CN117836785A - 一种模型的生成方法及装置 - Google Patents
一种模型的生成方法及装置 Download PDFInfo
- Publication number
- CN117836785A CN117836785A CN202280003069.2A CN202280003069A CN117836785A CN 117836785 A CN117836785 A CN 117836785A CN 202280003069 A CN202280003069 A CN 202280003069A CN 117836785 A CN117836785 A CN 117836785A
- Authority
- CN
- China
- Prior art keywords
- model
- auxiliary information
- equipment
- terminal
- calibrated
- 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
- 238000000034 method Methods 0.000 title claims abstract description 120
- 238000004891 communication Methods 0.000 claims abstract description 85
- 238000012549 training Methods 0.000 claims abstract description 81
- 238000004590 computer program Methods 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 20
- 230000015654 memory Effects 0.000 claims description 18
- 230000003993 interaction Effects 0.000 abstract description 17
- 230000006870 function Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 13
- 239000004065 semiconductor Substances 0.000 description 6
- 229910044991 metal oxide Inorganic materials 0.000 description 5
- 150000004706 metal oxides Chemical class 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 229910000577 Silicon-germanium Inorganic materials 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- JBRZTFJDHDCESZ-UHFFFAOYSA-N AsGa Chemical compound [As]#[Ga] JBRZTFJDHDCESZ-UHFFFAOYSA-N 0.000 description 1
- LEVVHYCKPQWKOP-UHFFFAOYSA-N [Si].[Ge] Chemical compound [Si].[Ge] LEVVHYCKPQWKOP-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000005245 sintering Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本公开实施例公开了一种模型生成方法及装置,可应用于通信技术领域,其中,由第一设备执行的方法包括:获取预训练模型(201);接收第二设备发送的模型校准辅助信息(202);基于模型校准辅助信息,对预训练模型进行校准,以生成校准后模型(203);将校准后模型,发送给第二设备(204)。由此,通过第一设备与第二设备的交互,实现了模型的灵活生成和配置,进一步提升了通信系统的性能和效率。
Description
本公开涉及通信技术领域,尤其涉及一种模型的生成方法及装置。
人工智能(artificial intelligence,AI)已经逐步应用于通信系统中,用于辅助提升通讯算法的效率。通信系统中AI模型的训练可能需要各方的参与才能最大程度提高模型的准确性。比如波束管理,不仅需要网络设备侧的波束配置数据,也需要终端设备侧的反馈信息。所以在通信系统中如何生成和布置AI模型,成为当前面临的问题。
发明内容
本公开实施例提供一种模型的生成方法及装置,可以灵活生成和配置模型,进一步提升了通信系统的性能和效率。
第一方面,本公开实施例提供一种模型的生成方法,该方法由第一设备执行,方法包括:取预训练模型;接收第二设备发送的模型校准辅助信息;基于所述模型校准辅助信息,对所述预训练模型进行校准。
本公开中,第一设备在获取到预训练模型及第二设备发送的模型校准辅助信息后,即可基于模型校准辅助信息,对预训练模型进行校准以得到模型,并将生成的模型发送给第二设备。由此,实现了灵活生成和配置不同校准后的模型,进一步提升了通信系统的性能和效率。
第二方面,本公开实施例提供一种模型的生成方法,该方法由第二设备执行,方法包括:向第一设备发送模型校准辅助信息;接收所述第一设备发送的基于所述模型校准辅助信息校准后的校准后的模型。
