JP2019534597A - コグニティブ機能を与え且つコグニティブネットワーク管理システムでの管理を容易にする方法及び装置 - Google Patents

コグニティブ機能を与え且つコグニティブネットワーク管理システムでの管理を容易にする方法及び装置 Download PDF

Info

Publication number
JP2019534597A
JP2019534597A JP2019512206A JP2019512206A JP2019534597A JP 2019534597 A JP2019534597 A JP 2019534597A JP 2019512206 A JP2019512206 A JP 2019512206A JP 2019512206 A JP2019512206 A JP 2019512206A JP 2019534597 A JP2019534597 A JP 2019534597A
Authority
JP
Japan
Prior art keywords
network
dae
engine
ema
program code
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
Application number
JP2019512206A
Other languages
English (en)
Inventor
スティーヴン ムワンジェ
スティーヴン ムワンジェ
クリスティアン マンヴァイラー
クリスティアン マンヴァイラー
ラース クリストフ シュメルツ
ラース クリストフ シュメルツ
Original Assignee
ノキア テクノロジーズ オサケユイチア
ノキア テクノロジーズ オサケユイチア
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ノキア テクノロジーズ オサケユイチア, ノキア テクノロジーズ オサケユイチア filed Critical ノキア テクノロジーズ オサケユイチア
Publication of JP2019534597A publication Critical patent/JP2019534597A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Telephonic Communication Services (AREA)

Abstract

ネットワーク管理への機械学習の適用を可能にし、特に、無線アクセスネットワーク内でコグニティブネットワーク管理を可能にする種々の方法が提供される。１つの規範的な方法は、ＣＮＭ又は特定のＣＦに対する１つ以上のオペレータ目標を解釈して、特定のＣＦがその振舞いを、オペレータ目標を満足するべく調整することを保証し、環境を、その後の判断実行に使用するように構成された状態へと抽象化し、抽象化された環境表現は、量的ＫＰＩ、抽象状態ラベル、及び動作コンテキストの１つ以上の組み合せから構築され、ＥＭＡエンジンにより推論される抽象化された環境及び動作コンテキストに基づいて、ＣＦの異なるコンテキストに対して合法的候補ネットワーク構成を定義し、及びＥＭＡエンジンにより導出された現在抽象状態、抽象化された環境、又は動作コンテキストを、合法的候補ネットワーク構成のセットから選択された適切なネットワーク構成とマッチングさせる、ことを含む。【選択図】図４

