CN116472756A - 一种ai模型的注册方法/装置/设备及存储介质 - Google Patents
一种ai模型的注册方法/装置/设备及存储介质 Download PDFInfo
- Publication number
- CN116472756A CN116472756A CN202380008349.7A CN202380008349A CN116472756A CN 116472756 A CN116472756 A CN 116472756A CN 202380008349 A CN202380008349 A CN 202380008349A CN 116472756 A CN116472756 A CN 116472756A
- Authority
- CN
- China
- Prior art keywords
- model
- information
- network side
- terminal device
- deployed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本公开提出一种AI模型的注册方法/装置/设备/存储介质,属于通信技术领域。终端设备会向网络侧设备发送终端设备部署的AI模型对应的AI模型信息。由此可知,本公开提供了一种AI模型的注册方法,以使得终端设备所部署AI模型在网络侧设备上进行注册,从而使得网络侧设备知晓终端设备部署的AI模型的模型信息,进而便于网络侧设备后续对部署在终端设备上的AI模型进行管理或监测。
Description
技术领域
本公开涉及通信技术领域,尤其涉及一种AI模型的注册方法/装置/设备及存储介质。
背景技术
随着AI(Artificial Intelligent,人工智能)技术的不断发展,AI模型在多个领域得到广泛应用。其中,将通过终端设备或终端设备的外部服务器训练得到的AI模型部署在终端设备上。相关技术中,需要终端设备向网络侧设备进行AI模型的注册,以使得网络侧设备知晓终端设备的AI模型信息,从而便于网络侧设备对部署在终端设备上的AI模型进行管理或监测。
因此,亟需一种AI模型的注册方法。
发明内容
本公开提出的AI模型的注册方法/装置/设备及存储介质,用于AI模型的注册。
第一方面,本公开实施例提供一种AI模型的注册方法,应用于终端设备,所述方法包括:
向网络侧设备发送所述终端设备部署的AI模型对应的AI模型信息。
第二方面,本公开实施例提供一种AI模型的注册方法,应用于网络侧设备,所述方法包括:
接收终端设备发送的所述终端设备部署的AI模型对应的AI模型信息。
第三方面,本公开实施例提供一种通信装置,该装置被配置在终端设备中,包括:
发送模块,用于向网络侧设备发送所述终端设备部署的AI模型对应的AI模型信息。
第四方面,本公开实施例提供一种通信装置,该装置被配置在网络侧设备中,包括:
接收模块,用于接收终端设备发送的所述终端设备部署的AI模型对应的AI模型信息。
第五方面,本公开实施例提供一种通信装置,该通信装置包括处理器,当该处理器调用存储器中的计算机程序时,执行上述第一方面所述的方法。
第六方面,本公开实施例提供一种通信装置,该通信装置包括处理器,当该处理器调用存储器中的计算机程序时,执行上述第二方面所述的方法。
第七方面,本公开实施例提供一种通信装置,该通信装置包括处理器和存储器,该存储器中存储有计算机程序;所述处理器执行该存储器所存储的计算机程序,以使该通信装置执行上述第一方面所述的方法。
第八方面,本公开实施例提供一种通信装置,该通信装置包括处理器和存储器,该存储器中存储有计算机程序;所述处理器执行该存储器所存储的计算机程序,以使该通信装置执行上述第二方面所述的方法。
第九方面,本公开实施例提供一种通信装置,该装置包括处理器和接口电路,该接口电路用于接收代码指令并传输至该处理器,该处理器用于运行所述代码指令以使该装置执行上述第一方面所述的方法。
第十方面,本公开实施例提供一种通信装置,该装置包括处理器和接口电路,该接口电路用于接收代码指令并传输至该处理器,该处理器用于运行所述代码指令以使该装置执行上述第二方面所述的方法。
第十一方面,本公开实施例提供一种通信系统,该系统包括第三方面所述的通信装置至第四方面所述的通信装置,或者,该系统包括第五方面所述的通信装置至第六方面所述的通信装置,或者,该系统包括第七方面所述的通信装置至第八方面所述的通信装置,或者,该系统包括第九方面所述的通信装置至第十方面所述的通信装置。
第十二方面,本发明实施例提供一种计算机可读存储介质,用于储存为上述网络设备所用的指令,当所述指令被执行时,使所述终端设备执行上述第一方面至第三方面的任一方面所述的方法。
第十三方面,本公开还提供一种包括计算机程序的计算机程序产品,当其在计算机上运行时,使得计算机执行上述第一方面至第二方面的任一方面所述的方法。
第十四方面,本公开提供一种芯片系统,该芯片系统包括至少一个处理器和接口,用于支持网络设备实现第一方面至第二方面的任一方面所述的方法所涉及的功能,例如,确定或处理上述方法中所涉及的数据和信息中的至少一种。在一种可能的设计中,所述芯片系统还包括存储器,所述存储器,用于保存源辅节点必要的计算机程序和数据。该芯片系统,可以由芯片构成,也可以包括芯片和其他分立器件。
第十五方面,本公开提供一种计算机程序,当其在计算机上运行时,使得计算机执行上述第一方面至第二方面的任一方面所述的方法。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本公开实施例提供的一种通信系统的架构示意图;
图2为本公开另一个实施例所提供的AI模型的注册方法的流程示意图;
图3为本公开再一个实施例所提供的AI模型的注册方法的流程示意图;
图4a为本公开又一个实施例所提供的AI模型的注册方法的流程示意图;
图4b为本公开又一个实施例所提供的AI模型的注册方法的流程示意图;
图5为本公开另一个实施例所提供的AI模型的注册方法的流程示意图;
图6为本公开再一个实施例所提供的AI模型的注册方法的流程示意图;
图7为本公开又一个实施例所提供的AI模型的注册方法的流程示意图;
图8为本公开一个实施例所提供的AI模型的注册方法的流程示意图;
图9为本公开另一个实施例所提供的AI模型的注册方法的流程示意图;
图10为本公开再一个实施例所提供的AI模型的注册方法的流程示意图;
图11a为本公开又一个实施例所提供的AI模型的注册方法的流程示意图;