本公开中,第二设备首先向第一设备发送模型校准辅助信息,之后,即可接收到第一设备基于模型校准辅助信息得到的模型。由此,实现了灵活生成和配置不同校准后的模型,进一步提升了通信系统的性能和效率。
第三方面,本公开实施例提供一种通信装置,所述通信装置设置在第一设备侧,所述通信装置包括:
处理模块,用于获取预训练模型;
收发模块,用于接收第二设备发送的模型校准辅助信息;
所述处理模块,还用于基于所述模型校准辅助信息,对所述预训练模型进行校准,以生成校准后模型;
所述收发模块,还用于将所述模型,发送给所述第二设备。
第四方面,本公开实施例提供一种通信装置,所述通信装置设置在第二设备侧,所述通信装置包括:
收发模块,用于向第一设备发送模型校准辅助信息;
所述收发模块,还用于接收所述第一设备发送的基于所述模型校准辅助信息校准后的校准后的模型。
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及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以及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以及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以及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,用于储存为上述终端设备所用的指令,当所述指令被执行时,使所述终端设备执行上述第一方面所述的方法。
第十三方面,本发明实施例提供一种可读存储介质,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,使所述网络设备执行上述第二方面所述的方法。
第十四方面,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所述的方法。
第十五方面,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二方面所述的方法。
第十七方面,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,用于支持第一设备实现第一方面所涉及的功能,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,用于保存终端设备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。
第十八方面,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,用于支持第二设备实现第二方面所涉及的功能,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,用于保存网络设备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。
第十九方面,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所述的方法。
第二十方面,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二方面所述的方法。
为了更清楚地说明本公开实施例或背景技术中的技术方案,下面将对本公开实施例或背景技术中所需要使用的附图进行说明。
图1是本公开实施例提供的一种通信系统的架构示意图;
图2是本公开实施例提供的一种模型的生成方法的流程示意图;
图3是本公开实施例提供的另一种模型的生成方法的流程示意图;
图4是本公开实施例提供的另一种模型的生成方法的流程示意图;
图5是本公开实施例提供的另一种模型的生成方法的流程示意图;
图6是本公开实施例提供的另一种模型的生成方法的流程示意图;
图7是本公开实施例提供的又一种模型的生成方法的流程示意图;
图8是本公开实施例提供的又一种模型的生成方法的流程示意图;
图9是本公开实施例提供的又一种模型的生成方法的流程示意图;
图10是本公开实施例提供的再一种模型的生成方法的交互示意图;
图11是本公开实施例提供的另一种模型的生成方法的交互示意图;
图12是本公开实施例提供的又一种模型的生成方法的交互示意图;
图13是本公开实施例提供的一种通信装置的结构示意图;
图14是本公开实施例提供的另一种通信装置的结构示意图;
图15是本公开实施例提供的一种芯片的结构示意图。
为了更好的理解本公开实施例公开的一种模型的生成方法,下面首先对本公开实施例适用的通信系统进行描述。
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、一个终端设备和一个服务器,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和一个服务器13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101可以为演进型基站(evolved NodeB,eNB)、传输点(transmission reception 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。
服务器13为具有数据处理能力的设备,其可用于进行数据处理和存储,并与终端设备12进行通信。