Description

ここに述べる実施形態は、一般的に、ネットワーク管理に機械学習を適用することに関する。より詳細には、ここに述べる実施形態は、無線アクセスネットワーク（例えば、５Ｇ等）及び他のもの、例えば、ワイヤレス／モバイルネットワークの現世代又は将来世代におけるコグニティブネットワーク管理（ＣＮＭ）に関するもので、特に、コグニティブネットワーク管理システムにおける変化する集中又は分散レベルに対しコグニティブ機能（ＣＦ）及び関連実施オプションを設計するための方法、装置及びコンピュータプログラム製品に関する。
変化する複雑な環境に対する柔軟性及び適応性に関して自己組織化ネットワーク（ＳＯＮ）を使用しそしてそれに関連した欠点が生じるとすれば、更に知的な動作、運営及び管理（ＯＡＭ）機能をネットワークに追加することが必要となる。
この点に関して、既知及び既存の、従来型及び／又は既存のシステムを改善するための領域が識別されている。適用される努力、工夫及び革新を通して、そのようなシステムを改善するための解決策が実現されており、本発明の実施形態に関連して説明する。
より知的なＯＡＭ機能をネットワークに追加する必要があるために、ここに述べる実施形態は、特に、ＣＮＭに関して、１）機能が作用する環境を学習し、２）特定環境に適合する最適な振舞いを学習し、３）経験から、及び同じ又は異なるＯＡＭ機能の他のインスタンスから学習し、及び４）ネットワーク事業者により定義されたより高いレベルの目標及び目的を果たすよう学習することのできるＯＡＭ機能を提供する。この学習は、ネットワークで得られる種々のタイプのデータに基づくもので、それは、例えば、性能情報、欠陥、構成データ、ネットワークプランニングデータ、或いはユーザ、サービス及びアプリケーション関係のデータを含むと共に、ＯＡＭ機能それ自体のアクション及びそれに対応する影響からのものを含む。学習、及び学習した情報から構築された知識は、ＯＡＭ機能の自主性を高める。
改良されたシステムの１つの目的は、５Ｇネットワーク、又は例えば、多数の無線アクセステクノロジー（ＲＡＴ）を含み、それらＲＡＴ内の多数の論理的レイヤが多数の異なる動作シナリオの中で動作するネットワーク、を管理する複雑さを低減することである。ＣＦ及びＣＮＭを通して、それらの複雑なネットワーク環境は、モバイルネットワーク事業者（ＭＮＯ）の観点から、ネットワーク管理の効率を高め且つマニュアルＯＡＭタスクの必要性を著しく低くして、動作を保つことができる。
従って、ここに述べる実施形態は、コグニティブネットワーク管理システムにおける変化する集中又は分散レベルに対するＣＦ及び関連実施オプションの設計に関する。又、ここに述べる実施形態は、それに対応するインターフェイスの記述も提供する。
本発明の実施形態は、ネットワーク状態の自動追加、削除及び変更、事業者目標の直接的な解釈、管理アルゴリズムの自動変更、及び／又は知識に基づく管理判断を許すコグニティブ管理実施を提供する。
本発明の実施形態は、ＣＦ間、ＣＮＭのサブ機能間、及びＣＦとＣＮＭの集中機能との間の標準的インターフェイスを提供する。
本発明の実施形態は、モバイルネットワーク、特に、５Ｇネットワークの動作を改善するのに必要な高い自動化レベルを提供し、そして例えば、バーチャル及び物理的ネットワーク機能より成るハイブリッドネットワークの効率的管理を可能にする。
ネットワーク動作に関して、ここに述べる実施形態は、人間のオペレータからＣＮＭシステムへの多量の判断実行のオフローディングを容易にする。例えば、レガシーＳＯＮ機能の場合のＣＦ振舞いについて、判断マトリクスは手動で適応されなくてもよく、むしろ、それは自動プロセスにより行われる。
更に、ここに述べる実施形態は、ＣＦに固有のエンティティの明確な分離を与え、それ故、ＣＦにより取り扱われるべきタスクの明確な分離を可能にする。この分離は、ＣＦ、ひいては、ＣＮＭシステムの非常に柔軟性のある実施を許し、種々のタイプのネットワーク管理概念、解決策及び実施へのＣＮＭシステムの適応を可能にする。ＣＮＭが主に５Ｇシステムをターゲットとするにも関わらず、ここに述べる実施形態は、ネットワーク及びネットワーク管理アーキテクチャーの変更に対するＣＮＭシステムの適応を可能にする。
それ故、本発明の規範的実施形態によりネットワーク管理に機械学習を適用するための方法、装置及びコンピュータプログラム製品が提供される。
幾つかの実施形態において、無線アクセスネットワーク内でコグニティブネットワーク管理（ＣＮＭ）を可能にするシステムが提供され、このシステムは、ネットワークオブジェクティブマネージャー（ＮＯＭ）、環境モデリング・抽象化（ＥＭＡ）エンジン、構成管理エンジン（ＣＭＥ）、及び判断・アクションエンジン（ＤＡＥ）を備え、ＮＯＭは、少なくとも１つのプロセッサと、コンピュータプログラムコードを含む少なくとも１つのメモリとを備え、その少なくとも１つのメモリ及びコンピュータプログラムコードは、プロセッサとで、ネットワークオブジェクティブマネージャーが、ＣＮＭ又は特定のコグニティブ機能（ＣＦ）に対する１つ以上のオペレータ目標を解釈して、ＣＮＭ又は特定のＣＦがその振舞いを、オペレータ目標を満足するべく調整することを保証するようにさせるよう構成され、ＥＭＡエンジンは、少なくとも１つのプロセッサと、コンピュータプログラムコードを含む少なくとも１つのメモリとを備え、その少なくとも１つのメモリ及びコンピュータプログラムコードは、プロセッサとで、環境モデリング・抽象化エンジンが、環境を、その後の判断実行に使用するように構成された状態へと抽象化するようにさせるよう構成され、抽象化された環境表現は、量的重要性能指示子（ＫＰＩ）、抽象状態ラベル、及び動作コンテキストの１つ以上の組み合せから構築され、ＣＭＥは、少なくとも１つのプロセッサと、コンピュータプログラムコードを含む少なくとも１つのメモリとを備え、その少なくとも１つのメモリ及びコンピュータプログラムコードは、プロセッサとで、環境モデリング・抽象化エンジンが、ＥＭＡエンジンにより導出された抽象化された環境及び動作コンテキストに基づき、ＣＦの異なるコンテキストに対して１つ以上の合法的候補ネットワーク構成を定義するようにさせるよう構成され、ＤＡＥは、少なくとも１つのプロセッサと、コンピュータプログラムコードを含む少なくとも１つのメモリとを備え、その少なくとも１つのメモリ及びコンピュータプログラムコードは、プロセッサとで、判断・アクションエンジンが、ＥＭＡエンジンにより導出された現在抽象状態、抽象化された環境、動作コンテキスト、又はその組み合わせを、合法的候補ネットワーク構成のセットから選択された適切なネットワーク構成とマッチングするようにさせるよう構成される。
幾つかの実施形態において、前記システムは、更に、整合エンジンを備え、この整合エンジンは、少なくとも１つのプロセッサと、コンピュータプログラムコードを含む少なくとも１つのメモリとを備え、その少なくとも１つのメモリ及びコンピュータプログラムコードは、プロセッサとで、その整合エンジンが、他のＣＦに対する異なるＣＦ判断の１つ以上の作用を学習し、その学習した知識を解釈し、そしてその１つ以上の作用を最小にするべくＣＭＥ及びＤＡＥに変更を示唆するようにさせるよう構成される。
幾つかの実施形態において、ＮＯＭは、更に、プロセッサとで、装置が、１つ以上の重要クオリティ指示子（ＫＱＩ）入力を受信し、及び重み付けされ又はプライオリティ決めされたＫＰＩターゲットを与えるようにさせるよう構成されたコンピュータプログラムコードを備えている。
幾つかの実施形態において、ＥＭＡエンジンは、ＫＰＩ又はＫＰＩの組み合わせを、互いに論理的に区別できるセットへとクラスター化するように構成されたクラシファイアとして実施される。幾つかの実施形態において、ＣＭＥは、合法的構成を選択するために異なるコンテキストにおける定義されたＫＰＩターゲットの達成に関して異なる構成のクオリティを表わす経歴データを評価するニューラルネットワーク、サポートベクトルマシン又は他の学習アルゴリズムを適用するスーパーバイズ型学習エージェントとして実施される。
幾つかの実施形態において、ＤＡＥは、更に、プロセッサとで、装置が、ＥＭＡにより定義された異なるコンテキストにおける異なるネットワーク構成のクオリティを、合法的ネットワーク構成の適用から、異なるオペレータオブジェクトに向けて学習し、その後、ネットワークコンテキスト及び状態に対して最適なネットワーク構成を選択するようにさせるよう構成されたコンピュータプログラムコードを備えている。幾つかの実施形態において、ＤＡＥは、単一のオブジェクティブがＣＦ要求を最適化する単一オブジェクティブＲＬエージェントとして実施され、そのＣＦ要求は、異なる技術的オブジェクティブ又はＫＰＩに対する１つ以上のターゲットを含む。
幾つかの実施形態において、前記システムは、更に、ＣＦにより得られると予想されるＫＰＩターゲットと、そのターゲットをどのように解釈すべきか表わす付加的な情報とを与えるように構成された第１のインターフェイスを備え、その付加的な情報は、ＫＰＩの重み、プライオリティ又は有益性の１つ以上を含む。幾つかの実施形態において、前記システムは、更に、ＥＭＡと、ＣＥ、ＣＭＥ及びＤＡＥの１つ以上との間の接続を与え、そしてＥＭＡにより生成された抽象環境状態又はコンテキストを与えるように構成された第２のインターフェイスを備えている。
幾つかの実施形態において、前記システムは、更に、ＣＥとＣＭＥとの間の接続を与え、及び特定のＣＦの構成に関してＣＥにより導出されたルールを与えるように構成された第３のインターフェイスを備えている。幾つかの実施形態において、前記システムは、更に、ＣＥとＤＡＥとの間の接続を与え、及び合法的ネットワーク構成のセットを与えるように構成された第４のインターフェイスを備えている。
幾つかの実施形態において、前記システムは、更に、ＤＡＥとＥＭＡとの間の接続を与え、及びＤＡＥにより選択された現在ネットワーク構成を搬送するように構成された第５のインターフェイスを備えている。幾つかの実施形態において、前記システムは、更に、ＤＡＥと、ＣＭＥ及びＣＥの１つ以上との間の接続を与え、そして現在ネットワーク構成及び関連ＫＰＩ測定値のレポートを搬送するように構成された第５のインターフェイスを備えている。
幾つかの実施形態において、無線アクセスネットワーク内でコグニティブネットワーク管理（ＣＮＭ）を可能にする方法が提供され、この方法は、ネットワークオブジェクティブマネージャー（ＮＯＭ）、環境モデリング・抽象化（ＥＭＡ）エンジン、構成管理エンジン（ＣＭＥ）、及び判断・アクションエンジン（ＤＡＥ）を使用し、ＮＯＭにより、ＣＮＭ又は特定のコグニティブ機能（ＣＦ）に対する１つ以上のオペレータ目標を解釈して、ＣＮＭ又は特定のＣＦがその振舞いを、オペレータ目標を満足するべく調整することを保証し、ＥＭＡエンジンにより、環境を、その後の判断実行に使用するように構成された状態へと抽象化し、抽象化された環境表現は、量的重要性能指示子（ＫＰＩ）、抽象状態ラベル、及び動作コンテキストの１つ以上の組み合せから構築され、ＣＭＥにより、ＥＭＡエンジンにより導出された抽象化された環境及び動作コンテキストに基づき、ＣＦの異なるコンテキストに対して１つ以上の合法的候補ネットワーク構成を定義し、ＤＡＥにより、ＥＭＡエンジンにより導出された現在抽象状態、抽象化された環境、動作コンテキスト、又はその組み合わせを、合法的候補ネットワーク構成のセットから選択された適切なネットワーク構成とマッチングさせることを含む。
幾つかの実施形態において、前記方法は、更に、整合エンジンを使用し、この整合エンジンにより、他のＣＦに対する異なるＣＦ判断の１つ以上の作用を学習し、その学習した知識を解釈し、及びその１つ以上の作用を最小にするべくＣＭＥ及びＤＡＥに変更を示唆することを含む。幾つかの実施形態において、前記方法は、更に、ＮＯＭにて、１つ以上の重要クオリティ指示子（ＫＱＩ）入力を受信し、及びＮＯＭにより、重み付けされ又はプライオリティ決めされたＫＰＩターゲットを与えることを含む。
幾つかの実施形態において、ＥＭＡエンジンは、ＫＰＩ又はＫＰＩの組み合わせを、互いに論理的に区別できるセットへとクラスター化するように構成されたクラシファイアとして実施される。幾つかの実施形態において、ＣＭＥは、合法的構成を選択するために異なるコンテキストにおける定義されたＫＰＩターゲットの達成に関して異なる構成のクオリティを表わす経歴データを評価するニューラルネットワーク、サポートベクトルマシン又は他の学習アルゴリズムを適用するスーパーバイズ型学習エージェントとして実施される。
幾つかの実施形態において、前記方法は、更に、ＤＡＥにより、ＥＭＡにより定義された異なるコンテキストにおける異なるネットワーク構成のクオリティを、合法的ネットワーク構成の適用から、異なるオペレータオブジェクトに向けて学習し、その後、ネットワークコンテキスト及び状態に対して最適なネットワーク構成を選択することを含む。幾つかの実施形態において、ＤＡＥは、単一のオブジェクティブがＣＦ要求を最適化する単一オブジェクティブＲＬエージェントとして実施され、そのＣＦ要求は、異なる技術的オブジェクティブ又はＫＰＩに対する１つ以上のターゲットを含む。
幾つかの実施形態において、前記方法は、更に、ＣＦにより得られると予想されるＫＰＩターゲットと、そのターゲットをどのように解釈すべきかを表わす付加的な情報とを与えるように構成された第１のインターフェイスを準備することを含み、その付加的な情報は、ＫＰＩの重み、プライオリティ又は有益性の１つ以上を含む。幾つかの実施形態において、前記方法は、更に、ＥＭＡと、ＣＥ、ＣＭＥ及びＤＡＥの１つ以上との間の接続を与え、そしてＥＭＡにより生成された抽象環境状態又はコンテキストを与えるように構成された第２のインターフェイスを使用することを含む。
幾つかの実施形態において、前記方法は、更に、ＣＥとＣＭＥとの間の接続を与え、及び特定のＣＦの構成に関してＣＥにより導出されたルールを与えるように構成された第３のインターフェイスを使用することを含む。幾つかの実施形態において、前記方法は、更に、ＣＥとＤＡＥとの間の接続を与え、及び合法的ネットワーク構成のセットを与えるように構成された第４のインターフェイスを使用することを含む。
