【技术实现步骤摘要】
本申请涉及通信，例如涉及一种模型训练方法、系统、通信实体及存储介质。
技术介绍
1、ts23.288协议中，定义了网络数据分析功能(network data analyticsfunction，简称：nwdaf)。nwdaf可以执行统计数据和机器学习相关任务。nwdaf可出于不同目的与不同实体交互。
2、目前ts23.288协议中，虽然定义了nwdaf基于联邦学习进行模型训练，但是，目前的联邦学习中nwdaf只有两层结构。第一层为一个服务器，第二层则是一个或多个客户端。
3、但是，上述的nwdaf进行联邦学习的流程，受限于nwdaf的两层结构，训练出的模型在使用时不够灵活。
技术实现思路
1、本申请实施例提供一种模型训练方法，应用于主服务器联邦学习通信实体，方法包括：
2、向下一层通信实体发送模型训练指示信息；其中，所述模型训练指示信息包括：初始模型信息，所述下一层通信实体包括中间层服务器联邦学习通信实体，或者，包括中间层服务器联邦学习通信实体和客户端联
【技术保护点】
1.一种模型训练方法，其特征在于，应用于主服务器联邦学习通信实体，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述模型训练指示信息还包括以下至少一种：所述模型度量标准以及上报模型信息的最长响应时间。
4.根据权利要求2所述的方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
6.根据权利要求2所述的方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述方
<...【技术特征摘要】
1.一种模型训练方法，其特征在于，应用于主服务器联邦学习通信实体，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述模型训练指示信息还包括以下至少一种：所述模型度量标准以及上报模型信息的最长响应时间。
4.根据权利要求2所述的方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
6.根据权利要求2所述的方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
8.根据权利要求7所述的方法，其特征在于，所述根据所述通信实体发现请求响应信息，确定候选通信实体，包括：
9.根据权利要求8所述的方法，其特征在于，所述方法还包括：
10.根据权利要求2所述的方法，其特征在于，所述主服务器联邦学习通信实体为网络存储通信实体根据预设选择规则确定出的通信实体。
11.根据权利要求8至10任一项所述的方法，其特征在于，所述预设选择规则包括以下至少一项：通信实体的算力信息、所述分析标识对应的模型是否需要通过层状联邦学习流程进行训练、模型过滤信息、通信实体的联邦学习能力类型、通信实体当前是否正在进行其他层状联邦学习、感兴趣的时间段、服务区域、模型训练所需数据源的网络功能的类型、所述分析标识对应的模型的互操作性指标、可用数据要求以及可用时间要求。
12.根据权利要求1至10任一项所述的方法，其特征在于，所述目标模型为预测信令风暴相关信息的模型，所述目标模型的输出信息包括以下至少一项：出现信令风暴的区域信息、出现信令风暴的时间、所述信令风暴所影响的网络功能以及所述信令风暴所影响的用户设备ue。
13.根据权利要求1至10任一项所述的方法，其特征在于，所述主服务器联邦学习通信实体与所述下一层通信实体用于实现层状联邦学习，所述层状联邦学习的层数大于2，且所述主服务器联邦学习通信实体位于所述层状联邦学习的最高层。
14.一种模型训练方法，其特征在于，应用于中间层服务器联邦学习通信实体或客户端联邦学习通信实体，所述方法包括：
15.根据权利要求14所述的方法，其特征在于，所述模型训练指示信息还包括以下至少一种：模型度量标准以及上报模型信息的最长响应时间。
16.根据权利要求14所述的方法，其特征在于，当所述方法应用于所述客户端联邦学习通信实体时，所述目标中间模型信息包括：目标子模型信息；
17.根据权利要求16所述的方法，其特征在于，所述训练数据包括以下至少一项：
18.根据权利要求17所述的方法，其特征在于，所述第一网络功能为核心网的网络功能，所述第二网络功能为操作维护管理实体，所述第三网络功能为应用功能。
19.根据权利要求15所述的方法，其特征在于，当所述方法应用于所述中间层服务器联邦学习通信实体时，所述目标中间模型信息包括：所述中...
【专利技术属性】
技术研发人员：冯禹昂，王梦涵，朱进国，
申请(专利权)人：中兴通讯股份有限公司，
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。