图11b为本公开又一个实施例所提供的AI模型的注册方法的流程示意图;
图12为本公开一个实施例所提供的通信装置的结构示意图;
图13为本公开另一个实施例所提供的通信装置的结构示意图;
图14是本公开一个实施例所提供的一种用户设备的框图;
图15为本公开一个实施例所提供的一种网络侧设备的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开实施例相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开实施例的一些方面相一致的装置和方法的例子。
在本公开实施例使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本公开实施例。在本公开实施例和所附权利要求书中所使用的单数形式的“一种”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本公开实施例可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本公开实施例范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”及“若”可以被解释成为“在……时”或“当……时”或“响应于确定”。
下面详细描述本公开的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的要素。下面通过参考附图描述的实施例是示例性的,旨在用于解释本公开,而不能理解为对本公开的限制。
为了便于理解,首先介绍本申请涉及的术语。
1、人工智能(Artificial Intelligence,AI)
AI是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
本公开实施例中涉及到的各种网元/功能,其既可以是一个独立的硬件设备,也可以是在硬件设备内的通过计算机代码实现的功能,本公开实施例中并不对此做出限定。
请参见图1,图1为本公开实施例提供的一种通信系统的架构示意图。该通信系统可包括但不限于一个网络设备和一个终端设备,图1所示的设备数量和形态仅用于举例并不构成对本公开实施例的限定,实际应用中可以包括两个或两个以上的网络设备,两个或两个以上的终端设备。图1所示的通信系统以包括一个网络设备11、一个终端设备12为例。
需要说明的是,本公开实施例的技术方案可以应用于各种通信系统。例如:长期演进(long term evolution,LTE)系统、第五代(5th generation,5G)移动通信系统、5G新空口(new radio,NR)系统,或者其他未来的新型移动通信系统等。
本公开实施例中的网络设备11是网络侧的一种用于发射或接收信号的实体。例如,网络设备11可以为演进型基站(evolved NodeB,eNB)、发送接收点(transmissionreception point,TRP)、NR系统中的下一代基站(next generation NodeB,gNB)、其他未来移动通信系统中的基站或无线保真(wireless fidelity,WiFi)系统中的接入节点等。本公开的实施例对网络设备所采用的具体技术和具体设备形态不做限定。本公开实施例提供的网络设备可以是由集中单元(central unit,CU)与分布式单元(distributed unit,DU)组成的,其中,CU也可以称为控制单元(control unit),采用CU-DU的结构可以将网络设备,例如基站的协议层拆分开,部分协议层的功能放在CU集中控制,剩下部分或全部协议层的功能分布在DU中,由CU集中控制DU。
本公开实施例中的终端设备12是用户侧的一种用于接收或发射信号的实体,如手机。终端设备也可以称为终端设备(terminal)、用户设备(user equipment,UE)、移动台(mobile station,MS)、移动终端设备(mobile terminal,MT)等。终端设备可以是具备通信功能的汽车、智能汽车、手机(mobile phone)、穿戴式设备、平板电脑(Pad)、带无线收发功能的电脑、虚拟现实(virtual reality,VR)终端设备、增强现实(augmented reality,AR)终端设备、工业控制(industrial control)中的无线终端设备、无人驾驶(self-driving)中的无线终端设备、远程手术(remote medical surgery)中的无线终端设备、智能电网(smart grid)中的无线终端设备、运输安全(transportation safety)中的无线终端设备、智慧城市(smart city)中的无线终端设备、智慧家庭(smart home)中的无线终端设备等等。本公开的实施例对终端设备所采用的具体技术和具体设备形态不做限定。
可以理解的是,本公开实施例描述的通信系统是为了更加清楚的说明本公开实施例的技术方案,并不构成对于本公开实施例提供的技术方案的限定,本领域普通技术人员可知,随着系统架构的演变和新业务场景的出现,本公开实施例提供的技术方案对于类似的技术问题,同样适用。
下面参考附图对本公开实施例所提供的AI模型的注册方法/装置/设备及存储介质进行详细描述。
图2为本公开另一个实施例所提供的一种AI模型的注册方法的流程示意图,其中,该方法由终端设备执行,如图2所示,该AI模型的注册方法可以包括以下步骤:
步骤201、向网络侧设备发送终端设备部署的AI模型对应的AI模型信息。
其中,在本公开的一个实施例之中,上述AI模型信息可以包括AI模型对应的标识。
具体地,在本公开的一个实施例之中,可以预定义至少一个AI模型,每个预定义的AI模型均有对应的预定义的模型标识,不同的AI模型可能对应不同的AI模型信息,终端设备可以通过向网络侧设备发送所部署的AI模型对应的标识,使得网络侧设备可以通过接收到的AI模型的标识确定对应的预定义AI模型,并基于预定义AI模型确定对应的AI模型信息,从而完成终端设备所部署AI模型在网络侧设备上的注册。其中,在本公开的一个实施例之中,上述AI模型对应的模型标识可以由终端设备产生。例如,可以通过终端服务器与网络侧设备协商预定义一系列的AI模型或者基于协议标准预定义一系列的AI模型,并分配给每个AI模型一个模型标识,终端通过上报模型标识来上报AI模型信息。在一些实施例中,响应于终端向网络侧设备发送该终端设备的AI模型的模型信息,网络设备会为终端设备上报的AI模型分配模型ID(Identity Document,序号)。在一些实施中,终端设备也会向网络侧设备上报一个AI模型的模型标识,此时网络侧设备可以不对该AI模型进行模型ID的分配,也可以为该AI模型分配另外一个模型ID。