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。
请参见图2,图2是本公开实施例提供的一种模型的生成方法的流程示意图,该方法由第一设备执行。如图2所示,该方法可以包括但不限于如下步骤:
步骤201,获取预训练模型。
可选的,第一设备可以为网络设备,或者也可以为终端设备,或者还可以为服务器,本公开对此不做限定。
其中,预训练模型为第一设备基于训练数据,预先训练生成的初始模型。或者,也可以为第一设备接收的第二设备基于训练数据,预训练生成的初始模型。
步骤202,接收第二设备发送的模型校准辅助信息。
步骤203,基于模型校准辅助信息,对预训练模型进行校准,以生成校准后的模型。
其中,模型校准辅助信息为,第二设备侧确定的用于对预训练模型进行校准的辅助信息,或者为第二设备接收的其他设备发送的用于对预训练模型进行校准的辅助信息。
本公开中,为了保证最终得到的模型,考虑了各个设备侧的信息,可以首先基于基本的训练数据,训练生成预训练模型,之后再基于各设备提供的训练数据(校准辅助信息),对模型进行校准。
可选的,若第一设备为网络设备,则第二设备可以为终端设备,即网络设备在训练生成预训练模型后,终端设备可以将其自身对应的模型校准辅助信息,比如,对于用于波束管理的模型,终端设备可以将其测量确定的波束的反馈信息等等发送给网络设备。或者,若模型为用于对某些参量做编解码处理的,比如用于对信道状态信息(channel state information,CSI)反馈信息进行编解码的模型,则终端设备可以将其测量确定的CSI反馈信息发送给网络设备。
可选的,若第一设备为终端设备,则第二设备可以为网络设备。此时,网络设备发送给的校准后的 模型校准辅助信息,可以为网络设备在处理该模型处理的业务时采用的处理策略、或业务配置数据等。
可选的,若第一设备为服务器,则第二设备可以为终端设备。此时,终端设备发送给服务器的模型校准辅助信息,可以包括网络设备侧确定的第二辅助信息,还可以包括该终端设备自身确定的第一辅助信息等。
步骤204,将校准后模型,发送给第二设备。
本公开中,第一设备在接收到第二设备发送的模型校准辅助信息后,即可基于该模型校准辅助信息,对预训练模型进行校准,以得到校准后的模型。之后,第一设备即可根据基于该校准后的模型,对相关的数据进行处理。
同时,第一设备将校准后的模型发送给第二设备后,第二设备即可基于该校准后的模型,对相关的的业务数据进行处理。
本公开中,第一设备在获取到预训练模型及第二设备发送的模型校准辅助信息后,即可基于模型校准辅助信息,对预训练模型进行校准以得到校准后的模型,并将校准后的模型发送给第二设备。由此,通过各设备的交互,实现了模型的灵活生成和配置模型,提升了通信系统的性能和效率。
请参见图3,图3是本公开实施例提供的一种模型的生成方法的流程示意图,该方法由第一设备执行,其中,第一设备为网络设备,第二设备为终端设备。如图3所示,该方法可以包括但不限于如下步骤:
步骤301,训练生成预训练模型。
本公开中,网络设备可以首先基于基础训练数据训练生成预训练模型。
其中,步骤301的具体实现可以参照本公开任一实施例的详细描述,此处不做限定。
步骤302,接收终端设备发送的终端设备确定的第一辅助信息。
可选的,终端设备的第一辅助信息,可以包括终端设备侧确定的用于对预训练模型进行校准,以使得校准后的模型即包含网络设备侧的训练数据(第二辅助信息),又包含终端设备侧的训练数据(第一辅助信息)等等。
需要说明的是,用于处理不同业务的模型校准时所需要的第一辅助可能不同,终端设备可以根据需要,将模型校准所需的第一辅助上报给网络设备。
另外,网络设备收到的第一辅助信息,可能是一个终端设备确定后上报的,也可能是多个终端设备都上报了其确定的第一辅助信息,之后网络设备将多个终端设备上报的多个第一辅助信息融合后,确定用于对预训练模型进行校准时使用的总的第一辅助信息,本公开对此不做限定。
步骤303,基于第一辅助信息及所述网络设备确定的第二辅助信息,对预训练模型进行校准,以生成校准后的模型。
本公开中,网络设备在接收到终端设备上报的第一辅助信息后,即可基于该第一辅助信息及其本地确定的第二辅助,对预训练模型进行校准。
步骤304,将校准后的模型,发送给终端设备。
需要说明的是,由于不同的终端设备具有的业务能力不同,当网络设备在生成校准后的模型后,可以首先确定该校准后的模型用于处理的业务,并将其发送给所有具有处理其对应的业务能力的终端设备。可选的,网络设备可以通过广播消息或者系统消息的形式,将该校准后的模型发送给具有对应能力的多个终端设备,本公开对此不做限定。其中,步骤303及304的具体实现可以参照本公开任一实施例的详细描述,此处不做限定。
本公开中,网络设备在生成预训练模型,并接收到终端设备发送的终端设备的第一辅助信息后,即可基于终端设备的第一辅助信息及自身侧的第二辅助信息,对预训练模型进行校准以得到模型,并将校准后的模型发送给终端设备。由此,通过网络设备与终端设备的交互,实现了模型的灵活生成和配置,提升了通信系统的性能和效率。
请参见图4,图4是本公开实施例提供的一种模型的生成方法的流程示意图,该方法由第一设备执行,其中,第一设备为终端设备,第二设备为网络设备。如图4所示,该方法可以包括但不限于如下步骤:
步骤401,接收网络设备发送的预训练模型。
本公开中,网络设备在基于基础训练数据训练生成预训练模型后,可以先将预训练模型发送给终端设备,以由终端设备对该预训练模型进行校准,生成校准后的模型。
