【技术实现步骤摘要】
【国外来华专利技术】ML UE性能和无能力
[0001]本公开涉及UE有能力(无能力)执行和/或训练ML模型的指示,并且涉及在考虑到UE有能力(无能力)执行和/或训练ML模型的情况下ML模型的执行和/或训练的网络发起的触发。
[0002]缩写
[0003]3GPP:第三代合作伙伴项目
[0004]3G/4G/5G:第三代/第四代/第五代
[0005]AI:人工智能
[0006]gNB:5G基站
[0007]IAB:集成接入和回程
[0008]IE:信息元素
[0009]LTE:长期演进
[0010]MDT:最小化驾驶测试
[0011]ML:机器学习
[0012]MTC:机器类型通信
[0013]RAN:无线电接入网
[0014]Rel:版本
[0015]RRC:无线电资源控制
[0016]RRM:无线电资源管理
[0017]RSRP:参考信号接收功率
[0018]SA:系统架构
[0019]SON:自优化网络
[0020]TS:技术规范
[0021]UE:用户设备
技术介绍
[0022]5G演进推动了对研究用例并且提出支持人工智能(AI)/机器学习(ML)的5G系统的潜在服务需求的需要。3GPP SA1研究项目在S1
‑
193606中达成一致,该项目描述了目标并且强调ML和AI将参与具体的5G网络实体和基础设施。开发机器学习过程和模型的方式已经假定5G业务和最终 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种装置,包括:一个或多个处理器,以及存储指令的存储器,所述指令在由所述一个或多个处理器执行时使所述装置:检查终端是否向网络指示所述终端执行和/或训练机器学习模型的性能;监测所述终端是否处于无能力状态;如果所述终端指示所述性能、并且所述终端处于所述无能力状态,则向所述网络通知所述终端处于所述无能力状态,其中在所述无能力状态下,所述终端不能执行和/或训练所述机器学习模型,或者所述终端不能至少以预定义性能执行和/或训练所述机器学习模型。2.根据权利要求1所述的装置,其中所述指令在由所述一个或多个处理器执行时还使所述装置:如果所述终端处于所述无能力状态,则由所述终端执行默认程序、而不是所述机器学习模型。3.根据权利要求1和2中任一项所述的装置,其中所述指令在由所述一个或多个处理器执行时还使所述装置:监督所述终端是否执行和/或训练所述机器学习模型并且进入所述无能力状态;如果所述终端执行和/或训练所述机器学习模型并且所述终端进入所述无能力状态,则请求所述网络指令所述终端停止执行和/或训练所述机器学习模型。4.根据权利要求2和从属于权利要求2的权利要求3中任一项所述的装置,其中所述指令在由所述一个或多个处理器执行时还使所述装置:如果所述终端处于所述无能力状态,则向所述网络通知所述默认程序。5.根据权利要求1至4中任一项所述的装置,其中所述指令在由所述一个或多个处理器执行时还使所述装置:监测所述终端是否接收到执行和/或训练所述机器学习模型的指令;如果所述终端接收到所述指令并且所述终端处于所述无能力状态,则拒绝执行和/或训练所述机器学习模型的所述指令。6.根据权利要求1至5中任一项所述的装置,其中如果以下条件中的至少一个条件满足,则所述终端处于所述无能力状态:
·
所述终端的电池被充电低于预定义阈值;
·
可用于所述机器学习模型的所述执行和/或训练的存储器小于用于所述机器学习模型的预定义存储器阈值;以及
·
用于所述机器学习模型的所述执行和/或训练的处理功率小于用于所述机器学习模型的预定义处理功率阈值。7.根据权利要求1至6中任一项所述的装置,其中所述指令在由所述一个或多个处理器执行时还使所述装置:监测所述终端是否从所述无能力状态变为有能力状态;如果所述终端指示所述性能并且所述终端从所述无能力状态变为所述有能力状态,则向所述网络通知所述终端处于所述有能力状态,其中在所述有能力状态下,所述终端能够至少以所述预定义性能执行和/或训练所述机器
学习模型。8.根据权利要求1至7中任一项所述的装置,其中所述指令在由所述一个或多个处理器执行时还使所述装置:指令所述终端向所述网络指示所述终端执行和/或训练所述机器学习模型的性能。9.一种装置,包括:一个或多个处理器,以及存储器,存储指令,所述指令在由所述一个或多个处理器执行时使所述装置:检查终端是否向网络指示所述终端执行和/或训练机器学习模型的性能;监测所述终端是否处于有能力状态;如果所述终端指示所述性能并且所述终端处于所述有能力状态,则向所述网络通知所述终端处于所述有能力状态,其中在所述有能力状态下,所述终端能够至少以预定义性能执行和/或训练所述机器学习模型。10.一种装置,包括:一个或多个处理器,以及存储器,存储指令,所述指令在由所述一个或多个处理器执行时,使所述装置:检查终端是否指示所述终端执行和/或训练机器学习模型的性能;监测是否接收到作为所述终端处于无能力状态的依据的信息;如果所述终端指示所述终端的性能并且作为所述终端处于所述无能力状态的依据的所述信息被接收到,则禁止指令所述终端执行和/或训练所述机器学习模型,其中在所述无能力状态下,所述终端不能执行和/或训练所述机器学习模型,或者所述终端不能至少以预定义性能执行和/或训练所述机器学习模型。11.根据权利要求10所述的装置,其中所述指令在由所述一个或多个处理器执行时还使所述装置:监督所述网络是否请求所述终端执行和/或训练所述机器学习模型;监测所述网络是否接收到指令所述终端停止执行和/或训练所述机器学习模型的请求;如果所述网络请求所述终端执行和/或训练所述机器学习模型并且所述网络接收到所述请求,则指令所述终端停止执行和/或训练所述机器学习模型。12.根据权利要求10和11中任一项所述的装置,其中所述指令在由所述一个或多个处理器执行时还使所述装置:监测是否接收到作为所述终端从所述无能力状态变为有能力状态的依据的信息;如果所述终端指示所述终端的性能并且作为所述终端从所述无能力状态变为所述有能力状态的依据的所述信息被接收到,则指令所述终端执行和/或训练所述机器学习模型,其中在所述有能力状态下,所述终端能够至少以所述预定义性能执行和/或训练所述机器学习模型。13.一种装置,包括:一个或多个处理器,以及
存储指令的存储器,所述指令在由所述一个或多个处理器执行时使所述装置:检查终端是否指示所述终端执行和/或训练机器学习模型的性能;监测是否接收到作为所述终端处于有能力状态的依据的信息;如果所述终端指示所述终端的性能并且作为所述终端处于所述有能力状态的依据的所述信息被接收到,则指令所述终端执行和/或训练所述机器学习模型,其中在所述有能力状态下,所述终端能够至少以预定义性能执行和/或训练所述机器学习模型。14.一种装置,包括:一个或多个处理器,以及存储指令的存储器,所述指令在由所述一个或多个处理器执行时,使所述装置:监测是否接收到关于终端执行和/或训练机器学习模型的信息;监督预定义条件是否成立;如果关于所述终端执行和/或训练所述机器学习模型的所述信息被接收到并且所述预定义条件成立,则指令所述终端停止所述机器学习模型的所述执行和/或训练。15.根据权利要求14所述的装置,其中所述预定义条件是以下中的至少一项:
·
所述终端的操作比预期的差;以及
·
所述网络的运营商的输入。16.一种装置,包括:一个或多个处理器,以及存储器,存储指令,所述指令在由所述一个或多个处理器执行时,使所述装置:检...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。