幾つかの実施形態において、前記方法は、更に、ＤＡＥとＥＭＡとの間の接続を与え、及びＤＡＥにより選択された現在ネットワーク構成を搬送するように構成された第５のインターフェイスを使用することを含む。幾つかの実施形態において、前記方法は、更に、ＤＡＥと、ＣＭＥ及びＣＥの１つ以上との間の接続を与え、そして現在ネットワーク構成及び関連ＫＰＩ測定値のレポートを搬送するように構成された第５のインターフェイスを使用することを含む。
幾つかの実施形態において、無線アクセスネットワーク内でコグニティブネットワーク管理（ＣＮＭ）を可能にするコンピュータプログラム製品が提供され、このコンピュータプログラム製品は、コンピュータ実行可能なプログラムコードインストラクションが記憶された少なくとも１つの非一時的コンピュータ読み取り可能なストレージ媒体を備え、そのコンピュータ実行可能なプログラムコードインストラクションは、ネットワークオブジェクティブマネージャー（ＮＯＭ）、環境モデリング・抽象化（ＥＭＡ）エンジン、構成管理エンジン（ＣＭＥ）、及び判断・アクションエンジン（ＤＡＥ）を使用し、ＮＯＭにより、ＣＮＭ又は特定のコグニティブ機能（ＣＦ）に対する１つ以上のオペレータ目標を解釈して、ＣＮＭ又は特定のＣＦがその振舞いを、オペレータ目標を満足するべく調整することを保証し、ＥＭＡエンジンにより、環境を、その後の判断実行に使用するように構成された状態へと抽象化し、抽象化された環境表現は、量的重要性能指示子（ＫＰＩ）、抽象状態ラベル、及び動作コンテキストの１つ以上の組み合せから構築され、ＣＭＥにより、ＥＭＡエンジンにより導出された抽象化された環境及び動作コンテキストに基づき、ＣＦの異なるコンテキストに対して１つ以上の合法的候補ネットワーク構成を定義し、及びＤＡＥにより、ＥＭＡエンジンにより導出された現在抽象状態、抽象化された環境、動作コンテキスト、又はその組み合わせを、合法的候補ネットワーク構成のセットから選択された適切なネットワーク構成とマッチングさせるためのプログラムコードインストラクションを含むものである。
幾つかの実施形態において、前記コンピュータ実行可能なプログラムコードインストラクションは、更に、整合エンジンを使用し、この整合エンジンにより、他のＣＦに対する異なるＣＦ判断の１つ以上の作用を学習し、その学習した知識を解釈し、及びその１つ以上の作用を最小にするべくＣＭＥ及びＤＡＥに変更を示唆するためのプログラムコードインストラクションを含む。幾つかの実施形態において、前記コンピュータ実行可能なプログラムコードインストラクションは、更に、ＮＯＭにて、１つ以上の重要クオリティ指示子（ＫＱＩ）入力を受信し、及びＮＯＭにより、重み付けされ又はプライオリティ決めされたＫＰＩターゲットを与えるためのプログラムコードインストラクションを含む。
幾つかの実施形態において、ＥＭＡエンジンは、ＫＰＩ又はＫＰＩの組み合わせを、互いに論理的に区別できるセットへとクラスター化するように構成されたクラシファイアとして実施される。幾つかの実施形態において、ＣＭＥは、合法的構成を選択するために異なるコンテキストにおける定義されたＫＰＩターゲットの達成に関して異なる構成のクオリティを表わす経歴データを評価するニューラルネットワーク、サポートベクトルマシン又は他の学習アルゴリズムを適用するスーパーバイズ型学習エージェントとして実施される。
幾つかの実施形態において、前記コンピュータ実行可能なプログラムコードインストラクションは、更に、ＤＡＥにより、ＥＭＡにより定義された異なるコンテキストにおける異なるネットワーク構成のクオリティを、合法的ネットワーク構成の適用から、異なるオペレータオブジェクトに向けて学習し、その後、ネットワークコンテキスト及び状態に対して最適なネットワーク構成を選択するためのプログラムコードインストラクションを含む。幾つかの実施形態において、ＤＡＥは、単一のオブジェクティブがＣＦ要求を最適化する単一オブジェクティブＲＬエージェントとして実施され、そのＣＦ要求は、異なる技術的オブジェクティブ又はＫＰＩに対する１つ以上のターゲットを含む。
幾つかの実施形態において、前記コンピュータ実行可能なプログラムコードインストラクションは、更に、ＣＦにより得られると予想されるＫＰＩターゲットと、そのターゲットをどのように解釈すべきかを表わす付加的な情報とを与えるように構成された第１のインターフェイスを使用するためのプログラムコードインストラクションを含み、その付加的な情報は、ＫＰＩの重み、プライオリティ又は有益性の１つ以上を含む。幾つかの実施形態において、前記コンピュータ実行可能なプログラムコードインストラクションは、更に、ＥＭＡと、ＣＥ、ＣＭＥ及びＤＡＥの１つ以上との間の接続を与え、そしてＥＭＡにより生成された抽象環境状態又はコンテキストを与えるように構成された第２のインターフェイスを使用するためのプログラムコードインストラクションを含む。
幾つかの実施形態において、前記コンピュータ実行可能なプログラムコードインストラクションは、更に、ＣＥとＣＭＥとの間の接続を与え、及び特定のＣＦの構成に関してＣＥにより導出されたルールを与えるように構成された第３のインターフェイスを使用するためのプログラムコードインストラクションを含む。幾つかの実施形態において、前記コンピュータ実行可能なプログラムコードインストラクションは、更に、ＣＥとＤＡＥとの間の接続を与え、及び合法的ネットワーク構成のセットを与えるように構成された第４のインターフェイスを使用するためのプログラムコードインストラクションを含む。幾つかの実施形態において、前記コンピュータ実行可能なプログラムコードインストラクションは、更に、ＤＡＥとＥＭＡとの間の接続を与え、及びＤＡＥにより選択された現在ネットワーク構成を搬送するように構成された第５のインターフェイスを使用するためのプログラムコードインストラクションを含む。幾つかの実施形態において、前記コンピュータ実行可能なプログラムコードインストラクションは、更に、ＤＡＥと、ＣＭＥ及びＣＥの１つ以上との間の接続を与え、そして現在ネットワーク構成及び関連ＫＰＩ測定値のレポートを搬送するように構成された第５のインターフェイスを使用するためのプログラムコードインストラクションを含む。
本発明の実施形態を一般的に述べたが、必ずしも正しい縮尺ではない添付図面を参照して以下に詳細に説明する。
本発明の規範的実施形態により特に構成されたシステムのブロック図である。 本発明の規範的実施形態により特に構成された装置のブロック図である。 本発明の規範的実施形態により特に構成されたシステムのブロック図である。 本発明の規範的実施形態により特に構成されたシステムのブロック図である。 本発明の規範的実施形態により特に構成されたシステムのブロック図である。 本発明の実施形態により規範的装置を動作する規範的方法を示すフローチャートである。 本発明の規範的実施形態により特に構成されたシステムのブロック図である。
全てではなく幾つかの実施形態が示された添付図面を参照して幾つかの規範的実施形態を以下に詳細に説明する。実際に、これらの規範的実施形態は、多数の異なる形態をとることができ、ここに述べる実施形態に限定されないと解釈されるべきであり、むしろ、これらの実施形態は、この開示が適用法的要件を満足するように与えられたものである。全体を通して同じ要素は同じ参照番号で示されている。「データ」「コンテンツ」「情報」等の用語は、送信、受信、演算、及び／又は記憶できるデータを指すように幾つかの規範的実施形態により交換可能に使用される。更に、ここに使用される「規範的」という用語は、質的評価を網羅するものではなく、単に一例を例示するものに過ぎない。従って、そのような用語の使用は、本発明の実施形態の精神及び範囲を限定するものと考えてはならない。
ここに使用する「回路」という用語は、以下の全て、即ち（ａ）ハードウェア専用の回路実施（例えば、アナログ及び／又はデジタル回路のみでの実施）、（ｂ）回路及びソフトウェア（及び／又はファームウェア）の組み合せ、例えば、（該当すれば）（i）プロセッサ（１つ又は複数）の組み合せ、又は（ii）モバイルホン又はサーバーのような装置に種々の機能を遂行させるように一緒に働くプロセッサ（１つ又は複数）／ソフトウェア（デジタル信号プロセッサ（１つ又は複数）を含む）、ソフトウェア、及びメモリ（１つ又は複数）の一部分、及び（ｃ）ソフトウェア又はファームウェアが物理的に存在しなくても動作のためにソフトウェア又はファームウェアを要求するマイクロプロセッサ（１つ又は複数）又はマイクロプロセッサ（１つ又は複数）の一部分のような回路を指す。
「回路」のこの定義は、特許請求の範囲を含む本出願におけるこの用語の全ての使用に適用される。更に別の例として、本出願に使用される「回路」という用語は、単に、プロセッサ（又は複数のプロセッサ）又はプロセッサの一部分、及びその（それらの）付随的ソフトウェア及び／又はファームウェアの実施も網羅する。又、「回路」という用語は、例えば、請求の範囲の特定要素に適用できる場合には、モバイルホン、又はサーバー内の同様の集積回路、セルラーネットワークデバイス、又は他のネットワークデバイスに対する基本帯域集積回路又は特定用途向け集積回路も網羅する。
システムアーキテクチャー
複数のステーション１０と１つ以上の無線ベースステーション／アクセスポイント１２との間の通信をサポートする規範的システム（例えば、複数の無線ベースステーション／アクセスポイントが地理的エリアに対して配備されそして同じ周波数チャンネルで動作する高密度システムシナリオ）を示した図１を参照すれば、各無線ベースステーション／アクセスポイントは、１つ以上のステーションと通信し、そして１つの実施形態では、非常に多数のステーション、例えば、６，０００以上のステーションと通信する。無線ベースステーション／アクセスポイントは、次いで、ネットワーク１４と通信する。無線ベースステーション／アクセスポイントは、５Ｇ、長期進化（ＬＴＥ）又はＬＴＥ−アドバンスト（ＬＴＥ−Ａ）ネットワークを経て通信するが、他のネットワークは、ワイドバンドコード分割多重アクセス（Ｗ−ＣＤＭＡ）、ＣＤＭＡ２０００、移動通信用のグローバルシステム（ＧＳＭ）、汎用パケット無線サービス（ＧＰＲＳ）、ＩＥＥＥ８０２．１１規格、例えば、ＩＥＥＥ８０２．１１ａｈ又は８０２．１１ａｃ規格或いは規格の他の新たな改定、ワイヤレスローカルエリアネットワーク（ＷＬＡＮ）、マイクロウェーブアクセス（ＷｉＭＡＸ）プロトコルのためのワールドワイド相互運用性、ユニバーサルモバイルテレコミュニケーションズシステム（ＵＭＴＳ）地上無線アクセスネットワーク（ＵＴＲＡＮ）、等、並びに例えば、ワイヤレスＨＡＲＴ、ブルーツース、ＺｉｇＢｅｅ、等の工業用ワイヤレス通信ネットワークを含むマルチドメインネットワークに関する他の規格、に従って構成されたものを含むアクセスポイント間の通信をサポートする。
無線ベースステーション／アクセスポイント１２及びステーション１０は、有線通信により通信してもよいが、最も一般的には、無線通信により通信する。例えば、無線ベースステーション／アクセスポイント及びステーションは、ＩＥＥＥ８０２．１１ａｈで定義された１ＧＨｚ以下の帯域、又は例えば、ＩＥＥＥ８０２．１１ａｃ規格で定義された５ＧＨｚ帯域で通信する。無線ベースステーション／アクセスポイントは、種々のネットワークエンティティ、例えば、アクセスポイント、ベースステーション、ノードＢ、進化型ノードＢ（ｅＮＢ）、無線ネットワークコントローラ（ＲＮＣ）、モバイルデバイス／ステーション（例えば、移動電話、スマートホン、ポータブルデジタルアシスタント（ＰＤＡ）、ページャー、ラップトップコンピュータ、タブレットコンピュータ、又は多数の他のハンドヘルド又はポータブル通信装置、計算デバイス、コンテンツ生成デバイス、コンテンツ消費デバイス、又はその組み合せ）、等のいずれによって実施されてもよい。又、ステーションは、種々のデバイス、例えば、センサ、メーター、等により実施されてもよい。センサ及びメーターは、ガスメーター、水道メーター、電力メーター、等として働く公益用途、環境及び／又は農業監視用途、工業プロセス自動化用途、乗物又は運輸自動化用途、健康管理及びフィットネス用途、建設自動化及び制御用途、及び／又は温度感知用途を含む種々の異なる用途に配備される。センサ又はメーターにより実施されるステーションは、幾つかの実施形態では、センサ及びメーターのデータを搬送するのに使用される。或いは又、ステーションは、移動通信デバイスのような移動ターミナル又はユーザ装置（ＵＥ）、例えば、移動電話、スマートホン、ポータブルデジタルアシスタント（ＰＤＡ）、ページャー、ラップトップコンピュータ、タブレットコンピュータ、又は多数の他のハンドヘルド又はポータブル通信装置、計算デバイス、コンテンツ生成デバイス、コンテンツ消費デバイス、又はその組み合せにより実施されてもよい。ステーションが移動ターミナルにより実施される実施形態では、アクセスポイントとステーションとの間の通信は、例えば、ホットスポットの範囲を拡張し、そしてセルラー又は他のネットワークにより搬送されることになるトラフィックをオフロードすることにより、Ｗｉ−Ｆｉ又は別のワイヤレスローカルエリアネットワーク（ＷＬＡＮ）の範囲を拡張するように働く。
無線ベースステーション／アクセスポイント１２及び／又はステーション１０は、図２のブロック図で一般的に表わされたように、各デバイスの機能を遂行するように特に構成された装置２０として実施されるか、さもなければ、それを備えている。この装置は、例えば、無線ベースステーション／アクセスポイント又はステーションにより使用されてもよいが、以下に述べるコンポーネント、デバイス又は要素は、必須のものではなく、従って、ある実施形態では、幾つかを省略してもよい。更に、幾つかの実施形態は、ここに示して説明するものを越えて、更に別の又は異なるコンポーネント、デバイス又は要素を含んでもよい。