其中,在本公开的一个实施例之中,可以通过终端设备与网络侧设备预定义至少一个AI模型。在本公开的另一个实施例之中,可以基于协议标准预定义至少一个AI模型。
以及,在本公开的一个实施例之中,上述预定义AI模型的模型信息可以包括以下信息中的至少一种:
AI模型的功能信息;
AI模型的应用范围信息;
AI模型的输入或输出信息;
AI模型能达到的性能信息;
AI模型的结构信息。
需要说明的是,在本公开的一个实施例之中,上述网络侧设备可以为基站或核心网节点。
综上所述,在本公开实施例提供的AI模型的注册方法之中,终端设备会向网络侧设备发送终端设备部署的AI模型对应的AI模型信息。也即是,本公开中终端设备通过向网络侧设备发送该终端设备所部署的AI模型对应的AI模型信息,从而完成终端设备所部署AI模型在网络侧设备上的注册,使得网络侧设备知晓终端设备部署的AI模型的模型信息,进而便于网络侧设备后续对部署在终端设备上的AI模型进行管理或监测。
图3为本公开再一个实施例所提供的一种AI模型的注册方法的流程示意图,该方法由终端设备执行,如图3所示,该AI模型的注册方法可以包括以下步骤:
步骤301、向网络侧设备发送AI模型的描述信息。
其中,在本公开的一个实施例之中,上述AI模型的描述信息可以包括以下的至少一种:
AI模型的功能信息;
AI模型的应用范围信息;
AI模型的输入或输出信息;
AI模型能达到的性能信息;
AI模型的结构信息。
以及,在本公开的一个实施例之中,终端设备可以通过向网络侧设备发送AI模型的描述信息,以使得终端设备完成该终端设备所部署AI模型在网络侧设备上的注册,从而使得网络侧设备知晓终端设备部署的AI模型的模型信息,进而使得网络侧设备后续对部署在终端设备上的AI模型进行管理或监测。
综上所述,在本公开实施例提供的AI模型的注册方法之中,终端设备会向网络侧设备发送终端设备部署的AI模型对应的AI模型信息。也即是,本公开中终端设备通过向网络侧设备发送该终端设备所部署的AI模型对应的AI模型信息,从而完成终端设备所部署AI模型在网络侧设备上的注册,使得网络侧设备知晓终端设备部署的AI模型的模型信息,进而便于网络侧设备后续对部署在终端设备上的AI模型进行管理或监测。
图4a为本公开又一个实施例所提供的一种AI模型的注册方法的流程示意图,该方法由终端设备执行,如图4a所示,该AI模型的注册方法可以包括以下步骤:
步骤401a、响应于终端设备部署了AI模型,终端设备主动向网络侧设备上报部署的AI模型对应的AI模型信息。
其中,在本公开的一个实施例之中,若终端设备部署了AI模型,此时终端设备可以主动向网络侧设备发送终端设备所部署的AI模型对应的AI模型信息,以使得终端设备完成该终端设备所部署AI模型在网络侧设备上的注册,从而使得网络侧设备知晓终端设备部署AI模型的AI模型信息。
关于AI模型信息的详细介绍可以参考上述实施例中的相关介绍,本公开实施例在此不做赘述。
综上所述,在本公开实施例提供的AI模型的注册方法之中,终端设备会向网络侧设备发送终端设备部署的AI模型对应的AI模型信息。也即是,本公开中终端设备通过向网络侧设备发送该终端设备所部署的AI模型对应的AI模型信息,从而完成终端设备所部署AI模型在网络侧设备上的注册,使得网络侧设备知晓终端设备部署的AI模型的模型信息,进而便于网络侧设备后续对部署在终端设备上的AI模型进行管理或监测。
图4b为本公开又一个实施例所提供的一种AI模型的注册方法的流程示意图,该方法由终端设备执行,如图4b所示,该AI模型的注册方法可以包括以下步骤:
步骤401b、接收到网络侧设备发送的上报消息。
步骤402b、向网络侧设备上报部署的AI模型对应的AI模型信息。
其中,在本公开的一个实施例之中,响应于终端设备接收到网络侧设备发送的上报消息,终端设备会向网络侧设备上报部署的AI模型对应的AI模型信息。
具体地,在本公开的一个实施例之中,若终端设备接收到网络侧设备发送的上报消息,此时终端设备会向网络侧设备上报终端设备部署的AI模型对应的AI模型信息,以使得终端设备完成该终端设备所部署AI模型在网络侧设备上的注册,从而使得网络侧设备知晓终端设备部署AI模型的AI模型信息,进而使得网络侧设备后续对部署在终端设备上的AI模型进行管理或监测。
关于AI模型信息的详细介绍可以参考上述实施例中的相关介绍,本公开实施例在此不做赘述。
综上所述,在本公开实施例提供的AI模型的注册方法之中,终端设备会向网络侧设备发送终端设备部署的AI模型对应的AI模型信息。也即是,本公开中终端设备通过向网络侧设备发送该终端设备所部署的AI模型对应的AI模型信息,从而完成终端设备所部署AI模型在网络侧设备上的注册,使得网络侧设备知晓终端设备部署的AI模型的模型信息,进而便于网络侧设备后续对部署在终端设备上的AI模型进行管理或监测。
图5为本公开另一个实施例所提供的一种AI模型的注册方法的流程示意图,该方法由终端设备执行,如图5所示,该AI模型的注册方法可以包括以下步骤:
步骤501、接收网络侧设备发送的网络侧设备所支持的AI操作。
示例的,在本公开的一个实施例之中,终端设备接收到网络侧设备发送的网络侧设备所支持的AI操作包括基于AI的CSI(Channel State Information,信道状态信息)增强和基于AI的波束管理。
步骤502、根据网络侧设备所支持的AI操作,确定向网络侧设备上报该网络侧设备所支持的AI操作所对应的AI模型。
其中,在本公开的一个实施例之中,终端设备通过步骤501接收网络侧设备发送的网络侧设备所支持的AI操作后,可以根据该网络侧设备所支持的AI操作确定终端设备部署的AI模型中支持该AI操作的AI模型,并向网络侧设备上报支持该AI操作所对应的AI模型的AI模型信息。
示例的,在本公开的一个实施例之中,终端设备接收到网络侧设备发送的网络侧设备所支持的AI操作包括基于AI的CSI增强和基于AI的波束管理,则终端设备向网络侧设备上报该终端设备部署的AI模型中支持进行AI-based CSI和AI-based波束管理的AI模型对应的AI模型信息。
关于实施例其它内容的详细介绍可以参考上述实施例中的相关介绍,本公开实施例在此不做赘述。