步骤402,接收网络设备发送的网络设备确定的第二辅助信息。
其中,网络设备确定的第二辅助信息中,可以包括业务标识、网络设备侧的处理策略或配置数据等等,本公开对此不做限定。
可选的,步骤401和步骤402可以同时执行,比如网络设备通过一条消息,将预训练模型及所述网络设备确定的第二辅助信息一起发送给终端设备;或者,也可以先执行步骤402再执行步骤401,本公开对此不做限定。
步骤403,基于终端设备的第一辅助信息及网络设备确定的第二辅助信息,对预训练模型进行校准,以生成校准后的模型。
步骤404,将校准后的模型,发送给网络设备。
其中,步骤403及404的具体实现可以参照本公开任一实施例的详细描述,此处不做限定。
本公开中,终端设备在将校准后的网络模型发送给网络设备后,网络设备可以再将该模型同步给其余具有该模型对应的业务能力的其他终端设备,从而使得各终端设备和网络设备可以基于该校准后的模型,对相关业务数据进行处理。
本公开中,终端设备在接收网络设备发送的预训练模型及所述网络设备确定的第二辅助信息后,即可以根据其自身的第一辅助信息及网络设备确定的第二辅助,对预训练模型进行更新,以得到其自身的模型,并把该模型上报给网络设备。由此,通过网络设备与终端设备的交互,实现了模型的灵活生成和配置,进一步提升了通信系统的性能和效率。
请参见图5,图5是本公开实施例提供的一种模型的生成方法的流程示意图,该方法由第一设备执行,其中,第一设备为服务器,第二设备为终端设备。如图5所示,该方法可以包括但不限于如下步骤:
步骤501,训练生成预训练模型。
本公开中,服务器可以首先基于基础的训练数据,训练生成预训练模型。
步骤502,接收终端设备发送的终端设备的第一辅助信息及网络设备确定的第二辅助信息。
其中,网络设备确定的第二辅助信息,可以为网络设备发送给终端设备的,其可以包括网络设备侧的业务处理策略等,本公开对此不做限定。
可选的,步骤501和步骤502可以同时执行,也就是说服务器在训练预训练模型的过程中,可以接收终端设备发送的第一辅助信息及所述网络设备确定的第二辅助信息。或者,也可以先执行步骤402再执行步骤401,本公开对此不做限定。
步骤503,基于第一辅助信息及第二辅助信息,对预训练模型进行校准,以生成校准后的模型。
步骤504,将校准后的模型,发送给终端设备。
其中,步骤503及504的具体实现可以参照本公开任一实施例的详细描述,此处不做限定。
需要说明的是,服务器可以将校准后的模型发送给多个终端设备,从而各个终端设备均可基于该校准后的模型,对相关业务数据进行处理。
本公开中,服务器在训练生成预训练模型,并接收到终端设备发送的网络设备确定的第二辅助信息及终端设备确定的第一辅助信息后,即可以根据第一辅助信息及第二辅助,对预训练模型进行更新,以得到其自身的模型,并把该模型发送给终端设备。由此,通过服务器、终端设备预网络设备的交互,实现了模型的灵活生成和配置,进一步提升了通信系统的性能和效率。
请参见图6,图6是本公开实施例提供的一种模型的生成方法的流程示意图,该方法由第二设备执行。如图6所示,该方法可以包括但不限于如下步骤:
步骤601,向第一设备发送模型校准辅助信息。
可选的,第一设备可以为网络设备,或者也可以为终端设备,或者还可以为服务器,本公开对此不做限定。
相应的,若第一设备为网络设备,则第二设备可以为终端设备。即网络设备在训练生成预训练模型后,终端设备可以将其自身对应的模型校准辅助信息,比如终端设备支持的带宽、频段等等发送给网络设备。
可选的,若第一设备为终端设备,则第二设备可以为网络设备。此时,网络设备发送给的校准后的模型校准辅助信息,可以为网络设备在处理该的终端设备的业务时采用的处理策略等。
可选的,若第一设备为服务器,则第二设备可以为终端设备。此时,终端设备发送给服务器的模型校准辅助信息,可以包括网络设备侧的该模型校准辅助信息,还可以包括该终端设备中的模型校准辅助信息等。
步骤602,接收第一设备发送的校准后的模型。
本公开中,第二设备将模型校准辅助信息发送给第一设备后,第一设备即可基于模型校准辅助信息对预训练模型进行校准,从而生成该校准后的模型,进而将生成的模型发送给终端设备。
本公开中,第二设备首先向第一设备发送模型校准辅助信息,之后,即可接收到第一设备基于模型校准辅助信息得到的模型。由此,通过第一设备与第二设备的交互,实现了模型的灵活生成和配置,进一步提升了通信系统的性能和效率。
请参见图7,图7是本公开实施例提供的一种模型的生成方法的流程示意图,该方法由第二设备执行,其中,第一设备为网络设备,第二设备为终端设备。如图7所示,该方法可以包括但不限于如下步骤:
步骤701,向网络设备发送终端设备确定的第一辅助信息。
其中,终端设备的第一辅助信息,可以包括终端设备侧的与该模型相关的反馈信息。比如,针对波数管理模型,第一辅助信息,可以为终端设备测量确定的波束的反馈信息等。
需要说明的是,用于处理不同业务的模型校准时所需要的第一辅助可能不同,终端设备可以根据需要,将模型校准所需的第一辅助上报给网络设备。
步骤702,接收网络设备发送的校准后的模型。
本公开中,网络设备在接收到终端设备上报的第一辅助信息后,即可基于该第一辅助信息及其本地的所述网络设备确定的第二辅助,对预训练模型进行校准,以生成校准后的模型,并将该模型发送给终端设备。
本公开中,终端设备首先向网络设备发送第一辅助信息,之后,即可接收到网络设备基于第一辅助信息及网络设备确定的第二辅助信息校准得到的校准后的模型。由此,通过网络设备与终端设备的交互,实现了模型的灵活生成和配置,进一步提升了通信系统的性能和效率。