装置アーキテクチャー
無線ベースステーション／アクセスポイント１２及び／又はステーション１０を実施するデバイスのタイプに関わらず、無線ベースステーション／アクセスポイント１２及び／又はステーション１０は、図２に示す装置２０を備え又はそれに関連付けされる。この点に関して、装置は、プロセッサ２２、メモリデバイス２４、通信インターフェイス２６、及びユーザインターフェイス２８を備えるか、さもなければ、それと通信する。従って、幾つかの実施形態において、デバイス又は要素が互いに通信するように示されているが、以下、そのようなデバイス又は要素は、同じデバイス又は要素内で実施できると考えねばならず、従って、通信するように示されたデバイス又は要素は、それとは別に、同じデバイス又は要素の一部分であると理解されねばならない。
幾つかの実施形態において、プロセッサ２２（及び／又はプロセッサを支援するか、さもなければ、それに関連したコプロセッサ又は他の処理回路）は、装置のコンポーネント間に情報を通すためのバスを経てメモリデバイス２４と通信する。メモリデバイスは、例えば、１つ以上の揮発性及び／又は不揮発性メモリを含む。換言すれば、例えば、メモリデバイスは、マシン（例えば、プロセッサのような計算デバイス）により検索可能なデータ（例えば、ビット）を記憶するように構成されたゲートを備えた電子ストレージデバイス（例えば、コンピュータ読み取り可能なストレージ媒体）である。メモリデバイスは、本発明の規範的実施形態により装置２０が種々の機能を実行できるようにするために、情報、データ、コンテンツ、アプリケーション、インストラクション、等を記憶するように構成される。例えば、メモリデバイスは、プロセッサにより処理するための入力データをバッファするように構成することができる。それに加えて又はそれとは別に、メモリデバイスは、プロセッサにより実行するためのインストラクションを記憶するように構成することができる。
上述したように、装置２０は、本発明の規範的実施形態を使用するように構成された計算デバイス１０により実施される。しかしながら、幾つかの実施形態において、この装置は、チップ又はチップセットとして実施されてもよい。換言すれば、この装置は、構造的アッセンブリ（例えば、基板）に材料、コンポーネント及び／又はワイヤを含む１つ以上の物理的パッケージ（例えば、チップ）を備えてもよい。構造的アッセンブリは、物理的強度を与え、サイズを保存し、及び／又はそこに含まれるコンポーネント回路の電気的相互作用を制限する。それ故、この装置は、ある場合には、単一のチップ上で、又は単一の「システムオンチップ」として、本発明の実施形態を具現化するように構成される。従って、ある場合には、チップ又はチップセットは、ここに述べる機能を与えるために１つ以上の動作を遂行する手段を構成する。
プロセッサ２２は、多数の異なる仕方で実施される。例えば、プロセッサは、種々のハードウェア処理手段、例えば、コプロセッサ、マイクロプロセッサ、コントローラ、デジタル信号プロセッサ（ＤＳＰ）、付随のＤＳＰを伴う又は伴わない処理要素、又は集積回路を含む種々の他の処理回路、例えば、ＡＳＩＣ（特定用途向け集積回路）、ＦＰＧＡ（フィールドプログラマブルゲートアレイ）、マイクロコントローラユニット（ＭＣＵ）、ハードウェアアクセラレータ、特殊目的コンピュータチップ、等、の１つ以上として実施される。従って、幾つかの実施形態において、プロセッサは、独立して動作するよう構成された１つ以上の処理コアを含む。マルチコアプロセッサは、単一の物理的パッケージ内でのマルチ処理を可能にする。それに加えて又はそれとは別に、プロセッサは、インストラクションの独立した実行、パイプライニング及び／又はマルチスレッディングを可能にするためにバスを経てタンデムに構成された１つ以上のプロセッサを備えている。
規範的実施形態において、プロセッサ２２は、メモリデバイス２４に記憶されたインストラクション又はプロセッサにアクセス可能なインストラクションを実行するように構成される。それとは別に又はそれに加えて、プロセッサは、ハードコード機能を実行するように構成される。従って、ハードウェアメソッドにより構成されるか、ソフトウェアメソッドにより構成されるか、又はその組み合せにより構成されるかに関わりなく、プロセッサは、適宜に構成されるが本発明の実施形態により動作を遂行できるエンティティ（例えば、回路に物理的に実施される）を表わす。従って、例えば、プロセッサがＡＳＩＣ、ＦＰＧＡ、等として実施されるときには、プロセッサは、ここに述べる動作を実行するために特に構成されたハードウェアである。或いは又、別の例として、プロセッサがソフトウェアインストラクションのエグゼキュータとして実施されるときには、インストラクションは、それが実行されるときここに述べるアルゴリズム及び／又は動作を遂行するように特にプロセッサを構成する。しかしながら、ある場合には、プロセッサは、ここに述べるアルゴリズム及び／又は動作を遂行するためのインストラクションにより、プロセッサの更に別の構成で本発明の実施形態を使用するように構成された特定のデバイス（例えば、ヘッドマウントディスプレイ）のプロセッサである。プロセッサは、とりわけ、プロセッサの動作をサポートするよう構成されたクロック、演算論理ユニット（ＡＬＵ）及び論理ゲートを備えている。１つの実施形態において、プロセッサは、ユーザインターフェイス２８の１つ以上の要素の少なくとも幾つかの機能を制御するように構成されたユーザインターフェイス回路も備えている。
一方、通信インターフェイス２６は、計算デバイス１０とサーバー１２との間でデータを受信及び／又は送信するように構成されたハードウェア又はハードウェア及びソフトウェアの組み合わせで実施されるデバイス又は回路のような手段である。この点に関して、通信インターフェイス２６は、例えば、アンテナ（又は複数のアンテナ）、及びワイヤレス通信を可能にするためのサポートハードウェア及び／又はソフトウェアを備えている。それに加えて又はそれとは別に、通信インターフェイスは、アンテナ（１つ又は複数）を経て信号を送信させるか、又はアンテナ（１つ又は複数）を経て受信される信号の受信を取り扱うためにアンテナ（１つ又は複数）と相互作用する回路を備えている。例えば、通信インターフェイスは、Ｗｉ−Ｆｉ、ブルーツース又は他のワイヤレス通信技術を経て、ヘッドマウントディスプレイ１０とワイヤレス通信するように構成される。ある場合に、通信インターフェイスは、それとは別に又はそれに加えて、ワイヤード通信をサポートしてもよい。従って、例えば、通信インターフェイスは、ケーブル、デジタルサブスクライバーライン（ＤＳＬ）、ユニバーサルシリアルバス（ＵＳＢ）又は他のメカニズムを経て通信をサポートするための通信モデム及び／又は他のハードウェア／ソフトウェアを備えている。例えば、通信インターフェイスは、ワイヤード通信を経て計算デバイスの他のコンポーネントと通信するように構成される。
ユーザインターフェイス回路のようなユーザインターフェイス２８は、ユーザ入力の指示を受け取り及び／又は聴覚、視覚、機械的又は他の出力をユーザに与えるためにプロセッサ２２と通信する。従って、ユーザインターフェイスは、例えば、キーボード、マウス、ジョイスティック、ディスプレイ、タッチスクリーンディスプレイ、マイクロホン、スピーカ、及び／又は他の入力／出力メカニズムを含む。幾つかの実施形態において、ディスプレイは、スクリーン上ディスプレイ、壁上ディスプレイ、メガネ上ディスプレイ（例えば、ニアアイディスプレイ(near-eye-display)）、空中ディスプレイ、等を指す。又、ユーザディスプレイは、例えば、バスを経てメモリ２４及び／又は通信インターフェイス２６と通信してもよい。
自己組織化ネットワーク
自己組織化ネットワークは、各問題を単一のＳＯＮ機能により取り扱うと共に、単一のＳＯＮ機能で複数の問題を取り扱ってもよい解決策を提供する。その機能は、ネットワークからデータを取得しそしてそのデータに含まれた測定値を使用して、アルゴリズム内部ルール又はポリシーのセットに従ってネットワーク（要素）の新規構成値（以下、「ネットワーク構成」と称される）を決定又は計算する閉制御ループアルゴリズムである。換言すれば、その機能は、入力（ネットワーク重要性能指示子(ＫＰＩ)）を出力（ネットワーク構成）とマッチングさせる状態マシンである。それは、その入力−出力関係又はその経路がアルゴリズムのルール（例えば、状態及び状態遷移）を通して解決策へと予め設計されるという点で固定の振舞いを有する。複数のＳＯＮ機能の管理及び整合は、ヒエラルキー的に遂行され、例えば、ＳＯＮ整合及び管理は、やや固定のルールに従って、又は固定のルールと、ＭＮＯ及びＳＯＮ製造者からの入力とに基づいて生成されたポリシーを通して、（非コグニティブな）集中機能により遂行される。
図３は、典型的なＳＯＮ解決策を使用するシステムのブロック図である。ＳＯＮは、ＫＰＩの規定のセットに影響する見えない非モデル化静的及び動的特性を特徴とする環境３１６において（ＣＮＭとして）動作する。ＳＯＮ内で、ＳＯＮ機能は、環境に対して限定されたビューを有し、そしてそれらに対しこのビューを取り入れる外部ＳＯＮ管理を必要とする。更に、このＳＯＮ管理は、予め定義されたタイプのコンテキストしか知らず、新たなものを検出することができない。従って、ＳＯＮの場合と同様に、ＫＰＩのみに依存することにより、性能は、ＫＰＩがどれほど正確に環境を測定し且つ抽象化するかに制限される。ＣＮＭは、この解決策を越えて次のステップを取り、ＫＰＩを単に読み取る以上に環境について推論する。即ち、ＣＮＭは、ＣＦが、どのコンテキスト内及びどの環境においてＣＦが機能するか検出し、且つ潜在的な新規コンテキスト又は新規環境を識別することができるようにする。サービス要件等についても同じことが言える。
各ＳＯＮ解決策は、ＫＰＩの組み合せ３１２をネットワーク構成３１６（これは、状態マシンの機能内部状態と考えることもできる）とマッチングさせる判断マトリクス３１４を実施する。この場合に、ＳＯＮアルゴリズムの出力であるネットワーク構成は、ネットワーク構成パラメータ（ＮＣＰ）の特定の組み合わせである。この機能は、現在ネットワーク構成を判断実行プロセスへの入力と考えるが、常に、考えられるネットワーク構成の限定セットから選択された一度に１つのネットワーク構成だけをアクティブにする。
しかしながら、設計者は、整合３１０及び検証３０８のようなあるシステム規模の機能をＳＯＮ機能それ自体からＳＯＮ動作レイヤへデカップルすることを選択する。
特に、ＮＣＰの同じサブセットが、異なるＳＯＮ機能によりトリガーされる再構成を受ける（例えば、移動頑健性最適化ＭＲＯ及び移動負荷バランスＭＬＢの両方がセル個々のオフセットＣＩＯを構成する）ので、ＳＯＮ機能の判断は、論理的集中レベルで整合される必要がある。
コグニティブネットワーク管理
ここに述べる実施形態は、上述したＳＯＮの課題及び欠点を克服し且つＣＮＭ要件（例えば、異なる動作コンテキストにおいて及びそれに対して経歴から学習し、コンテキストごとに最適な応答を可能にする）を満足するインテリジェントなネットワーク管理機能のためのコグニティブ機能（ＣＦ）青写真を提供する。
ここに述べるように、インテリジェントなネットワーク管理機能により行われる作業を分解し、そして例えば、コグニティブ機能を達成するために、どこでどのようにコグニションを追加できるかについて述べる。機械学習に固有の「アクティブテスト」の有益性がレバレッジされる。アクティブテストは、ＣＦが学習に基づいてより多くの最適な設定に対してチェックを行うだけでなく、知識スペース／ドメインを改善するために以前に使用されていなかった設定も試みることを保証する。そのようなことは、機械学習に固有のことである。というのは、知識を得るには、これらの機能が所与のコンテキストにおいてどれほど良く又は悪く働くか分析しそして評価するために、知らなかった構成をＣＦが実行する必要があるからである。
図４は、本発明の規範的実施形態により構成されるシステムのブロック図で、特に、ＣＦの観点から表わされた分解を示し、例えば、ＣＮＭを達成するのに何が必要であるか示しつつ、実施におけるシステム規模の観点を述べるものである。ここに提案する分解は、５つの主要コンポーネント、即ち「ネットワークオブジェクティブマネージャー」４０４、「環境モデリング・抽象化」４０６、「構成管理エンジン」４１０、「判断・アクションエンジン」４１２、及び「整合エンジン」４０８を備えている。
コグニティブ機能（ＣＦ）は、ＳＯＮ機能と同じ環境において動作するが、ＣＦは、ＫＰＩの限定された環境表現を異なる仕方で取り扱う。特定のＫＰＩに影響するネットワーク構成を見つけるのではなく、ＣＦは、既存のＫＰＩに関する推論を、カウンタ、タイマー、アラーム、測定値、コンテキストデータ及び支配的なネットワーク構成、並びに設定オペレータオブジェクトのような付加的な他のネットワークデータと組み合わせて発生し又は実行して、その振舞いを推論及び目標に沿って調整するように構成される。
１．ネットワークオブジェクティブマネージャー
幾つかの規範的実施形態によれば、ネットワークオブジェクティブマネージャー（ＮＯＭ）４０４は、ＣＮＭ、ネットワーク又は特定のコグニティブ機能（ＣＦ）に対するオペレータ目標４０２を解釈して、コグニティブ機能がその振舞いを、前記目標を満足するべく調整することを保証する。前記解釈は、他のブロックへの入力として取り入れられ、他のブロックは、それに応じて、その内部構造を調整し、その後、その振舞いを調整する。
原理的に、ＣＮＭ及びコグニティブ機能（ＣＦ）は、希望のＫＰＩターゲット及びそれらの相対的な重要性で構成される必要があり、ＣＦは、次いで、異なるネットワーク構成の作用を学習することを通してそれを達成するよう試みる。ＮＯＭがないと、そのようなターゲットは、オペレータにより手動で設定され、オペレータは、全ビジネス及び技術的目標（又は重要クオリティ指示子(ＫＱＩ)）を分析して、ネットワークＫＰＩターゲット及びそれらの相対的なプライオリティを導出する。
