CN116648957A - 通信设备，通信方法和通信系统 - Google Patents

Abstract

[问题]提供一种信息处理设备等，用于在通信环境中舒适地操作使用分布式学习并基于DNN执行计算的应用。[解决方案]根据本公开的一种信息处理设备接收关于通信网络的资源的信息，所述通信网络对通信终端和服务器之间的通信进行中继，所述通信终端或者将输入发送到深度神经网络，或者处理深度神经网络的一系列计算的至少一部分并发送计算的结果，所述服务器能够负责所述一系列计算的至少一部分，并且基于关于资源的所述信息，从所述通信终端、所述服务器和所述通信网络中的通信节点当中确定所述一系列计算被分配给的实体。

Description

通信设备，通信方法和通信系统

技术领域

本公开涉及通信设备、通信方法和通信系统。

背景技术

近年来，人工智能和机器学习领域的研究迅速发展，预计相关应用也将迅速普及。于是，已经实施了关于使应用在通信环境中舒适地操作的研究。

应用涉及主要基于神经网络(深度神经网络：DNN)进行计算，神经网络包括多个层，其中内部参数通过机器学习优化。该计算需要比其他一般应用更大的负载。于是，如果应用由诸如智能电话机之类的通用无线通信终端执行，则会出现诸如计算时间和电力消耗增加之类的问题。另一方面，云服务器代替地进行计算的方法也是可以想到的。然而，按照该方法，无线通信终端向云服务器发送计算所需的信息，并从云服务器接收计算结果，因此通信量增加。此外，在无线通信的情况下，通信质量不稳定，因此可能发生延迟。于是，存在按照这些方法可能会超过这些应用所允许的延迟量的担心。

因此，研究了将DNN的计算分布到通信终端和云服务器两者的分布式学习，而不是将DNN的计算集中到通信终端、云服务器等的联邦学习(federated learning)。换句话说，研究了使通信终端负责DNN的部分计算，并使云服务器负责DNN的剩余计算。

[引文列表]

[非专利文献]

[NPL 1]第三代合作伙伴计划(3GPP),“Technical Report(TR)22.874,V0.1.0,Study on traffic characteristics and performance requirements for AI/ML modeltransfer”(Chapter 5：Split AI/ML operation between AI/ML endpoints),URL：https：//portal.3gpp.org/desktopmodules/Specifications/SpecificationDetails.asp x？specificationId＝3721

发明内容

[技术问题]

此外，还研究了将DNN的部分计算分配给对通信终端和云服务器之间的通信进行中继的通信网络。换句话说，构成通信网络的多个通信节点中的至少任意通信节点可以负责DNN的部分计算。然而，在这种情况下，哪个通信节点负责计算是关键，并且状况可能取决于对通信节点的选择而恶化。

由于通信节点比云服务器更接近通信终端，因此预计通信时间将变得比在通信节点不负责DNN的部分计算的情况下的通信时间短。然而，在连接到通信质量差的通信链路的通信节点负责计算的情况下，通信时间可能不会变得比预计的短。此外，假设通信节点的计算能力低于云服务器的计算能力，从而存在通信节点的计算时间可能增加、以及与通信节点不负责DNN的部分计算的情况相比总时间甚至可能增加的担心。

因此，本公开提供信息处理设备等，用于通过使用分布式学习，使执行基于DNN的计算的应用在通信环境中舒适地操作。

[问题的解决方案]

根据本公开的一种信息处理设备接收关于通信网络的资源的信息，所述通信网络对通信终端和服务器之间的通信进行中继，所述通信终端发送到深度神经网络的输入，或者负责深度神经网络的一系列计算的至少一部分并发送计算结果，所述服务器能够负责所述一系列计算的至少一部分，并且基于关于资源的所述信息，从所述通信终端、所述服务器和所述通信网络中的通信节点当中确定所述一系列计算被分配给的实体。

此外，所述信息处理设备可以将所述通信节点中的至少一个确定为负责所述计算的组件。

另外，所述信息处理设备可以基于关于资源的所述信息，确定负责所述计算的组件所负责的计算范围。

此外，所述信息处理设备可以将存在于所述通信终端和所述服务器之间的通信路径上的所述通信节点中的至少一个确定为负责所述计算的组件。

此外，所述资源可以包括所述通信网络中的通信链路的通信容量或通信质量，并且所述信息处理设备可以基于所述通信容量或所述通信质量将所述通信节点中的至少一个确定为负责所述计算的组件。

此外，所述信息处理设备可以基于所述通信容量或所述通信质量，估计经由所述通信链路发送由所述通信节点进行的计算的结果的通信时间，并且基于所述通信时间将所述通信节点中的至少一个确定为负责所述计算的组件。

另外，所述资源可以包括所述通信节点的计算余力，并且所述信息处理设备可以基于所述通信节点的计算余力，将所述通信节点中的至少一个确定为负责所述计算的组件。

此外，所述信息处理设备可以基于所述通信节点的计算余力来估计所述通信节点进行计算所需的计算时间，并基于所述计算时间将所述通信节点中的至少一个确定为负责所述计算的组件。

此外，所述资源可以包括所述通信网络中的通信链路的通信容量或通信质量，以及所述通信节点的计算余力，并且所述信息处理设备可以基于所述通信容量或所述通信质量来估计经由所述通信链路发送由所述通信节点进行的计算的结果的通信时间，基于所述通信节点的计算余力来估计所述通信节点进行计算所需的计算时间，并且基于所述通信时间和所述计算时间的总和不超过预定阈值的条件，将所述通信节点中的至少一个确定为负责所述计算的组件。

此外，所述信息处理设备还可以接收关于所述通信终端的位置的信息，并根据所述通信路径伴随所述通信终端的移动的变更，变更负责所述计算的组件。

此外，所述信息处理设备还可以接收关于所述通信网络的拓扑的信息，并根据所述通信路径伴随所述拓扑的变更的变更，变更负责所述计算的组件。

此外，所述信息处理设备可以通过负责所述计算的组件基于所述资源选择指示预定要分配的计算范围的提议分配之一，确定被分配了所述计算的实体负责的计算范围。

此外，所述资源可以包括所述通信终端的位置，并且所述信息处理设备可以在随所述通信终端的移动而变更的所述通信路径上不存在预定的通信节点时，重新创建所提议的分配。

此外，所述信息处理设备可以通过基于所述资源的变动来增减负责所述计算的组件所负责的计算范围，变更负责所述计算的组件所负责的计算范围。

另外，所述信息处理设备可以将所述计算范围发送给被确定为负责所述计算的组件的通信节点。

此外，所述信息处理设备可以确定用于提高所述通信路径上的无线通信链路的质量的设定值，并将所述用于提高所述通信路径上的无线通信链路的质量的设定值发送给存在于所述通信路径上的所述通信节点。

此外，根据本公开的另一种信息处理设备接收基于深度神经网络的一系列计算的一部分作为分配的计算范围来进行所述计算范围的计算，将所述计算范围的计算结果发送到指定的目的地，获取关于计算余力或发送所述计算结果的通信链路的通信容量或通信质量的信息，将获取的信息发送到所述计算范围的指定源，并从所述指定源接收所述计算范围的变更。

另外，上面所述的另一种信息处理设备可以在所述计算结果满足用于中途结束所述一系列计算的条件的情况下，将所述计算结果发送给所述一系列计算的计算结果的最终接收目的地，而不是指定的目的地。

另外，关于所述计算范围的变更的信息可以是指示多种分拆模式之一的信息。

根据本公开的另一个方面的信息处理方法包括以下步骤：接收关于通信网络的资源的信息，所述通信网络对通信终端和服务器之间的通信进行中继，所述通信终端发送到深度神经网络的输入，或者负责深度神经网络的一系列计算的至少一部分并发送计算结果，所述服务器能够负责所述一系列计算的至少一部分；以及基于关于资源的所述信息，从所述通信终端、所述服务器和所述通信网络中的通信节点当中确定所述一系列计算被分配给的多个实体。

根据本公开的另一个方面的通信系统包括：属于通信网络的多个通信节点，所述通信网络对通信终端和服务器之间的通信进行中继，所述通信终端发送到深度神经网络的输入，或者负责深度神经网络的一系列计算的至少一部分并发送计算结果，所述服务器能够负责所述一系列计算的至少一部分，其中所述多个通信节点向所述多个通信节点当中的预定通信节点发送关于所述通信网络的资源的信息，所述预定通信节点接收关于资源的所述信息，并基于关于资源的所述信息，从所述通信终端、所述服务器和所述通信节点当中确定所述一系列计算被分配给的多个实体。

根据本公开的另一种信息处理方法包括以下步骤：确定深度神经网络的一系列计算的第一分配范围；执行第一分配范围的计算；发送作为第一分配范围的计算的结果的第一信息，所述第一信息包含第一分配范围的最终层中所包括的节点的标识信息和输出值；接收第一信息；基于包含于第一信息中的标识信息，识别包含于第一信息中的输出值要被输入到的节点；以及通过将包含于第一信息中的输出值输入到所识别的节点，执行深度神经网络的剩余计算或者第二分配范围的计算。

此外，上面所述的另一种信息处理方法还可以包括以下步骤：将深度神经网络的剩余计算或第二分配范围的计算的结果回复给第一分配范围的计算结果的发送源。

另外，上面所述的另一种信息处理方法还包括接收用于确定第一分配范围的条件的步骤，并且第一分配范围可以基于所述条件来确定。

上面所述的另一种信息处理方法中的条件可以包括与计算第一分配范围的实体的计算余力相关的条件。

上面所述的另一种信息处理方法中的条件可以包括与计算第一分配范围的实体和预定实体之间的通信质量相关的条件。

上面所述的另一种信息处理方法中的通信质量可以基于延迟时间、数据速率和信道占用率中的至少一个来计算。

在上面所述的另一种信息处理方法中，执行深度神经网络的剩余计算或第二分配范围的计算的实体与发送用于确定第一分配范围的条件的实体可以彼此不同。

根据本公开的又一种第三信息处理设备执行使用深度神经网络的应用，基于用于确定第一分配范围的条件来确定深度神经网络的一系列计算的第一分配范围，执行第一分配范围的计算，并且发送作为第一分配范围的计算的结果的第一信息，所述第一信息包含第一分配范围的最终层中所包括的节点的标识信息和输出值。

第三信息处理设备可以将第一信息发送给接下来进行深度神经网络的所述一系列计算的实体，并且接收深度神经网络的剩余计算或第二分配范围的计算的结果作为对第一信息的回复。

第三信息处理设备使用的所述条件包括与该信息处理设备自身的计算余力相关的条件，并且第一分配范围可按照所述计算余力来确定。

第三信息处理设备使用的所述条件包括与该信息处理设备自身和预定实体之间的通信质量相关的条件，并且第一分配范围可按照所述通信质量来确定。

作为第三信息处理设备使用的所述条件的通信质量可以基于延迟时间、数据速率和信道占用率中的至少一个来计算。

根据本公开的又一种第四信息处理设备接收作为深度神经网络的一系列计算的第一分配范围的计算的结果的第一信息，所述第一信息包含第一分配范围的最终层中所包括的节点的标识信息和输出值，基于包含于第一信息中的标识信息识别包含于第一信息中的输出值要被输入到的节点，并且通过将包含于第一信息中的输出值输入到所识别的节点，执行深度神经网络的剩余计算或者第二分配范围的计算。

第四信息处理设备可以将深度神经网络的剩余计算或第二分配范围的计算的结果回复给第一分配范围的计算的结果的发送源。

第四信息处理设备的第二分配范围可以基于用于确定第二分配范围的条件来确定，并且第四信息处理设备使用的条件可以包括与该信息处理设备自身的计算余力相关的条件。

第四信息处理设备的第二分配范围可以基于用于确定第二分配范围的条件来确定，并且第四信息处理设备使用的条件可以包括与该信息处理设备自身和预定实体之间的通信质量相关的条件。

作为第四信息处理设备使用的所述条件的通信质量可以基于延迟时间、数据速率和信道占用率中的至少一个来计算。

附图说明

图1是图解说明根据本公开的实施例的信息处理系统的构成例子的示图。

图2是用于说明DNN的示图。

图3是用于说明DNN的计算的分布的示图。

图4是用于说明与分拆点相应的延迟和输出数据量的差异的示图。

图5是图解说明IAB网络的架构的例子的示图。

图6是图解说明DNN的计算的分布效果的示图。

图7是模拟中使用的IAB网络中的网络拓扑的示图。

图8是图解说明用于模拟的通信容量的变动的示图。

图9是图解说明通信网络的资源对执行延迟的影响的示图。

图10是图解说明按照本实施例的总体处理的流程的概览序列图。

图11是用于说明分拆模式的示图。

图12是用于说明针对每个通信路径设定的分拆模式的示图。

图13是图解说明每个通信路径的分拆模式的例子的示图。

图14是切换负责计算的组件前后的序列图。

图15是图解说明用于确定通信终端的分配范围的条件的例子的示图。

图16是图解说明在通信终端已确定其自身的分配范围的情况下从通信终端发送的计算结果的例子的示图。

图17是图解说明在通信终端确定其自身的分配范围的情况下的总体处理的流程的概览序列图。

图18是图解说明基站设备的构成例子的示图。

图19是图解说明通信终端的构成例子的示图。

图20是图解说明包括核心网络的5G系统(5GS)的网络架构的构成例子的示图。

具体实施方式

在下文中，将基于附图详细说明本公开的实施例。图1是图解说明根据本公开的实施例的信息处理系统的构成例子的示图。按照本实施例的信息处理系统1包括通信终端11、云系统(云)12和通信网络13。注意，就附图标记而论，对于同一类型的个体应用相同的数字，并通过字母来区分各个个体，如图1中图解所示的11A和11B那样。另外，在本说明书中，在没有区分各个个体的特殊需要的情况下，将不记载附图标记的字母。

信息处理系统1是用于使使用通过机器学习(ML)学习的深度神经网络(DNN)的应用进行操作的系统。在下文中，该应用将被称为ML应用。

通信终端11也是能够激活ML应用的信息处理设备，与智能电话机、膝上型计算机等对应。例如，假设ML应用已经安装在智能电话机上，并且智能电话机的用户激活ML应用。另外，其操作由ML应用控制的机器人也对应于通信终端11。云系统12包括称为云服务器并且表现出比通信终端11更高的性能的一个或多个信息处理设备，提供可由通信终端11使用的服务。通信网络13由多个通信节点构成，中继通信终端11与云系统12之间的通信。注意，通信节点也被称为通信基站。

注意，图1图解说明了其中通信网络13包括无线通信网络的例子。在图1的例子中，图解说明了使用用于第5代移动通信系统(5G)的无线通信的集成接入和回传(IAB)的例子，并且通信终端11被例示为无线通信终端，而通信网络13由能够与通信终端11建立无线通信连接的无线通信节点131、作为一个或多个无线通信节点131的上位节点的施主节点132以及在施主节点132和云系统12之间进行有线通信的核心网络133构成。如图1中所示，在通信网络13中优选包括通信质量不如有线通信稳定的无线通信网络的情况下，因为有将在后面说明的更高的效果，因此与现有技术相比实现得更好。然而，信息处理系统1的全部通信可以是有线通信，并且可以包括在通信网络13中的无线通信网络不限于IAB网络。

图2是用于说明DNN的示图。图2的虚线框2所围绕的网络对应于DNN。DNN由多个节点21以及连接节点21的链路22构成。另外，如图2中图解所示，多个节点21被分为纵向排列成列的节点组，节点组被称为层(层次)。尽管在图2的例子中，DNN具有七层，但是DNN具有的层数可以为三层或者更多。

DNN的计算由每个节点21进行。例如，在图2中，图像信息被输入到称为输入层的第一层的每个节点21，并且第一层的每个节点21进行计算。计算结果经由链路22发送到第二层的每个节点21，并且第二层的每个节点21也进行计算。这样，从输入层开始进行计算，并且称为输出层的最终层的节点输出最终计算结果。然后，基于输出的计算结果，出现在输入图像中的物体被判定为猫。

注意，尽管图2中图解说明了图像识别的例子，但是ML应用的用途并无特别限制。例如，除了图像识别之外，通过使用DNN还可以实现增强现实(AR)、自动驾驶、机器人、声音识别等，ML应用可以与此类用途相关。

对应于通信终端11的智能电话机等通常具有比云服务器低的规格。于是，在使通信终端11原样进行ML应用的处理(特别是DNN的计算)的所有部分的情况下(设备中学习(indevice learning))，直到完成为止的计算时间变长。换句话说，会出现长的计算延迟。然而，取决于ML应用的规范，可能存在使执行ML应用所需的时间落在预定的允许限度内的要求，并且存在如果通信终端11负责DNN的计算的所有部分则计算延迟可能超过允许限度的担心。