综上所述,在本公开实施例提供的AI模型的注册方法之中,终端设备会向网络侧设备发送终端设备部署的AI模型对应的AI模型信息。也即是,本公开中终端设备通过向网络侧设备发送该终端设备所部署的AI模型对应的AI模型信息,从而完成终端设备所部署AI模型在网络侧设备上的注册,使得网络侧设备知晓终端设备部署的AI模型的模型信息,进而便于网络侧设备后续对部署在终端设备上的AI模型进行管理或监测。
图6为本公开再一个实施例所提供的一种AI模型的注册方法的流程示意图,该方法由终端设备执行,如图6所示,该AI模型的注册方法可以包括以下步骤:
步骤601、接收网络侧设备根据AI模型信息分配的模型标识。
其中,在本公开的一个实施例之中,当终端设备向网络侧设备发送终端设备所部署的AI模型对应的AI模型信息后,终端设备可以接收网络侧设备根据AI模型信息分配的模型标识。其中,在本公开的一个实施例之中,上述模型标识可以为模型ID。
以及,在本公开的一个实施例之中,当终端设备向网络侧设备发送终端设备所部署的AI模型对应的AI模型信息包括AI模型对应的标识时,此时终端设备可能接收不到网络侧设备分配的模型标识,或者终端设备接收到网络侧设备为该AI模型分配的另一个不同的模型标识,以进行区分。
关于实施例其它内容的详细介绍可以参考上述实施例中的相关介绍,本公开实施例在此不做赘述。
综上所述,在本公开实施例提供的AI模型的注册方法之中,终端设备会向网络侧设备发送终端设备部署的AI模型对应的AI模型信息。也即是,本公开中终端设备通过向网络侧设备发送该终端设备所部署的AI模型对应的AI模型信息,从而完成终端设备所部署AI模型在网络侧设备上的注册,使得网络侧设备知晓终端设备部署的AI模型的模型信息,进而便于网络侧设备后续对部署在终端设备上的AI模型进行管理或监测。
图7为本公开又一个实施例所提供的一种AI模型的注册方法的流程示意图,该方法由网络侧设备执行,如图7所示,该AI模型的注册方法可以包括以下步骤:
步骤701、接收终端设备发送的终端设备部署的AI模型对应的AI模型信息。
其中,在本公开的一个实施例之中,上述AI模型信息可以包括AI模型对应的标识。
具体地,在本公开的一个实施例之中,可以预定义至少一个AI模型,每个预定义的AI模型均有对应的预定义的模型标识,不同的AI模型可能对应不同的AI模型信息,网络侧设备可以通过接收终端设备发送的该终端设备所部署的AI模型对应的标识,确定对应的预定义AI模型,并基于预定义AI模型确定对应的AI模型信息,从而完成终端设备所部署AI模型在网络侧设备上的注册。其中,在本公开的一个实施例之中,上述AI模型对应的标识可以由终端设备产生。
其中,在本公开的一个实施例之中,可以通过终端设备与网络侧设备预定义至少一个AI模型。在本公开的另一个实施例之中,可以基于协议标准预定义至少一个AI模型。
以及,在本公开的一个实施例之中,上述预定义AI模型的模型信息可以包括以下信息中的至少一种:
AI模型的功能信息;
AI模型的应用范围信息;
AI模型的输入或输出信息;
AI模型能达到的性能信息;
AI模型的结构信息。
需要说明的是,在本公开的一个实施例之中,上述网络侧设备可以为基站或核心网节点。
关于本实施例中其它内容的详细介绍可以参考上述实施例中的相关介绍,本公开实施例在此不做赘述。
综上所述,在本公开实施例提供的AI模型的注册方法之中,网络侧设备会接收终端设备发送的终端设备部署的AI模型对应的AI模型信息。也即是,本公开中终端设备通过向网络侧设备发送该终端设备所部署的AI模型对应的AI模型信息,从而完成终端设备所部署AI模型在网络侧设备上的注册,使得网络侧设备知晓终端设备部署的AI模型的模型信息,进而便于网络侧设备后续对部署在终端设备上的AI模型进行管理或监测。
图8为本公开一个实施例所提供的一种AI模型的注册方法的流程示意图,该方法由网络侧设备执行,如图8所示,该AI模型的注册方法可以包括以下步骤:
步骤801、接收终端设备发送的AI模型的描述信息。
其中,在本公开的一个实施例之中,上述AI模型的描述信息可以包括以下的至少一种:
AI模型的功能信息;
AI模型的应用范围信息;
AI模型的输入或输出信息;
AI模型能达到的性能信息;
AI模型的结构信息。
以及,在本公开的一个实施例之中,网络侧设备可以通过接收终端设备发送的AI模型的描述信息知晓终端设备部署的AI模型的模型信息,从而便于网络侧设备后续对部署在终端设备上的AI模型进行管理或监测。
关于本实施例中其它内容的详细介绍可以参考上述实施例中的相关介绍,本公开的实施例在此不做赘述。
综上所述,在本公开实施例提供的AI模型的注册方法之中,网络侧设备会接收终端设备发送的终端设备部署的AI模型对应的AI模型信息。也即是,本公开中终端设备通过向网络侧设备发送该终端设备所部署的AI模型对应的AI模型信息,从而完成终端设备所部署AI模型在网络侧设备上的注册,使得网络侧设备知晓终端设备部署的AI模型的模型信息,进而便于网络侧设备后续对部署在终端设备上的AI模型进行管理或监测。
图9为本公开另一个实施例所提供的一种AI模型的注册方法的流程示意图,该方法由网络侧设备执行,如图9所示,该AI模型的注册方法可以包括以下步骤:
步骤901、向终端设备发送上报消息,上报消息用于指示终端设备上报AI模型对应的AI模型信息。
其中,在本公开的一个实施例之中,网络侧设备可以通过向终端发送上报消息,以指示终端设备上报上报AI模型对应的AI模型信息。以及,当终端设备接收到网络侧设备发送的上报消息后,终端设备会向网络侧设备发送终端设备部署的AI模型对应的AI模型信息,从而完成终端设备所部署AI模型在网络侧设备上的注册,使得网络侧设备知晓终端设备部署的AI模型的模型信息,进而便于网络侧设备后续对部署在终端设备上的AI模型进行管理或监测。
关于本实施例中其它内容的详细介绍可以参考上述实施例中的相关介绍,本公开的实施例在此不做赘述。
综上所述,在本公开实施例提供的AI模型的注册方法之中,网络侧设备会接收终端设备发送的终端设备部署的AI模型对应的AI模型信息。也即是,本公开中终端设备通过向网络侧设备发送该终端设备所部署的AI模型对应的AI模型信息,从而完成终端设备所部署AI模型在网络侧设备上的注册,使得网络侧设备知晓终端设备部署的AI模型的模型信息,进而便于网络侧设备后续对部署在终端设备上的AI模型进行管理或监测。
图10为本公开再一个实施例所提供的一种AI模型的注册方法的流程示意图,该方法由网络侧设备执行,如图10所示,该AI模型的注册方法可以包括以下步骤:
步骤1001、向终端设备发送网络侧设备所支持的AI操作。
示例的,在本公开的一个实施例之中,网络侧设备向终端设备发送的网络侧设备所支持的AI操作包括基于AI的CSI(Channel State Information,信道状态信息)增强和基于AI的波束管理。
以及,在本公开的一个实施例之中,网络侧设备接收终端设备上报的AI模型是根据网络侧设备所支持的AI操作生成。
具体地,在本公开的一个实施例之中,网络侧设备向终端设备发送网络侧设备所支持的AI操作后,终端设备可以根据该网络侧设备所支持的AI操作确定终端设备部署的AI模型中支持该AI操作的AI模型,并向网络侧设备上报支持该AI操作所对应的AI模型的AI模型信息。
关于本实施例中其它内容的详细介绍可以参考上述实施例中的相关介绍,本公开的实施例在此不做赘述。
综上所述,在本公开实施例提供的AI模型的注册方法之中,网络侧设备会接收终端设备发送的终端设备部署的AI模型对应的AI模型信息。也即是,本公开中终端设备通过向网络侧设备发送该终端设备所部署的AI模型对应的AI模型信息,从而完成终端设备所部署AI模型在网络侧设备上的注册,使得网络侧设备知晓终端设备部署的AI模型的模型信息,进而便于网络侧设备后续对部署在终端设备上的AI模型进行管理或监测。
图11a为本公开又一个实施例所提供的一种AI模型的注册方法的流程示意图,该方法由网络侧设备执行,如图11a所示,该AI模型的注册方法可以包括以下步骤:
步骤1101a、向终端设备发送根据AI模型信息分配的模型标识。
其中,在本公开的一个实施例之中,当终端设备向网络侧设备发送终端设备所部署的AI模型对应的AI模型信息后,网络侧设备可以根据终端设备发送的AI模型的AI模型信息为该AI模型分配模型标识。其中,在本公开的一个实施例之中,上述模型标识可以为模型ID。
以及,在本公开的一个实施例之中,当终端设备向网络侧设备发送终端设备所部署的AI模型对应的AI模型信息包括AI模型对应的标识时,此时网络侧设备可以不向该AI模型分配模型标识,或者网络侧设备为该AI模型分配的另一个不同的模型标识,以进行区分。
关于本实施例中其它内容的详细介绍可以参考上述实施例中的相关介绍,本公开的实施例在此不做赘述。
综上所述,在本公开实施例提供的AI模型的注册方法之中,网络侧设备会接收终端设备发送的终端设备部署的AI模型对应的AI模型信息。也即是,本公开中终端设备通过向网络侧设备发送该终端设备所部署的AI模型对应的AI模型信息,从而完成终端设备所部署AI模型在网络侧设备上的注册,使得网络侧设备知晓终端设备部署的AI模型的模型信息,进而便于网络侧设备后续对部署在终端设备上的AI模型进行管理或监测。
图11b为本公开又一个实施例所提供的一种AI模型的注册方法的流程示意图,该方法由网络侧设备执行,如图11b所示,该AI模型的注册方法可以包括以下步骤:
步骤1101b、当终端设备发生小区切换时,目标基站获取终端设备所支持AI模型的AI模型信息。
其中,在本公开的一个实施例之中,如果终端设备已经在网络侧设备完成AI模型的注册,当终端设备发生小区切换时,终端设备切换至的目标小区所对应的目标基站需要获取终端设备所支持AI模型的AI模型信息,以完成终端设备部署的AI模型在目标基站上的注册,从而不用重新与目标基站进行交互完成注册。
以及,在本公开的一个实施例之中,终端设备完成AI模型的注册的网络侧设备不同时,目标基站获取终端设备所支持AI模型的AI模型信息的方法也有所不同。
具体地,在本公开的一个实施例之中,若终端设备在源小区对应的源基站完成AI模型的注册,则当终端设备发生小区切换时,源基站可以将该终端设备所部署AI模型的AI模型信息发送至终端设备的目标小区所对应的目标基站,目标基站获取终端设备所支持AI模型的AI模型信息的方法可以包括:目标基站接收源基站发送的终端设备所支持AI模型的AI模型信息。
以及,在本公开的另一个实施例之中,若终端设备在核心网节点完成AI模型的注册,则当终端设备发生小区切换时,目标基站获取终端设备所支持AI模型的AI模型信息的方法可以包括:目标基站从核心网节点获取终端终端设备所支持AI模型的AI模型信息。
关于本实施例中其它内容的详细介绍可以参考上述实施例中的相关介绍,本公开的实施例在此不做赘述。
综上所述,在本公开实施例提供的AI模型的注册方法之中,网络侧设备会接收终端设备发送的终端设备部署的AI模型对应的AI模型信息。也即是,本公开中终端设备通过向网络侧设备发送该终端设备部署的AI模型对应的AI模型信息,从而完成终端设备所部署AI模型在网络侧设备上的注册,使得网络侧设备知晓终端设备部署的AI模型的模型信息,进而便于网络侧设备后续对部署在终端设备上的AI模型进行管理或监测。
图12为本公开实一个施例所提供的一种通信装置的结构示意图,如图12所示,装置可以包括:
发送模块1201,用于向网络侧设备发送终端设备部署的AI模型对应的AI模型信息。
综上所述,在本公开实施例提供的通信装置之中,终端设备会向网络侧设备发送终端设备部署的AI模型对应的AI模型信息。也即是,本公开中终端设备通过向网络侧设备发送该终端设备所部署的AI模型对应的AI模型信息,从而完成终端设备所部署AI模型在网络侧设备上的注册,使得网络侧设备知晓终端设备部署的AI模型的模型信息,进而便于网络侧设备后续对部署在终端设备上的AI模型进行管理或监测。
可选的,在本公开的一个实施例之中,AI模型信息包括AI模型对应的标识。
可选的,在本公开的一个实施例之中,预定义至少一个AI模型,每个预定义的AI模型有对应的预定义模型标识,预定义AI模型的模型信息包括至少以下信息中的至少一种:
AI模型的功能信息;
AI模型的应用范围信息;
AI模型的输入或输出信息;
AI模型能达到的性能信息;
AI模型的结构信息。
可选的,在本公开的一个实施例之中,AI模型对应的标识由终端设备产生。
可选的,在本公开的一个实施例之中,上述装置还用于:
向网络侧设备发送AI模型的描述信息,其中,AI模型的描述信息包括以下的至少一种:
AI模型的功能信息;
AI模型的应用范围信息;
AI模型的输入或输出信息;
AI模型能达到的性能信息;
AI模型的结构信息。
可选的,在本公开的一个实施例之中,响应于终端设备部署了AI模型,终端设备主动向网络侧设备上报部署的AI模型对应的AI模型信息。
可选的,在本公开的一个实施例之中,响应于接收到网络侧设备发送的上报消息,终端设备向网络侧设备上报部署的AI模型对应的AI模型信息。