この設計では、ＮＯＭ４０４は、入力ＫＱＩを、重み付け／プライオリティ決めされたＫＰＩターゲットである出力へと分断することによりこの手動動作に置き換える。入力（オペレータ目標又はＫＱＩ）は、通常、出力に比して異なる抽象レベルにあることに注意されたい。
２．環境モデリング・抽象化
幾つかの規範的実施形態によれば、環境モデリング・抽象化（ＥＭＡ）エンジン４０６は、環境を、その後の判断実行に使用される状態へと抽象化する。ＣＦが動作する異なるコンテキスト及び状態を表わすそのような環境抽象化は、例えば、量的ＫＰＩ、抽象化（セマンティック）状態ラベル、及び動作コンテキスト、例えば、現在ネットワーク又はネットワーク要素構成の異なる組み合せから構築される。
ＣＦは、ＥＭＡエンジン４０６を使用して、新規な又は変化（例えば、変更、分割、削除、等）する既存の量的又は抽象化外部状態を必要に応じて生成する。これらの抽象化状態は、次いで、更に別のＣＦサブ機能、即ち判断・アクションエンジン（ＤＡＥ）４１２及び構成管理エンジン（ＣＭＥ）４１０により使用される。
任意の拡張として、受信エンティティ（例えば、ＣＭＥ、ＤＡＥ）は、どのＫＰＩ、どの更新頻度、及びどの抽象化レベルを実際に要求するか特定する。
３．構成管理エンジン
幾つかの規範的実施形態によれば、構成管理エンジン（ＣＭＥ）４１０は、ＥＭＡエンジンにより推論される環境及び動作コンテキストの抽象化に基づいてＣＦの異なるコンテキストに対する合法的候補ネットワーク構成を定義しそして洗練する。
最も簡単な形態では、ＣＭＥ４１０は、現在の抽象化された環境状態に鑑み不必要又は非到達である全ての考えられるネットワーク構成のセットから幾つかのネットワーク構成をマスクする。この場合に、考えられるネットワーク構成のセットは、固定され、そしてＣＭＥは、この固定されたセット内のみから選択を行う。
しかしながら、よりコグニティブな振舞いにおいて、ＣＭＥ４１０は、ネットワーク構成がどのように有用であるか又は有用であるかどうかの学習に基づいてネットワーク構成を追加、除去又は変更（例えば、分割又は結合）することもできる。
４．判断・アクションエンジン
幾つかの規範的実施形態によれば、判断・アクションエンジン（ＤＡＥ）４１２は、現在抽象状態（例えば、ＥＭＡエンジンにより導出された環境及び動作コンテキスト）を、合法的又は受け容れられる候補ネットワーク構成のセットから選択された適切なネットワーク構成とマッチングさせる。ＤＡＥ４１２は、候補ネットワーク構成を通してサーチし又はそれらにわたって推論して、ＣＦの設定オブジェクトを達成する現在状態に対し最も適切な１つを選択する。
ＳＯＮパラダイムにおいて、そのようなエンジンは、ＳＯＮ機能のコアであり、そして選択されたネットワーク構成は、ルールの予め設定されたセット（通常は、基礎的な静的判断／マッピングマトリクス）に基づくものであった。ＣＦにおいて、そのようなエンジンは、１）異なるネットワーク構成のクオリティを、２）異なるコンテキスト（ＥＭＡにより定義された）において、３）異なる合法的ネットワーク構成の適用から、及び４）異なるオペレータオブジェクトに向かって、学習する。次いで、異なるネットワークコンテキスト及び状態に対して最適なネットワーク構成を選択する。それ故、マッピングプロセス（ネットワーク構成に対する現在抽象状態）は、より動的で且つより適応性となる。
これを達成するために、ＤＡＥの内部状態（例えば、ＳＯＮ機能内の静的マッピングマトリクスと同等）も、変更可能でなければならない。この枠組みには（変更されるべき）ルールがないので、学習を通してＤＡＥ内部状態（及び遷移）における変更を想像することができる。例えば、ニューロンのセットがそれらの間に多数の接続を有するニューラルネットワークをベースとする解決策では、ニューロンが発火し、そして接続がコンテキスト及びオブジェクトに基づいてアクチベートされ、最適な構成を選択することができる。
５．整合エンジン
多数のネットワーク自動エンティティ間の衝突を管理するために、ＳＯＮ整合の概念がＳＯＮの一部分として導入された。同様に、ＣＮＭパラダイムも、レガシーＳＯＮ整合に比して異なる種類の整合であるにも関わらず、整合機能を要求する。ＣＦは、時間と共にそれらの性能を学習しそして改善するので、整合エンジンは、学習のため振舞いが非決定論的であるそれらの学習機能を整合するに充分なほどスマートでなければならない。
幾つかの実施形態において、ＣＥの特定のアクティビティは、（i）異なるＣＦにより設定されたおそらく衝突するネットワーク構成の検出及び分析、（ii）（選択された場合について）中央整合エンジンを伴わないＣＦ間での「高速トラック」ピアツーピア整合に対するルールの定義、（iii）環境及びネットワークモデリング、異なるコンテキストにおけるＫＰＩ及びＣＦ構成の関連性及び性能を含む、クロスドメイン（複数ネットワークドメイン、複数ネットワーク、複数オペレータ）知識及び情報の共有、並びにコグニティブアルゴリズムのクロスドメインの適用を可能にすること、及び（iv）ＣＦを環境状態及びアクティブ構成セットに関する同様のコンテキストで識別することにより知識管理サブシステム（以下に述べる）の他のサブ機能のサポート、を含む。
知識の管理
ＥＭＡ、ＣＭＥ及びＣＥは、一緒に、最適な構成を選択するためにＤＡＥにより使用される知識／コンテキストを出力するので、知識管理システムと考えることができる。
例外
ここに述べる設計は、レガシーＳＯＮに必要とされた機能の幾つかを排除する。例えば、各ＣＦは、ネットワークとの相互作用から適用及び学習をするので、検証機能（少なくともＣＦのオブジェクトにおける）は、古いものとなる。というのは、次善の性能を生じるネットワーク構成を回避するために機能を検証及び学習できるからである。又、古典的なＳＯＮ整合及びＳＯＮ管理は、ここに提案する設計に完全に適用することができない。
実施及び動作
本発明の規範的実施形態において、ネットワーク管理への機械学習の適用を容易にする方法、プロセス又はアルゴリズムを実施又は実行するために装置又はコンピュータプログラム製品が提供される。
図６は、本発明の実施形態による方法、装置及びコンピュータプログラム製品により遂行される規範的動作のフローチャートである。フローチャートの各ブロック、及びフローチャートにおけるブロックの組み合せは、１つ以上のコンピュータプログラムインストラクションを含むソフトウェアの実行に関連したハードウェア、ファームウェア、プロセッサ、回路及び／又は他のデバイスのような種々の手段によって実施されることが理解される。例えば、上述した手順の１つ以上は、コンピュータプログラムインストラクションにより実施される。この点について、上述した手順を実施するコンピュータプログラムインストラクションは、本発明の実施形態を使用する装置のメモリ２６により記憶されそして装置のプロセッサ２４により実行される。明らかなように、そのようなコンピュータプログラムインストラクションは、コンピュータ又は他のプログラム可能な装置（例えば、ハードウェア）にロードされてマシンを生成し、それにより生じるコンピュータ又は他のプログラム可能な装置が、フローチャートブロックに指定された機能の実施を与えるようにされる。又、これらのコンピュータプログラムインストラクションは、非一時的なコンピュータ読み取り可能なストレージメモリにも記憶されて、コンピュータ又は他のプログラム可能な装置に特定の仕方で機能するよう指令し、コンピュータ読み取り可能なストレージメモリに記憶されたインストラクションが、それを実行することでフローチャートブロックに指定された機能を実施する製造物品を形成するようにする。又、コンピュータプログラムインストラクションは、コンピュータ又は他のプログラム可能な装置にロードされて、コンピュータ又は他のプログラム可能な装置で一連の動作を実行して、コンピュータ実施プロセスを形成し、コンピュータ又は他のプログラム可能な装置で実行されるインストラクションがフローチャートのブロックに指定された機能を実施するための動作を与えるようにする。従って、図６の動作は、その実行時に、コンピュータ又は処理回路を、本発明の規範的実施形態を遂行するように構成された特定のマシンへ変換する。従って、図６の動作は、規範的実施形態を遂行するようにコンピュータ又は処理を構成するアルゴリズムを定義する。ある場合には、図６のアルゴリズムを遂行するプロセッサのインスタンスを汎用コンピュータに設けて、汎用コンピュータを、規範的実施形態を遂行するように構成された特定のマシンへ変換する。
従って、フローチャートのブロックは、特定の機能を遂行するための手段の組み合せ、及び特定の機能を遂行するための動作の組み合わせをサポートする。又、フローチャートの１つ以上のブロック、及びフローチャートにおけるブロックの組み合せは、特定の機能、又は特殊目的ハードウェア及びコンピュータインストラクションの組み合わせを遂行する特殊目的ハードウェアベースのコンピュータシステムにより実施できることも理解されたい。
幾つかの実施形態では、ここに述べる動作の幾つかが、以下に述べるように変更されるか又は更に増大されてもよい。更に、幾つかの実施形態では、図６に破線輪郭線を有するブロックで示すように付加的な動作が含まれてもよい。以下に述べる変更、任意の追加、又は増大の各々は、上述した動作だけで、又はここに述べる特徴間の他のものと組み合わせて、含まれてもよいことが明らかであろう。
実施
幾つかの実施形態において、ＣＮＭのための完全分散実施も完全集中型実施も実現可能である。というのは、ＣＮＭコンポーネントのあるものは多数のＣＦにわたって動作し、一方、他のものは、ＮＣＰに特に接近したネットワーク要素内に配置される必要があるからである。
図４に表わされた構造は、実現可能な「分散型」解決策、又はＮＯＭを集中ＯＡＭシステムで実施し且つ残りをネットワーク要素で実施するハイブリッド型解決策に適合する。それとは別に、ハイブリッド解決策とも考えられる集中型解決策は、ネットワーク要素においてＤＡＥ４１２のみを実施し、そして他の全てのコンポーネントを、図５に示す集中ＯＡＭシステムのレベルに配置する。
幾つかのコンポーネント（例えば、ＥＭＡ４０６、ＣＭＥ４１０又はＣＥ４０８）は、分散型ＣＦと集中型管理レイヤとの間で前後に移動される。例えば、機能特有のＣＭＥ４１０は、ＣＦのオブジェクトに向かうネットワーク構成の性能に基づき且つ他のＣＦからの及び他のＣＦに対するＣＦの交差作用を考慮して、単一のＣＦのみに対する合法的候補ネットワーク構成を学習しそして生成する。他方、集中型ＣＭＥ４１０も考えられそして有益である。というのは、そのようなＣＭＥ４１０は、交差機能ビューに基づいて、合法的ネットワーク構成を、ＣＦが互いに僅かな（又は好ましくはゼロの）交差作用しかもたないように設定するからである。
上述したように、図５の設計は、柔軟性のある作業をＣＦのローカルコンポーネントと集中型コンポーネントとの間で分割できるようにする。一般的に、分散型設計及び集中型設計の組み合せが可能であり、例えば、知識システムの３つのサブ機能を全部集中化するのではなく、それらのサブセットのみ、例えば、ＥＭＡ４０６及び／又はＣＥ４０８のみを集中化することができる。しかしながら、実施に関わらず、データの（標準的）交換を許すために、それらの機能間に準じたインターフェイスが維持される。
動作
幾つかの規範的実施形態において、ネットワーク管理への機械学習の適用を容易にするための方法、装置及びコンピュータプログラム製品が構成される。図５は、本発明の実施形態による規範的装置を動作する規範的方法を示すフローチャートである。
ネットワークオブジェクティブマネージャー
図５のブロック５０５に示すように、ネットワークオブジェクティブマネージャー４０４のような装置、計算デバイス１０により実施される装置２０、等は、ＣＮＭ又は特定のコグニティブ機能（ＣＦ）に対するオペレータ目標を解釈して、特定のＣＦがその振舞いを、その目標を満足するべく調整することを保証するように構成される。それ故、ネットワークオブジェクティブマネージャー４０４のような装置、計算デバイス１０により実施される装置２０、等は、ＣＮＭ、ネットワーク又は特定のＣＦに対するオペレータ目標を解釈して、特定のＣＦが、例えば、その振舞いを、そのオペレータ目標を満足するべく調整することを保証するためのプロセッサ２２、通信インターフェイス２６、等の手段を備えている。
環境モデリング・抽象化（ＥＭＡ）
図５のブロック５１０に示すように、環境モデリング・抽象化エンジン４０６、計算デバイス１０により実施される装置２０、等のような装置は、環境を、その後の判断実行に使用する状態へと抽象化するように構成される。それ故、環境モデリング・抽象化エンジン４０６、計算デバイス１０により実施される装置２０、等のような装置は、環境を、その後の判断実行に使用する状態へと抽象化するためのプロセッサ２２、通信インターフェイス２６、等の手段を備えている。幾つかの実施形態において、ＣＦが動作する異なるコンテキスト及び状態を表わす環境抽象化は、量的ＫＰＩ、抽象（セマンティック）状態ラベル、及び動作コンテキスト（例えば、現在ネットワーク又はネットワーク要素構成）の異なる組み合せから構築される。
幾つかの実施形態において、ＥＭＡエンジン４０６は、例えば、ＫＰＩ又はＫＰＩの組み合わせを、互いに論理的に区別できるセットへとクラスター化するクラシファイアとして実施される。そのようなクラシファイアは、ニューラルネットワーク、サポートベクトルマシン又は同様の学習アルゴリズムを適用して、経歴ＫＰＩを通して採掘し且つＫＰＩの論理的グループをマークする。そのような各グループは、特定の構成を要求する環境の特定の抽象化を表わす。しかしながら、ＥＭＡの進歩バージョンは、各ＣＦの適切な抽象化を選択しそして（好ましくは）それらを特定のＣＦに対して再分類するＲＬエージェントを追加する。
