【技术实现步骤摘要】
【国外来华专利技术】
本文公开的标的物大体上涉及无线通信，且更特定来说，涉及使用联邦学习的模型训练。
技术介绍
1、在某些无线通信网络中，模型可能需要训练。模型所需的训练可能效率低下。
技术实现思路
1、公开用于使用联邦学习的模型训练的方法。设备及系统还执行方法的功能。一种方法的一个实施例包含在支持使用联邦学习聚合模型参数的模型训练逻辑功能处接收来自网络功能的第一请求。第一请求包含使用联邦学习来从至少一个本地模型训练逻辑功能导出聚合的经训练模型的第一要求。在一些实施例中，所述方法包含基于第一请求中的第一要求而使用联邦学习来确定用于聚合的模型参数。在某些实施例中，所述方法包含发现能够基于第一要求而使用联邦学习来提供用于聚合的模型参数的至少一个本地模型训练逻辑功能。在各种实施例中，所述方法包含向至少一个本地模型训练逻辑功能发射接收用于导出聚合的经训练模型的模型参数的第二请求。在一些实施例中，所述方法包含使用联邦学习来聚合模型参数。在某些实施例中，所述方法包含发射对第一请求的响应。所述响应包含聚合的模型参数。
2、一种用于使用联邦学习的模型训练的设备包含模型训练逻辑功能。在一些实施例中，所述设备包含接收来自网络功能的第一请求的接收器。模型训练逻辑功能支持使用联邦学习聚合模型参数，且第一请求包含使用联邦学习从至少一个本地模型训练逻辑功能导出聚合的经训练模型的第一要求。在各种实施例中，所述设备包含处理器，其：基于第一请求中的第一要求而使用联邦学习来确定用于聚合的模型参数；以及发现能够基于第一要求而使用
3、一种用于使用联邦学习的模型训练的方法的另一实施例包含在第一网络功能处接收来自第二网络功能的第一请求。第一请求包含导出经训练模型的第一要求，第一要求包含标识模型的分析标识符及为特定区域提供经训练模型的要求、公共陆地移动网络、数据网络接入标识符、单个网络切片选择辅助信息、应用标识符、数据网络名称或其某种组合。在一些实施例中，所述方法包含确定第一请求使用联邦学习来训练对应于第一要求的模型。在某些实施例中，所述方法包含确定使用联邦学习支持模型聚合的网络功能。在各种实施例中，所述方法包含向使用联邦学习支持模型训练的第三网络功能发射第二请求。第二请求包含基于第一要求而使用联邦学习来提供经训练模型的请求。在一些实施例中，所述方法包含，响应于发射第二请求，接收聚合的模型参数。在某些实施例中，所述方法包含使用聚合的模型参数训练模型以生成经训练模型。在各种实施例中，所述方法包含发射对第一请求的第一响应。所述响应包含指示经训练模型可用的信息。
4、用于使用联邦学习的模型训练的另一设备包含第一网络功能。在一些实施例中，所述设备包含接收来自第二网络功能的第一请求的接收器。第一请求包含导出经训练模型的第一要求，第一要求包含标识模型的分析标识符及为特定区域提供经训练模型的要求、公共陆地移动网络、数据网络接入标识符、单个网络切片选择辅助信息、应用标识符、数据网络名称或其某种组合。在各种实施例中，所述设备包含处理器，其：确定第一请求使用联邦学习来训练对应于第一要求的模型；以及确定使用联邦学习支持模型聚合的网络功能。在某些实施例中，所述设备包含发射器，其向使用联邦学习支持模型训练的第三网络功能发射第二请求。第二请求包含基于第一要求而使用联邦学习来提供经训练模型的请求。在一些实施例中，响应于发射第二请求，接收器接收聚合的模型参数，处理器使用聚合的模型参数训练模型以生成经训练模型，发射器发射对第一请求的第一响应，且响应包含指示经训练模型可用的信息。
5、用于使用联邦学习的模型训练的方法的另一实施例包含在第二网络功能处接收提供分析报告的第一请求。在一些实施例中，所述方法包含在第二网络功能处确定经训练模型需要联邦学习。在某些实施例中，所述方法包含从第二网络功能向第一网络功能发射第二请求。第二请求包含导出经训练模型的第一要求，第一要求包含标识模型的分析标识符及为特定区域提供经训练模型的要求、公共陆地移动网络、数据网络接入标识符、单个网络切片选择辅助信息、应用标识符、数据网络名称或其某种组合。在各种实施例中，所述方法包含接收对第二请求的响应。所述响应包含指示经训练模型可用的信息。
6、用于使用联邦学习的模型训练的另一设备包含第二网络功能。在一些实施例中，所述设备包含接收提供分析报告的第一请求的接收器。在各种实施例中，所述设备包含确定经训练模型需要联邦学习的处理器。在某些实施例中，所述设备包含向第一网络功能发射第二请求的发射器。第二请求包含导出经训练模型的第一要求，第一要求包含标识模型的分析标识符及为特定区域提供经训练模型的要求、公共陆地移动网络、数据网络接入标识符、单个网络切片选择辅助信息、应用标识符、数据网络名称或其某种组合。在一些实施例中，接收器接收对第二请求的响应。响应包含指示经训练模型可用的信息。