另一方面，在使云系统12而不是通信终端11执行DNN的计算的情况下(云学习)，通信所需的时间，换句话说，通信延迟就成为问题。例如，对于适合于一边进行成像一边搜索灾难受害者的救助机器人，使云服务器进行过度消耗电力的计算来降低电力消耗。然而，存在以下担心：如果需要将必要的数据从机器人发送到云服务器，并且由此导致的通信延迟增加，则通信延迟和计算延迟的总和可能超过ML应用的允许限度。另外，还存在数据传输可能对频带造成很大的负担从而这可能也会影响其他通信的担心。

因此，信息处理系统1从通信终端11、云系统12和通信网络13中确定负责计算的多个组件，并使负责计算的多个组件以分布式方式处理基于DNN的一系列计算。这种处理也称为分布式学习。这里，负责计算的组件指示负责DNN的计算的至少一部分的实体。

图3是用于说明DNN的计算的分布的示图。图3(A)和图3(B)图解说明了不是分布式学习的联邦学习的例子，而图3(C)图解说明了分布式学习的例子。

在图3(A)的例子中，负责计算的组件只有通信终端11，并且通信终端11进行DNN的计算(设备中学习)。尽管如上所述，由于不存在发送到通信网络13的数据，因此不会出现通信延迟，但是由通信终端11的低计算能力导致的计算延迟成为问题。另一方面，在图3(B)的例子中，只有云系统12进行DNN的计算(云学习)，并且通信终端11向云系统12发送计算所需的信息，并从云系统12接收计算结果。尽管不需要通信终端11的高计算能力，而且就云系统12的低计算延迟来说这是极好的，但是通信终端11与云系统12之间的通信延迟成为问题。

另一方面，在图3(C)的例子中，通信终端11、云系统12和通信网络13分别负责DNN的部分计算。换句话说，通信网络13也向通信终端11执行的ML应用提供计算能力。由于云系统12中的计算能力强的云服务器负责DNN的部分计算，因此与只有通信终端11进行DNN的计算的情况相比，可以减小计算延迟。此外，在图3(C)的例子中，来自通信终端11的发送数据由通信网络13接收并处理，然后发送到云系统12。由于如果与来自通信终端11的发送数据相比，可以在大小方面减小从通信网络13到云系统12的发送数据，则通信时间减少，因此与其中只有云系统12进行计算的图3(B)的情况相比，可以减少通信延迟。于是，计算延迟(即，负责通信的每个组件进行DNN的计算所需的时间)和通信延迟(即，负责通信的每个组件传递进行DNN的计算所需的信息所需的时间)的总和可能比图3(B)的情况短。

此时，在本实施例中，通过以分布式方式处理DNN的一系列计算，使执行ML应用所需的时间，更具体地，在进行对DNN的输入之后直到获得来自DNN的输出为止的时间落入预定的允许限度内。注意，执行ML应用所需的时间将在下面被描述为执行延迟。

此外，在通信网络13被确定为负责计算的组件的情况下，进一步将通信网络13中的一个或多个通信节点确定为负责计算的组件。注意，上述无线通信节点131和施主节点132对应于通信节点。此外，通信节点也存在于核心网络133中，并且核心网络133中的通信节点也可以被选为负责计算的组件。

例如，尽管图2中的DNN有七层，但是它说明的是通信终端11负责第一层和第二层，无线通信节点131负责第三层和第四层，而云系统12负责第五层到第七层。在这种情况下，通信终端11将第二层的计算结果发送给无线通信节点131，无线通信节点131根据第二层的计算结果进行第三层和第四层的计算，并将第四层的计算结果发送给云系统12，云系统12根据第四层的计算结果进行第五层到第七层的计算。注意，云系统12可以将第七层的计算结果回复给通信终端11，通信终端11可以基于第七层的计算结果确定输入是猫的图像。或者，云系统12可以基于第七层的计算结果确定输入是猫的图像，并且将该确定结果回复给通信终端11。

注意，尽管存在各种类型的DNN，比如卷积神经网络(CNN)，但是假设ML应用如上所述使用可以将计算分配给每个层并由每个层进行的DNN。

注意，在本实施例中，DNN的参数可以被更新或者可以不被更新。换句话说，DNN可能已经完成了学习，从而可以不更新DNN的参数。或者，通信终端11的用户可以经由ML应用接收正确答案，并基于正确答案执行学习。然而，在执行学习并更新DNN的情况下，为了防止负责计算的组件使用不同DNN的情形，向负责计算的组件分配更新的新的DNN。

注意，在通信节点被确定为负责计算的组件的情况下，实际上，可以使通信节点内的用于建立通信的基础设施执行计算。或者，可以在通信节点内设置执行计算的服务器。注意，从比云服务更接近用户的位置(也称为边缘)代为进行云服务的一部分的信息处理设备，比如通信节点，通常被称为边缘服务器。

注意，DNN的计算不一定分布到通信终端11、云系统12和通信网络13中的每一个。取决于应用，也可以在通信网络13中完成DNN的计算而不使用云系统12。在这种情况下，通信路径的总距离变短，因此可以进一步降低通信延迟。此外，也可能存在通信终端11不进行DNN的计算并且DNN的计算分布到云系统12和通信网络13的情况。或者，在与执行ML应用的通信终端11分离地发现连接到通信网络13并且具有高计算余力的通信终端11的情况下，在获得所发现的通信终端11的同意之后，可以使所发现的通信终端11负责DNN的计算。此外，存在于通信终端11和云系统12之间的通信路径中的通信节点之中的至少一个可以被预先确定为负责计算的组件。

注意，云系统12不一定是负责最终计算的组件。在一些情况下，云系统12可以首先进行计算，通信网络13可以接管云系统12的计算。

在以分布式方式处理DNN的一系列计算的情况下，如何确定使负责计算的组件负责的计算范围(换句话说，如何确定分配范围)也是重要的。再换句话说，要在哪里分离DNN的一系列计算也是重要的。分离DNN的位置也被称为分拆点。在图2的例子中，在第二层和第三层之间以及在第四层和第五层之间设定分拆点，从而将DNN分离成三个范围。

图4是用于说明与分拆点相应的延迟和输出数据量的差异的示图。图4中带点状图案的条形图图解说明在进行从输入层到对应于条形图的各层的计算的情况下输出的数据量。从图4可以确定从各层输出的数据量是不均匀的，并且优选不在输出大量数据的层分离DNN，因为通信延迟不会变大。此外，图4中的白色条形图图解说明对应于条形图的各层的计算延迟。例如，可以确定进行fc6的计算需要时间，因为与命名为“fc6”的层对应的白色条形图较高。于是，可以确定优选使计算能力高的设备负责fc6层的计算。

这样，计算延迟和通信延迟随分配范围而变动。于是，优选的是在确定负责计算的组件时，也确定负责计算的各个组件的分配范围。

然而，即使DNN的计算是分布式的，并且成功地减小了ML应用的延迟，延迟也可能由于信息处理系统1的条件的变更而增加。例如，由于负责计算的组件的计算余力并不总是恒定的，因此计算延迟变动。此外，在通信网络13中包括无线通信网络的情况下，无线通信链路的质量频繁变动，从而通信延迟可能变动。另外，在通信终端11为便携式的情况下，通信路径等也由于通信终端11的移动而被变更。此外，网络拓扑结构也可能变动。由于条件的这种变更，应用的执行延迟可能超过允许限度，而不管执行延迟是否在允许限度内。

例如，上述IAB网络适合于集成回传链路和接入链路的用途，并且不仅接入链路是无线线路，而且回传链路也是无线线路。于是，通信链路的条件可能发生变更。为此，在按照本实施例的通信网络13中包括IAB网络的情况下，通信延迟可能变动，并且存在以下担心：如果使负责计算的初始组件和分配范围保持原样，则与DNN的计算不是分布式的情况相比，执行延迟可能恶化。

因此，在本实施例中基于信息处理系统1的条件动态地变更分布。更具体地，基于可能成为负责计算的组件的计算分配组件的候选者的条件以及计算分配组件的候选者之间的通信链路的条件，变更负责计算的组件、分配范围、负责计算的组件之间的通信路径等。

注意，在IAB网络中，该网络内的通信节点进行中继通信。这样，即使在毫米波通信中，也可以确保能够通信的区域(覆盖范围)。此外，通过不仅使用常规的时分多路复用(TDM)，而且使用频分多路复用(FDM)或空分多路复用(SDM)，使回传链路和接入链路在物理层的层面上彼此正交相交，与诸如层3之类的较高通信层中的中继通信相比，可以效率更高地进行通信。此外，特别地，IAB网络设想使用毫米波的通信，并且通过使用和IAB网络一样的中继通信，可以改善毫米波通信中的覆盖问题，并且可以有效地扩大覆盖范围。IAB网络还设想了多跳通信，并且还设想了未来向网格类型的发展。

注意，IAB网络不局限于毫米波通信。例如，也可以将IAB网络应用于在车辆上搭载IAB节点的车辆网络共享(vehicle tethering)、在列车上搭载IAB节点的移动小区、在无人机上搭载IAB节点的无人机小区等。此外，还设想了对于物联网(IoT)通信的应用。特别地，可以将IAB网络应用于可穿戴式网络共享通信等，用于在智能电话机和可穿戴式设备之间建立连接。另外，可以将IAB网络应用于医疗和工厂自动化领域。这同样适用于将IAB网络应用于本实施例的情况。

注意，可以使用已知的架构作为IAB网络的架构。图5是图解说明IAB网络的架构的例子的示图。如图5(A)中图解所示，诸如下一代节点B(gNB)之类的通信节点被假设为与施主节点132对应的IAB-施主。在通信节点之下，存在作为中继节点并且对应于无线通信节点131的IAB-节点，并在构成多个多跳时以无线方式连接。每个IAB-节点通过接入链路连接对应于通信终端11的用户设备(UE)。IAB-节点可以连接到多个IAB-节点以改善回传链路的冗余性。IAB-节点包括作为UE(MT)的功能和作为通信节点(DU)的功能。换句话说，通过使用回传链路，IAB-节点在它进行下行链路(DL)接收和上行链路(UL)发送时作为MT操作，而在它进行DL发送和UL接收时作为DU操作。由于从UE来看IAB-节点就像普通基站一样，因此即使UE是传统终端，UE也可以如图5(B)中图解所示连接到IAB网络。注意，组合不限于MT和DU，可以使用MT和MT的组合等。

将描述DNN的计算的分布和动态变更的效果。图6是图解说明DNN的计算的分布效果的示图。条形图(1)图解说明在通信终端11单独执行DNN的计算的情况下的执行延迟。条形图(2)图解说明在通信终端11和云系统12中的云服务器执行DNN的计算的情况下的执行延迟。条形图(3)图解说明在通信终端11和多接入边缘计算(MEC)服务器执行DNN的计算的情况下的执行延迟，多接入边缘计算(MEC)服务器是边缘服务器的一种并且由通信网络13中的通信节点所包含。条形图(4)图解说明在通信终端11、MEC服务器和云服务器执行DNN的计算的情况下的执行延迟。另外，条形图的带点状图案的部分表示计算延迟，而白色部分表示通信延迟。

注意，使用商用膝上型计算机作为通信终端11，使用配备有Ryzen(注册商标)3800X作为中央处理单元(CPU)和32千兆字节(GB)的存储器的服务器作为MEC服务器，并且使用配备有Intel(注册商标)Core i9-9900的CPU和128GB的存储器的服务器作为云服务器，使得云服务器具有比MEC服务器更小的计算延迟。另外，通信终端11和MEC服务器之间的通信容量被设定为100兆比特/秒(Mbps)，并且MEC服务器和云服务器之间的通信容量被设定为30Mbs。注意，作为一种卷积神经网络的残差网络(ResNet)18被用作DNN。

如图6中图解所示，在(1)的情况下，虽然没有通信延迟，但是执行延迟最大，为212毫秒(ms)。在(2)的情况下，通信延迟增大。在(3)的情况下，尽管由于MEC服务器位置接近通信终端11而使得通信延迟减小，但是由于MEC服务器的计算能力比云服务器低，所以计算延迟增大，因此，执行延迟比(2)的情况大。另一方面，在(4)的情况下，与云服务器执行DNN的所有计算的情况相比，计算延迟较大，并且与MEC服务器执行DNN的所有计算的情况相比，通信延迟较大，但是与MEC服务器执行DNN的所有计算的情况相比，计算延迟较小，并且与云服务器执行DNN的所有计算的情况相比，通信延迟较小。另外，在(4)的情况下，执行延迟最小，为53ms。

这样，可以确定通过还将通信网络13中的通信节点用于DNN的计算的分布，可以减小执行延迟。注意，如在上述的图4中图解所示，由于计算延迟和通信延迟根据分配范围而不同，因此图6的模拟结果也可以根据分配范围而变更。换句话说，尽管根据分配范围，上述(4)的情况下的执行延迟可能变得比上述(1)～(3)的情况下的执行延迟大，但是通过适当地设定分配范围，与上述(1)～(3)的情况相比，可以减小上述(4)的情况下的执行延迟。

另外，还将描述DNN的计算的分布的动态变更效果。图7图解说明用于模拟的IAB网络中的网络拓扑的示图。图7的例子中的网络由10个节点构成，这10个节点包括IAB网络中的无线通信节点131A～131F、IAB网络中的施主节点132、核心网络133中的通信节点1331A和1331B、以及云服务器121。注意，无线通信节点131A～131F的规格与在图解说明图6的例子中的DNN的计算的分布效果时使用的MEC服务器相同，施主节点132、通信节点1331A和1331B、以及云服务器121的规格与图解说明上述DNN的计算的分布效果时使用的云服务器相同。另外，假设IAB网络的接入链路和回传链路共享4千兆比特/秒(Gbps)的通信容量。施主节点132和通信节点1331A之间的通信链路为1Gbps的有线链路，通信节点1331A和1331B之间的通信链路为400Mbps的有线链路，并且通信节点1331B和云服务器121之间的通信链路为100Mbps的有线链路。

另外，使用如上所述的商用膝上型计算机作为通信终端11，并且假设通信终端11已移动，如图7中的箭头所示。通信终端11首先连接到最近的无线通信节点131F，并且随着移动而切换它所连接到的无线通信节点131。于是，到云服务器121的通信路径也被切换。于是，每当通信路径被切换时，确定负责计算的组件和分配范围，并使之执行DNN的计算。

此外，为了模拟无线通信链路的变动，定义了用于模拟的通信容量的变动。图8是图解说明用于模拟的通信容量的变动的示图。图8(A)图解说明图7中的通信终端11和无线通信节点131之间的接入链路的通信容量的变动。图8(B)图解说明图7中的无线通信节点131之间的通信容量的变动。在接入链路的例子中，使通信容量随着时间的推移从200Mbps变更到800Mbps。通过使用链路的变动，模拟了无线通信链路的变动对延迟的影响。

图9是图解说明通信网络13中的资源对执行延迟的影响的示图。图9(A)图解说明通信终端11和IAB节点之间的通信容量与执行延迟之间的关系。图9(A)中的条形图表示执行延迟，并且无线通信链路中的通信容量越高的条形图朝向左侧越短。换句话说，随着无线通信链路的通信容量的增加，执行延迟得到进一步改善。相反地，在无线通信链路的质量下降并且通信容量减少的情况下，执行延迟也同时增大。由于无线通信链路的质量可能变动，因此在分布DNN的计算时，需要考虑到无线通信链路的质量来变更用于分布的设定。此外，图9(B)图解说明负责计算的IAB节点的计算余力与执行延迟之间的关系。即使在图9(B)中，计算余力越高的条形图也朝着左侧越短，并且随着IAB节点的计算余力的增加，可以预期延迟量的进一步减少。此外，由于如图9中图解所示，DNN的各层导致不同的计算延迟，因此需要按照IAB节点的计算余力的变动来确定分配范围。

这样，尽管通信网络13的资源(比如通信链路的质量和通信节点的计算余力)影响执行延迟，但是这些可能由于网络拓扑的变更、应用需求的变更等而随着时间变动，因此跟随这些变动动态地变更DNN的计算的分布。换句话说，优选的是鉴于诸如通信链路的质量、负责计算的各个组件的计算余力之类的条件，动态地变更负责计算的组件、分配范围、通信路径等。

将描述用于进行DNN的计算的分布和动态变更的一系列处理。首先，下面将描述进行DNN的分布所需的关键性能指标(KPI)、控制目标和要使用的信息的例子。

KPI是如上所述的ML应用的执行延迟。ML应用的执行延迟至少包括负责计算的每个组件的计算延迟和负责计算的组件之间的通信延迟。注意，不考虑由在负责计算的组件接收到来自负责计算的先前组件的计算结果之后，直到开始它自己的分配范围的计算为止所进行的处理引起的延迟，并且每个计算延迟和每个通信延迟的总和可以被视为执行延迟。

作为控制目标，设想路由、每个通信节点的DL或UL设定(DL/UL配置)、DNN的分拆点等。

作为要使用的信息，设想负责计算的组件的各个候选者的处理能力、各个无线通信链路的条件、ML应用的需求规范、通信网络13的需求规范、通信终端11的移动条件(移动性)等。注意，计算分配组件的候选者是通信终端11、云系统12和通信网络13中的通信节点，通信终端11和云系统12是否要负责计算可以预先确定，并且在这种情况下，通信终端11和云系统12可以从计算分配组件的候选者中被排除。

作为负责计算的组件的各个候选者的处理能力，设想计算能力(容量)、当前的计算余力等。例如，首先可以将计算分配给属于通信网络13的计算分配组件的候选者当中具有最高计算能力的计算分配组件的候选者，并且在负责计算的组件的计算余力降低到预定阈值以下的情况下，可以将分配的候选者变更为具有足够的计算余力的另一个计算分配候选者。这样，可以基于负责计算的组件的计算余力来变更负责计算的组件。

作为通信链路的条件，可以想到通信容量、通信质量等。注意，IAB网络包括回传链路和接入链路的条件。

作为ML应用的需求规范，设想ML应用的执行延迟的允许限度，换句话说，ML应用允许的执行延迟的上限值。此外，还可以为通信延迟和计算延迟分别定义允许的上限值。

作为通信的需求规范，设想各个链路中的流量的上限值。此外，可以设定在通信终端11和云系统12之间设定的路径上的流量的上限值。这些上限值可以基于ML应用的需求规范和DNN的分拆点来确定。通信终端11的移动条件可以是任何信息，只要它与移动相关，比如移动速度、移动方向和移动模式。

接下来，将描述确定负责计算的组件和分配范围的主组件。负责计算的组件和分配范围的确定可以由属于信息处理系统1的任意设备进行，并且设备不受特别限制。换句话说，可以适当地定义确定负责计算的组件和分配范围的主组件。注意，在不区分诸如通信终端11、通信节点和云服务器之类属于信息处理系统1的设备的情况下，这些设备将被称为实体，而确定负责计算的组件和分配范围的主组件将被记载为逻辑实体。

例如，进行确定的服务器可以安装在通信网络13中的通信节点或云系统12中，并且可以使之充当逻辑实体，或者负责确定负责计算的组件和分配范围的模块可以安装在通信节点中的用于进行通信的基础设施中，并且可以使之充当逻辑实体。

然而，为了确定负责计算的组件和分配范围，优选的是不断识别信息处理系统1中的资源的条件，并且存在于适合于其通信的位置处的设备优选成为逻辑实体。

此外，一个逻辑实体可以确定负责计算的组件和分配范围两者，或者可以分别定义确定负责计算的组件的逻辑实体和确定分配范围的逻辑实体。

信息处理系统1的资源包括属于信息处理系统1的计算分配组件的候选者的计算余力、通信网络13中的通信链路的通信容量和通信质量等。

作为通信环境的变动，设想通信链路的质量、通信节点的计算余力、网络拓扑、通信路径的变动等。

将描述按照本实施例的处理的流程。图10是图解说明按照本实施例的总体处理的流程的概览序列图。注意在图10中，为了便于说明，将通信节点和云服务器表示为一组。

此外，尽管在图中未示出，但是假设信息处理系统1的实体由负责处理的各个部分的组件构成。在本说明中，逻辑实体包括接收单元、发送单元和确定单元。此外，诸如通信终端11、通信节点和云服务器之类的计算分配组件的各个候选者包括接收单元、发送单元、获取单元(测量单元)、设定单元和计算单元。假设图10中的处理的各个部分的主组件是上述组件。

逻辑实体的发送单元将与信息的获取和发送有关的设定发送到诸如通信终端11、通信节点和云服务器之类的各个实体，该信息关于用于确定负责计算的组件的信息处理系统1的资源(T101；测量配置)。各个实体的接收单元接收来自逻辑实体的获取设定(T102)，各个实体的获取单元基于该设定获取关于资源的信息(T103)，并且各个实体的发送单元基于该设定将获取的关于资源的信息发送给逻辑实体(T104)。

逻辑实体的接收单元从各个实体接收关于资源的信息(T105)，并且逻辑实体的确定单元确定各个实体的控制内容，以使ML应用的执行延迟落入允许限度内(T106)。作为控制内容，判定计算是否被分配给组件，不过这将在后面说明。此外，逻辑实体的确定单元确定对于通信终端11和通信节点设定的参数值，换句话说，设定值，以实现所确定的控制内容(T107；参数配置)。所确定的设定值通过逻辑实体的发送单元发送到通信终端11和通信节点(T108)。

每个实体的接收单元接收来自逻辑实体的设定值(T109)，并且每个实体的设定单元将用于使每个实体操作的参数设定为设定值(T110)。这样，安排了用于执行适合于当前资源条件的ML应用的环境。

之后，通信终端11执行ML应用(T111)。注意，在通信终端11被指定为负责计算的组件的情况下，通信终端11的计算单元进行分配的计算范围的计算。然后，通信终端11的发送单元将DNN的计算所需的信息发送到指定的目的地(T112)。在通信终端11被指定为负责计算的组件的情况下，在DNN的一系列计算的中途获得的计算结果包含于该信息中，或者在通信终端11未被指定为负责计算的组件的情况下，给DNN的输入包含于该信息中。此外，指定的目的地是负责下一个计算的组件。

负责下一个计算的组件的接收单元接收DNN的计算所需的信息(T113)，负责下一个计算的组件的计算单元进行它自己的分配范围的计算(T114)，并且负责下一个计算的组件的发送单元将计算结果发送给负责再下一个计算的组件(T115)。T113～T115中的处理由负责计算的各个组件进行。注意，没有被指定为负责计算的组件的实体不进行DNN的计算。此外，负责最终计算的组件的发送单元将计算结果回复给通信终端11。通信终端11的接收单元接收DNN的最终计算结果(T116)，并且基于最终计算结果执行ML应用的处理(T117)。这样，完成ML应用的处理。

注意，即使在ML应用的处理完成之后，每个实体也基于获取设定来进行资源的获取和发送，并且逻辑实体可以在每次接收资源时判定执行延迟是否超过允许的上限值，并在判定执行延迟超过允许的上限值的情况下可以变更控制内容。这样，可以针对再次执行ML应用的情况进行准备。注意，可以停止资源的获取和发送，并在检测到ML应用的激活的情况等下，可以重新开始资源的获取和发送。

将补充描述上述序列中的处理的各个部分。首先，将描述要获取的信息。

逻辑实体提供命令以获取的信息可以是关于计算能力的信息。关于计算能力的信息的例子包括最大计算能力(能力)、计算余力、计算负载(计算量)、根据计算负载假设的计算延迟量等。例如，每个实体包括的图形处理器单元(GPU)的数量可以用作最大计算能力。此外，到目前为止没有使用的GPU的数量可以用作计算余力。

此外，该信息可以是关于所连接的通信链路的条件的信息。例如，该信息可以是关于无线通信链路连接的信息(比如无线电链路故障)，或者关于无线通信链路的通信质量的信息(比如参考信号接收功率(RSRP)、参考信号接收质量(RSRQ)或参考信号强度指示(RSSI))。此外，可以使用关于通信链路的吞吐量或延迟的信息。

此外，该信息可以是与ML应用的需求规范相关的信息。例如，存在ML应用允许的延迟的上限值等。注意，ML应用的需求规范可以对每个通信终端11不同。

此外，该信息可以是与通信网络13的流量相关的信息。其例子包括流量的上限值、流量的缓冲状态等。注意，代替流量的实际测量值，可以使用估计值。

此外，该信息可以是与通信终端11的移动(移动性)相关的信息。在ML应用的执行期间，通信终端11可能移动。由于移动可能影响通信质量，因此例如可以获取诸如移动速度和移动方向之类的信息。

另外，该信息可以是与DNN的计算相关的信息。例如，可以使每个实体估计DNN的每一层的计算延迟。或者，可以预先确定多个候选分配范围，并且逻辑实体可以向每个实体提供估计每个候选分配范围的计算延迟的指令。此外，可以使每个实体估计由DNN的计算引起的负载(例如，GPU使用率等)。注意，计算延迟可以基于过去的计算历史来计算，或者可以在假设当前计算余力将继续的前提下，作为在计算图4中图解所示的数据大小时的逻辑值来计算。

注意，实体可以实际测量由指令指定的信息，并将实际测量值发送给逻辑实体。或者，可以将基于实际测量值计算的未来估计值发送给逻辑实体。例如，如果ML应用的预定执行时钟时间是10秒之后，则可以将10秒之后的通信终端11的预测位置发送给逻辑实体。此外，通信终端11和通信节点可以量化实际测量值，确定实际测量值对应于预先定义的类别中的哪一个，并且将关于对应类别的信息发送给逻辑实体。可以基于到此为止累积的记录来进行估计。

作为获取与资源相关的信息的方法，可以使用已知的技术。例如，与每个实体的性能相关的信息，比如计算能力和计算余力，可以通过使用由安装在实体上的操作系统(OS)等提供的工具的功能来获取。此外，与通信链路的质量相关的信息，例如，RSRQ等的通信质量可以使用已知技术来检查。

另外，可以存在通过收集要发送到逻辑实体的信息，并作为代表将信息发送到逻辑实体，而表现为代表的通信节点。在这种情况下，例如，可以在组合来自多个通信节点的信息之后，将关于各个链路的流量和通信终端11的移动的信息发送给逻辑实体。

另外，可以指定获取信息的定时等。可以提供进行定期获取(定期测量)的指令。例如，逻辑实体可以确定获取开始时间、获取结束时间和获取时段并向各个实体提供其指令，并且各个实体可以按照该指令进行获取。此外，还可以提供获取次数、重复等待时段等的指令。此外，可以进行动态获取(基于触发的测量)。可以适当地确定每个实体动态地开始获取的触发条件。例如，可以在检测到无线通信链路的异常(故障)时开始获取。或者，可以在每个节点的处理负载、ML应用的延迟、通信延迟等超过预定阈值的情况下开始获取。注意，此类阈值可以由逻辑实体调整。或者，可以在接收到获取请求时开始获取。该请求可以从逻辑实体发送，或者可以从与逻辑实体不同的上位节点发送。

例如，可以指定在例如10ms的时段中，例如以100ms的间隔定期地执行回传链路的RSRQ的测量，以测量回传链路的质量。

此类信息向逻辑实体的发送(换句话说，报告)可以根据需要来进行，并且发送定时和所发送的数据的格式都不受特别限制。例如，在提供定期获取信息的指令的情况下，也可以定期地进行发送。或者，在满足某些条件的情况下，比如当通信链路的RSRQ的值变得等于或小于预定阈值时，或者当每个节点的处理负载变得等于或大于预定阈值时，可以进行发送。此外，可以在获取之后立即进行发送，或者可以在从获取起经过偏移时间之后进行发送。或者，可以在获取值满足条件时进行发送。例如，在存在达到需要变更负责计算的组件、分配范围等的程度的变动的情况下，可以发布报告，否则可以不发布报告。

此外，各个实体可以不将所有获取的信息发送给逻辑实体。例如，各个实体可以以精细的粒度获取信息，并且可以只将获取的信息中满足预定条件的信息，比如变动大的信息或超过阈值的信息，发送给逻辑实体。换句话说，逻辑实体可以针对要获取的信息和要报告的信息单独地提供指令。此外，可以适当地处理获取的信息以将其报告给逻辑实体。

此外，设定可以对每个实体不同。例如，由于假设连接到云系统12的通信链路是有线的并且稳定的，因此云系统12可能不需要获取关于通信链路的信息。

接下来，将描述控制内容的确定。要确定的控制内容包括与通信链路和无线通信参数相关的控制内容。此外，负责计算的组件、分配范围等也被确定。

与通信链路相关的控制的例子包括通信路径的确定。例如，在通信网络13包括诸如IAB网络之类的中继方案的网络的情况下，确定中继路径。注意，即使试图从通信终端11和云系统12之间的通信路径上的通信节点当中选择负责计算的组件，只要在该通信路径上不存在具有计算余力的通信节点，也可以不选择任何组件。于是，逻辑实体可以不仅使用通信链路的质量，而且还使用通信节点的计算能力、计算余力等来确定通信路径。此外，可以类似地进行经由的IAB节点的变更以及跳数的变更。

与通信参数相关的控制的例子包括通信路径上的通信链路的质量的改善。这可以导致通信延迟的减少。例如，可以想到从逻辑实体向通信路径上的无线通信节点131发送设定值，以提高要发送的无线电波的强度(发送功率)。此外，可以使无线通信节点131降低不在通信路径上的无线通信链路的通信容量，以避免干扰。以这种方式可以确定用于改善通信链路的质量的设定值。

此外，作为与无线通信参数相关的控制，可以变更无线通信链路中的下行链路(DL)和上行链路(UL)之间的对应关系。无线通信链路可以进行增加用于DL和UL中的一个的通信频带而减少用于另一个的通信频带的调整。于是，可以调整DL和UL之间的对应关系以减少通信延迟。注意，可以根据要发送的数据的大小和数据流经的通信链路的通信容量来计算通信延迟。也可以考虑到由通信质量引起的延迟。

然而，如果调整通信频带，则可能发生干扰。例如，在IAB网络中，可能发生与IAB网络链路的交叉链路干扰(CLI)。于是，在通信频带的调整时需要给予足够的关注。

负责计算的组件和分配范围是鉴于各个无线通信节点131的计算余力、在各个分配范围输出的数据量、通信路径上的通信链路的质量等确定的。它们被确定以至少使得可能是延迟的瓶颈的无线通信节点131不成为负责计算的组件。

然而，搜索负责计算的组件和分配范围的最优解需要负载和时间。这是因为计算分配组件的候选者的数量根据通信路径和DNN中的层数呈指数增加。于是，通过预先缩小计算分配组件的候选者并搜索次优解，使进行处理变得更容易。例如，可以预先准备分配范围的多种组合，并且可以按照通信环境的条件变更要使用的组合。这里，预先准备的分配范围的组合也被称为分拆模式。

图11是用于说明分拆模式的示图。图11图解说明了四种分拆模式。注意，如图11中所示的图解说明多种分拆模式的表也被记载为分拆模式表。在图11的例子中，通过从四种分拆模式当中选择使ML应用的执行延迟最小化的分拆模式，确定负责计算的每个组件的分配范围。注意，尽管在图11的例子中，通信终端11、通信网络13中的通信节点和云系统12是负责计算的组件，但是可以准备其中负责计算的组件不同的分拆模式。此外，例如，在ML应用的执行的初始开始时，可以默认选择特定的分拆模式，然后可以切换到另一种分拆模式。例如，在确定除通信终端11以外的负责计算的组件的负载较高的情况下，可以想到选择第二行中的分拆模式，其中除通信终端11以外的负责计算的组件的分配范围较小，从而改为使通信终端11承受负载。在这种其中在负责计算的特定组件上有负载的情况下，通过将分拆模式切换为其中负责计算的组件的分配范围较小的另一种分拆模式，可以容易地实现改善。注意，判定是否切换分拆模式的检查可以定期地执行，或者可以动态地执行。

可以预定确定正常时使用的分拆模式，以及在判定在正常时使用的分拆模式下不能满足ML应用的需求的情况下使用的临时分拆模式两者。因此，在判定ML应用的需求不被满足的情况下，可以迅速地切换分拆模式，而不进行适当地选择分拆模式的处理。

这样，通过预先准备分配范围的候选者，可以便利分布的动态变更。此外，分拆模式的内容，即，负责计算的各个组件的分配范围，可以由逻辑实体适当地更新。注意，每个实体被相继通知更新的分拆模式，以防止负责计算的每个组件基于更新前的分拆模式进行计算。

此外，可以针对每个通信路径设定分拆模式。图12是用于说明针对每个通信路径设定的分拆模式的示图。图12图解说明了三个通信路径Route_A(路径_A)、Route_B(路径_B)和Route_C(路径_C)。针对这三个通信路径中的每一个，设定如图11中图解所示的多种分拆模式。

例如，在通信路径Route_A中，存在于通信路径Route_A上的云系统12、核心网络133中的通信节点、施主节点132、无线通信节点131C、无线通信节点131A和通信终端11A是计算分配组件的候选者。DNN的各层被分配给计算分配组件的这些候选者，以创建分拆模式表。类似地，对于通信路径Route_B和Route_C也选择计算分配组件的候选者，以创建分拆模式表。

图13是图解说明每个通信路径的分拆模式的例子的示图。图13(A)图解说明通信路径Route_A的分拆模式表，图13(B)图解说明通信路径Route_B的分拆模式表。在图13的例子中，假设DNN中的层数为40，分拆模式表中的每个单元格的数值指示分配给负责计算的组件的对应候选者的层数。注意，在单元格中记载“0”的情况下，这意味着不存在被分配给计算分配组件的对应候选者的层。换句话说，这意味着该候选者不充当负责计算的组件。

注意，尽管在上面的说明中，假设逻辑实体确定分配范围，即，分拆模式，但是也可以采用其中逻辑实体创建分拆模式表并将分拆模式表发送给负责计算的组件并且负责计算的组件选择分拆模式的方法。例如，当通信终端11进行越区切换并变更作为连接目的地的无线通信节点131时，通过通信终端11为变更后的通信路径从分拆模式表中选择分拆模式，并向负责计算的各个组件通知所选的分拆模式，可以重置分拆模式。

注意，通过使用有线链路负责计算的组件的分配范围可以是固定的。例如，由于云系统12和核心网络133的边缘服务器不进行无线通信，从而认为通信链路的条件的变更小。通过固定负责计算并且存在于通信环境的变动量小的此类位置的组件的分配范围，可以减少分拆模式的变动。例如，图13(A)中图解所示的通信路径Route_A的分拆模式包含计算分配组件的7个候选者，通过进行设定可以进行次优分拆模式的分配。通过固定分配给云系统12和核心网络133的值，可以减少分拆模式的变动的数量。

此外，逻辑实体可以基于锚点来变更分拆模式表。锚点是只要通信终端11在假设的移动区域内就总是存在于对于通信终端11设定的通信路径上的通信节点。尽管通信路径因通信终端11的移动而变更，但是对于可以在通信终端11的假设移动区域中设定的所有通信路由而言公共的通信节点是锚点。例如，在图12的例子中，如果通信终端11与无线通信节点131A～131D中的任意无线通信节点建立无线连接，则施主节点132总是存在于与云系统12的通信路径上。于是，在图12的例子中，施主节点132是锚点。例如，逻辑实体可以在分拆模式表中确定分拆模式，除非锚点从通信路径中消失，并且可以在检测到锚点从通信路径中消失的情况下重置分拆模式表本身。这样，当预定的通信节点从通信路径中消失时，可以重新创建分拆模式表。

注意，尽管在上面的例子中，负责计算的组件在分配范围内的DNN的计算结束之后，将计算结果发送到负责计算的下一个组件，但是可能存在计算结果被发送到通信终端11而不是负责计算的下一个组件的情况。例如，负责计算的组件可以检查用于中途结束其结果已作为通知被预先提供的DNN的一系列计算的条件是否被满足，在所述条件不被满足的情况下，将计算结果发送到负责计算的下一个组件，否则确定DNN的计算可以结束，并将计算结果，即，在DNN的一系列计算的中途获得的计算结果，发送到通信终端11。以这种方式，在中途中断计算而不一直到最后处理DNN中的所有层被称为提前退出。

如图2中图解所示，ML应用基于DNN的计算结果，换句话说，来自输出层的输出，进行ML应用的目标处理。尽管进行DNN的一系列计算是为了提高该目标处理的精度，但是如果基于在DNN的计算的中途获得的结果进行该目标处理，精度也可能足够高。于是，在基于预定的结束条件被满足，即使使用直到中间层获得的计算结果，也判定目标处理的可靠性处于一定水平以上的情况下，可以停止DNN的计算。

注意，结束条件可以适当地定义，并且可以类似于分拆模式表等被分发到负责计算的各个组件。是否进行提前退出可以通过使用利用作为激活函数的Softmax函数的输出结果，或者交叉熵值来判定，并且在这种情况下，例如，当Softmax函数的输出值等于或大于预定阈值时，可以在该层结束DNN的处理，并且可以进行提前退出。

此外，即使在分配范围的中间也可以结束计算。例如，当第三层和第四层是分配范围时，可以判定第三层的计算结果是否满足结束条件。这样，对于DNN的每一层，可以判定是否结束计算。或者，逻辑实体可指定执行结束判定的层。注意，执行结束判定的层也被称为提前退出点。

此外，逻辑实体可以以层为单位变更负责计算的各个组件的分配范围。例如，在通信终端11的分配范围被确定为层1～层4之后通信终端11上的负载稍微增加的情况下，可以进行其中可以将通信终端11的分配范围变更为层1～层3并且从分配范围中排除的层4可以被分配给负责计算的下一个组件的调整。尽管在这种情况下，进行粒度比分拆模式级别的粒度更精细的控制，并且逻辑实体上的负载增加，但是可以降低不满足ML应用的需求的风险。

接下来，将描述参数设定。通信终端11和通信节点按照由逻辑实体确定的内容，更新与通信链路、分配范围等相关的参数值。参数设定的指令可以从逻辑实体直接提供，或者可以经由捆绑多个无线通信节点131的代表性无线通信节点131间接提供。通知方法不受特别限制，可以提供应用层中的信令通知，或者可以提供物理层中的信令通知。可以提供诸如无线电资源控制(RRC)信令之类的准静态通知，或者可以提供诸如下行链路控制信息(DCI)或上行链路控制信息(UCI)之类的动态通知。

此外，还图解说明了当切换负责计算的组件时的序列图。图14是切换负责计算的组件前后的序列图。注意，为了便于说明，在图14的框中图解说明了图10图解所示的处理的附图标记。

在图14的例子中，图解说明了逻辑实体安装在施主节点132上的情况。此外，假设尽管起初通信终端11、无线通信节点131A、无线通信节点131C和云系统12是负责计算的组件，但是无线通信节点131A和无线通信节点131C的回传链路的质量恶化，因而执行分配范围的切换。注意，假设已经执行了直到图10中图解所示的参数设定(T110)的处理，因而图解说明从T111开始的处理。

执行通信终端11的ML应用(T111)，通信终端11将DNN的计算所需的信息发送给负责计算的下一个组件(T112)。作为负责计算的下一个组件的无线通信节点131A接收该信息(T113)，进行无线通信节点131A自身的分配范围中的计算(T114)，并将计算结果发送到作为负责计算的下一个组件的无线通信节点131C(T115)。无线通信节点131C也以类似的方式执行T113～T115的处理，并且无线通信节点131C的计算结果被发送到作为负责计算的下一个组件的云系统12。作为负责计算的下一个组件的云系统12也以类似的方式执行T113～T115的处理，并且由于云系统12是负责计算的最终组件，因此DNN的最终计算结果从云系统12发送到通信终端11。

之后，各个实体执行资源的循环获取(T103)，并且检测到问题的无线通信节点131A向作为逻辑实体的施主节点132提供报告(T104)。注意，图14的例子采用了其中核心网络133和云系统12不向逻辑实体提供报告的设定，因而在核心网络133和云系统12中没有示出T104的框。此外，在该设定中，在没有检测到恶化的情况下，其他实体不向逻辑实体提供报告。于是，由于除检测到问题的无线通信节点131A以外的实体不提供报告，因此没有示出T104的框。

例如，每个实体对回传链路进行测量。于是，假设其中无线通信节点131A检测到与无线通信节点131C的回传链路的RSRQ的值已变得等于或小于预定值并且将检测结果发送给逻辑实体的情形。

作为逻辑实体的施主节点132接收来自无线通信节点131A的报告，基于报告的结果确定仅仅增加有问题的回传链路的频带是不够的，确定诸如负责计算的组件的变更之类的新设定，并将该设定发送给各个实体(T105～T108)。注意，在图14的例子中，由于逻辑实体只将设定发送给需要新的设定的实体，因此对于核心网络133和云系统12没有示出指示发送的箭头。注意，可以将设定发送给不需要新的设定的实体。

注意，逻辑实体可以向每个实体请求附加报告。例如，在从无线通信节点131A接收到指示在回传链路中已发生问题的报告时，可以向无线通信节点131A周围的通信节点提供发送流量缓冲区等的报告的请求，以便检查是否可以通过增加回传链路的频带来解决问题。

从逻辑实体接收到新的设定的各个实体接收新的设定并将其设定为参数(T109、T110)。在图14的例子中，假设从无线通信节点131A到无线通信节点131C的回传链路已经消失，并且新设定了从无线通信节点131A到无线通信节点131D的回传链路。据此，假设通信路径已变更，不在通信路径上的无线通信节点131C已从负责计算的组件中移除，并且无线通信节点131D被添加到负责计算的组件中。

之后，再次执行ML应用(T111)，通信终端11将DNN的计算所需的信息发送到作为负责计算的下一个组件的无线通信节点131A(T112)。无线通信节点131A与前次类似地接收信息(T113)，进行无线通信节点131A自身的分配范围中的计算(T114)，并将计算结果发送到新成为负责计算的下一个组件的无线通信节点131D而不是无线通信节点131C(T115)。这样，与前次不同，无线通信节点131C不执行T113～T115的处理。无线通信节点131D也以类似的方式执行T113～T115的处理，并且无线通信节点131D的计算结果被发送到作为负责计算的下一个组件的云系统12。作为负责计算的下一个组件的云系统12以类似的方式执行T113～T115的处理，并且由于云系统12是负责计算的最终组件，因此DNN的最终计算结果从云系统12发送到通信终端11。

这样，通过变更负责计算的组件，可以抑制由有问题的实体引起的计算延迟，以及由有问题的通信链路引起的通信延迟，并且可以防止ML应用的执行延迟超过允许的上限值。

注意，尽管在图14的例子中，判定仅仅增加回传链路的频带是不够的，还要进行通信路径的变更和负责计算的组件的变更，但是在判定仅仅通过变更分配范围就可以解决问题的情况下，可以只进行负责计算的组件的变更。例如，可以从如图11中图解所示的分拆模式表中选择减小无线通信节点131C的分配范围的分拆模式。此外，例如，如果到目前为止，无线通信节点131A的分配范围为DNN的层20～层25，并且无线通信节点131C的分配范围为DNN的层26～层40，则无线通信节点131A的分配范围可以从DNN的层20增加到层29，并且无线通信节点131D的分配范围可以被设定为DNN的层30～层40。这样，可以使无线通信节点131C连续充当负责计算的组件。

此外，在如图14的例子中所示变更负责计算的组件的情况下，可以进行分配范围的变更。

注意，在本说明中，信息处理系统1包括通信终端11、通信网络13和云系统12，并且这些设备的所有者被设想为实际上不同。另外，假设诸如IAB网络之类用于通信终端11的接入的网络和核心网络133的所有者不同。于是，逻辑实体可以指示和设定的范围可以是信息处理系统1的一部分。例如，在逻辑实体是IAB网络中的通信节点的情况下，逻辑实体可能无法变更云系统12的计算范围，而只能进行对于IAB网络中的通信节点的设定。

如上所述，在本实施例中，在由于信息处理系统1的资源的变动引起执行ML应用所需的时间超过上限值的情况下，变更负责计算的组件、分配范围的设定、通信链路的通信容量、通信路径等。因此，可以抑制变动的影响，并使ML应用舒适地操作。

注意，在改为使诸如云服务器之类的外部设备进行DNN的所有计算的情况下，对DNN的输入从通信终端11发送到外部设备。例如，在输入层中包含m个节点的情况下，由诸如输入1、输入2、…、输入m之类的值构成的输入数据被发送到通信终端11的外部。然而，也指出了在隐私和信息泄露方面的问题。于是，通过通信终端11至少负责DNN的一系列计算的从开始到中间的计算，以防止输入数据本身被发送到外部，可以减轻这样的问题。

此外，在上面的说明中，确定负责计算的组件和分配范围的主体被描述为逻辑实体，并且假设使通信网络13中的通信节点、云服务器等充当逻辑。例如，说明了只需要使用适合于识别资源的条件的设备作为逻辑实体，使得可以按照信息处理系统1中的资源的条件来确定负责计算的组件和分配范围。另外，还说明了将向通信路径上的无线通信节点131提供用于改善通信链路的质量的指令的设备用作逻辑实体。此外，通信终端11也可以是逻辑实体。换句话说，通信终端11可以确定负责计算的组件和分配范围。

此外，如图10等中图解所示，按照上面的说明，诸如通信终端11之类的各个实体定期地将资源发送给逻辑实体，逻辑实体基于各个实体的资源确定负责计算的组件和分配范围，并将确定结果通知给负责计算的各个组件。于是，在通信终端11激活ML应用的定时或ML应用执行DNN的计算的定时之前，确定负责计算的组件和分配范围。然而，通过预先从逻辑实体等向通信终端11通知用于确定分配范围的条件，通信终端11可以自己确定通信终端11自身的分配范围。

例如，在执行ML应用时，通信终端11可以检查诸如通信终端11自身的计算余力、云系统12的延迟时间之类的事项，并且可以根据事项来确定将计算进行到DNN中的哪一层。或者，逻辑实体可以在确定负责计算的各个组件之后，向通信终端11通知逻辑实体希望通信终端11进行计算的最小分配范围，并且通信终端11可以按照根据事项来扩大该分配范围。或者，逻辑实体可以在确定负责计算的各个组件之后，向通信终端11通知允许的分配范围(换句话说，分配范围的上限)，并且通信终端11可以根据事项，缩小由来自逻辑实体的通知指示的分配范围。

在通信终端11保持用于确定通信终端11的分配范围的条件并且通信终端11动态地确定分配范围的情况下，可以基于在通信终端11激活ML应用的定时或ML应用执行DNN的计算的定时的资源来确定分配范围。于是，可以确定对通信终端11的状态来说更适合的通信终端11的分配范围。此外，在这种情况下，可以减少从通信终端11到逻辑实体的资源的定期发送的次数，以及从逻辑实体到通信终端11的关于分配范围的变更的通知的次数，从而减轻各个实体的处理负载和通信资源的利用。

图15是图解说明用于确定通信终端11的分配范围的条件的例子的示图。在图15(A)的例子中，图解说明了基于通信终端11的计算余力来确定DNN的计算范围的条件。例如，在图15(A)的例子中，在计算余力等于或大于90％的情况下，分配范围为n的描述指示通信终端11负责从DNN中的第1层到第n层的计算。注意，在图15的例子中，假设n是等于或大于10的整数。此外，第n层可以是DNN的最终层，或者可以是由来自逻辑实体的通知指示的分配范围的最终层。此外，图解说明了分配范围随着计算余力的减少而减小的事实。图15(A)的例子图解说明在计算余力小于90％并且等于或大于80％的情况下，分配范围为直到4n/5层，与计算能力等于或大于90％的情况相比，分配范围减小。类似地，该例子图解说明在计算余力小于80％并且等于或大于60％的情况下，分配范围为直到第3n/5层，图解说明在计算余力小于60％并且等于或大于40％的情况下，分配范围为直到第2n/5层，并且图解说明在计算余力小于40％并且等于或大于20％的情况下，分配范围为直到第n/5层。这样，可以确定通信终端11的分配范围。此外，该例子图解说明在计算余力在范围之外(即，小于20％)的情况下，分配范围为直到第一层，这意味着通信终端11不执行DNN的计算。换句话说，即使在通信终端11被指定为负责计算的组件的情况下，也可能存在通信终端11拒绝该计算的情况。这样，通过在通信终端11的计算余力低的情况下减小分配范围，可以防止由于通信终端11的计算余力低而引起在进行分配范围的计算上花费时间的情形。这里，作为计算余力，可以使用作为绝对量而不是相对量(％)的FLOPS(时钟频率和每个时钟的算术运算数的乘积)，或者可以使用可以指示计算余力的其他值。

在图15(B)的例子中，类似于图15(A)地确定了分配范围，但是该条件基于延迟时间。注意，要考虑与哪个通信目的地的延迟时间可以预先定义，并无特别限制。它可以是负责计算的下一个组件，或者可以是逻辑实体，或者通信终端11与之建立无线连接的无线通信节点。或者，由于延迟时间的主要因素是各个实体进行的无线处理，因此可以将与无线处理相关的时间视为延迟时间，而不考虑无线(无线电波)和有线传播延迟。在图15(B)的例子中，在延迟时间等于或大于500ms的情况下，通信终端11负责从DNN中的第1层到第n层的计算。此外，该例子图解说明在延迟时间小于500ms并且等于或大于250ms的情况下，分配范围为直到第4n/5层，图解说明在延迟时间小于250ms并且等于或大于100ms的情况下，分配范围为直到第3n/5层，图解说明在延迟时间小于100s并且等于或大于50ms的情况下，分配范围为直到第3n/5层，图解说明在延迟时间小于50ms并且等于或大于10ms的情况下，分配范围为直到第2n/5层，并且图解说明在延迟时间在范围之外(即，小于10ms)的情况下，通信终端11不执行DNN的计算。

注意，尽管在图15(B)的例子中，通信终端11的分配范围随着延迟时间的增加而均匀地增加，但是没有必要均匀地增加分配范围。如图4中图解所示，计算结果的数据大小并不随着DNN的计算的推进而均匀地减小。于是，只需要参考如图4中所示的数据，考虑到各层的计算结果的数据大小来确定延迟时间和分配范围的组合。

此外，这样的条件可以按照实施例的说明适当地设定，并不受特别限制。例如，可以针对ML应用的每种类型变更条件。另外，可以设置多个条件，并且可以在所有条件被满足的情况下进行变更，或者可以按照所满足的条件当中优先级最高的条件来进行变更。

此外，可以针对ML应用的每种类型预先定义隐秘度，并且在执行的ML应用的隐秘度等于或大于预定阈值的情况下，通信终端11的分配范围可以被设定为第1层到第2层或更高层。这样，通信终端11不向外部发送DNN的输入数据。因此，可以降低高度隐秘的信息泄漏到通信终端11的外部的风险。

然而，在通信终端11确定通信终端11自身的分配范围的情况下，负责计算的下一个组件无法识别将从DNN中的哪一层开始计算。于是，例如，尽管逻辑实体向负责计算的各个组件通知了分配范围，但是存在以下担心：在通信终端11变更由来自逻辑实体的通知指示的分配范围的情况下，负责计算的下一个组件在不知道通信终端11已变更分配范围的情况下，将来自通信终端11的计算结果输入组件自身的预定分配范围中的第一层的各个节点。于是，在通信终端11确定或变更通信终端11自身的分配范围的情况下，通信终端11不仅需要提供计算结果，而且需要通知用于识别负责计算的下一个组件将从其开始计算的节点的信息。例如，该信息可以是指示通信终端11的分配范围的最后一层的信息，可以是指示负责计算的下一个组件的分配范围的第一层的信息，可以是指示输出计算结果的节点的信息，或者可以是指示计算结果要被输入到的节点的信息。注意，通信终端11可以将信息直接发送给负责计算的下一个组件，或者可以经由逻辑实体将信息发送给负责计算的下一个组件。

图16是图解说明在通信终端11确定通信终端11自身的分配范围的情况下从通信终端11发送的计算结果的例子的示图。在图16的例子中，包括作为计算结果的各个节点的输出值以及用于识别输出该输出值的节点的标识信息。注意，在图16的例子中，尽管类似“节点3_4”地描述各个节点的标识信息(标识符)，但是末尾的数字指示包含该节点的层的编号，并且就在“节点”之后添加的数字指示该层中的节点的编号。换句话说，“节点3_4”指示包含于第四层中的第三节点。此外，记载在与“节点3_4”相同行中的“输出3”指示包含于第四层中的第三节点的输出值。从DNN的结构等可以识别每个节点的输出要被输入到哪个节点。只需要负责计算并接收到如图16中所示的信息的下一个组件从DNN的结构等识别接收到的输出值要被输入到的节点并开始计算。

注意，上面的说明假设负责计算的组件进行对于分配范围中的各个节点设定的计算，并将属于分配范围中的最终层的节点的输出值发送到负责计算的下一个组件。然而，对于DNN的各个节点，通常设定多个计算操作。于是，负责计算的组件可以进行对于该节点设定的多个计算操作中的一些，而负责计算的下一个组件可以进行剩余的计算。在各个节点内的计算的例子中，将输入到节点的各个输入数据项与对于各个输入数据已通过的链路设定的权重系数相乘，然后相加。此外，在相加值中加上对于各个节点设定的偏置值。然后，将相加值输入到预定的激活函数中，并且该激活函数的输出是该节点的输出值。于是，例如，可以预先确定负责计算的组件进行直到相加值的计算，并且负责计算的下一个组件从激活函数的计算开始的规则，并且可以以这种方式分配计算。注意，连接到节点的链路也被称为边缘。

图17是图解说明在通信终端11确定通信终端11自身的分配范围的情况下的总体处理的流程的概览序列图。注意，在该序列图的例子中，假设ML应用所使用的DNN的结构、用于确定DNN的一系列计算的分配范围的条件等由云系统12管理。此外，尽管在该序列图的例子中，负责DNN的计算的组件是通信终端11和云系统12，但是通信终端11和通信节点可以负责计算。这里，核心网络133的功能可以安装在云系统12中。换句话说，核心网络133可以管理上述条件。

云系统12发送关于ML应用所使用的DNN、该DNN的设定、用于确定分配范围的条件等的信息(T201)。该信息经由通信网络13中的通信节点传送，通信终端11接收该信息(T202)，并基于该信息进行诸如要使用的DNN之类的ML应用的设定(T203)。

注意，通信节点可以基于包含于通信终端11的连接请求(例如服务请求或协议数据单元(PDU)会话建立请求)中的5G QoS标识符(5QI)、单一网络切片选择辅助信息(S-NSSAI)等，检测到通信终端11已激活ML应用。于是，通信节点可以检测由通信终端11实现的ML应用的激活，并向云系统12通知它已检测到激活的事实，云系统12可以提取要由检测到的ML应用使用的DNN。

之后，通信终端11确定ML应用的执行(T204)。此时，通信终端11检查通信终端11自身的处理能力(T205)，并基于用于确定DNN的计算的分配范围的条件和处理能力，确定通信终端11的分配范围(T206)。例如，在图15(A)中图解所示的例子中的用于确定DNN的分配范围的条件下，在DNN由10层构成的情况下(在n为10的情况下)，如果计算余力为50％，则通信终端11确定分拆DNN的层是第四层。然后，通信终端11执行ML应用，并计算通信终端11的分配范围(T207)。在上面的例子中，进行DNN中的第一层到第四层的计算。

注意，在分配范围的计算之后可以再次扩大分配范围。例如，可以在分配范围的计算结束之后检查预定条件是否被满足，并且可以基于该检查的结果来判定是否继续进行下一层的计算。这里，可以基于计算余力、延迟时间、隐秘度等来判定预定条件是否被满足。这样，可以多次确定分配范围。

通信终端11计算通信终端11的分配范围，然后将如图16中图解所示的可从其确定通信终端11的分配范围和计算结果的信息经由通信节点发送到云系统12(T208)。云系统12经由通信节点接收该信息(T209)。

云系统12基于接收的各个节点的识别信息，识别输入接收的输出值的节点，即，通信终端11的分配范围的最终层的下一层的各个节点，并计算云系统12的分配范围(T210)。然后，在计算结束之后，云系统12将云系统12的分配范围的计算结果回复给通信终端11(T211)。注意，尽管云系统12的分配范围假设DNN的所有剩余计算，但是分配范围可以不是DNN的所有剩余计算。例如，通信终端11可以接收云系统12的计算结果，并且可以进一步进行DNN的剩余计算。

通信终端11经由通信节点接收云系统12的计算结果(T212)。然后，基于最终计算结果执行ML应用的处理(T213)。这样，完成ML应用的处理。注意，除通信终端11以外的实体，比如云系统12，可以计算到ML应用的处理结果为止。

如上所述，在各个实体之间进行DNN的分布式学习的情况下，通过通信终端保持用于确定DNN的分配范围的条件，并通过通信终端确定通信终端自身的分配范围，可以更适当地实现适合于通信终端的条件的分布。另外，通过按照ML应用的隐秘度等，通信终端使至少直到第二层进行DNN的计算，可以防止诸如输入数据的泄漏之类的情形的发生。

注意，用于深度学习的典型算法包括卷积神经网络(CNN)、递归神经网络(RNN)、长短期记忆(LSTM)等。在CNN中，隐藏层由称为卷积层和池化层的层构成。在卷积层中，进行基于卷积算术运算的过滤，并提取称为特征映射的数据。在池化层中，压缩从卷积层输出的特征映射的信息，并对其进行下采样。在RNN中，隐藏层的值具有递归地输入到隐藏的网络结构，例如，处理短期时间序列数据。在LSTM中，通过在RNN的中间层输出中引入用于保持称为记忆单元的中间层的状态的参数，可以保持遥远的过去的输出的影响。换句话说，在LSTM中处理比RNN中更长期的时间序列数据。其中使用深度学习的代表性技术区域的例子包括四个领域，即图像识别、声音识别、自然语言处理和机器人异常检测。图像识别用于诸如社交网络服务(SNS)中的人物的标记和自动驾驶之类的应用。声音识别应用于智能扬声器等。自然语言处理应用于浏览器搜索和自动翻译。机器人异常检测在机场、铁路、制造现场等中使用。

将描述通信网络13中的通信节点。如上所述，通信节点被称为通信基站(也简称为基站)，并且包括在用于进行通信的基础设施中，该基础设施也被称为基站设备。基站设备也是通信设备的一种，并且也被称为信息处理设备。例如，基站设备可以是用于使通信节点作为无线基站(基站、Node B、eNB、gNB等)、无线电接入点等操作的设备。此外，基站设备可以是使通信节点作为施主站或中继站操作的设备。另外，基站设备可以是称为远程无线电头端(RRH)的光学扩展设备。此外，基站设备可以是使通信节点作为诸如现场拾取单元(FPU)之类的接收站操作的设备。此外，基站设备可以是使通信节点作为通过时分多路复用、频分多路复用或空分多路复用提供无线电接入线路和无线电回传线路的集成接入和回传(IAB)施主节点或IAB中继节点操作的设备。此外，基站设备可以由多个设备构成，并且例如可以是安装在诸如建筑物之类的结构中的天线和连接到天线的信号处理设备的组合。

注意，基站设备使用的无线电接入技术可以是蜂窝通信技术或无线LAN技术。当然，基站设备使用的无线电接入技术不限于此，可以是其他无线电接入技术。例如，基站设备使用的无线电接入技术可以是低功耗广域(LPWA)通信技术。当然，基站设备使用的无线通信可以是使用毫米波的无线通信。此外，基站设备使用的无线通信可以是使用无线电波的无线通信，或者可以是使用红外线或可见光的无线通信(光无线无线)。

基站设备可以能够与通信终端11进行非正交多址接入(NOMA)通信。这里，NOMA通信是使用非正交资源的通信(发送、接收或两者)。注意，基站设备可以能够与其他基站设备进行NOMA通信。

注意，基站设备可以能够经由基站-核心网络接口(例如，S1接口)彼此进行通信。该接口可以是有线接口或无线接口。此外，基站设备可以能够经由基站间接口(例如，X2接口或S1接口)彼此进行通信。该接口可以是有线接口或无线接口。

注意，基站设备可以能够经由基站-核心网络接口(例如，NG接口或S1接口)彼此进行通信。该接口可以是有线接口或无线接口。此外，基站设备可以能够经由基站间接口(例如，Xn接口或X2接口)彼此进行通信。该接口可以是有线接口或无线接口。

此外，术语“基站”可以意味着包括基站的功能的结构。结构不受特别限制。例如，诸如高层建筑、房屋、铁塔、车站设施、机场设施、港口设施、办公楼、校舍、医院、工厂、商业设施和体育场之类的建筑物也包括在结构中。此外，诸如隧道、桥梁、水坝、围栏、钢柱之类的结构(非建筑结构)和诸如起重机、闸门和风力涡轮机之类的设施也包括在结构中。此外，放置结构的位置不受特别限制。换句话说，不仅陆地上(狭义的地面上)或地下的结构，而且诸如码头和超大浮体之类的水上结构，以及诸如海洋平台之类的水下结构也可以是包括基站的功能的结构。

此外，如上所述，基站可以是固定站或移动站。通过将基站设备安装在移动体上，可以使基站充当移动站。或者，基站设备可以具有移动能力(移动性)，并且通过基站设备自身移动，可以使基站充当移动站。此外，诸如车辆和无人驾驶飞行器(UAV)(其代表性例子包括无人机)之类本来具有移动能力，并且包括安装在其上的基站功能(基站的至少一些功能)的设备也可以称为移动站或充当移动站的基站设备。另外，诸如智能电话机之类通过由移动体携带而移动并且包括安装在其上的基站功能(基站的至少一些功能)的设备也可以被称为移动站或移动站的基站设备。

固定站和移动站所在的位置不受特别限制。于是，构成移动站的移动体可以是在陆地上(狭义的地面上)移动的移动体(例如，诸如汽车、自行车、公共汽车、卡车、摩托车、列车或磁悬浮列车之类的车辆)，在地下(例如，隧道内)移动的移动体(例如，地铁)，在水上移动的移动体(例如，诸如客船、货船或气垫船之类的船舶)，在水中移动的移动体(例如，诸如潜水器、潜水艇或无人潜艇之类的潜水船舶)，在空中(比如在大气层内)移动的移动体(例如，诸如飞机、飞船或无人机之类的航空器)，或者能够漂浮在大气层外，换句话说，漂浮在宇宙中的移动体(例如，诸如人造卫星、宇宙飞船、空间站或探测器之类的人造星体)。注意，漂浮在大气层外的基站也被称为卫星站。另一方面，在大气层之外更靠近地球一侧的基站也被称为地面站。此外，诸如航空器之类漂浮在大气层中的基站也被称为航空站。

注意，充当卫星站的卫星可以是低地球轨道(LEO)卫星、中地球轨道(MEO)卫星、地球同步轨道(GEO)卫星以及高椭圆轨道(HEO)卫星中的任何一个。

注意，诸如飞机或滑翔机之类比空气重的航空器、诸如气球或飞艇之类比空气轻的航空器、或者诸如直升机或旋翼机等的旋翼无人机之类的无人驾驶飞行器可以是航空站。注意，如何控制可以是航空站的无人驾驶航空器并无特别限制。换句话说，无人驾驶航空器的控制系统的例子包括无人驾驶航空器系统(UAS)、系留式UAS、比空气轻的UAS(LTA)、比空气重的UAS(HTA)和高空UAS平台(HAP)，并且航空站的飞行可以由这些控制系统控制。

此外，基站设备的覆盖范围大小并无特别限制，可以大如宏小区，可以小如皮小区，或者可以和飞小区一样极小。此外，基站设备可以具有波束成形能力。在这种情况下，对于基站设备，可以对于每个波束形成小区和服务区域。为此，基站设备可以包括天线阵列，该天线阵列由多个天线元件构成，以提供先进天线技术，先进天线技术的代表性例子包括多入多出(MIMO)和波束成形。

图18是图解说明基站设备的构成例子的示图。假设图18中图解所示的基站设备50进行无线通信，并且包括无线通信单元51、存储单元52、控制单元53、算术运算单元54、网络通信单元55和天线56。注意，图18中图解所示的构成是功能构成，并且可以不同于硬件构成。此外，图18的组件可以进一步分布，或者可以与其他组件集成。另外，图18的组件可以作为与基站设备50不同的设备而独立存在，并且多个设备可以实现基站设备50的功能。

无线通信单元51进行用于与其他无线通信设备(例如，通信终端11)建立无线通信的信号处理。无线通信单元51按照控制单元53进行的控制进行操作。无线通信单元51与一种或多种无线电接入方案兼容。例如，无线通信单元51与新无线电(NR)方案和长期演进(LTE)方案这两者兼容。除了NR和LTE之外，无线通信单元51还可以与宽带码分多址接入(W-CDMA)或码分多址接入2000(CDMA2000)兼容。另外，无线通信单元51可以与诸如混合自动重传请求(HARQ)之类的自动重传技术兼容。

无线通信单元51包括发送处理单元510和接收处理单元515。无线通信单元51可以包括多个发送处理单元510和多个接收处理单元515。注意，在无线通信单元51与多种无线电接入方案兼容的情况下，可以针对每种无线电接入方案单独地构成无线通信单元51的各个组件。例如，可以分别LTE和NR中的每一个单独地构成发送处理单元510和接收处理单元515。此外，天线56的数量可以是一个或多个，并且每个天线可以由多个天线元件(例如，多个贴片天线)构成。在这种情况下，无线通信单元51可被配置为使波束成形成为可能。无线通信单元51可被配置为使得使用垂直极化(V极化)和水平极化(H极化)的极化波束成形成为可能。

发送处理单元510进行下行链路控制信息和下行链路数据的发送处理。例如，发送处理单元510的编码单元511通过使用诸如块编码、卷积编码或turbo编码之类的编码方案对从控制单元53输入的下行链路控制信息和下行链路数据进行编码。这里，作为编码，可以进行基于极化码的编码或基于低密度奇偶校验码(LDPC)的编码。

然后，发送处理单元510的调制单元512通过预定的调制方案，比如二进制移相键控(BPSK)、正交移相键控(QPSK)、正交调幅(16QAM)、64QAM或256QAM，调制编码比特。在这种情况下，调制方案的星座上的信号点不一定是等距的。星座可能是非均匀星座(NUC)。

然后，发送处理单元510的多路复用单元513多路复用用于发送的各个信道的调制符号和下行链路参考信号，并把它们布置在预定的资源元素中。

此外，发送处理单元510对多路复用的信号进行各种信号处理。例如，发送处理单元510的无线发送单元514进行通过快速傅立叶变换到频域的转换、保护间隔(循环前缀)的添加、基带数字信号的生成、到模拟信号的转换、正交调制、上变频、多余的频率分量的去除、以及功率的放大。无线发送单元514生成的信号从天线56发送。

接收处理单元515对经由天线56接收的上行链路信号进行处理。例如，接收处理单元515的无线接收单元516对上行链路信号进行下变频、不必要的频率分量的去除、放大水平控制、正交解调、到数字信号的转换、保护间隔(循环前缀)的去除、以及通过快速傅立叶变换的频域信号的提取。

然后，接收处理单元515的多路复用分离单元517从无线接收单元516已对其进行了处理的信号中分离上行链路信道，比如物理上行链路共享信道(PUSCH)和物理上行链路控制信道(PUCCH)以及上行链路参考信号。

此外，接收处理单元515的解调单元518通过对上行链路信道的调制符号使用诸如BPSK或QPSK之类的调制方案，解调接收信号。用于解调的调制方案可以是16QAM、64QAM或256QAM。在这种情况下，星座上的信号点可能不是等距的。星座可以是非均匀星座(NUC)。

然后，接收处理单元515的解码单元519对解调的上行链路信道的编码比特进行解码处理。解码的上行链路数据和上行链路控制信息被输出到控制单元53。

天线56进行电流和无线电波之间的转换。天线56可以由一个天线元件(例如，一个贴片天线)构成，或者可以由多个天线元件(例如，多个贴片天线)构成。在天线56由多个天线元件构成的情况下，无线通信单元51可被配置为能够进行波束成形。例如，无线通信单元51可被配置为通过使用多个天线元件控制无线信号的指向性来生成定向波束。注意，天线56可以是双极化天线。在天线56是双极化天线的情况下，无线通信单元51可以使用垂直极化(V极化)和水平极化(H极化)来发送无线信号。然后，无线通信单元51可以控制通过使用垂直极化和水平极化发送的无线信号的指向性。

存储单元52充当基站设备50的存储装置，存储为基站设备50的处理所需的信息、处理结果等。例如，其中可以存储用于基站设备50进行处理的各种程序。

控制单元53控制基站设备50的各个部分。例如，控制单元53进行为经由无线通信单元51或网络通信单元55从外部获取与逻辑实体等使用的DNN相关的信息、用于确定DNN的一系列计算的分配范围的条件等所需的控制。

算术运算单元54按照来自控制单元53的指令，进行为基站设备50进行处理所需的算术运算。例如，算术运算单元54可以代替进行由发送处理单元510和接收处理单元515进行的处理的一部分，例如，需要高负载的算术运算。此外，例如，在基站设备是负责计算的组件的情况下，基站设备的分配范围的计算可以由算术运算单元54进行。另外，例如，在基站设备50是逻辑实体的情况下，算术运算单元54可以进行由逻辑实体执行的处理，例如，基于资源的对负责计算的组件的确定、对分配范围的确定等。

网络通信单元55进行用于与其他通信设备(例如，云系统12)建立有线通信的信号处理。例如，网络通信单元55连接到核心网络的接入和移动性管理功能(AMF)或用户平面功能(UPF)并交换信息和信令。

在一些实施例中，基站设备可以由多个物理或逻辑设备构成。例如，在本实施例中，基站设备可以分为多个设备，比如基带单元(BBU)和无线电单元(RU)。于是，基站设备可以被解释为这些多个设备的集合体，换句话说，可以被解释为基站系统。此外，基站设备可以是BBU和RU中的任意一个，或者可以是两者。BBU和RU可以通过诸如增强型通用公共无线电接口(eCPRI)之类的预定接口连接。注意，RU可以改为称为远程无线电单元(RRU)或无线电点(RD)。此外，RU可以与将在后面描述的gNB分布式单元(gNB-DU)兼容。此外，BBU可以与gNB中央式单元(gNB-CU)兼容。另外，RU可以是与天线一体地形成的设备。包含于基站设备中的天线(例如，与RU一体地形成的天线)可以采用先进天线系统，并支持MIMO(例如，FD-MIMO)或波束成形。此外，例如，包括在基站中的天线可以包括64个发送天线端口和64个接收天线端口。

此外，附接到RU上的天线的数量可以是一个或多个，并且每个天线可以是由一个或多个天线元件构成的天线面板。例如，在RU上可以安装包括两种类型的天线面板，即，水平极化天线面板和垂直极化天线面板的天线面板，或者包括两种类型的天线面板，即，右旋圆极化天线面板和左旋圆极化天线面板的天线面板。此外，RU可以针对每个天线面板形成独立的波束并控制它们。

注意，无线电接入网络(RAN)的基站可以被称为RAN节点，而接入网络(AN)的基站可以被称为AN节点。注意，LTE中的RAN可以被称为增强型通用地面RAN(E-UTRAN)。此外，NR中的RAN可以被称为NG-RAN。此外，W-CDMA(UMTS)中的RAN可以被称为UTRAN。

注意，LTE的基站被称为演进节点B(eNodeB)或eNB，此时，可以声明E-UTRAN包括一个或多个eNodeB(eNB)组件。此外，NR的基站也被称为gNodeB或gNB，同时，可以声明NG-RAN包括一个或多个gNB组件。E-UTRAN可以包括连接到LTE通信系统(EPS)中的核心网络(EPC)的gNB(en-gNB)。类似地，NG-RAN可以包括连接到5G通信系统(5GS)中的核心网络5GC的ng-eNB。

注意，在基站是eNB、gNB等的情况下，基站可以被称为3GPP接入。此外，在基站是无线电接入点的情况下，基站可以被称为非3GPP接入。另外，在基站是gNB的情况下，基站可以是如上所述的gNB-CU和gNB-DU的组合，或者可以是gNB-CU和gNB-DU中的任何一个。

这里，gNB-CU托管接入层中的多个上位层(例如，RRC、SDAP、PDCP)以便与UE通信。另一方面，gNB-DU托管接入层中的多个下位层(例如，RLC、MAC、PHY)。换句话说，诸如RRC信令、MAC控制元素(MAC CE)和DCI之类的消息或信息当中的RRC信令(准静态通知)可以由gNB-CU生成，而MAC CE和DCI(动态通知)可以由gNB-DU生成。或者，例如，RRC配置(准静态通知)当中的一些配置，比如IE：cellGroupConfig，可以由gNB-DU生成，而剩余的配置可以由gNB-CU生成。这些配置可以通过将在后面说明的F1接口发送和接收。

注意，基站可被配置为能够与其他基站进行通信。例如，在多个基站仅为eNB组件或者为eNB和en-gNB的组合的情况下，基站可以通过X2接口连接。此外，在多个基站仅为gNB组件或者为gn-eNB和gNB的组合的情况下，设备可以通过Xn接口连接。另外，在多个基站是gNB-CU和gNB-DU的组合的情况下，设备可以通过上述F1接口连接。诸如RRC信令、MAC CE和DCI之类的消息或信息例如可以经由X2接口、Xn接口或F1接口在多个基站之间发送。

由基站提供的小区可以被称为服务小区。服务小区的概念包括主小区(PCell)和辅小区(SCell)。在UE中设定了双连接的情况下，由主节点(MN)提供的PCell和0个或1个或更多的SCell可以被称为主小区组。双连接的例子包括E-UTRA-E-UTRA双连接、E-UTRA-NR双连接(ENDC)、与5GC的E-UTRA-NR双连接、NR-E-UTRA双连接(NEDC)、以及NR-NR双连接。

注意，服务小区可以包括主辅小区(PSCell或主SCG小区)。在UE中设定双连接的情况下，由辅节点(SN)提供的PSCell和0个或1个或更多的SCell可以被称为辅小区组(SCG)。除非采用特殊的设定(例如，SCell上的PUCCH)，否则物理上行链路控制信道(PUCCH)由PCell或PSCell发送，而不是由SCell发送。此外，无线电链路故障由PCell和PSCell检测，而不是由SCell检测(它可能未被检测到)。由于PCell和PSCell在服务小区中扮演着特殊的角色，因此它们也被称为特殊小区(SpCell)。

一个下行链路分量载波和一个上行链路分量载波可以与一个小区关联。此外，对应于一个小区的系统带宽可以被分割成多个带宽部分(BWP)。在这种情况下，在UE中设定一个或多个BWP，并且一个BWP可以被UE用作活动BWP。此外，UE可以使用的无线电资源(例如，频带、参数集(子载波间隔)、时隙格式(时隙配置))可以对于每个小区、每个分量载波或每个BWP而不同。

将另外描述通信终端11。通信终端11可以通过安装在移动体上而移动，或者可以是移动体本身。例如，通信终端11可以是在道路上移动的车辆，比如汽车、公共汽车、卡车或摩托车，或者可以是诸如列车之类在沿着轨道安装的铁轨上移动的车辆或搭载在该车辆上的无线通信设备。注意，移动体可以是移动终端，或者可以是在陆地上(在狭义的地面上)、在地下、在水上或者在水下移动的移动体。此外，移动体可以是诸如无人机或直升机之类在大气层内移动的移动体，或者可以是诸如人造卫星之类在大气层外移动的移动体。此外，通信终端11的主要应用不受限制，只要通信终端11具有信息处理功能和通信功能，并且是能够进行根据本公开的处理的设备即可。例如，通信终端11可以是诸如具有信息处理功能和通信功能的专业摄像机之类的设备，或者可以是诸如现场拾取单元(FPU)之类的通信设备。此外，通信终端11可以是机器对机器(M2M)设备或物联网(IoT)设备。

注意，通信终端11可以能够与基站进行NOMA通信。此外，通信终端11可以在与基站通信时，能够使用诸如HARQ之类的自动重传技术。通信终端11可以能够与其他通信终端11进行侧行链路通信。通信终端11也可以在进行侧链路通信时，能够使用诸如HARQ之类的自动重传技术。注意，通信终端11即使在与其他通信终端11的通信(侧行链路)中，也能够进行NOMA通信。另外，通信终端11可以能够与其他通信设备(例如，基站、其他通信终端11)进行LPWA通信。此外，通信终端11使用的无线通信可以是使用毫米波的无线通信。注意，通信终端11使用的无线通信(包括侧行链路通信)可以是使用无线电波的无线通信，或者可以是使用红外线或可见光的无线通信(光无线通信)。

通信终端11可以是安装在移动体上的通信设备，或者可以是具有移动能力的通信设备。例如，上面安装有通信终端11的移动体可以是在道路上移动的车辆，比如汽车、公共汽车、卡车或摩托车，或者可以是诸如列车之类在沿着轨道安装的铁轨上移动的车辆。注意，移动体移动的场所不受特别限制。于是，移动体可以是在陆地上(在狭义的地面上)、在地下、在水上或者在水下移动的移动体。此外，移动体可以是诸如无人机或直升机之类在大气层内移动的移动体，或者可以是诸如人造卫星之类在大气层外移动的移动体。

通信终端11可以同时连接到多个基站或多个小区，并与之进行通信。例如，在一个基站经由多个小区(例如，pCell、sCell)支持通信区域的情况下，可以通过载波聚合(CA)技术、双连接(DC)技术或多连接(MC)技术，捆绑多个小区并在基站和通信终端11之间建立通信。或者，可以通过协同多点发送和接收(CoMP)技术，经由不同基站的小区在通信终端11和多个基站之间建立通信。

图19是图解说明通信终端11的构成例子的示图。图19是在进行无线通信的情况下的构成例子，通信终端11包括无线通信单元111、存储单元112、控制单元113、算术运算单元114和天线115。注意，图19中图解所示的构成是功能构成，并且可以不同于硬件构成。另外，通信终端11的功能可以分布地安装在多个物理分离的组件上。

无线通信单元111进行用于与其他无线通信设备(例如，基站、中继站、无线通信节点131、施主节点132、其他通信终端11等)进行无线通信的信号处理。无线通信单元111按照控制单元113进行的控制进行操作。无线通信单元111包括发送处理单元1110和接收处理单元1115。与通信终端11的无线通信相关的组件可以类似于与基站设备50的无线通信相关的对应组件。换句话说，无线通信单元111及其内部组件以及天线115的构成可以分别类似于基站设备50的无线通信单元51及其内部组件以及天线56的构成。此外，无线通信单元111可以类似于基站设备50的无线通信单元51，被配置为能够进行波束成形。

存储单元112充当通信终端11的存储装置，存储为进行通信终端11的处理所需的信息、处理结果等。例如，其中可以存储用于进行通信终端11的处理的各种程序。

控制单元113控制通信终端11的各个部分。例如，控制单元113进行为经由无线通信单元111从外部获取与逻辑实体等使用的DNN相关的信息、用于确定DNN的一系列计算的分配范围的条件等所需的控制。

算术运算单元114按照来自控制单元113的指令，进行为进行通信终端11的处理所需的算术运算。例如，由发送处理单元1110和接收处理单元1115进行的处理的一部分，例如，需要高负载的算术运算可以改为由算术运算单元114进行。此外，例如，算术运算单元114进行为通信终端11执行的ML应用所需的算术运算，比如DNN的计算。

将另外描述核心网络。图20是图解说明包括核心网络133的5G系统(5GS)的网络架构的构成例子的示图。在图20的例子中，5GS由通信终端11(在图20中示出为UE)、RAN 134和核心网络133构成。RAN 134像图1中的无线通信节点131和施主节点132一样提供网络功能(NF)。5GS中的核心网络133被称为下一代核心(NGC)、5G核心(5GC)等。

在图20的例子中，核心网络133的控制平面的功能组由多个NF构成，即接入和移动性管理功能(AMF)601、网络开放功能(NEF)602、网络储存库功能(NRF)603、网络切片选择功能(NSSF)604、策略控制功能(PCF)605、会话管理功能(SMF)606、统一数据管理(UDM)607、应用功能(AF)608、认证服务器功能(AUSF)609和UE无线电能力管理功能(UCMF)610。

UDM 607进行订户信息的维护、管理、处理等。注意，维护和管理订户信息的执行单元也被称为统一数据储存库(UDR)，并且可以与作为订户信息的处理的执行单元的前端(FE)分离。此外，AMF 601进行移动性管理。SMF 606进行会话管理。UCMF 610维护与公共陆地移动网络(PLMN)中的所有UE无线电能力ID对应的UE无线电能力信息。UCMF610在分配每个PLMN分配的UE无线电能力ID中发挥作用。

图20图解说明NF的基于服务的接口。Namf是由AMF 601提供的基于服务的接口，Nsmf是由SMF 606提供的基于服务的接口，Nnef是由NEF 602提供的基于服务的接口，Npcf是由PCF 605提供的基于服务的接口，Nudm是由UDM 607提供的基于服务的接口，Naf是由AF608提供的基于服务的接口，Nnrf是由NRF 603提供的基于服务的接口，Nnssf是由NSSF 604提供的基于服务的接口，而Nausf是由AUSF 609提供的基于服务的接口。每个NF经由每个基于服务的接口与其他NF交换信息。

此外，用户平面功能(UPF)630执行用户平面处理。数据网络(DN)640允许连接到移动网络运营商(MNO)独有的服务、因特网和第三方的服务。

RAN 134建立到核心网络133、通信终端11等的通信连接。注意，RAN 134可以建立到未图示的其他通信网络，例如，接入网络(NW)的通信连接。RAN 134包括称为gNB或ng-eNB的基站。RAN可以被称为下一代(NG)-RAN。

在UE 10和AMF 601之间经由参考点N1交换信息。在RAN 134和AMF 601之间经由参考点N2交换信息。在SMF 606和UPF 630之间经由参考点N4交换信息。

注意，通信质量例如可以通过发送和接收中的延迟时间、数据速率、信道占用率等来指示。信道占用率可以用信道忙碌率(CBR)，资源使用率或拥塞程度表示。例如，CBR可以用正在使用的无线资源相对于所有可用资源的比例表示。此外，拥塞程度可以用作为频带中的全部接收功率的接收信号强度指示(RRSI)相对于作为参考信号的接收强度的参考信号接收功率(RSRP)的比率来指示。另外，拥塞程度可以用作为参考信号的接收质量的参考信号接收质量(RSRQ)的倒数来表示。

注意，根据本公开的处理不限于特定的标准，并且图解所示的设定可以适当地改变。应当注意的是，上述实施例示出了用于具体体现本公开的例子，并且本公开可以以各种其他形式实现。例如，在不偏离本公开的要点的情况下，各种修改、替换、省略或它们的组合都是可能的。此类形式的修改、替换和省略包括在权利要求书中描述的本发明的范围及其等效范围内，如包括在本公开的范围内一样。

此外，本公开中所述的处理的过程可以被视为包括这样的一系列过程的方法。或者，过程可以被视为使计算机进行这样的一系列过程的程序或存储该程序的记录介质。另外，如上所述的逻辑实体和负责计算的组件的处理由诸如计算机的CPU之类的处理器执行。此外，由于记录介质的类型不影响本公开的实施例，因此类型并无特别限制。

注意，在图18～图20中图解所示和在本公开中所述的每个组件可以通过软件实现，或者可以通过硬件实现。例如，每个组件是通过诸如微程序之类的软件实现的软件模块，并且每个组件可以通过处理器执行该软件模块来实现。或者，每个组件可以通过半导体芯片(裸片)上的电路块，例如，诸如专用集成电路(ASIC)或现场可编程门阵列(FPGA)之类的集成电路来实现。此外，组件的数量和实现组件的硬件的数量可以不相同。例如，一个处理器或电路可以实现多个组件。相反，一个组件可由多个处理器或电路实现。

注意，本公开中描述的处理器的类型不受限制。例如，它可以是CPU、微处理单元(MPU)、图形处理单元(GPU)等。

此外，用于存储数据的组件，比如基站设备50的存储单元52和通信终端11的存储单元112只需要由数据可读/可写设备来实现，并且可以适当地选择设备。例如，设备可以是DRAM、SRAM、闪存或硬盘等。

本公开可以具有以下配置。

[1]一种信息处理设备，所述信息处理设备接收关于通信网络的资源的信息，所述通信网络对通信终端和服务器之间的通信进行中继，所述通信终端发送到深度神经网络的输入，或者负责深度神经网络的一系列计算的至少一部分并发送计算的结果，所述服务器能够负责所述一系列计算的至少一部分，并且

基于关于资源的所述信息，从所述通信终端、所述服务器和所述通信网络中的通信节点当中确定所述一系列计算被分配给的实体。

[2]根据[1]所述的信息处理设备，其中所述通信节点中的至少一个被确定为所述一系列计算被分配给的实体。

[3]根据[1]或[2]所述的信息处理设备，其中基于关于资源的所述信息，确定所述一系列计算被分配给的实体所负责的计算范围。

[4]根据[2]或根据[2]的[3]所述的信息处理设备，其中存在于所述通信终端和所述服务器之间的通信路径上的所述通信节点中的至少一个被确定为所述一系列计算被分配给的实体。

[5]根据[2]～[4]任意之一所述的信息处理设备，其中所述资源包括所述通信网络中的通信链路的通信容量或通信质量，并且

基于所述通信容量或所述通信质量，将所述通信节点中的至少一个确定为所述一系列计算被分配给的实体。

[6]根据[5]所述的信息处理设备，其中基于所述通信容量或所述通信质量来估计经由所述通信链路发送由所述通信节点进行的计算的结果的通信时间，并且基于所述通信时间将所述通信节点中的至少一个确定为所述一系列计算被分配给的实体。

[7]根据[2]～[6]任意之一所述的信息处理设备，其中所述资源包括所述通信节点的计算余力，并且

基于所述通信节点的计算余力，将所述通信节点中的至少一个确定为所述一系列计算被分配给的实体。

[8]根据[7]所述的信息处理设备，其中基于所述通信节点的计算余力来估计所述通信节点进行计算所需的计算时间，并且基于所述计算时间将所述通信节点中的至少一个确定为所述一系列计算被分配给的实体。

[9]根据[2]～[8]任意之一所述的信息处理设备，其中所述资源包括所述通信网络中的通信链路的通信容量或通信质量，以及所述通信节点的计算余力，

基于所述通信容量或所述通信质量，估计经由所述通信链路发送由所述通信节点进行的计算的结果的通信时间，

基于所述通信节点的计算余力，估计所述通信节点进行计算所需的计算时间，并且

基于所述通信时间和所述计算时间的总和不超过预定阈值的条件，将所述通信节点中的至少一个确定为所述一系列计算被分配给的实体。

[10]根据[4]或根据[4]的[5]～[9]任意之一所述的信息处理设备，其中所述信息处理设备还接收关于所述通信终端的位置的信息，并且

响应于所述通信路径伴随所述通信终端的移动的变更，变更所述一系列计算被分配给的实体。

[11]根据[4]或根据[4]的[5]～[10]任意之一所述的信息处理设备，其中所述信息处理设备还接收关于所述通信网络的拓扑的信息，并且

响应于所述通信路径伴随所述拓扑的变更的变更，变更所述一系列计算被分配给的实体。

[12]根据[3]或根据[3]的[4]～[11]任意之一所述的信息处理设备，其中通过基于所述资源选择多种分拆模式之一，确定所述一系列计算被分配给的实体所负责的计算范围。

[13]根据[12]所述的信息处理设备，其中所述资源包括所述通信终端的位置，并且

当随着所述通信终端的移动而变更的所述通信路径上不存在预定的通信节点时，重新创建分拆模式。

[14]根据[3]或[4]～[13]任意之一所述的信息处理设备，其中通过基于所述资源的变动来增加或减少所述一系列计算被分配给的实体所负责的计算范围，变更所述一系列计算被分配给的实体所负责的计算范围。

[15]根据[3]或根据[3]的[4]～[11]任意之一所述的信息处理设备，其中所述计算范围被发送到被确定为所述一系列计算被分配给的实体的通信节点。

[16]根据[15]所述的信息处理设备，其中确定用于提高所述通信路径上的无线通信链路的质量的设定值，并且

将用于提高所述通信路径上的无线通信链路的质量的设定值发送到存在于所述通信路径上的所述通信节点。

[17]一种信息处理设备，所述信息处理设备接收基于深度神经网络的一系列计算的一部分作为分配的计算范围，

进行所述计算范围的计算，

将所述计算范围的计算结果发送到指定的目的地，

获取关于计算余力或发送所述计算结果的通信链路的通信容量或通信质量的信息，

将获取的信息发送到所述计算范围的指定源，并且

从所述指定源接收关于所述计算范围的变更的信息。

[18]根据[17]所述的信息处理设备，其中关于所述计算范围的变更的信息是指示多种分拆模式之一的信息。

[19]根据[18]所述的信息处理设备，其中在所述计算结果满足用于中途结束所述一系列计算的条件的情况下，所述计算结果被发送到所述一系列计算的计算结果的最终接收目的地，而不是指定的目的地。

[20]一种信息处理方法，包括以下步骤：接收关于通信网络的资源的信息，所述通信网络对通信终端和服务器之间的通信进行中继，所述通信终端发送到深度神经网络的输入，或者负责深度神经网络的一系列计算的至少一部分并发送计算的结果，所述服务器能够负责所述一系列计算的至少一部分；以及

基于关于资源的所述信息，从所述通信终端、所述服务器和所述通信网络中的通信节点当中确定所述一系列计算被分配给的多个实体。

[21]一种信息处理系统，包括：属于通信网络的多个通信节点，所述通信网络对通信终端和服务器之间的通信进行中继，所述通信终端发送到深度神经网络的输入，或者负责深度神经网络的一系列计算的至少一部分并发送计算的结果，所述服务器能够负责所述一系列计算的至少一部分，

其中所述多个通信节点向所述多个通信节点当中的预定通信节点发送关于所述通信网络的资源的信息；以及

所述预定通信节点，

接收关于资源的所述信息，并且

基于关于资源的所述信息，从所述通信终端、所述服务器和所述通信节点当中确定所述一系列计算被分配给的多个实体。

[22]一种信息处理方法，包括以下步骤：确定深度神经网络的一系列计算的第一分配范围；

执行第一分配范围的计算；

发送作为第一分配范围的计算的结果的第一信息，所述第一信息包含第一分配范围的最终层中所包括的节点的标识信息和输出值；

接收第一信息；

基于包含于第一信息中的标识信息，识别包含于第一信息中的输出值要被输入到的节点；以及

通过将包含于第一信息中的输出值输入到所识别的节点，执行深度神经网络的剩余计算或者第二分配范围的计算。

[23]根据[22]所述的信息处理方法，还包括以下步骤：将深度神经网络的剩余计算或第二分配范围的计算的结果回复给第一分配范围的计算的结果的发送源。

[24]根据[22]或[23]所述的信息处理方法，还包括以下步骤：接收用于确定第一分配范围的条件，

其中

第一分配范围是基于所述条件确定的。

[25]根据[24]所述的信息处理方法，其中所述条件包括与计算第一分配范围的实体的计算余力相关的条件。

[26]根据[24]或[25]所述的信息处理方法，其中所述条件包括与计算第一分配范围的实体和预定实体之间的通信质量相关的条件。

[27]根据[26]所述的信息处理方法，其中所述通信质量是基于延迟时间、数据速率和信道占用率中的至少一个计算的。

[28]根据[24]～[27]任意之一所述的信息处理方法，其中执行深度神经网络的剩余计算和第二分配范围的计算的实体与发送用于确定第一分配范围的条件的实体彼此不同。

[29]一种信息处理设备，所述信息处理设备执行使用深度神经网络的应用，

基于用于确定深度神经网络的一系列计算的第一分配范围的条件，确定第一分配范围，

执行第一分配范围的计算，并且

发送作为第一分配范围的计算的结果的第一信息，所述第一信息包含第一分配范围的最终层中所包括的节点的标识信息和输出值。

[30]根据[29]所述的信息处理设备，其中所述信息处理设备将第一信息发送给接下来进行深度神经网络的所述一系列计算的实体，并且

接收深度神经网络的剩余计算或第二分配范围的计算的结果，作为对第一信息的回复。

[31]根据[29]或[30]所述的信息处理设备，其中所述条件包括与所述信息处理设备自身的计算余力相关的条件，并且

第一分配范围是根据所述计算余力确定的。

[32]根据[29]～[31]任意之一所述的信息处理设备，其中所述条件包括与所述信息处理设备自身和预定实体之间的通信质量相关的条件，并且

第一分配范围是根据所述通信质量确定的。

[33]根据[32]所述的信息处理设备，其中所述通信质量是基于延迟时间、数据速率和信道占用率中的至少一个计算的。

[34]一种信息处理设备，所述信息处理设备接收作为深度神经网络的一系列计算的第一分配范围的计算的结果的第一信息，所述第一信息包含第一分配范围的最终层中所包括的节点的标识信息和输出值，

基于包含于第一信息中的标识信息，识别包含于第一信息中的输出值要被输入到的节点，并且

通过将包含于第一信息中的输出值输入到所识别的节点，执行深度神经网络的剩余计算或第二分配范围的计算。

[35]根据[34]所述的信息处理设备，其中深度神经网络的剩余计算或第二分配范围的计算的结果作为回复被发送给第一分配范围的计算的结果的发送源。

[36]根据[35]所述的信息处理设备，其中第二分配范围是基于用于确定第二分配范围的条件确定的，并且

所述条件包括与所述信息处理设备自身的计算余力相关的条件。

[37]根据[35]或[36]所述的信息处理设备，其中第二分配范围是基于用于确定第二分配范围的条件确定的，并且

所述条件包括与所述信息处理设备自身和预定实体之间的通信质量相关的条件。

[38]根据[37]所述的信息处理设备，其中所述通信质量是基于延迟时间、数据速率和信道占用率中的至少一个计算的。

[附图标记列表]

1信息处理系统

11通信终端(UE)

111 无线通信单元

1110 发送处理单元

1111 编码单元

1112 调制单元

1113 多路复用单元

1114 无线发送单元

1115 接收处理单元

1116 无线接收单元

1117 多路复用分离单元

1118 解调单元

1119 解码单元

112 存储单元

113 控制单元

114 算术运算单元

1141 条件设定单元

1142 算术运算模型设定单元

1143 算术运算处理单元

115 天线

12 云系统

121 云服务器

13 通信网络

131 无线通信节点

132 施主节点

133 核心网络

1331 核心网络通信节点

134 RAN

2 虚线框(DNN)

21 DNN节点

22 DNN链接

50 基站设备

51 无线通信单元

510 发送处理单元

511 编码单元

512 调制单元

513 多路复用单元

514 无线发送单元

515 接收处理单元

516 无线接收单元

517 多路复用分离单元

518 解调单元

519 解码单元

52 存储单元

53 控制单元

54 算术运算单元

55 网络通信单元

56 天线

601 AMF

602 NEF

603 NRF

604 NSSF

605 PCF

606 SMF

607 UDM

608 AF

609 AUSF

610 UCMF

630 UPF

640 DN

权利要求书(按照条约第19条的修改)

1.一种信息处理设备，所述信息处理设备接收关于通信网络的资源的信息，所述通信网络对通信终端和服务器之间的通信进行中继，所述通信终端发送到深度神经网络的输入，或者负责深度神经网络的一系列计算的至少一部分并发送计算的结果，所述服务器能够负责所述一系列计算的至少一部分，并且

基于关于资源的所述信息，从所述通信终端、所述服务器和所述通信网络中的通信节点当中确定所述一系列计算被分配给的实体。

2.根据权利要求1所述的信息处理设备，其中所述通信节点中的至少一个被确定为所述一系列计算被分配给的实体。

3.根据权利要求1所述的信息处理设备，其中基于关于资源的所述信息，确定所述一系列计算被分配给的实体所负责的计算范围。

4.根据权利要求2所述的信息处理设备，其中存在于所述通信终端和所述服务器之间的通信路径上的所述通信节点中的至少一个被确定为所述一系列计算被分配给的实体。

5.根据权利要求2所述的信息处理设备，

其中所述资源包括所述通信网络中的通信链路的通信容量或通信质量，并且

基于所述通信容量或所述通信质量，将所述通信节点中的至少一个确定为所述一系列计算被分配给的实体。

6.根据权利要求5所述的信息处理设备，其中基于所述通信容量或所述通信质量来估计经由所述通信链路发送由所述通信节点进行的计算的结果的通信时间，并且基于所述通信时间将所述通信节点中的至少一个确定为所述一系列计算被分配给的实体。

7.根据权利要求2所述的信息处理设备，

其中所述资源包括所述通信节点的计算余力，并且

基于所述通信节点的计算余力，将所述通信节点中的至少一个确定为所述一系列计算被分配给的实体。

8.根据权利要求7所述的信息处理设备，其中基于所述通信节点的计算余力来估计所述通信节点进行计算所需的计算时间，并且基于所述计算时间将所述通信节点中的至少一个确定为所述一系列计算被分配给的实体。

9.根据权利要求2所述的信息处理设备，

其中所述资源包括所述通信网络中的通信链路的通信容量或通信质量，以及所述通信节点的计算余力，

基于所述通信容量或所述通信质量，估计经由所述通信链路发送由所述通信节点进行的计算的结果的通信时间，

基于所述通信节点的计算余力，估计所述通信节点进行计算所需的计算时间，并且

基于所述通信时间和所述计算时间的总和不超过预定阈值的条件，将所述通信节点中的至少一个确定为所述一系列计算被分配给的实体。

10.根据权利要求4所述的信息处理设备，

其中所述信息处理设备还接收关于所述通信终端的位置的信息，并且

响应于所述通信路径伴随所述通信终端的移动的变更，变更所述一系列计算被分配给的实体。

11.根据权利要求4所述的信息处理设备，

其中所述信息处理设备还接收关于所述通信网络的拓扑的信息，并且

响应于所述通信路径伴随所述拓扑的变更的变更，变更所述一系列计算被分配给的实体。

12.根据权利要求3所述的信息处理设备，其中通过基于所述资源选择多种分拆模式之一，确定所述一系列计算被分配给的实体所负责的计算范围。

13.根据权利要求12所述的信息处理设备，

其中所述资源包括所述通信终端的位置，并且

当随着所述通信终端的移动而变更的所述通信路径上不存在预定的通信节点时，重新创建分拆模式。

14.根据权利要求3所述的信息处理设备，其中通过基于所述资源的变动来增加或减少所述一系列计算被分配给的实体所负责的计算范围，变更所述一系列计算被分配给的实体所负责的计算范围。

15.根据权利要求3所述的信息处理设备，其中所述计算范围被发送到被确定为所述一系列计算被分配给的实体的通信节点。

16.根据权利要求15所述的信息处理设备，

其中确定用于提高所述通信路径上的无线通信链路的质量的设定值，并且

将用于提高所述通信路径上的无线通信链路的质量的设定值发送到存在于所述通信路径上的所述通信节点。

17.一种信息处理设备，所述信息处理设备接收基于深度神经网络的一系列计算的一部分作为分配的计算范围，

进行所述计算范围的计算，

将所述计算范围的计算结果发送到指定的目的地，

获取关于计算余力或发送所述计算结果的通信链路的通信容量或通信质量的信息，

将获取的信息发送到所述计算范围的指定源，并且

从所述指定源接收关于所述计算范围的变更的信息。

18.根据权利要求17所述的信息处理设备，其中关于所述计算范围的变更的信息是指示多种分拆模式之一的信息。

19.根据权利要求17所述的信息处理设备，其中在所述计算结果满足用于中途结束所述一系列计算的条件的情况下，所述计算结果被发送到所述一系列计算的计算结果的最终接收目的地，而不是指定的目的地。

20.一种信息处理方法，包括以下步骤：

接收关于通信网络的资源的信息，所述通信网络对通信终端和服务器之间的通信进行中继，所述通信终端发送到深度神经网络的输入，或者负责深度神经网络的一系列计算的至少一部分并发送计算的结果，所述服务器能够负责所述一系列计算的至少一部分；以及

基于关于资源的所述信息，从所述通信终端、所述服务器和所述通信网络中的通信节点当中确定所述一系列计算被分配给的多个实体。

21.一种信息处理系统，包括：

属于通信网络的多个通信节点，所述通信网络对通信终端和服务器之间的通信进行中继，所述通信终端发送到深度神经网络的输入，或者负责深度神经网络的一系列计算的至少一部分并发送计算的结果，所述服务器能够负责所述一系列计算的至少一部分，

其中所述多个通信节点向所述多个通信节点当中的预定通信节点发送关于所述通信网络的资源的信息；以及

所述预定通信节点，

接收关于资源的所述信息，并且

基于关于资源的所述信息，从所述通信终端、所述服务器和所述通信节点当中确定所述一系列计算被分配给的多个实体。

22.(修改后)一种信息处理方法，包括以下步骤：

由对深度神经网络的一系列计算的第一分配范围进行处理的设备接收用于确定第一分配范围的条件，所述条件是由所述设备检测到的关于所述设备中的指标的条件；

由所述设备基于接收到的条件确定深度神经网络的所述一系列计算的第一分配范围；

由所述设备执行第一分配范围的计算；

由所述设备向不同于所述设备的其他设备发送作为第一分配范围的计算的结果的第一信息，所述第一信息包含第一分配范围的最终层中所包括的节点的标识信息和输出值；

由所述其他设备接收第一信息；

由所述其他设备基于包含于第一信息中的标识信息，识别包含于第一信息中的输出值要被输入到的节点；以及

由所述其他设备通过将包含于第一信息中的输出值输入到所识别的节点，执行深度神经网络的剩余计算或者第二分配范围的计算。

23.根据权利要求22所述的信息处理方法，还包括以下步骤：

将深度神经网络的剩余计算或第二分配范围的计算的结果回复给第一分配范围的计算的结果的发送源。

24.根据权利要求22所述的信息处理方法，还包括以下步骤：

接收用于确定第一分配范围的条件，

其中第一分配范围是基于所述条件确定的。

25.根据权利要求24所述的信息处理方法，其中所述条件包括与计算第一分配范围的实体的计算余力相关的条件。

26.根据权利要求24所述的信息处理方法，其中所述条件包括与计算第一分配范围的实体和预定实体之间的通信质量相关的条件。

27.根据权利要求26所述的信息处理方法，其中所述通信质量是基于延迟时间、数据速率和信道占用率中的至少一个计算的。

28.根据权利要求24所述的信息处理方法，其中执行深度神经网络的剩余计算和第二分配范围的计算的实体与发送用于确定第一分配范围的条件的实体彼此不同。

29.一种信息处理设备，所述信息处理设备执行使用深度神经网络的应用，

基于用于确定深度神经网络的一系列计算的第一分配范围的条件，确定第一分配范围，

执行第一分配范围的计算，并且

发送作为第一分配范围的计算的结果的第一信息，所述第一信息包含第一分配范围的最终层中所包括的节点的标识信息和输出值。

30.根据权利要求29所述的信息处理设备，其中所述信息处理设备将第一信息发送给接下来进行深度神经网络的所述一系列计算的实体，并且

接收深度神经网络的剩余计算或第二分配范围的计算的结果，作为对第一信息的回复。

31.根据权利要求29所述的信息处理设备，

其中所述条件包括与所述信息处理设备自身的计算余力相关的条件，并且

第一分配范围是根据所述计算余力确定的。

32.根据权利要求29所述的信息处理设备，

其中所述条件包括与所述信息处理设备自身和预定实体之间的通信质量相关的条件，并且

第一分配范围是根据所述通信质量确定的。

33.根据权利要求32所述的信息处理设备，其中所述通信质量是基于延迟时间、数据速率和信道占用率中的至少一个计算的。

34.一种信息处理设备，所述信息处理设备接收作为深度神经网络的一系列计算的第一分配范围的计算的结果的第一信息，所述第一信息包含第一分配范围的最终层中所包括的节点的标识信息和输出值，

基于包含于第一信息中的标识信息，识别包含于第一信息中的输出值要被输入到的节点，并且

通过将包含于第一信息中的输出值输入到所识别的节点，执行深度神经网络的剩余计算或第二分配范围的计算。

35.根据权利要求34所述的信息处理设备，其中深度神经网络的剩余计算或第二分配范围的计算的结果作为回复被发送给第一分配范围的计算的结果的发送源。

36.根据权利要求35所述的信息处理设备，

其中第二分配范围是基于用于确定第二分配范围的条件确定的，并且

所述条件包括与所述信息处理设备自身的计算余力相关的条件。

37.根据权利要求35所述的信息处理设备，

其中第二分配范围是基于用于确定第二分配范围的条件确定的，并且

所述条件包括与所述信息处理设备自身和预定实体之间的通信质量相关的条件。

38.根据权利要求37所述的信息处理设备，其中所述通信质量是基于延迟时间、数据速率和信道占用率中的至少一个计算的。

Claims (38)

1.一种信息处理设备，所述信息处理设备接收关于通信网络的资源的信息，所述通信网络对通信终端和服务器之间的通信进行中继，所述通信终端发送到深度神经网络的输入，或者负责深度神经网络的一系列计算的至少一部分并发送计算的结果，所述服务器能够负责所述一系列计算的至少一部分，并且

基于关于资源的所述信息，从所述通信终端、所述服务器和所述通信网络中的通信节点当中确定所述一系列计算被分配给的实体。

2.根据权利要求1所述的信息处理设备，其中所述通信节点中的至少一个被确定为所述一系列计算被分配给的实体。

3.根据权利要求1所述的信息处理设备，其中基于关于资源的所述信息，确定所述一系列计算被分配给的实体所负责的计算范围。

4.根据权利要求2所述的信息处理设备，其中存在于所述通信终端和所述服务器之间的通信路径上的所述通信节点中的至少一个被确定为所述一系列计算被分配给的实体。

5.根据权利要求2所述的信息处理设备，

其中所述资源包括所述通信网络中的通信链路的通信容量或通信质量，并且

基于所述通信容量或所述通信质量，将所述通信节点中的至少一个确定为所述一系列计算被分配给的实体。

6.根据权利要求5所述的信息处理设备，其中基于所述通信容量或所述通信质量来估计经由所述通信链路发送由所述通信节点进行的计算的结果的通信时间，并且基于所述通信时间将所述通信节点中的至少一个确定为所述一系列计算被分配给的实体。

7.根据权利要求2所述的信息处理设备，

其中所述资源包括所述通信节点的计算余力，并且

基于所述通信节点的计算余力，将所述通信节点中的至少一个确定为所述一系列计算被分配给的实体。

8.根据权利要求7所述的信息处理设备，其中基于所述通信节点的计算余力来估计所述通信节点进行计算所需的计算时间，并且基于所述计算时间将所述通信节点中的至少一个确定为所述一系列计算被分配给的实体。

9.根据权利要求2所述的信息处理设备，

其中所述资源包括所述通信网络中的通信链路的通信容量或通信质量，以及所述通信节点的计算余力，

基于所述通信容量或所述通信质量，估计经由所述通信链路发送由所述通信节点进行的计算的结果的通信时间，

基于所述通信节点的计算余力，估计所述通信节点进行计算所需的计算时间，并且

基于所述通信时间和所述计算时间的总和不超过预定阈值的条件，将所述通信节点中的至少一个确定为所述一系列计算被分配给的实体。

10.根据权利要求4所述的信息处理设备，

其中所述信息处理设备还接收关于所述通信终端的位置的信息，并且

响应于所述通信路径伴随所述通信终端的移动的变更，变更所述一系列计算被分配给的实体。

11.根据权利要求4所述的信息处理设备，

其中所述信息处理设备还接收关于所述通信网络的拓扑的信息，并且

响应于所述通信路径伴随所述拓扑的变更的变更，变更所述一系列计算被分配给的实体。

12.根据权利要求3所述的信息处理设备，其中通过基于所述资源选择多种分拆模式之一，确定所述一系列计算被分配给的实体所负责的计算范围。

13.根据权利要求12所述的信息处理设备，

其中所述资源包括所述通信终端的位置，并且

当随着所述通信终端的移动而变更的所述通信路径上不存在预定的通信节点时，重新创建分拆模式。

14.根据权利要求3所述的信息处理设备，其中通过基于所述资源的变动来增加或减少所述一系列计算被分配给的实体所负责的计算范围，变更所述一系列计算被分配给的实体所负责的计算范围。

15.根据权利要求3所述的信息处理设备，其中所述计算范围被发送到被确定为所述一系列计算被分配给的实体的通信节点。

16.根据权利要求15所述的信息处理设备，

其中确定用于提高所述通信路径上的无线通信链路的质量的设定值，并且

将用于提高所述通信路径上的无线通信链路的质量的设定值发送到存在于所述通信路径上的所述通信节点。

17.一种信息处理设备，所述信息处理设备接收基于深度神经网络的一系列计算的一部分作为分配的计算范围，

进行所述计算范围的计算，

将所述计算范围的计算结果发送到指定的目的地，

获取关于计算余力或发送所述计算结果的通信链路的通信容量或通信质量的信息，

将获取的信息发送到所述计算范围的指定源，并且

从所述指定源接收关于所述计算范围的变更的信息。

18.根据权利要求17所述的信息处理设备，其中关于所述计算范围的变更的信息是指示多种分拆模式之一的信息。

19.根据权利要求17所述的信息处理设备，其中在所述计算结果满足用于中途结束所述一系列计算的条件的情况下，所述计算结果被发送到所述一系列计算的计算结果的最终接收目的地，而不是指定的目的地。

20.一种信息处理方法，包括以下步骤：

接收关于通信网络的资源的信息，所述通信网络对通信终端和服务器之间的通信进行中继，所述通信终端发送到深度神经网络的输入，或者负责深度神经网络的一系列计算的至少一部分并发送计算的结果，所述服务器能够负责所述一系列计算的至少一部分；以及

基于关于资源的所述信息，从所述通信终端、所述服务器和所述通信网络中的通信节点当中确定所述一系列计算被分配给的多个实体。

21.一种信息处理系统，包括：

属于通信网络的多个通信节点，所述通信网络对通信终端和服务器之间的通信进行中继，所述通信终端发送到深度神经网络的输入，或者负责深度神经网络的一系列计算的至少一部分并发送计算的结果，所述服务器能够负责所述一系列计算的至少一部分，

其中所述多个通信节点向所述多个通信节点当中的预定通信节点发送关于所述通信网络的资源的信息；以及

所述预定通信节点，

接收关于资源的所述信息，并且

基于关于资源的所述信息，从所述通信终端、所述服务器和所述通信节点当中确定所述一系列计算被分配给的多个实体。

22.一种信息处理方法，包括以下步骤：

确定深度神经网络的一系列计算的第一分配范围；

执行第一分配范围的计算；

发送作为第一分配范围的计算的结果的第一信息，所述第一信息包含第一分配范围的最终层中所包括的节点的标识信息和输出值；

接收第一信息；

基于包含于第一信息中的标识信息，识别包含于第一信息中的输出值要被输入到的节点；以及

通过将包含于第一信息中的输出值输入到所识别的节点，执行深度神经网络的剩余计算或者第二分配范围的计算。

23.根据权利要求22所述的信息处理方法，还包括以下步骤：

将深度神经网络的剩余计算或第二分配范围的计算的结果回复给第一分配范围的计算的结果的发送源。

24.根据权利要求22所述的信息处理方法，还包括以下步骤：

接收用于确定第一分配范围的条件，

其中第一分配范围是基于所述条件确定的。

25.根据权利要求24所述的信息处理方法，其中所述条件包括与计算第一分配范围的实体的计算余力相关的条件。

26.根据权利要求24所述的信息处理方法，其中所述条件包括与计算第一分配范围的实体和预定实体之间的通信质量相关的条件。

27.根据权利要求26所述的信息处理方法，其中所述通信质量是基于延迟时间、数据速率和信道占用率中的至少一个计算的。

28.根据权利要求24所述的信息处理方法，其中执行深度神经网络的剩余计算和第二分配范围的计算的实体与发送用于确定第一分配范围的条件的实体彼此不同。

29.一种信息处理设备，所述信息处理设备执行使用深度神经网络的应用，

基于用于确定深度神经网络的一系列计算的第一分配范围的条件，确定第一分配范围，

执行第一分配范围的计算，并且

发送作为第一分配范围的计算的结果的第一信息，所述第一信息包含第一分配范围的最终层中所包括的节点的标识信息和输出值。

30.根据权利要求29所述的信息处理设备，其中所述信息处理设备将第一信息发送给接下来进行深度神经网络的所述一系列计算的实体，并且

接收深度神经网络的剩余计算或第二分配范围的计算的结果，作为对第一信息的回复。

31.根据权利要求29所述的信息处理设备，

其中所述条件包括与所述信息处理设备自身的计算余力相关的条件，并且

第一分配范围是根据所述计算余力确定的。

32.根据权利要求29所述的信息处理设备，

其中所述条件包括与所述信息处理设备自身和预定实体之间的通信质量相关的条件，并且

第一分配范围是根据所述通信质量确定的。

33.根据权利要求32所述的信息处理设备，其中所述通信质量是基于延迟时间、数据速率和信道占用率中的至少一个计算的。

34.一种信息处理设备，所述信息处理设备接收作为深度神经网络的一系列计算的第一分配范围的计算的结果的第一信息，所述第一信息包含第一分配范围的最终层中所包括的节点的标识信息和输出值，

基于包含于第一信息中的标识信息，识别包含于第一信息中的输出值要被输入到的节点，并且

通过将包含于第一信息中的输出值输入到所识别的节点，执行深度神经网络的剩余计算或第二分配范围的计算。

35.根据权利要求34所述的信息处理设备，其中深度神经网络的剩余计算或第二分配范围的计算的结果作为回复被发送给第一分配范围的计算的结果的发送源。

36.根据权利要求35所述的信息处理设备，

其中第二分配范围是基于用于确定第二分配范围的条件确定的，并且

所述条件包括与所述信息处理设备自身的计算余力相关的条件。

37.根据权利要求35所述的信息处理设备，

其中第二分配范围是基于用于确定第二分配范围的条件确定的，并且

所述条件包括与所述信息处理设备自身和预定实体之间的通信质量相关的条件。

38.根据权利要求37所述的信息处理设备，其中所述通信质量是基于延迟时间、数据速率和信道占用率中的至少一个计算的。