ネットワーク及び環境の集中型モデリングは、より広いデータセット（ネットワークの性能情報／ＫＰＩ、測定値、コンテキスト、等）で機能するという効果を発揮する。個々のＣＦは、ネットワーク及び他のコンテキスト情報の限定されたビューしか有していないが、集中型ＥＭＡエンジンは、定義されたネットワークドメインにわたってデータを収集する。これは、全てのコグニティブ機能に対して同じ抽象化レベルをＫＰＩに与えることを意味するものではない。むしろ、ＣＦと、与えられた動作ＫＰＩ及び環境記述に関するそのフィードバックに基づき、ＥＭＡは、ＣＦに向かうその出力を動的に適応／変化させる。一般的に、これは、意味的にエンリッチな公称尺度状態記述に対して比率尺度ＫＰＩからインターバル尺度メトリックまで多数の測定レベルにわたる範囲である。更に、精度及び正確さのレベルは、動的に変更できる。
構成管理エンジン（ＣＭＥ）
幾つかの規範的実施形態によれば、構成管理エンジン（ＣＭＥ）４１０は、ＥＭＡ４０６及びＣＥ４０８から入力を得て、合法的な／受け容れ可能な構成候補の適切なリストを決定する多入力多オブジェクトの学習エージェントである。ＣＭＥ４１０は、高速解計算を可能にするが、ＣＦオブジェクト、オペレータオブジェクト、並びにＣＥ４０８要件／コマンドに対しても正確且つ有効である構成を設定するように学習する。
幾つかの実施形態において、ＣＭＥ４１０は、（ニューラルネットワーク、サポートベクトルマシン又は同様の学習アルゴリズムを適用する）スーパーバイズ型学習エージェントとして実施され、これは、異なるコンテキスト（環境状態、ピア機能、等）における異なる構成のクオリティに関する経歴データを評価して、合法的構成を選択する。
しかしながら、ＣＭＥ４１０のオンラインバージョンは、異なる構成がネットワークに適用されてそれらの性能が評価されるときに合法的構成セットを調整し続けるためにＲＬを適用する。
集中型ＣＭＥ４１０は、各ＣＦに利用できると考えられる（合法的）ネットワーク構成のセットを連続的に監視及び更新（変更、分割、削除、等）することにより全てのＣＦに対して内部状態スペースを管理するように構成される。この場合も、そのような集中型解決策の効果は、より広いデータセットであるためにより多くの告知判断を行いそして多数のＣＦにわたって状態スペースモデリング知識を共有することより成る。しかしながら、拡張性を管理するために、例えば、多数の異なるＣＦがシステムで実施される場合には、集中型ＣＭＥ４１０は、ＣＦについてはネットワーク構成セットのみを管理しそしてＣＦインスタンスについては管理しない。この場合に、特定のＣＦインスタンスに対する最終的な粒度は、各インスタンスに対するＤＡＥ４１２判断／学習に委ねられる。
従って、図５のブロック５１５において、構成管理エンジン４１０のような装置、計算デバイス１０により実施される装置２０、等は、ＥＭＡエンジンによって推論される環境及び動作コンテキストの抽象化に基づいてＣＦの異なるコンテキストに対する合法的候補ネットワーク構成を定義し及び／又は洗練化するように構成される。それ故、構成管理エンジン４１０のような装置、計算デバイス１０により実施される装置２０、等は、ＥＭＡエンジンによって推論される環境及び動作コンテキストの抽象化に基づいてＣＦの異なるコンテキストに対する合法的候補ネットワーク構成を定義し及び／又は洗練化するためにプロセッサ２２、通信インターフェイス２６、等の手段を含む。
判断・アクションエンジン（ＤＡＥ）
幾つかの規範的実施形態によれば、判断・アクションエンジン（ＤＡＥ）４１２は、特定の抽象状態及び特定のＣＦ自身のオブジェクトのための最良のネットワーク構成を学習する単一入力・出力、単一オブジェクトのエージェントである。幾つかの実施形態において、ＤＡＥ４１２は、学習をオンラインで行わねばならないので、単一オブジェクトのＲＬエージェントとして実施される。この場合、単一オブジェクトは、実際に、異なる技術的オブジェクト又はＫＰＩに対する多数のターゲットより成るＣＦ要件を最適化することに注意されたい。例えば、単一オブジェクトは、無線リンク故障を最小にする多数の技術的オブジェクトへ変換される移動性能を最適化すると同時に、ハンドオーバー振動を最小にする。一方、特定のコンテキストと完全にマッチングする特定のネットワーク構成を常にもつことはできないので、選択されたネットワーク構成における更なる柔軟度を許すために、ＲＬの最上部にファジィロジックを適用することが必要である。
使用する多くの場合には、非常に頻繁な最適化を許すためにＤＡＥ４１２が分散される（例えば、ベースステーションのようなネットワーク要素において実施される）。しかしながら、集中型実施では、あまり頻繁に使用しない場合、例えば、セルアイデンティティ管理のようなネットワーク自己構成シナリオも考えられる。
ＣＭＥ４１０及びＤＡＥ４１２を実施するための１つのオプションは、対応する機能を１つの単一の機能へ一体化し且つ実施することである。これは、ＣＭＥ４１０及びＤＡＥ４１２の両機能を分散型又は集中型のいずれかで実施することに意味がある場合に可能である。
従って、図５のブロック５２０に示すように、判断・アクションエンジン４１２のような装置、計算デバイス１０により実施される装置２０、等は、現在抽象化状態（例えば、ＥＭＡエンジンによって導出される環境及び動作コンテキスト）を、合法的な／受け容れ可能な候補ネットワーク構成のセットから選択された適切なネットワーク構成とマッチングさせるように構成される。それ故、判断・アクションエンジン４１２のような装置、計算デバイス１０により実施される装置２０、等は、現在抽象化状態（ＥＭＡエンジンによって導出される環境及び動作コンテキスト）を、合法的な／受け容れ可能な候補ネットワーク構成のセットから選択された適切なネットワーク構成とマッチングさせるためのプロセッサ２２、通信インターフェイス２６、等の手段を含む。幾つかの実施形態において、ＤＡＥエンジンは、例えば、ＥＭＡにより定義された異なるコンテキストにおける異なるネットワーク構成のクオリティを、異なる合法的ネットワーク構成の適用から、異なるオペレータオブジェクトに向けて学習し、そしてその後に、異なるネットワークコンテキスト及び状態に対して最適なネットワーク構成を選択するように構成される。
整合エンジン（ＣＥ）
幾つかの規範的実施形態によれば、整合エンジン（ＣＥ）４０８は、（１）他のＣＦに対する異なるＣＦ判断の作用を学習し、（２）学習した知識を解釈し、及び（３）それらの作用をどのように最小にするかについてＣＭＥ及びＤＡＥに変更を示唆するように構成される。
ＣＥ４０８は、合法的構成のリストを最適化し直すようにＣＭＥ４１０に要求するが、ＤＡＥ４１２が他のＣＦに対して最小の作用しか及ぼさない構成を学習できるようにＤＡＥ４１２のアクションを直接的に等級付けしてもよい。
分散された（例えば、ＣＦの一部分として実施された）場合、ＣＥ４０８は、学習エージェントのマルチエージェントシステム（ＭＡＳ）における１つのエージェントである。各エージェントは、その関連ＤＡＥ４１２のアクションが他のＣＦ又はＣＦインスタンスに影響するかどうかそしてどれほど影響するか学習する。これは、次いで、否定的作用を最小にする仕方で動作するようにＤＡＥに適切に命令する。これについて、ＣＥ４０８のインスタンスは、そのような作用を互いに通信しなければならない。
又、集中型ＣＮＭ解決策では、ＣＥは、ＣＦの振舞いの整列においてマルチＣＦビューを許すように集中化される。
従って、図５のブロック５２５に示すように、整合エンジン４０８のような装置、計算デバイス１０により実施される装置２０、等は、多数のネットワーク自動化エンティティ間での衝突を管理するように構成される。それ故、整合エンジン４０８のような装置、計算デバイス１０により実施される装置２０、等は、多数のネットワーク自動化エンティティ間での衝突を管理するためのプロセッサ２２、通信インターフェイス２６、等の手段を含む。
インターフェイス
ＣＦの個々のコンポーネントは、以下に述べるインターフェイスのセットを経て一緒に接着することができる。図６は、所与のコグニティブ機能のコンポーネントブロック間のインターフェイスを示す規範的実施形態のブロック図である。
幾つかの規範的実施形態によれば、図７に示すテーブルに与えられた各記述と共に６個までのインターフェイスが要求される。
インターフェイスＣ１は、例えば、ＮＯＭと、ＣＥ、ＣＭＥ及びＤＡＥの１つ以上との間の接続を与えるように構成される。幾つかの実施形態では、Ｃ１は、ＣＦにより達成されると予想されるＫＰＩターゲットを与える。これは、ターゲット値の単なる仕様を越えて、ターゲットをどのように解釈すべきかに関連した付加的な情報を含む。そのような情報は、各関連性の間を区別する上で助けとなる異なるＫＰＩの重み、プライオリティ又は有用性を含むことができる。ＫＰＩターゲットの一般的／普遍的構造が提供されてもよいし、又はそれが受容者エンティティごとに区別されてもよい。例えば、ＣＭＥ及びＤＡＥには、ＣＦ特有のターゲットのみが与えられ、一方、ＣＥには、全てのＣＦに対するターゲットの完全なセットが与えられる。その逆が行われる（例えば、全てのエンティティにターゲットの完全セットが与えられる）場合には、各エンティティは、その機能に関連したターゲットをフィルタ除去するように構成される。
インターフェイスＣ２は、例えば、ＥＭＡと、ＣＥ、ＣＭＥ及びＤＡＥの１つ以上との間の接続を与えるように構成される。幾つかの実施形態では、Ｃ２は、ＥＭＡにより生成される抽象化環境状態又はコンテキストを与える。この場合も、これらは、各ＣＦに対して一般的又は特定のものとして指定することができる。幾つかの実施形態では、ＣＦごとの受容者エンティティは、環境の統合ビューを有し、これは、それらの学習において同じコンテキストを参照する。又、受容者エンティティは、それらが動作のために要求する環境状態の抽象化のレベルを指定することもでき、これは、例えば、生の測定値及びコンテキストから、ネットワークＫＰＩ、及びより多くの抽象化環境記述までの範囲である。
インターフェイスＣ３は、例えば、ＣＥとＣＭＥとの間の接続を与えるように構成される。幾つかの実施形態では、Ｃ３は、特定のＣＦに対してＣＥの構成又はレポートを与える。最も簡単な形態では、それは、他のＣＦに対する所与のＣＦアクションの作用を記述するレポートを与える。もしそうであれば、ＣＭＥは、そのようなレポートを使用して、成果の全体的有用性を最大にする（例えば、特定のＫＰＩターゲットを実現する）仕方でＣＦの合法的候補ネットワーク構成のセットをどのように構成するか決定する。しかしながら、より複雑なＣ３は、考慮すべきＣＥの推薦、又はＣＭＥにより実施されるべき判断を含む。そのようなことは、例えば、特定のアクション／ネットワーク構成を再び使用してはならないことである。
インターフェイスＣ４は、例えば、ＣＥとＤＡＥとの間の接続を与えるように構成される。幾つかの実施形態では、Ｃ４は、ＣＦアクションスペースのＣＭＥ構成（例えば、合法的ネットワーク構成のセット）を与える。構成データベースがＤＡＥの一部分である場合には（図６に示すように）、そのような構成がＤＡＥへ送信される。さもなければ、ＣＭＥは、ＤＡＥにより参照されるスタンドアローンデータベースを独自に編集する。
インターフェイスＣ５は、例えば、ＤＡＥとＥＭＡとの間の接続を与えるように構成される。幾つかの実施形態では、Ｃ５は、ＤＡＥにより選択された現在ネットワーク構成を搬送するための任意のインターフェイスである。幾つかの実施形態では、Ｃ５は、ＥＭＡが環境の抽象化記述に現在構成を含む場合に必要とされるだけであり、さもなければ、そのようなレポートについては必要がない。
インターフェイスＣ６は、例えば、ＤＥＡと、ＣＥ及びＣＭＥの１つ以上との間の接続を与えるように構成される。幾つかの実施形態では、Ｃ６は、ＤＡＥのアクション（１つ又は複数）に従うＫＰＩレポート（例えば、ＮＣＰ構成と、ネットワークＫＰＩにおけるそれに対応する作用との間のマッピング）を搬送する。本質的に、ＣＭＥ及びＣＥは、手近にあるＣＦについてあるアクションがどれほど良好であるか評価する必要があるので、特定のコンテキストにおけるそれらアクションのクオリティのレポートを得ることが必要となる。
ＣＦコンポーネントブロック間のインターフェイスの前記記述は、１つの考えられる実施であることに注意されたい。例えば、別の考えられる実施は、Ｃ６の説明の中に述べたＮＣＰ構成とネットワークＫＰＩにおけるそれに対応する作用との間のマッピングが、Ｃ５インターフェイスがＥＭＡに向かいＮＣＰ構成のタイミングに関する情報も搬送するという前提条件の下で、ＥＭＡ内で行われることである。この場合、Ｃ６インターフェイスの実施は、省略することができる。
上述した説明及び添付図面に表わされた技術の利益を得る当業者であれば、ここに述べる本発明の多数の変形及び他の実施形態が思い浮かぶであろう。それ故、本発明は、ここに開示した特定の実施形態に限定されず、且つ変形及び他の実施形態は、特許請求の範囲内に包含されることを理解されたい。更に、前記の説明及び添付図面は、要素及び／又は機能の規範的組み合せの文脈において規範的実施形態を述べるが、特許請求の範囲から逸脱せずに別の実施形態により要素及び／又は機能の異なる組み合わせが提供されることが明らかである。この点に関して、例えば、以上に明確に述べたもの以外の要素及び／又は機能の組み合せも幾つかの請求項に述べられると考えられる。ここでは特定の用語が使用されたが、それらは、一般的且つ説明的な意味で使用されたに過ぎず、それに限定されるものではない。
１０：ステーション
１２：無線ベースステーション／アクセスポイント
１４：ネットワーク
２０：装置
２２：プロセッサ
２４：メモリ
２６：通信インターフェイス
２８：ユーザインターフェイス
３０２：オペレータ目標
３０４：オブジェクティブマネージャー
３０６：管理
３０８：検証
３１０：整合
３１２：ＫＰＩの組み合せ
３１４：判断マトリクス
３１６：構成
４０４：ネットワークオブジェクティブマネージャー
４０６：環境モデリング・抽象化
４０８：整合エンジン
４１０：構成管理エンジン
４１２：判断・アクションエンジン