本文档来自技高网...【技术保护点】
1.一种设备，其包括模型训练逻辑功能，所述设备进一步包括：
2.根据权利要求1所述的设备，其中所述至少一个本地模型训练逻辑功能包括至少一个网络功能或至少一个应用功能。
3.根据权利要求1或2所述的设备，其中所述网络功能包括分析逻辑功能、模型训练逻辑功能或其组合。
4.根据任一前述权利要求所述的设备，其中使用联邦学习导出所述聚合的经训练模型的所述第一要求包括标识模型的分析标识符、对应于不能够被收集的数据的标识符、特定关注区域、公共陆地移动网络标识符、数据网络接入标识符、单个网络切片选择辅助信息标识符、应用标识符、数据网络名称标识符或其某种组合。
5.根据任一前述权利要求所述的设备，其中所述处理器发现至少一个本地模型训练逻辑功能以从网络存储库功能检索用于联邦学习的模型参数。
6.根据权利要求5所述的设备，其中所述发射器向所述网络存储库功能发射发现所述本地模型训练逻辑功能以检索用于联邦学习的模型参数的第三请求，且所述第三请求包括特定区域、公共陆地移动网络、数据网络接入标识符、单个网络切片选择辅助信息、应用标识符、数据网络名称或
7.根据任一前述权利要求所述的设备，其中所述模型训练逻辑功能将本地模型供应到所述本地模型训练逻辑功能以启动本地训练。
8.根据权利要求7所述的设备，其中所述本地模型训练逻辑功能用从本地数据生产者网络功能收集的数据来训练所述本地模型，且将与所述经训练本地模型相关的模型参数提供到所述模型训练逻辑功能。
9.一种包括第一网络功能的设备，所述设备进一步包括：
10.根据权利要求9所述的设备，其中所述处理器确定所述第一请求使用联邦学习来训练对应于所述第一要求的所述模型包括所述接收器接收来自数据生产者网络功能的第二响应，响应于针对数据收集的请求而接收所述第二响应，且所述第二响应指示数据不可用。
11.根据权利要求9或10所述的设备，其中所述处理器确定所述第一请求使用联邦学习来训练对应于所述第一要求的所述模型包括处理器确定将从至少一个数据生产者网络功能收集以训练所述模型的数据不可用。
12.根据权利要求9、10或11所述的设备，其中所述处理器确定所述第一请求使用联邦学习来训练所述模型是基于所述第一要求。
13.一种包括第二网络功能的设备，所述设备进一步包括：
14.根据权利要求13所述的设备，其中所述处理器通过确定需要从至少一个数据生产者网络功能收集以训练所述模型的数据不可用来确定所述第一请求使用联邦学习来训练对应于所述第一要求的所述模型。
15.根据权利要求13或14所述的设备，其中所述处理器确定所述第一请求使用联邦学习来训练所述模型是基于所述第一要求。
...【技术特征摘要】
【国外来华专利技术】
1.一种设备，其包括模型训练逻辑功能，所述设备进一步包括：
2.根据权利要求1所述的设备，其中所述至少一个本地模型训练逻辑功能包括至少一个网络功能或至少一个应用功能。
3.根据权利要求1或2所述的设备，其中所述网络功能包括分析逻辑功能、模型训练逻辑功能或其组合。
4.根据任一前述权利要求所述的设备，其中使用联邦学习导出所述聚合的经训练模型的所述第一要求包括标识模型的分析标识符、对应于不能够被收集的数据的标识符、特定关注区域、公共陆地移动网络标识符、数据网络接入标识符、单个网络切片选择辅助信息标识符、应用标识符、数据网络名称标识符或其某种组合。
5.根据任一前述权利要求所述的设备，其中所述处理器发现至少一个本地模型训练逻辑功能以从网络存储库功能检索用于联邦学习的模型参数。
6.根据权利要求5所述的设备，其中所述发射器向所述网络存储库功能发射发现所述本地模型训练逻辑功能以检索用于联邦学习的模型参数的第三请求，且所述第三请求包括特定区域、公共陆地移动网络、数据网络接入标识符、单个网络切片选择辅助信息、应用标识符、数据网络名称或其某种组合。
7.根据任一前述权利要求所述的设备，其中所述模型训练逻辑功能将本地模型供应到所述本地模型训练逻辑功能以启动本地训练。
8.根据权利要求7所述的设备，其中所述本...
【专利技术属性】
技术研发人员：D·卡拉姆帕特斯，I·维什纳维，
申请(专利权)人：联想新加坡私人有限公司，
类型：发明
国别省市：
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。