用于无线通信系统的电子设备、方法和存储介质技术方案

本公开内容涉及用于无线通信系统的电子设备、方法和存储介质。描述了关于在无线通信系统中利用分布式机器学习的各种实施例。在一个实施例中，向控制实体发送用户设备在本地模型的当前训练期间使用的训练样本的数量信息；接收用于上传本地模型的参数的上行资源信息，其中，上行资源信息指示的上行资源是由控制实体基于从多个用户设备接收到的数量信息分配的，使得数量信息指示的数量越大的用户设备越有机会被分配足以上传本地模型的参数的上行资源；以及经由所述上行资源信息指示的上行资源，向控制实体上传本地模型的参数，以供控制实体得到下一个全局模型。实体得到下一个全局模型。实体得到下一个全局模型。

【技术实现步骤摘要】
用于无线通信系统的电子设备、方法和存储介质


[0001]本公开涉及无线通信领域，更具体地，涉及在利用分布式机器学习时采用的技术，还涉及用于数据传输的技术。

技术介绍

[0002]随着无线网络和人工智能的发展，网络逐渐趋于智能化。无论是目前如火如荼发展的5G技术，还是未来新一代的无线网络技术，无线网络智能化将是其发展的重要方向之一。具体地，联邦学习(FederatedLearning，FL)由于其在保证数据隐私安全性和合法合规性方面具有独特的优势，并且可以通过多个设备共同建模提升机器学习模型的效果，已经成为当前非常重要的分布式人工智能框架或分布式机器学习框架，其与无线网络的结合将是未来无线网络智能化应用的主要内容之一。因此，如何将FL与无线网络技术进行有效的联合设计，将会对未来的人工智能应用产生重要影响。
[0003]由于FL的应用的特点，FL对无线网络的QoS提出了更高的要求。例如，FL的数据业务具有时延敏感特征，使得针对FL产生的数据业务需要采用超可靠低时延通信(Ultra
‑
Reliable Low
‑...

【技术保护点】

【技术特征摘要】
1.一种用于无线通信系统中的用户设备侧的电子设备，包括处理电路系统，所述处理电路系统被配置为：向控制实体发送用户设备在本地模型的当前训练期间使用的训练样本的数量信息；接收用于上传本地模型的参数的上行资源信息，其中，上行资源信息指示的上行资源是由控制实体基于来自多个用户设备的数量信息分配的，使得数量信息指示的数量越大的用户设备越有机会被分配足以上传本地模型的参数的上行资源；以及经由所述上行资源信息指示的上行资源，向控制实体上传本地模型的参数，以供控制实体得到下一个全局模型。2.如权利要求1所述的电子设备，其中，所述处理电路系统进一步被配置为：向控制实体发送指示用户设备距基站的距离的距离信息，其中，所述上行资源信息指示的上行资源是由控制实体基于来自所述多个用户设备的数量信息和距离信息分配的，使得数量信息指示的数量越大并且距离信息指示的距离越小的用户设备越有机会被分配足以上传本地模型的参数的上行资源。3.如权利要求1所述的电子设备，其中，所述上行资源信息指示的上行资源包括URLLC业务的上行资源。4.一种用于无线通信系统中的网络设备侧的电子设备，包括处理电路系统，所述处理电路系统被配置为：接收来自用户设备的用户设备在本地模型的当前训练期间使用的训练样本的数量信息；发送用于上传本地模型的参数的上行资源信息，其中，上行资源信息指示的上行资源是由所述处理电路系统基于来自多个用户设备的数量信息分配的，使得数量信息指示的数量越大的用户设备越有机会被分配足以上传本地模型的参数的上行资源；以及接收用户设备经由所述上行资源信息指示的上行资源上传的本地模型的参数，以得到下一个全局模型。5.如权利要求4所述的电子设备，其中，所述处理电路系统进一步被配置为：接收来...

【专利技术属性】
技术研发人员：陈巍，吴俊杰，胡少领，王晓雪，孙晨，
申请(专利权)人：索尼集团公司，
类型：发明
国别省市：