【技术实现步骤摘要】
本申请涉及无线通信，尤其涉及一种ai/ml模型监测方法、设备、装置及存储介质。
技术介绍
1、两侧人工智能(artificial intelligence，ai)或机器学习(machine learning，ml)模型，即两个ai/ml模型坐落在不同的节点，共同完成一项任务，如一侧ai/ml模型在终端侧，一侧ai/ml模型在网络侧(如基站或其它网络侧设备)。以信道状态信息反馈增强(channel state information feedback enhancement，csi feedback enhancement)为例，两侧的ai/ml模型可以分别应用在终端侧和网络侧，来实现空频域的csi压缩功能，即终端侧使用ai/ml模型来进行压缩，网络侧使用ai/ml模型来解压缩。
2、在ai/ml模型的使用过程中，需要对ai/ml模型的性能进行监测，以判断当前的ai/ml模型性能是否是好的或是满足要求的，尤其是如果监测到ai/ml模型性能较差，应当及时进行相应的处理，但目前对此尚没有明确的处理方案。
【技术保护点】
1.一种人工智能或机器学习AI/ML模型监测方法，其特征在于，应用于第一通信设备，包括：
2.根据权利要求1所述的AI/ML模型监测方法，其特征在于，所述第一信息包括以下一种或多种：
3.根据权利要求1所述的AI/ML模型监测方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的AI/ML模型监测方法，其特征在于，变更后的所述第一通信设备侧的AI/ML模型基于以下一项或多项确定：
5.根据权利要求3所述的AI/ML模型监测方法，其特征在于，所述变更所述第一通信设备侧的AI/ML模型，或者将所述第一通信设备侧的AI/...
【技术特征摘要】
1.一种人工智能或机器学习ai/ml模型监测方法，其特征在于，应用于第一通信设备，包括：
2.根据权利要求1所述的ai/ml模型监测方法，其特征在于，所述第一信息包括以下一种或多种：
3.根据权利要求1所述的ai/ml模型监测方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的ai/ml模型监测方法，其特征在于，变更后的所述第一通信设备侧的ai/ml模型基于以下一项或多项确定：
5.根据权利要求3所述的ai/ml模型监测方法，其特征在于，所述变更所述第一通信设备侧的ai/ml模型，或者将所述第一通信设备侧的ai/ml模型回退至非基于ai/ml模型的工作方式，包括：
6.根据权利要求1所述的ai/ml模型监测方法，其特征在于，所述方法还包括：
7.根据权利要求2或5或6所述的ai/ml模型监测方法，其特征在于，所述ai/ml模型的标识信息包括以下一种或多种：
8.根据权利要求1所述的ai/ml模型监测方法，其特征在于，所述监测到两侧ai/ml模型中至少一侧ai/ml模型或者两侧ai/ml模型对的性能不满足模型性能要求，包括以下任一项：
9.一种人工智能或机器学习ai/ml模型监测方法，其特征在于，应用于第二通信设备，包括：
10.根据权利要求9所述的ai/ml模型监测方法，其特征在于，所述第一信息包括以下一种或多种：
11.根据权利要求9所述的ai/ml模型监测方法，其特征在于，接收第一通信设备发送的第一信息之后，所述方法还包括：
12.一种第一通信设备，其特征在于，包括存储器，收发机，处理器：
13.根据权利要求12所述的第一通信设备，其特征在于，所述第一信息包...
【专利技术属性】
技术研发人员：严雪，梁靖，曾二林，王达，费永强，
申请(专利权)人：大唐移动通信设备有限公司，
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。