请参见图8,图8是本公开实施例提供的一种模型的生成方法的流程示意图,该方法由第二设备执行,其中,第一设备为终端设备,第二设备为网络设备。如图8所示,该方法可以包括但不限于如下步骤:
步骤801,向终端设备发送预训练模型。
本公开中,网络设备在训练生成预训练模型后,可以先将预训练模型发送给终端设备,以由终端设备对该预训练模型进行校准,生成其的模型。
本公开中,网络设备可以将预训练模型发送给一个终端设备,由该一个终端设备完成对该预训练模型的校准;或者,也可以将预训练模型发送给多个终端设备,由各个终端设备分别对该预训练模型,各自独立进行校准,本公开对此不做限定。
步骤802,向终端设备发送网络设备确定的第二辅助信息。
其中,所述网络设备确定的第二辅助信息中包括业务标识、网络设备侧的业务处理策略或业务配置数据等等,本公开对此不做限定。
可选的,步骤801和步骤802可以同时执行,比如网络设备通过一条消息,将预训练模型及所述网络设备确定的第二辅助信息一起发送给终端设备;或者,也可以先执行步骤802再执行步骤801,本公开对此不做限定。
步骤803,接收终端设备发送的校准后的模型。
本公开中,网络设备在将预训练模型及所述网络设备确定的第二辅助信息发送给终端设备后,终端设备即可基于自身的第一辅助信息及网络设备确定的第二辅助对预训练模型进行校准,以生成校准后的模型,并把校准后的模型发送给网络设备。从而网络设备即可基于该校准后的模型,进行数据处理。
可选的,网络设备若将预训练模型发送给了一个终端设备,那么在接收到该一个终端设备返回的校准后的模型后,还可以将该模型同步给其他终端设备,从而使得各个终端设备均可基于该校准后的模型处理相关业务数据。
可选的,网络设备若将该预训练模型发送给了多个终端设备,那么可以通过协议约定,仅由一个终端设备上报其校准后的模型;或者也可以都上报,但是网络设备仅存储接收到的第一个校准后的模型,等等,本公开对此不做限定。
本公开中,网络设备首先将预训练模型及所述网络设备确定的第二辅助信息发送给终端设备,之后即可接收到终端设备返回的其的模型。由此,通过网络设备与终端设备的交互,实现了模型的灵活生成和配置,进一步提升了通信系统的性能和效率。
请参见图9,图9是本公开实施例提供的一种模型的生成方法的流程示意图,该方法由第二设备执行,其中,第二设备为终端设备,第一设备为服务器。如图9所示,该方法可以包括但不限于如下步骤:
步骤901,接收网络设备发送的网络设备确定的第二辅助信息。
步骤902,向服务器发送终端设备的第一辅助信息及第二辅助信息。
步骤903,接收服务器发送的校准后的模型。
步骤904,将校准后的模型,发送给网络设备。
本公开中,终端设备将校准后的模型发送给网络设备后,网络设备即可将该模型同步给其余终端设备,由此,使得各个终端设备均可基于该校准后的模型处理相关业务数据。
本公开中,终端设备首先接收网络设备发送的网络设备确定的第二辅助信息,之后即可将自身的第一辅助信息及第二辅助信息发送给服务器,并且在接收到服务器返回的校准后的模型后,还可以将该模型发送给网络设备。由此,通过服务器、网络设备与终端设备的交互,实现了模型的灵活生成和配置,进一步提升了通信系统的性能和效率。
请参见图10,图10是本公开实施例提供的一种模型的生成方法的交互示意图。如图10所示,该方法包括:
步骤1001,网络设备训练生成预训练模型。
步骤1002,终端设备向网络设备发送确定的第一辅助信息。
步骤1003,网络设备基于第一辅助信息及网络设备确定的第二辅助信息,对预训练模型进行校准,生成校准后的模型。
步骤1004,网络设备将校准后的模型发送给终端设备。
本公开中,通过终端设备及网络设备的交互,实现了模型的灵活生成和配置,进一步提升了通信系统的性能和效率。
请参见图11,图11是本公开实施例提供的一种模型的生成方法的交互示意图。如图11所示,该方法包括:
步骤1101,网络设备训练生成预训练模型。
步骤1102,网络设备将预训练模型及网络设备确定的第二辅助信息发送给终端设备。
步骤1103,终端设备基于确定的第一辅助信息及第二辅助信息,对预训练模型进行校准,生成校准后的模型。
步骤1104,终端设备将校准后的模型发送给网络设备。
本公开中,通过终端设备及网络设备的交互,实现了模型的灵活生成和配置,进一步提升了通信系统的性能和效率。
请参见图12,图12是本公开实施例提供的一种模型的生成方法的交互示意图。如图12所示,该方法包括:
步骤1201,服务器训练生成预训练模型。
步骤1202,网络设备将确定的第二辅助信息发送给终端设备。
步骤1203,终端设备将确定的第一辅助信息及第二辅助信息,发送给服务器。
步骤1204,服务器基于第一辅助信息及第二辅助信息,对预训练模型进行校准,生成校准后的模型。
步骤1205,服务器将校准后的模型发送给终端设备。
步骤1206,终端设备将校准后的模型发送给网络设备。
本公开中,通过服务器、终端设备及网络设备的交互,实现了模型的灵活生成和配置,进一步提升了通信系统的性能和效率。
请参见图13,为本公开实施例提供的一种通信装置的结构示意图。图13所示的通信装置1300可包括处理模块1301和收发模块1302。收发模块1302可包括发送模块和/或接收模块,发送模块用于实现发送功能,接收模块用于实现接收功能,收发模块1302可以实现发送功能和/或接收功能。
可以理解的是,通信装置1300可以是第一设备,也可以是第一设备中的装置,还可以是能够与第一设备匹配使用的装置。