Claims (39)

  1. 無線アクセスネットワーク内でコグニティブネットワーク管理（ＣＮＭ）を可能にするシステムにおいて、
    ネットワークオブジェクティブマネージャー（ＮＯＭ）、
    環境モデリング・抽象化（ＥＭＡ）エンジン、
    構成管理エンジン（ＣＭＥ）、及び
    判断・アクションエンジン（ＤＡＥ）、
    を備え、
    前記ＮＯＭは、少なくとも１つのプロセッサと、コンピュータプログラムコードを含む少なくとも１つのメモリとを備え、その少なくとも１つのメモリ及びコンピュータプログラムコードは、プロセッサとで、ネットワークオブジェクティブマネージャーが、
    ＣＮＭ又は特定のコグニティブ機能（ＣＦ）に対する１つ以上のオペレータ目標を解釈して、ＣＮＭ又は特定のＣＦがその振舞いを、オペレータ目標を満足するべく調整することを保証する、
    ようにさせるよう構成され、
    前記ＥＭＡエンジンは、少なくとも１つのプロセッサと、コンピュータプログラムコードを含む少なくとも１つのメモリとを備え、その少なくとも１つのメモリ及びコンピュータプログラムコードは、プロセッサとで、環境モデリング・抽象化エンジンが、
    環境を、その後の判断実行に使用するように構成された状態へと抽象化する、
    ようにさせるよう構成され、抽象化された環境表現は、量的重要性能指示子（ＫＰＩ）、抽象状態ラベル、及び動作コンテキストの１つ以上の組み合せから構築され、
    前記ＣＭＥは、少なくとも１つのプロセッサと、コンピュータプログラムコードを含む少なくとも１つのメモリとを備え、その少なくとも１つのメモリ及びコンピュータプログラムコードは、プロセッサとで、環境モデリング・抽象化エンジンが、
    ＥＭＡエンジンにより導出された抽象化された環境及び動作コンテキストに基づき、ＣＦの異なるコンテキストに対して１つ以上の合法的候補ネットワーク構成を定義する、
    ようにさせるよう構成され、
    前記ＤＡＥは、少なくとも１つのプロセッサと、コンピュータプログラムコードを含む少なくとも１つのメモリとを備え、その少なくとも１つのメモリ及びコンピュータプログラムコードは、プロセッサとで、判断・アクションエンジンが、
    ＥＭＡエンジンにより導出された現在抽象状態、抽象化された環境、動作コンテキスト、又はその組み合わせを、合法的候補ネットワーク構成のセットから選択された適切なネットワーク構成とマッチングする、
    ようにさせるよう構成された、システム。
  2. 整合エンジンを更に備え、この整合エンジンは、少なくとも１つのプロセッサと、コンピュータプログラムコードを含む少なくとも１つのメモリとを備え、その少なくとも１つのメモリ及びコンピュータプログラムコードは、プロセッサとで、その整合エンジンが、
    他のＣＦに対する異なるＣＦ判断の１つ以上の作用を学習し、
    その学習した知識を解釈し、及び
    その１つ以上の作用を最小にするべくＣＭＥ及びＤＡＥに変更を示唆する、
    ようにさせるよう構成された、請求項１に記載のシステム。
  3. 前記ＮＯＭは、更に、プロセッサとで、装置が、
    １つ以上の重要クオリティ指示子（ＫＱＩ）入力を受信し、及び
    重み付けされ又はプライオリティ決めされたＫＰＩターゲットを与える、
    ようにさせるよう構成されたコンピュータプログラムコードを備えた請求項１又は２のいずれかに記載のシステム。
  4. 前記ＥＭＡエンジンは、ＫＰＩ又はＫＰＩの組み合わせを、互いに論理的に区別できるセットへとクラスター化するように構成されたクラシファイアとして実施される、請求項１から３のいずれかに記載のシステム。
  5. 前記ＣＭＥは、合法的構成を選択するために異なるコンテキストにおける定義されたＫＰＩターゲットの達成に関して異なる構成のクオリティを表わす経歴データを評価するニューラルネットワーク、サポートベクトルマシン又は他の学習アルゴリズムを適用するスーパーバイズ型学習エージェントとして実施される、請求項１から４のいずれかに記載のシステム。
  6. 前記ＤＡＥは、更に、プロセッサとで、装置が、
    ＥＭＡにより定義された異なるコンテキストにおける異なるネットワーク構成のクオリティを、合法的ネットワーク構成の適用から、異なるオペレータオブジェクトに向けて学習し、そしてその後に、ネットワークコンテキスト及び状態に対して最適なネットワーク構成を選択する、
    ようにさせるよう構成されたコンピュータプログラムコードを備えた、請求項１から５のいずれかに記載のシステム。
  7. 前記ＤＡＥは、単一のオブジェクティブがＣＦ要求を最適化する単一オブジェクティブＲＬエージェントとして実施され、そのＣＦ要求は、異なる技術的オブジェクティブ又はＫＰＩに対する１つ以上のターゲットを含む、請求項１から６のいずれかに記載のシステム。
  8. 前記システムは、更に、ＣＦにより得られると予想されるＫＰＩターゲットと、そのターゲットをどのように解釈すべきか表わす付加的な情報とを与えるように構成された第１のインターフェイスを備え、その付加的な情報は、ＫＰＩの重み、プライオリティ又は有益性の１つ以上を含む、請求項１から７のいずれかに記載のシステム。
  9. 前記システムは、更に、ＥＭＡと、ＣＥ、ＣＭＥ及びＤＡＥの１つ以上との間の接続を与え、及びＥＭＡにより生成された抽象環境状態又はコンテキストを与えるように構成された第２のインターフェイスを備えた、請求項１から８のいずれかに記載のシステム。
  10. 前記システムは、更に、ＣＥとＣＭＥとの間の接続を与え、及び特定のＣＦの構成に関してＣＥにより導出されたルールを与えるように構成された第３のインターフェイスを備えた、請求項１から９のいずれかに記載のシステム。
  11. 前記システムは、更に、ＣＥとＤＡＥとの間の接続を与え、及び合法的ネットワーク構成のセットを与えるように構成された第４のインターフェイスを備えた、請求項１から１０のいずれかに記載のシステム。
  12. 前記システムは、更に、ＤＡＥとＥＭＡとの間の接続を与え、及びＤＡＥにより選択された現在ネットワーク構成を搬送するように構成された第５のインターフェイスを備えた、請求項１から１１のいずれかに記載のシステム。
  13. 前記システムは、更に、ＤＡＥと、ＣＭＥ及びＣＥの１つ以上との間の接続を与え、そして現在ネットワーク構成及び関連ＫＰＩ測定値のレポートを搬送するように構成された第５のインターフェイスを備えた、請求項１から１２のいずれかに記載のシステム。
  14. 無線アクセスネットワーク内でコグニティブネットワーク管理（ＣＮＭ）を可能にする方法において、
    ネットワークオブジェクティブマネージャー（ＮＯＭ）、環境モデリング・抽象化（ＥＭＡ）エンジン、構成管理エンジン（ＣＭＥ）、及び判断・アクションエンジン（ＤＡＥ）を使用し、
    ＮＯＭにより、ＣＮＭ又は特定のコグニティブ機能（ＣＦ）に対する１つ以上のオペレータ目標を解釈して、ＣＮＭ又は特定のＣＦがその振舞いを、オペレータ目標を満足するべく調整することを保証し、
    ＥＭＡエンジンにより、環境を、その後の判断実行に使用するように構成された状態へと抽象化し、抽象化された環境表現は、量的重要性能指示子（ＫＰＩ）、抽象状態ラベル、及び動作コンテキストの１つ以上の組み合せから構築され、
    ＣＭＥにより、ＥＭＡエンジンにより導出された抽象化された環境及び動作コンテキストに基づき、ＣＦの異なるコンテキストに対して１つ以上の合法的候補ネットワーク構成を定義し、
    ＤＡＥにより、ＥＭＡエンジンにより導出された現在抽象状態、抽象化された環境、動作コンテキスト、又はその組み合わせを、合法的候補ネットワーク構成のセットから選択された適切なネットワーク構成とマッチングさせる、
    ことを含む方法。
  15. 更に、整合エンジンを使用し、
    整合エンジンにより、他のＣＦに対する異なるＣＦ判断の１つ以上の作用を学習し、
    その学習した知識を解釈し、及び
    その１つ以上の作用を最小にするべくＣＭＥ及びＤＡＥに変更を示唆する、
    ことを含む、請求項１４に記載の方法。
  16. 更に、ＮＯＭにて、１つ以上の重要クオリティ指示子（ＫＱＩ）入力を受信し、及び
    ＮＯＭにより、重み付けされ又はプライオリティ決めされたＫＰＩターゲットを与えることを含む、請求項１４又は１５のいずれかに記載の方法。
  17. 前記ＥＭＡエンジンは、ＫＰＩ又はＫＰＩの組み合わせを、互いに論理的に区別できるセットへとクラスター化するように構成されたクラシファイアとして実施される、請求項１４から１６のいずれかに記載の方法。
  18. 前記ＣＭＥは、合法的構成を選択するために異なるコンテキストにおける定義されたＫＰＩターゲットの達成に関して異なる構成のクオリティを表わす経歴データを評価するニューラルネットワーク、サポートベクトルマシン又は他の学習アルゴリズムを適用するスーパーバイズ型学習エージェントとして実施される、請求項１４から１７のいずれかに記載の方法。
  19. 更に、前記ＤＡＥにより、ＥＭＡにより定義された異なるコンテキストにおける異なるネットワーク構成のクオリティを、合法的ネットワーク構成の適用から、異なるオペレータオブジェクトに向けて学習し、その後、ネットワークコンテキスト及び状態に対して最適なネットワーク構成を選択することを含む、請求項１４から１８のいずれかに記載の方法。
  20. 前記ＤＡＥは、単一のオブジェクティブがＣＦ要求を最適化する単一オブジェクティブＲＬエージェントとして実施され、そのＣＦ要求は、異なる技術的オブジェクティブ又はＫＰＩに対する１つ以上のターゲットを含む、請求項１４から１９のいずれかに記載の方法。
  21. 更に、ＣＦにより得られると予想されるＫＰＩターゲットと、そのターゲットをどのように解釈すべきかを表わす付加的な情報とを与えるように構成された第１のインターフェイスを準備することを含み、その付加的な情報は、ＫＰＩの重み、プライオリティ又は有益性の１つ以上を含む、請求項１４から２０のいずれかに記載の方法。
  22. 更に、ＥＭＡと、ＣＥ、ＣＭＥ及びＤＡＥの１つ以上との間の接続を与え、そしてＥＭＡにより生成された抽象環境状態又はコンテキストを与えるように構成された第２のインターフェイスを使用することを含む、請求項１４から２１のいずれかに記載の方法。
  23. 更に、ＣＥとＣＭＥとの間の接続を与え、及び特定のＣＦの構成に関してＣＥにより導出されたルールを与えるように構成された第３のインターフェイスを使用することを含む、請求項１４から２２のいずれかに記載の方法。
  24. 更に、ＣＥとＤＡＥとの間の接続を与え、及び合法的ネットワーク構成のセットを与えるように構成された第４のインターフェイスを使用することを含む、請求項１４から２３のいずれかに記載の方法。
  25. 更に、ＤＡＥとＥＭＡとの間の接続を与え、及びＤＡＥにより選択された現在ネットワーク構成を搬送するように構成された第５のインターフェイスを使用することを含む、請求項１４から２４のいずれかに記載の方法。
  26. 更に、ＤＡＥと、ＣＭＥ及びＣＥの１つ以上との間の接続を与え、及び現在ネットワーク構成及び関連ＫＰＩ測定値のレポートを搬送するように構成された第５のインターフェイスを使用することを含む、請求項１４から２５のいずれかに記載の方法。
  27. 無線アクセスネットワーク内でコグニティブネットワーク管理（ＣＮＭ）を可能にするコンピュータプログラム製品において、このコンピュータプログラム製品は、コンピュータ実行可能なプログラムコードインストラクションが記憶された少なくとも１つの非一時的コンピュータ読み取り可能なストレージ媒体を備え、そのコンピュータ実行可能なプログラムコードインストラクションは、
    ネットワークオブジェクティブマネージャー（ＮＯＭ）、環境モデリング・抽象化（ＥＭＡ）エンジン、構成管理エンジン（ＣＭＥ）、及び判断・アクションエンジン（ＤＡＥ）を使用し、
    ＮＯＭにより、ＣＮＭ又は特定のコグニティブ機能（ＣＦ）に対する１つ以上のオペレータ目標を解釈して、ＣＮＭ又は特定のＣＦがその振舞いを、オペレータ目標を満足するべく調整することを保証し、
    ＥＭＡエンジンにより、環境を、その後の判断実行に使用するように構成された状態へと抽象化し、抽象化された環境表現は、量的重要性能指示子（ＫＰＩ）、抽象状態ラベル、及び動作コンテキストの１つ以上の組み合せから構築され、
    ＣＭＥにより、ＥＭＡエンジンにより導出された抽象化された環境及び動作コンテキストに基づき、ＣＦの異なるコンテキストに対して１つ以上の合法的候補ネットワーク構成を定義し、及び
    ＤＡＥにより、ＥＭＡエンジンにより導出された現在抽象状態、抽象化された環境、動作コンテキスト、又はその組み合わせを、合法的候補ネットワーク構成のセットから選択された適切なネットワーク構成とマッチングさせる、
    ためのプログラムコードインストラクションを含むものである、コンピュータプログラム製品。
  28. 前記コンピュータ実行可能なプログラムコードインストラクションは、更に、
    整合エンジンを使用し、
    この整合エンジンにより他のＣＦに対する異なるＣＦ判断の１つ以上の作用を学習し、
    その学習した知識を解釈し、及び
    その１つ以上の作用を最小にするべくＣＭＥ及びＤＡＥに変更を示唆する、
    ためのプログラムコードインストラクションを含む、請求項２７に記載のコンピュータプログラム製品。
  29. 前記コンピュータ実行可能なプログラムコードインストラクションは、更に、
    ＮＯＭにて、１つ以上の重要クオリティ指示子（ＫＱＩ）入力を受信し、及び
    ＮＯＭにより、重み付けされ又はプライオリティ決めされたＫＰＩターゲットを与えるためのプログラムコードインストラクションを含む、請求項２７又は２８のいずれかに記載のコンピュータプログラム製品。
  30. 前記ＥＭＡエンジンは、ＫＰＩ又はＫＰＩの組み合わせを、互いに論理的に区別できるセットへとクラスター化するように構成されたクラシファイアとして実施される、請求項２７から２９のいずれかに記載のコンピュータプログラム製品。
  31. 前記ＣＭＥは、合法的構成を選択するために異なるコンテキストにおける定義されたＫＰＩターゲットの達成に関して異なる構成のクオリティを表わす経歴データを評価するニューラルネットワーク、サポートベクトルマシン又は他の学習アルゴリズムを適用するスーパーバイズ型学習エージェントとして実施される、請求項２７から３０のいずれかに記載のコンピュータプログラム製品。
  32. 前記コンピュータ実行可能なプログラムコードインストラクションは、更に、
    ＤＡＥにより、ＥＭＡにより定義された異なるコンテキストにおける異なるネットワーク構成のクオリティを、合法的ネットワーク構成の適用から、異なるオペレータオブジェクトに向けて学習し、及び
    その後に、ネットワークコンテキスト及び状態に対して最適なネットワーク構成を選択する、
    ためのプログラムコードインストラクションを含む、請求項２７から３１のいずれかに記載のコンピュータプログラム製品。
  33. 前記ＤＡＥは、単一のオブジェクティブがＣＦ要求を最適化する単一オブジェクティブＲＬエージェントとして実施され、そのＣＦ要求は、異なる技術的オブジェクティブ又はＫＰＩに対する１つ以上のターゲットを含む、請求項２７から３２のいずれかに記載のコンピュータプログラム製品。
  34. 前記コンピュータ実行可能なプログラムコードインストラクションは、更に、ＣＦにより得られると予想されるＫＰＩターゲットと、そのターゲットをどのように解釈すべきかを表わす付加的な情報とを与えるように構成された第１のインターフェイスを使用するためのプログラムコードインストラクションを含み、その付加的な情報は、ＫＰＩの重み、プライオリティ又は有益性の１つ以上を含む、請求項２７から３３のいずれかに記載のコンピュータプログラム製品。
  35. 前記コンピュータ実行可能なプログラムコードインストラクションは、更に、ＥＭＡと、ＣＥ、ＣＭＥ及びＤＡＥの１つ以上との間の接続を与え、及びＥＭＡにより生成された抽象環境状態又はコンテキストを与えるように構成された第２のインターフェイスを使用するためのプログラムコードインストラクションを含む、請求項２７から３４のいずれかに記載のコンピュータプログラム製品。
  36. 前記コンピュータ実行可能なプログラムコードインストラクションは、更に、ＣＥとＣＭＥとの間の接続を与え、及び特定のＣＦの構成に関してＣＥにより導出されたルールを与えるように構成された第３のインターフェイスを使用するためのプログラムコードインストラクションを含む、請求項２７から３５のいずれかに記載のコンピュータプログラム製品。
  37. 前記コンピュータ実行可能なプログラムコードインストラクションは、更に、ＣＥとＤＡＥとの間の接続を与え、及び合法的ネットワーク構成のセットを与えるように構成された第４のインターフェイスを使用するためのプログラムコードインストラクションを含む、請求項２７から３６のいずれかに記載のコンピュータプログラム製品。
  38. 前記コンピュータ実行可能なプログラムコードインストラクションは、更に、ＤＡＥとＥＭＡとの間の接続を与え、及びＤＡＥにより選択された現在ネットワーク構成を搬送するよう構成された第５のインターフェイスを使用するためのプログラムコードインストラクションを含む、請求項２７から３７のいずれかに記載のコンピュータプログラム製品。
  39. 前記コンピュータ実行可能なプログラムコードインストラクションは、更に、ＤＡＥと、ＣＭＥ及びＣＥの１つ以上との間の接続を与え、そして現在ネットワーク構成及び関連ＫＰＩ測定値のレポートを搬送するように構成された第５のインターフェイスを使用するためのプログラムコードインストラクションを含む、請求項２７から３８のいずれかに記載のコンピュータプログラム製品。
JP2019512206A 2016-09-02 2016-09-02 コグニティブ機能を与え且つコグニティブネットワーク管理システムでの管理を容易にする方法及び装置 Pending JP2019534597A (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/IB2016/055288 WO2018042232A1 (en) 2016-09-02 2016-09-02 Method and apparatus for providing cognitive functions and facilitating management in cognitive network management systems