可选的,在本公开的一个实施例之中,上述装置还用于:
接收网络侧设备发送的网络侧设备所支持的AI操作;
根据网络侧设备所支持的AI操作,确定向网络侧设备上报网络侧设备所支持的AI操作对应的AI模型。
可选的,在本公开的一个实施例之中,上述装置还用于:
接收网络侧设备根据AI模型信息分配的模型标识。
图13为本公开另一个实施例所提供的一种通信装置的结构示意图,如图13所示,装置可以包括:
接收模块1301,用于接收终端设备发送的终端设备部署的AI模型对应的AI模型信息。
综上所述,在本公开实施例提供的通信装置之中,网络侧设备会接收终端设备发送的终端设备部署的AI模型对应的AI模型信息。也即是,本公开中终端设备通过向网络侧设备发送该终端设备所部署的AI模型对应的AI模型信息,从而完成终端设备所部署AI模型在网络侧设备上的注册,使得网络侧设备知晓终端设备部署的AI模型的模型信息,进而便于网络侧设备后续对部署在终端设备上的AI模型进行管理或监测。
可选的,在本公开的一个实施例之中,AI模型信息包括AI模型对应的标识。
可选的,在本公开的一个实施例之中,预定义至少一个AI模型,每个预定义的AI模型有对应的预定义模型标识,预定义AI模型的模型信息包括至少以下信息中的至少一种:
AI模型的功能信息;
AI模型的应用范围信息;
AI模型的输入或输出信息;
AI模型能达到的性能信息;
AI模型的结构信息。
可选的,在本公开的一个实施例之中,上述装置,还用于:
接收终端设备发送的AI模型的描述信息,其中,AI模型的描述信息包括以下的至少一种:
AI模型的功能信息;
AI模型的应用范围信息;
AI模型的输入或输出信息;
AI模型能达到的性能信息;
AI模型的结构信息。
可选的,在本公开的一个实施例之中,上述装置,还用于:
向终端设备发送上报消息,其中,上报消息用于指示终端设备上报AI模型对应的AI模型信息。
可选的,在本公开的一个实施例之中,上述装置还用于:
向终端设备发送网络侧设备所支持的AI操作,其中,终端设备上报的AI模型根据所述网络侧设备所支持的AI操作生成。
可选的,在本公开的一个实施例之中,上述装置还用于:
向终端设备发送根据AI模型信息分配的模型标识。
可选的,在本公开的一个实施例之中,上述装置还用于:
当终端设备发生小区切换时,目标基站获取终端设备所支持AI模型的AI模型信息。
可选的,在本公开的一个实施例之中,上述装置还用于:
目标基站接收源基站发送的终端设备所支持AI模型的AI模型信息。
可选的,在本公开的一个实施例之中,上述装置还用于:
目标基站从核心网节点获取终端终端设备所支持AI模型的AI模型信息。
请参见图14,图14是本申请实施例提供的一种通信装置1400的结构示意图。通信装置1400可以是网络设备,也可以是终端设备,也可以是支持网络设备实现上述方法的芯片、芯片系统、或处理器等,还可以是支持终端设备实现上述方法的芯片、芯片系统、或处理器等。该装置可用于实现上述方法实施例中描述的方法,具体可以参见上述方法实施例中的说明。
通信装置1400可以包括一个或多个处理器1401。处理器1401可以是通用处理器或者专用处理器等。例如可以是基带处理器或中央处理器。基带处理器可以用于对通信协议以及通信数据进行处理,中央处理器可以用于对通信装置(如,基站、基带芯片,终端设备、终端设备芯片,DU或CU等)进行控制,执行计算机程序,处理计算机程序的数据。
可选的,通信装置1400中还可以包括一个或多个存储器1402,其上可以存有计算机程序1404,处理器1401执行所述计算机程序1404,以使得通信装置1400执行上述方法实施例中描述的方法。可选的,所述存储器1402中还可以存储有数据。通信装置1400和存储器1402可以单独设置,也可以集成在一起。
可选的,通信装置1400还可以包括收发器1405、天线1406。收发器1405可以称为收发单元、收发机、或收发电路等,用于实现收发功能。收发器1405可以包括接收器和发送器,接收器可以称为接收机或接收电路等,用于实现接收功能;发送器可以称为发送机或发送电路等,用于实现发送功能。
可选的,通信装置1400中还可以包括一个或多个接口电路1407。接口电路1407用于接收代码指令并传输至处理器1401。处理器1401运行所述代码指令以使通信装置1400执行上述方法实施例中描述的方法。
通信装置1400为终端设备:收发器1405用于执行图3中的步骤301-步骤302;图4中的步骤401至步骤402;图5中的步骤501至步骤503;图6a中的步骤601a至步骤603a;图6b中的步骤601b至步骤602b。处理器1401用于执行图2中的步骤201;图3中的步骤303-步骤304;图4中的步骤403;图5中的步骤504和步骤505;图6a中的步骤604a;图6b中的步骤603b;图7中的步骤701-步骤702。
通信装置1400为网络设备:收发器1405用于执行图11a中的步骤1102a。处理器1401用于执行图8中的步骤801;图9中的步骤901至步骤904;图10中的步骤1001至步骤1005;图11a中的步骤1101a;图11b中的步骤1101b和步骤1102b。
在一种实现方式中,处理器1401中可以包括用于实现接收和发送功能的收发器。例如该收发器可以是收发电路,或者是接口,或者是接口电路。用于实现接收和发送功能的收发电路、接口或接口电路可以是分开的,也可以集成在一起。上述收发电路、接口或接口电路可以用于代码/数据的读写,或者,上述收发电路、接口或接口电路可以用于信号的传输或传递。
在一种实现方式中,处理器1401可以存有计算机程序1403,计算机程序1403在处理器1401上运行,可使得通信装置1400执行上述方法实施例中描述的方法。计算机程序1403可能固化在处理器1401中,该种情况下,处理器1401可能由硬件实现。
在一种实现方式中,通信装置1400可以包括电路,所述电路可以实现前述方法实施例中发送或接收或者通信的功能。本申请中描述的处理器和收发器可实现在集成电路(integrated circuit,IC)、模拟IC、射频集成电路RFIC、混合信号IC、专用集成电路(application specific integrated circuit,ASIC)、印刷电路板(printed circuitboard,PCB)、电子设备等上。该处理器和收发器也可以用各种IC工艺技术来制造,例如互补金属氧化物半导体(complementary metal oxide semiconductor,CMOS)、N型金属氧化物半导体(nMetal-oxide-semiconductor,NMOS)、P型金属氧化物半导体(positive channelmetal oxide semiconductor,PMOS)、双极结型晶体管(bipolar junction transistor,BJT)、双极CMOS(BiCMOS)、硅锗(SiGe)、砷化镓(GaAs)等。