通信装置1300在第一设备侧,其中:
处理模块1301,用于获取预训练模型;
收发模块1302,用于接收第二设备发送的模型校准辅助信息;
所述处理模块1301,还用于基于所述模型校准辅助信息,对所述预训练模型进行校准,以生成校准后模型;
所述收发模块1302,还用于将所述校准后模型,发送给所述第二设备。
可选的,第一设备为网络设备,第二设备为所述终端设备,所述收发模块1302,还用于接收所述终端设备发送的所述终端设备确定的第一辅助信息。
可选的,所述第一设备为所述终端设备,所述第二设备为网络设备,所述处理模块1301,还用于接收所述网络设备发送的所述预训练模型。
可选的,所述收发模块1302,还用于接收所述网络设备发送的所述网络设备确定的第二辅助信息。
可选的,第一设备为服务器,所述第二设备为所述的终端设备,所述收发模块1302,还用于:
接收所述终端设备发送的所述终端设备确定的第一辅助信息及所述网络设备确定的第二辅助信息。
本公开中,第一设备在获取到预训练模型及第二设备发送的模型校准辅助信息后,即可基于模型校准辅助信息,对预训练模型进行校准以得到模型,并将生成的模型发送给第二设备。由此,通过第一设备与第二设备间的交互,实现了模型的灵活生成和配置,进一步提升了通信系统的性能和效率。
可以理解的是,通信装置1300可以是第二设备,也可以是第二设备中的装置,还可以是能够与第二设备匹配使用的装置。
通信装置1300,在第二设备侧,其中:
收发模块1302,用于向第一设备发送模型校准辅助信息;
所述收发模块1302,还用于接收所述第一设备发送的基于所述模型校准辅助信息校准后的模型。
可选的,所述第一设备为网络设备,第二设备为所述终端设备,所述收发模块1302,还用于:
向所述网络设备发送所述终端设备确定的第一辅助信息。
可选的,所述第一设备为所述终端设备,所述第二设备为网络设备,所述收发模块1302,还用于:向所述终端设备发送所述网络设备确定的第二辅助信息。
可选的,收发模块1302,还用于向所述终端设备发送预训练模型。
可选的,所述第一设备为服务器,所述第二设备为所述的终端设备,所述收发模块1302,还用于:
向所述服务器发送所述终端设备确定的第一辅助信息及所述网络设备确定的第二辅助信息。
可选的,收发模块1302,还用于:
接收网络设备发送的所述网络设备确定的第二辅助信息。
可选的,收发模块1302,还用于:
将所述校准后模型,发送给所述网络设备。
本公开中,第二设备首先向第一设备发送模型校准辅助信息,之后,即可接收到第一设备基于模型校准辅助信息得到的模型。由此,通过第一设备与第二设备间的交互,实现了模型的灵活生成和配置,进一步提升了通信系统的性能和效率。
请参见图14,图14是本公开实施例提供的另一种通信装置的结构示意图。通信装置1400可以是第一设备,也可以是第二设备,也可以是支持第一设备实现上述方法的芯片、芯片系统、或处理器等,还可以是支持第二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为第一设备:处理器1401用于执行图2中的步骤201、步骤203,图3中的步骤301,步骤303等,收发器1405用于执行图2中的步骤202、步骤204,或者图3中的步骤302,步骤304等等。
通信装置1400为第二设备:收发器1405用于执行图6中的步骤601、步骤602,或者,执行图7中的步骤701、步骤702等。
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603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。本公开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 circuit board,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 channel metal 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智能中继,但本公开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1503。其中,处理器1501的数量可以是一个或多个,接口1503的数量可以是多个。
对于芯片用于实现本公开实施例中第一设备的功能的情况:
接口1503,用于执行图2中的步骤202、步骤204等。
对于芯片用于实现本公开实施例中第二设备的功能的情况:
接口1503,用于执行图6中的步骤601、步骤602等。
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公开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公开实施例保护的范围。
本公开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。
本公开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公开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:本公开中涉及的第一、第二等各种数字编号仅为描述方便进行的区分,并不用来限制本公开实施例的范围,也表示先后顺序。
