人工智能各种模式测量过程制造技术

涉及人工智能特定的空闲/非活动/连接模式测量过程的过程、方法、架构、设备、系统、装置和计算机程序产品。在实施例中，一种由无线发射接收单元(WTRU)实现的方法，所述方法包括：从网络接收第一消息，所述第一消息包括关于AI/ML模型训练以及相关联测量和记录周期性的配置；执行最小化路测(MDT)测量；基于所述第一消息来选择用于训练的AI/ML模型；基于MDT测量来训练所选择的AI/ML模型；以及响应于所述经训练AI/ML模型的准确度高于配置的准确度阈值，触发向已连接状态转变并且向所述网络报告经训练AI/ML模型标识和AI/ML模型参数。

【技术实现步骤摘要】
【国外来华专利技术】

本公开总体上涉及通信、软件和编码领域，包括例如涉及人工智能特定的空闲/非活动/连接模式测量过程的方法、架构、设备、系统。

技术介绍

1、对于许多人工智能/机器学习(ai/ml)任务，由移动装置收集的碎片化数据对于训练全局模型可能是必要的。对于一些ai/ml模型训练和模型推理操作，输入数据可能需要是连续的并且是每个特定粒度的信息的时间序列。在一些情况下，任务和环境变化可能需要不同的ai/ml模型来执行相同的特征预测。因此，可能需要用表示新环境变化的不同数据集进行另一个训练和推理循环。当前的测量报告机制可以支持在网络处的ai/ml以用于训练目的。由于所提供的测量数据将是非连续的或包含过去的测量，因此网络可能需要先执行ai/ml训练操作，然后执行预测/推理操作。因此，传统测量过程可能无法使网络能够在无线发射/接收单元(wtru)提供测量数据之后立即执行预测。现今，移动装置中使用的计算资源可以以一定的容量承担ai/ml操作的执行。为了用这些有能力的装置以及现有的或新的一组测量来改进ai/ml操作，网络可以将训练操作分发给能够执行ai/ml操作的wtru。然后，网络本文档来自技高网...

【技术保护点】

1.一种由无线发射接收单元WTRU实现的方法，包括：

2.根据权利要求1所述的方法，其中所述AI/ML模型的所述准确度水平基于所执行的测量来确定。

3.根据权利要求1和权利要求2中任一项所述的方法，包括：

4.根据权利要求3所述的方法，其中所述AI/ML能力信息包括以下项中的任一者：可用AI/ML模型、所述AI/ML模型的准确度水平、用于训练和验证的计算能力，以及AI/ML专用存储器容量。

5.根据前述权利要求中任一项所述的方法，其中用于AI/ML模型训练的所述配置包括指示以下项中的任一者的信息：一个或多个AI/ML模型、AI/ML选择标准...

【技术特征摘要】
【国外来华专利技术】

1.一种由无线发射接收单元wtru实现的方法，包括：

2.根据权利要求1所述的方法，其中所述ai/ml模型的所述准确度水平基于所执行的测量来确定。

3.根据权利要求1和权利要求2中任一项所述的方法，包括：

4.根据权利要求3所述的方法，其中所述ai/ml能力信息包括以下项中的任一者：可用ai/ml模型、所述ai/ml模型的准确度水平、用于训练和验证的计算能力，以及ai/ml专用存储器容量。

5.根据前述权利要求中任一项所述的方法，其中用于ai/ml模型训练的所述配置包括指示以下项中的任一者的信息：一个或多个ai/ml模型、ai/ml选择标准、训练数据配置、有条件记录配置，以及有条件训练配置。

6.根据前述权利要求中任一项所述的方法，其中所述第二消息还包括用于训练所述ai/ml模型的所记录测量。

7.根据前述权利要求中任一项所述的方法，其中针对ai/ml模型训练而配置的所述测量属于最小化路测mdt测量的类型。

8.根据权利要求7所述的方法，其中执行mdt包括：

9.根据权利要求7和权利要求8中任一项所述的方法，其中响应于所记录mdt测量数据满足训练数据配置，并且如果满足训练标准，则所述方法包括：

10.根据前述权利要求中任一项所述的方法，包括：

11.根据前述权利要求中任一项所述的方法，其中对用于训练的所述ai/ml模型的所述选择是基于从所述网络接收到的ai模型和所配置选择标准的指示。

12.根据前述权利要求中任一项所述的方法，其中响应于所述经训练模型的准确度水平等于或低于所述配置的准确度阈值水平，所述方法包括：

13.一种无线发射/接收单元wtru，包括处理器、收发器单元和存储...

【专利技术属性】
技术研发人员：T·科加兰，Y·D·纳拉亚南·坦加拉吉，O·泰耶布，J·米勒，F·康西卡奥，
申请(专利权)人：交互数字专利控股公司，
类型：发明
国别省市：