一种模型生成方法、装置及存储介质制造方法及图纸

本申请公开了一种模型生成方法、装置及存储介质，涉及通信技术领域。应用于Near‑RT RIC，所述方法包括：接收用户设备上报的AI模型需求信息，并基于AI模型需求信息，生成AI全局模型参数；向用户设备发送AI全局模型参数；其中，AI全局模型参数用于用户设备在采用模型训练策略对AI全局模型参数进行训练后，生成AI模型训练参数；接收用户设备发送的AI模型训练参数，并基于AI模型训练参数与AI全局模型参数，生成目标AI模型的AI模型文件，向Non‑RT RIC发送目标AI模型的模型管理信息和AI模型文件，用以满足用户定制化AI服务需求。

【技术实现步骤摘要】

本申请涉及通信，尤其涉及一种模型生成方法、装置及存储介质。

技术介绍

1、随着移动通信技术的快速发展，研究人工智能(artificial intelligence，ai)模型与无线接入网(radio access network，ran)的融合已逐渐从理论走向实践，旨在将ai模型强大的表征能力和特征提取能力与无线通信场景相结合，以实现时频域资源优化和开销降低。这一研究方向对于提升无线通信系统的整体性能具有重要意义。

2、然而，随着用户设备(user equipment，ue)对ai服务需求的日益增强，定制化ai模型获得了广泛关注，未来通信与ai融合场景更加倾向于为用户提供更加专业化和私人化的ai服务，以满足用户多样的性能要求。

技术实现思路

1、本申请提供了一种模型生成方法、装置、通信装置及存储介质，用以满足用户定制化ai服务需求。

2、第一方面，提供一种模型生成方法，应用于近实时无线接入网智能控制器，所述方法包括：

3、接收用户设备上报的ai模型需求信息，并基于所述ai模本文档来自技高网...

【技术保护点】

1.一种模型生成方法，其特征在于，应用于近实时无线接入网智能控制器Near-RTRIC，所述方法包括：

2.如权利要求1所述的方法，其特征在于，所述接收所述用户设备发送的所述AI模型训练参数，并基于所述AI模型训练参数与所述AI全局模型参数，生成目标AI模型的AI模型文件，包括：

3.如权利要求1所述的方法，其特征在于，所述模型管理信息存储在所述Non-RT RIC构建的模型管理列表，至少包括所述目标AI模型的模型应用场景、模型收益、模型成本、模型文件存储位置，以及所述目标AI模型关联的小区标识，所述模型管理列表是基于多个AI模型的模型标识和/或模型功能构建的，所...

【技术特征摘要】

1.一种模型生成方法，其特征在于，应用于近实时无线接入网智能控制器near-rtric，所述方法包括：

2.如权利要求1所述的方法，其特征在于，所述接收所述用户设备发送的所述ai模型训练参数，并基于所述ai模型训练参数与所述ai全局模型参数，生成目标ai模型的ai模型文件，包括：

3.如权利要求1所述的方法，其特征在于，所述模型管理信息存储在所述non-rt ric构建的模型管理列表，至少包括所述目标ai模型的模型应用场景、模型收益、模型成本、模型文件存储位置，以及所述目标ai模型关联的小区标识，所述模型管理列表是基于多个ai模型的模型标识和/或模型功能构建的，所述ai模型文件存储在所述non-rt ric关联的云服务器上。

4.如权利要求3所述的方法，其特征在于，所述基于所述ai模型训练参数与所述ai全局模型参数，生成目标ai模型参数之后，还包括：

5.如权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：

6.如权利要...

【专利技术属性】
技术研发人员：王靖壹，杨蓓，张子扬，王越，
申请(专利权)人：中国电信股份有限公司技术创新中心，
类型：发明
国别省市：