据集来训练第二机器学习模型，其中经训练的第二机器学习模型能够基于第一终端设备的历史信息来预测用于第一终端设备的最优切换参数值的第二集合。
[0011]根据另一方面，提供了一种计算机程序，包括指令，用于使装置至少执行以下：获得多个切换参数值；使用第一机器学习模型来从多个切换参数值中选择切换参数值的子集；获得多个终端设备的历史信息；从所述切换参数值的子集中确定用于多个终端设备的最优切换参数值的第一集合；利用多个终端设备的历史信息来对最优切换参数值的第一集合打标签，以获得标记的数据集；利用标记的数据集来训练第二机器学习模型，其中经训练的第二机器学习模型能够基于第一终端设备的历史信息来预测用于第一终端设备的最优切换参数值的第二集合。
[0012]根据另一方面，提供一种计算机可读介质，包括程序指令，用于使装置至少执行以下：获得多个切换参数值；使用第一机器学习模型来从多个切换参数值中选择切换参数值的子集；获得多个终端设备的历史信息；从切换参数值的子集中确定用于多个终端设备的最优切换参数值的第一集合；利用多个终端设备的历史信息来对最优切换参数值的第一集合打标签，以获得标记的数据集；利用标记的数据集来训练第二机器学习模型，其中经训练的第二机器学习模型能够基于第一终端设备的历史信息来预测用于第一终端设备的最优切换参数值的第二集合。
[0013]根据另一方面，提供一种非瞬态计算机可读介质，包括程序指令，用于使装置至少
执行以下：获得多个切换参数值；使用第一机器学习模型来从多个切换参数值中选择切换参数值的子集；获得多个终端设备的历史信息；从切换参数值的子集中确定用于多个终端设备的最优切换参数值的第一集合；利用多个终端设备的历史信息来对最优切换参数值的第一集合打标签，以获得标记的数据集；利用标记的数据集来训练第二机器学习模型，其中经训练的第二机器学习模型能够基于第一终端设备的历史信息来预测用于第一终端设备的最优切换参数值的第二集合。
附图说明
[0014]在下文中，将参照附图更详细地描述各示例性实施例，在附图中：
[0015]图1图示了蜂窝通信网络的示例性实施例；
[0016]图2图示了切换事件的示例；
[0017]图3图示了根据示例性实施例的流本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于通信的装置，包括至少一个处理器和至少一个存储器，所述至少一个存储器包括计算机程序代码，其中所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起使所述装置：获得多个切换参数值；使用第一机器学习模型来从所述多个切换参数值中选择切换参数值的子集；获得多个终端设备的历史信息；从所述切换参数值的子集中确定用于所述多个终端设备的最优切换参数值的第一集合；利用所述多个终端设备的所述历史信息来对所述最优切换参数值的第一集合打标签，以获得经标记的数据集；利用所述经标记的数据集来训练第二机器学习模型，其中经训练的所述第二机器学习模型能够基于所述第一终端设备的历史信息来预测用于第一终端设备的最优切换参数值的第二集合。2.根据权利要求1所述的装置，还包括：将经训练的所述第二机器学习模型提供给一个或多个基站。3.根据权利要求1所述的装置，其中所述第一终端设备不被包括在所述多个终端设备中。4.根据权利要求1所述的装置，其中所述第一机器学习模型基于强化学习并且所述第二机器学习模型基于监督学习。5.根据权利要求1所述的装置，其中所述第一机器学习模型包括深度Q学习网络模型。6.根据权利要求1所述的装置，其中所述第二机器学习模型包括递归神经网络模型。7.根据权利要求1所述的装置，其中所述第二机器学习模型包括多对一多变量长短期记忆模型。8.根据权利要求1所述的装置，其中滞后余量和触发时间被用作切换参数。9.根据权利要求1所述的装置，其中所述历史信息包括小区ID、波束ID和/或参考信号接收功率值。10.根据权利要求1所述的装置，其中所述最优切换参数值的第一集合通过以下而被确定：利用所述多个终端设备的至少一个子集来测试所述切换参数值的子集，并且选择使所述多个终端设备的所述至少一个子集的性能指示符最大化的切换参数值的集合。11.根据权利要求1所述的装置，其中所述最优切换参数值的第一集合通过以下而被确定：利用所述多个终端设备来仿真所述切换参数值的子集，并且基于所述...

【专利技术属性】
技术研发人员：A，
申请(专利权)人：诺基亚通信公司，
类型：发明
国别省市：