以上实施例描述中的通信装置可以是网络设备或者终端设备,但本申请中描述的通信装置的范围并不限于此,而且通信装置的结构可以不受图14的限制。通信装置可以是独立的设备或者可以是较大设备的一部分。例如所述通信装置可以是:
(1)独立的集成电路IC,或芯片,或,芯片系统或子系统;
(2)具有一个或多个IC的集合,可选的,该IC集合也可以包括用于存储数据,计算机程序的存储部件;
(3)ASIC,例如调制解调器(Modem);
(4)可嵌入在其他设备内的模块;
(5)接收机、终端设备、智能终端设备、蜂窝电话、无线设备、手持机、移动单元、车载设备、网络设备、云设备、人工智能设备等等;
(6)其他等等。
对于通信装置可以是芯片或芯片系统的情况,可参见图15所示的芯片的结构示意图。图15所示的芯片包括处理器1501和接口1502。其中,处理器1501的数量可以是一个或多个,接口1502的数量可以是多个。
可选的,芯片还包括存储器1503,存储器1503用于存储必要的计算机程序和数据。
本领域技术人员还可以了解到本申请实施例列出的各种说明性逻辑块(illustrative logical block)和步骤(step)可以通过电子硬件、电脑软件,或两者的结合进行实现。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用,可以使用各种方法实现所述的功能,但这种实现不应被理解为超出本申请实施例保护的范围。
本申请还提供一种可读存储介质,其上存储有指令,该指令被计算机执行时实现上述任一方法实施例的功能。
本申请还提供一种计算机程序产品,该计算机程序产品被计算机执行时实现上述任一方法实施例的功能。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机程序。在计算机上加载和执行所述计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机程序可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机程序可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,高密度数字视频光盘(digital video disc,DVD))、或者半导体介质(例如,固态硬盘(solid state disk,SSD))等。
本领域普通技术人员可以理解:本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分,并不用来限制本申请实施例的范围,也表示先后顺序。
本申请中的至少一个还可以描述为一个或多个,多个可以是两个、三个、四个或者更多个,本申请不做限制。在本申请实施例中,对于一种技术特征,通过“第一”、“第二”、“第三”、“A”、“B”、“C”和“D”等区分该种技术特征中的技术特征,该“第一”、“第二”、“第三”、“A”、“B”、“C”和“D”描述的技术特征间无先后顺序或者大小顺序。
本申请中各表所示的对应关系可以被配置,也可以是预定义的。各表中的信息的取值仅仅是举例,可以配置为其他值,本申请并不限定。在配置信息与各参数的对应关系时,并不一定要求必须配置各表中示意出的所有对应关系。例如,本申请中的表格中,某些行示出的对应关系也可以不配置。又例如,可以基于上述表格做适当的变形调整,例如,拆分,合并等等。上述各表中标题示出参数的名称也可以采用通信装置可理解的其他名称,其参数的取值或表示方式也可以通信装置可理解的其他取值或表示方式。上述各表在实现时,也可以采用其他的数据结构,例如可以采用数组、队列、容器、栈、线性表、指针、链表、树、图、结构体、类、堆、散列表或哈希表等。
本申请中的预定义可以理解为定义、预先定义、存储、预存储、预协商、预配置、固化、或预烧制。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (22)
1.一种人工智能AI模型的注册方法,其特征在于,应用于终端设备,所述方法包括:
向网络侧设备发送所述终端设备部署的AI模型对应的AI模型信息。
2.如权利要求1所述的方法,其特征在于,所述AI模型信息包括所述AI模型对应的标识。
3.如权利要求2所述的方法,预定义至少一个AI模型,每个预定义的AI模型有对应的预定义模型标识,所述预定义AI模型的模型信息包括至少以下信息中的至少一种:
所述AI模型的功能信息;
所述AI模型的应用范围信息;
所述AI模型的输入或输出信息;
所述AI模型能达到的性能信息;
所述AI模型的结构信息。
4.如权利要求2所述方法,其特征在于,所述AI模型对应的标识由终端设备产生。
5.如权利要求1所述的方法,其特征在于,还包括:
向所述网络侧设备发送所述AI模型的描述信息,其中,所述AI模型的描述信息包括以下的至少一种:
所述AI模型的功能信息;
所述AI模型的应用范围信息;
所述AI模型的输入或输出信息;
所述AI模型能达到的性能信息;
所述AI模型的结构信息。
6.如权利要求1所述的方法,其特征在于,响应于所述终端设备部署了AI模型,所述终端设备主动向所述网络侧设备上报部署的AI模型对应的AI模型信息。
7.如权利要求1所述的方法,其特征在于,响应于接收到所述网络侧设备发送的上报消息,所述终端设备向所述网络侧设备上报部署的AI模型对应的AI模型信息。
8.如权利要求1所述的方法,其特征在于,还包括:
接收所述网络侧设备发送的所述网络侧设备所支持的AI操作;
根据所述网络侧设备所支持的AI操作,确定向所述网络侧设备上报所述网络侧设备所支持的AI操作对应的AI模型。
9.如权利要求1或8所述的方法,其特征在于,还包括:
接收所述网络侧设备根据所述AI模型信息分配的模型标识。
10.一种人工智能AI模型的注册方法,其特征在于,应用于网络侧设备,所述方法包括:
接收终端设备发送的所述终端设备部署的AI模型对应的AI模型信息。
11.如权利要求10所述的方法,其特征在于,所述AI模型信息包括所述AI模型对应的标识。