本公开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,本公开不做限制。在本公开实施例中,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。
本公开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,本公开并不限定。在配置信息与各第一辅助的对应关系时,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,本公开中的表格中,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第一辅助的名称也可以采用通信装置可理解的其他名称,其第一辅助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。
本公开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公开的范围。
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,仅为本公开的具体实施方式,但本公开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公开揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以所述权利要求的保护范围为准。
Claims (16)
- 一种模型的生成方法,其特征在于,由第一设备执行,所述方法包括:获取预训练模型;接收第二设备发送的模型校准辅助信息;基于所述模型校准辅助信息,对所述预训练模型进行校准,以生成校准后的模型;将所述校准后的模型,发送给所述第二设备。
- 如权利要求1所述的方法,其特征在于,所述第一设备为网络设备,第二设备为终端设备,所述接收第二设备发送的模型校准辅助信息,包括:接收所述终端设备发送的所述终端设备确定的第一辅助信息。
- 如权利要求1所述的方法,其特征在于,所述第一设备为所述终端设备,所述第二设备为网络设备,所述获取预训练模型,包括:接收所述网络设备发送的所述预训练模型。
- 如权利要求3所述的方法,其特征在于,所述接收第二设备发送的模型校准辅助信息,包括:接收所述网络设备发送的所述网络设备确定的第二辅助信息。
- 如权利要求1所述的方法,其特征在于,第一设备为服务器,所述第二设备为所述终端设备,所述接收第二设备发送的模型校准辅助信息,包括:接收所述终端设备发送的所述终端设备确定的第一辅助信息及所述网络设备确定的第二辅助信息。
- 一种模型生成方法,其特征在于,由第二设备执行,所述方法包括:向第一设备发送模型校准辅助信息;接收所述第一设备发送的基于所述模型校准辅助信息校准后的校准后的模型。
- 如权利要求6所述的方法,其特征在于,所述第一设备为网络设备,第二设备为所述终端设备,所述向第一设备发送模型校准辅助信息,包括:向所述网络设备发送所述终端设备确定的第一辅助信息。
- 如权利要求6所述的方法,其特征在于,所述第一设备为所述终端设备,所述第二设备为网络设备,所述向第一设备发送模型校准辅助信息,包括:向所述终端设备发送所述网络设备确定的第二辅助信息。
- 如权利要求8所述的方法,其特征在于,还包括:向所述终端设备发送预训练模型。
- 如权利要求6所述的方法,其特征在于,所述第一设备为服务器,所述第二设备为所述的终端设备,所述向第一设备发送模型校准辅助信息,包括:向所述服务器发送所述终端设备确定的第一辅助信息及关联的所述网络设备确定的第二辅助信息。
- 如权利要求10所述的方法,其特征在于,还包括:接收网络设备发送的所述的所述网络设备确定的第二辅助信息。
- 如权利要求10所述的方法,其特征在于,还包括:将所述校准后模型,发送给所述网络设备。
- 一种通信装置,其特征在于,所述装置设置于第一设备,所述装置包括:处理模块,用于获取预训练模型;收发模块,用于接收第二设备发送的模型校准辅助信息;所述处理模块,还用于基于所述模型校准辅助信息,对所述预训练模型进行校准,以生成校准后模型;所述收发模块,还用于将所述校准后模型,发送给所述第二设备。
- 一种通信装置,其特征在于,所述装置设置于第二设备,所述装置包括:收发模块,用于向第一设备发送模型校准辅助信息;所述收发模块,还用于接收所述第一设备发送的基于所述模型校准辅助信息校准后的校准后的模型。
- 一种通信装置,其特征在于,所述装置包括处理器和存储器,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5中任一项所述的方法,或者执行如权利要求6至12中任一项所述的方法。
- 一种计算机可读存储介质,用于存储有指令,当所述指令被执行时,使如权利要求1至5中任 一项所述的方法被实现,或者使如权利要求6至12中任一项所述的方法被实现。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2022/107706 WO2024020747A1 (zh) | 2022-07-25 | 2022-07-25 | 一种模型的生成方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117836785A true CN117836785A (zh) | 2024-04-05 |
Family
ID=89704898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280003069.2A Pending CN117836785A (zh) | 2022-07-25 | 2022-07-25 | 一种模型的生成方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117836785A (zh) |
WO (1) | WO2024020747A1 (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019045606A1 (en) * | 2017-08-30 | 2019-03-07 | Telefonaktiebolaget Lm Ericsson (Publ) | WIRELESS DEVICE FOR DETERMINING THE BEST ANTENNA BEAM AND ASSOCIATED METHOD |
WO2021088000A1 (zh) * | 2019-11-08 | 2021-05-14 | Oppo广东移动通信有限公司 | 通信方法及装置 |
CN113543305A (zh) * | 2020-04-22 | 2021-10-22 | 维沃移动通信有限公司 | 定位方法、通信设备和网络设备 |
CN113905393B (zh) * | 2020-06-22 | 2023-03-24 | 华为技术有限公司 | 一种确定波束对的方法及装置 |
CN114091679A (zh) * | 2020-08-24 | 2022-02-25 | 华为技术有限公司 | 一种更新机器学习模型的方法及通信装置 |
CN114143802A (zh) * | 2020-09-04 | 2022-03-04 | 华为技术有限公司 | 数据传输方法和装置 |
WO2022073615A1 (en) * | 2020-10-08 | 2022-04-14 | Nokia Technologies Oy | Arrangement for removing transmitter power amplifier distortion at a receiver |
-
2022
- 2022-07-25 CN CN202280003069.2A patent/CN117836785A/zh active Pending
- 2022-07-25 WO PCT/CN2022/107706 patent/WO2024020747A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2024020747A1 (zh) | 2024-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2023010471A1 (zh) | 一种传输配置指示tci状态配置的方法及其装置 | |
CN113841430B (zh) | 一种下行控制信息的对齐方法及其装置 | |
CN117501743A (zh) | 一种用于基于条件的移动性的信息的处理方法及装置 | |
CN117836785A (zh) | 一种模型的生成方法及装置 | |
EP4362583A1 (en) | Resource allocation 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 | |
CN114342548B (zh) | 资源确定方法和装置 | |
WO2024082196A1 (zh) | 一种基于ai模型的终端定位方法及装置 | |
WO2022236625A1 (zh) | 一种定位方法及其装置 | |
CN114026907B (zh) | 一种上行波束的测量方法及其装置 | |
WO2024082195A1 (zh) | 一种基于ai模型的终端定位方法及装置 | |
CN116472756A (zh) | 一种ai模型的注册方法/装置/设备及存储介质 | |
EP4354942A1 (en) | Information acquisition method and apparatus, and storage medium | |
WO2024086979A1 (zh) | 一种传输配置指示tci状态的确定方法及装置 | |
WO2023015424A1 (zh) | 一种定位方法及其装置 | |
WO2023123476A1 (zh) | 一种时域资源传输位置的确定方法和装置 | |
CN116636262A (zh) | 时钟同步方法及装置 | |
CN116158009A (zh) | 一种波束测量和上报的方法及其装置 | |
CN117280732A (zh) | 一种移动性管理的配置方法及装置 | |
CN117751604A (zh) | 一种信息指示方法、装置、设备及存储介质 | |
CN116420414A (zh) | 一种反馈方法、装置、设备及存储介质 | |
CN116686379A (zh) | 物理随机接入信道prach的传输方法和装置 | |
CN116941302A (zh) | 一种请求系统信息的方法及其装置 | |
CN116724655A (zh) | 一种数据压缩方法和装置 | |
CN116158182A (zh) | 一种传输配置指示状态的确定方法及其装置 |
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 |