Publications (1)

Publication Number Publication Date
JP2019534597A true JP2019534597A (ja) 2019-11-28

Family

ID=56943888

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019512206A Pending JP2019534597A (ja) 2016-09-02 2016-09-02 コグニティブ機能を与え且つコグニティブネットワーク管理システムでの管理を容易にする方法及び装置

Country Status (6)

Country Link
US (1) US11349725B2 (ja)
EP (1) EP3507941B1 (ja)
JP (1) JP2019534597A (ja)
KR (1) KR20190043600A (ja)
CN (1) CN110024327B (ja)
WO (1) WO2018042232A1 (ja)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019236865A1 (en) * 2018-06-06 2019-12-12 The Board Of Regents Of The University Of Oklahoma Enhancement of capacity and user quality of service (qos) in mobile cellular networks
CN112534864A (zh) * 2018-07-19 2021-03-19 诺基亚技术有限公司 用于认知功能的网络状态的环境建模和抽象
US10728954B2 (en) 2018-08-07 2020-07-28 At&T Intellectual Property I, L.P. Automated network design and traffic steering
US12034610B2 (en) 2018-11-30 2024-07-09 Nokia Solutions And Networks Oy Network objectives management
EP3888304A1 (en) * 2018-11-30 2021-10-06 Nokia Solutions and Networks Oy Network objectives management
EP3912330A4 (en) 2019-01-17 2022-08-24 Nokia Technologies Oy DETERMINATION OF HYBRID TRANSMISSION SCHEME
US10701681B1 (en) 2019-03-29 2020-06-30 At&T Intellectual Property I, L.P. Coordinated beam forming for 5G or other next generation network
EP4011112B1 (en) * 2019-08-05 2023-11-29 Nokia Solutions and Networks Oy Systems, methods and apparatuses for automating context specific network function configuration
EP4042636B1 (en) * 2019-10-10 2023-08-30 Nokia Solutions and Networks Oy Orchestrating sandboxing of cognitive network management functions
WO2021198743A1 (en) * 2020-04-03 2021-10-07 Nokia Technologies Oy Coordinated control of network automation functions
US11321607B2 (en) 2020-04-03 2022-05-03 SiMa Technologies, Inc. Machine learning network implemented by statically scheduled instructions, with compiler
US11631001B2 (en) 2020-04-10 2023-04-18 SiMa Technologies, Inc. Heterogeneous computing on a system-on-chip, including machine learning inference
US11989581B2 (en) 2020-04-17 2024-05-21 SiMa Technologies, Inc. Software managed memory hierarchy
WO2021212045A1 (en) * 2020-04-17 2021-10-21 SiMa Technologies, Inc. Synchronization of processing elements and software managed memory hierarchy in a machine learning accelerator
WO2021213644A1 (en) * 2020-04-22 2021-10-28 Nokia Technologies Oy A coordination and control mechanism for conflict resolution for network automation functions
EP3944562A3 (en) * 2020-07-24 2022-03-23 Nokia Technologies Oy Methods and apparatuses for determining optimal configuration in cognitive autonomous networks
EP4268395A1 (en) 2020-12-28 2023-11-01 Nokia Technologies Oy Context-aware training coordination in communication network systems
WO2022248905A1 (en) * 2021-05-24 2022-12-01 Nokia Solutions And Networks Oy Reducing system degradation caused by manipulative network functions
US20230025754A1 (en) * 2021-07-22 2023-01-26 Accenture Global Solutions Limited Privacy-preserving machine learning training based on homomorphic encryption using executable file packages in an untrusted environment
US11568345B1 (en) * 2021-08-20 2023-01-31 Dish Wireless L.L.C. Cognitive-defined network management
WO2024103083A1 (en) 2022-11-14 2024-05-23 Xephor Solutions GmbH Computing system
CN118260903A (zh) * 2022-12-27 2024-06-28 中兴通讯股份有限公司 关键性能指标的获取和计算方法、电子设备及系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100490393C (zh) 2006-02-27 2009-05-20 华为技术有限公司 一种访问客户网络管理平台的方法
US7843822B1 (en) * 2007-05-24 2010-11-30 Rockwell Collins, Inc. Cognitive adaptive network management areas
JP5278892B2 (ja) 2008-02-28 2013-09-04 独立行政法人情報通信研究機構 コグニティブ無線通信ネットワークシステムおよびコグニティブ通信方法
UA99537C2 (en) 2008-07-01 2012-08-27 Квелкомм Инкорпорейтед Network element configuration scheme
US8494989B1 (en) * 2010-09-18 2013-07-23 Rockwell Collins, Inc. Cognitive network management system
WO2012084763A1 (en) 2010-12-23 2012-06-28 Huawei Technologies Sweden Ab Method for controlling telecommunication network
US11012307B2 (en) 2013-05-29 2021-05-18 Nokia Solutions And Networks Oy Network entity and method for controlling a son-function
US10200884B2 (en) * 2015-01-14 2019-02-05 Futurewei Technologies, Inc. Analytics-assisted, multi-agents, self-learning, self-managing, flexible and adaptive framework for intelligent SON

Also Published As

Publication number Publication date
EP3507941B1 (en) 2022-11-16
KR20190043600A (ko) 2019-04-26
WO2018042232A1 (en) 2018-03-08
US20190273662A1 (en) 2019-09-05
US11349725B2 (en) 2022-05-31
EP3507941A1 (en) 2019-07-10
CN110024327A (zh) 2019-07-16
CN110024327B (zh) 2022-05-24

Similar Documents

Publication Publication Date Title
JP2019534597A (ja) コグニティブ機能を与え且つコグニティブネットワーク管理システムでの管理を容易にする方法及び装置
Asghari et al. Internet of Things applications: A systematic review
Anandakumar et al. Supervised machine learning techniques in cognitive radio networks during cooperative spectrum handovers
Li et al. A distributed consensus algorithm for decision making in service-oriented internet of things
US10833933B2 (en) Systems and methods for optimizing a cloud deployed service based on performance metrics of the cloud service
US20180225592A1 (en) Determining a target device profile including an expected behavior for a target device
US20160119932A1 (en) Facilitating mobility dimensioning via dynamic configuration of a switch
CN103477677A (zh) 用于特定于小区类型的测量配置的方法和设备
Khan et al. A neutrosophic WPM-based machine learning model for device trust in industrial internet of things
US20220326757A1 (en) Multi-timescale power control technologies
WO2022069036A1 (en) Determining conflicts between kpi targets in a communications network
CN110460662A (zh) 物联网数据的处理方法和系统
Husen et al. A survey on requirements of future intelligent networks: solutions and future research directions
CN115866726A (zh) 用于使网络通信量对齐以改善功耗的方法和装置
Leppänen et al. Service modeling for opportunistic edge computing systems with feature engineering
Koudouridis et al. An architecture and performance evaluation framework for artificial intelligence solutions in beyond 5G radio access networks
Mendula et al. Energy-aware edge federated learning for enhanced reliability and sustainability
Lin et al. Heuristic-learning-based network architecture for device-to-device user access control
Ramteke et al. Particle swarm optimization and genetic mutation based routing technique for IoT-based homogeneous software-defined WSNs
Mohapatra et al. Techniques behind smart home automation system using NLP and IoT
US20200151554A1 (en) Machine learning based model for spectral scan and analysis
US20220417109A1 (en) Methods for determining application of models in multi-vendor networks
Liang et al. Energy consumption of machine learning enhanced open RAN: A comprehensive review
Liu et al. Mobility-Aware MEC Planning With a GNN-Based Graph Partitioning Framework
JP2014528618A (ja) クライアント・クエリに対するストリング分析アルゴリズムを動的に選択する方法

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190410

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190410

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200311

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200406

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20201109