12.如权利要求11所述的方法,预定义至少一个AI模型,每个预定义的AI模型有对应的预定义模型标识,所述预定义AI模型的模型信息包括至少以下信息中的至少一种:
所述AI模型的功能信息;
所述AI模型的应用范围信息;
所述AI模型的输入或输出信息;
所述AI模型能达到的性能信息;
所述AI模型的结构信息。
13.如权利要求10所述的方法,其特征在于,还包括:
接收所述终端设备发送的所述AI模型的描述信息,其中,所述AI模型的描述信息包括以下的至少一种:
所述AI模型的功能信息;
所述AI模型的应用范围信息;
所述AI模型的输入或输出信息;
所述AI模型能达到的性能信息;
所述AI模型的结构信息。
14.如权利要求10所述的方法,其特征在于,还包括:
向所述终端设备发送上报消息,其中,所述上报消息用于指示所述终端设备上报所述AI模型对应的AI模型信息。
15.如权利要求10所述的方法,其特征在于,还包括:
向所述终端设备发送所述网络侧设备所支持的AI操作,其中,所述终端设备上报的AI模型根据所述网络侧设备所支持的AI操作生成。
16.如权利要求10或15所述的方法,其特征在于,还包括:
向所述终端设备发送根据所述AI模型信息分配的模型标识。
17.如权利要求10所述的方法,其特征在于,还包括:
当所述终端设备发生小区切换时,目标基站获取所述终端设备所支持AI模型的AI模型信息。
18.如权利要求17所述的方法,其特征在于,所述目标基站获取所述终端设备所支持AI模型的AI模型信息,包括:
目标基站接收源基站发送的所述终端设备所支持AI模型的AI模型信息。
19.如权利要求17所述的方法,其特征在于,所述目标基站获取所述终端设备所支持AI模型的AI模型信息,包括:
目标基站从核心网节点获取所述终端终端设备所支持AI模型的AI模型信息。
20.一种通信装置,被配置在终端设备中,包括:
发送模块,用于向网络侧设备发送所述终端设备部署的AI模型对应的AI模型信息。
21.一种通信装置,被配置在网络侧设备中,包括:
接收模块,用于接收终端设备发送的所述终端设备部署的AI模型对应的AI模型信息。
22.一种通信装置,其特征在于,所述装置包括处理器和存储器,其中,所述存储器中存储有计算机程序,所述处理器执行所述存储器中存储的计算机程序,以使所述装置执行如权利要求1至9中任一项所述的方法,或所述处理器执行所述存储器中存储的计算机程序,以使所述装置执行如权利要求10至19中任一项所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2023076988 | 2023-02-17 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116472756A true CN116472756A (zh) | 2023-07-21 |
Family
ID=87182928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202380008349.7A Pending CN116472756A (zh) | 2023-02-17 | 2023-02-17 | 一种ai模型的注册方法/装置/设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116472756A (zh) |
-
2023
- 2023-02-17 CN CN202380008349.7A patent/CN116472756A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115088359A (zh) | 资源配置方法及装置 | |
CN115004736B (zh) | 一种终端能力上报方法、确定方法及其装置 | |
CN115136660A (zh) | 中继连接方法及装置 | |
CN115997354A (zh) | 波束指示方法及装置 | |
CN116472756A (zh) | 一种ai模型的注册方法/装置/设备及存储介质 | |
CN115004774B (zh) | 信息上报方法及装置 | |
CN114342548B (zh) | 资源确定方法和装置 | |
WO2023168575A1 (zh) | 一种天线切换能力上报方法及其装置 | |
CN114026907B (zh) | 一种上行波束的测量方法及其装置 | |
EP4362583A1 (en) | Resource allocation method and apparatus thereof | |
CN115004773B (zh) | 信息上报方法及装置 | |
WO2024016191A1 (zh) | 一种限制信息确定方法/装置/设备及存储介质 | |
WO2024016245A1 (zh) | 一种信息指示方法、装置、设备及存储介质 | |
WO2024016241A1 (zh) | 一种小区配置方法、装置、设备及存储介质 | |
WO2024026801A1 (zh) | 一种侧行链路sl波束配置方法、装置、设备及存储介质 | |
EP4340398A1 (en) | Positioning method and apparatus thereof | |
WO2023216165A1 (zh) | 一种控制智能超表面ris发射参考信号的方法及装置 | |
WO2024086979A1 (zh) | 一种传输配置指示tci状态的确定方法及装置 | |
WO2023201755A1 (zh) | 一种移动性管理的配置方法及装置 | |
EP4354942A1 (en) | Information acquisition method and apparatus, and storage medium | |
CN117836785A (zh) | 一种模型的生成方法及装置 | |
CN114902721A (zh) | 测量配置的处理方法和装置 | |
CN117859304A (zh) | 一种数据类型确定方法/装置/设备及存储介质 | |
CN115398958A (zh) | 数据传输方法和装置 | |
CN116636276A (zh) | 数据传输方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |