基于区划的联合学习的制作方法-k8凯发

背景技术：

1、无线通信系统被广泛部署以提供诸如电话、视频、数据、消息接发、和广播等各种电信服务。典型的无线通信系统可采用能够通过共享可用的系统资源(例如，带宽、发射功率等)来支持与多个用户通信的多址技术。此类多址技术的示例包括码分多址(cdma)系统、时分多址(tdma)系统、频分多址(fdma)系统、正交频分多址(ofdma)系统、单载波频分多址(sc-fdma)系统、时分同步码分多址(td-scdma)系统、以及长期演进(lte)。lte/高级lte是对由第三代伙伴项目(3gpp)颁布的通用移动电信系统(umts)移动标准的增强集。

2、无线通信网络可包括能够支持数个用户装备(ue)通信的数个基站(bs)。用户装备(ue)可经由下行链路和上行链路来与基站(bs)进行通信。下行链路(或即前向链路)指从bs到ue的通信链路，而上行链路(或即反向链路)指从ue到bs的通信链路。如将在本文中更详细地描述的，bs可被称为b节点、gnb、接入点(ap)、无线电头端、传送接收点(trp)、新无线电(nr)bs、5g b节点等等。

3、以上多址技术已经在各种电信标准中被采纳以提供使得不同ue能够在城市、国家、地区、以及甚至全球级别上进行通信的共用协议。新无线电(nr)(其还可被称为5g)是对由第三代伙伴项目(3gpp)颁布的lte移动标准的增强集。nr被设计成通过在下行链路(dl)上使用具有循环前缀(cp)的正交频分复用(ofdm)(cp-ofdm)、在上行链路(ul)上使用cp-ofdm和/或sc-fdm(例如，还被称为离散傅里叶变换扩展ofdm(dft-s-ofdm))以及支持波束成形、多输入多输出(mimo)天线技术和载波聚集以改善频谱效率、降低成本、改善服务、利用新频谱、以及与其他开放标准更好地整合，来更好地支持移动宽带因特网接入。

4、人工神经网络可包括互连的人工神经元群(例如，神经元模型)。人工神经网络可以是计算设备，或者被表示为要由计算设备执行的方法。深度神经网络可以是人工神经网络的示例。深度神经网络可改进隐私性或实现物联网(iot)服务。在一些示例中，深度神经网络可以以去中心化方式训练。作为示例，深度神经网络可以在多个边缘设备(诸如移动设备)中训练，其中本地数据样本可被指定为训练数据。基于在被指定用于训练的边缘设备之间发现的固有相似性和差异性来定制深度神经网络可以是合乎需要的。

技术实现思路

0、概述

1、在本公开的一个方面，一种用于由第一网络设备管理模型更新的方法包括：在与数个区划模型中的第一区划模型相关联的第一网络设备处从第二网络设备接收全局模型，第二网络设备与该全局模型相关联。该方法进一步包括从第一网络设备向与第一区划模型相关联的第一ue群中的ue传送该全局模型。在一些示例中，不同ue群可以与数个区划模型中的每一者相关联。该方法还进一步包括：在第一网络设备处从第一群中的每个ue接收与该全局模型相关联的权重。该方法还包括：基于所接收到的权重来在第一网络设备处更新第一区划模型。该方法进一步包括从第一网络设备向第一群中的每个ue传送经更新的第一区划模型。

2、本公开的另一方面涉及一种用于在第一网络设备处管理模型更新的仪器。该仪器包括用于在与数个区划模型中的第一区划模型相关联的第一网络设备处从第二网络设备接收全局模型的装置，第二网络设备与该全局模型相关联。该仪器进一步包括用于从第一网络设备向与第一区划模型相关联的第一ue群中的ue传送该全局模型的装置。在一些示例中，不同ue群可以与数个区划模型中的每一者相关联。该仪器还进一步包括用于在第一网络设备处从第一群中的每个ue接收与该全局模型相关联的权重的装置。该仪器还包括用于基于所接收到的权重来在第一网络设备处更新第一区划模型的装置。该仪器进一步包括用于从第一网络设备向第一群中的每个ue传送经更新的第一区划模型的装置。

3、在本公开的另一方面，公开了一种其上记录有用于在第一网络设备处管理模型更新的非瞬态程序代码的非瞬态计算机可读介质。该程序代码由处理器执行并且包括用以在与数个区划模型中的第一区划模型相关联的第一网络设备处从第二网络设备接收全局模型的程序代码，第二网络设备与该全局模型相关联。该程序代码进一步包括用以从第一网络设备向与第一区划模型相关联的第一ue群中的ue传送该全局模型的程序代码。在一些示例中，不同ue群可以与数个区划模型中的每一者相关联。该程序代码还进一步包括用以在第一网络设备处从第一群中的每个ue接收与该全局模型相关联的权重的程序代码。程序代码还包括用以基于所接收到的权重来在第一网络设备处更新第一区划模型的程序代码。该程序代码进一步包括用以从第一网络设备向第一群中的每个ue传送经更新的第一区划模型的程序代码。

4、本公开的另一方面涉及一种用于在第一网络设备处管理模型更新的装置。该装置包括处理器；与该处理器耦合的存储器；以及存储在该存储器中的指令，这些指令在被处理器执行时可操作用于使得该装置：在与数个区划模型中的第一区划模型相关联的第一网络设备处从第二网络设备接收全局模型，第二网络设备与该全局模型相关联。这些指令的执行进一步使得该装置：从第一网络设备向与第一区划模型相关联的第一ue群中的ue传送该全局模型。在一些示例中，不同ue群可以与数个区划模型中的每一者相关联。这些指令的执行还使得该装置：在第一网络设备处从第一群中的每个ue接收与该全局模型相关联的权重。这些指令的执行又进一步使得该装置：基于所接收到的权重来在第一网络设备处更新第一区划模型。这些指令的执行进一步使得该装置被配置成：从第一网络设备向第一群中的每个ue传送经更新的第一区划模型。

5、在本公开的一个方面，一种在ue处执行的用于训练模型的方法包括：在与第一ue群相关联的第一ue处从与数个区划模型中的第一区划模型相关联的第一网络设备接收第一模型。在一些示例中，第一ue群与第一区划模型相关联，并且不同ue群与数个区划模型中的每一者相关联。该方法进一步包括基于该ue的当前连通性状态或该ue的当前资源使用中的一者或两者来在第一ue处标识用于训练第一模型的网络设备。该方法还进一步包括：向第一网络设备传送基于对第一模型的训练的模型权重更新。该方法还包括：从第一网络设备接收基于所传送的模型权重更新的第一区划模型。

6、本公开的另一方面涉及一种用于在ue处训练模型的仪器。该仪器包括用于在与第一ue群相关联的第一ue处从与数个区划模型中的第一区划模型相关联的第一网络设备接收第一模型的装置。在一些示例中，第一ue群与第一区划模型相关联，并且不同ue群与数个区划模型中的每一者相关联。该仪器进一步包括用于基于该ue的当前连通性状态或该ue的当前资源使用中的一者或两者来在第一ue处标识用于训练第一模型的网络设备的装置。该设备还进一步包括用于向第一网络设备传送基于对第一模型的训练的模型权重更新的装置。该设备还包括用于从第一网络设备接收基于所传送的模型权重更新的第一区划模型的装置。

7、在本公开的另一方面，公开了一种其上记录有用于在ue处训练模型的非瞬态程序代码的非瞬态计算机可读介质。该程序代码由处理器执行并且包括：用以在与第一ue群相关联的第一ue处从与数个区划模型中的第一区划模型相关联的第一网络设备接收第一模型的程序代码。在一些示例中，第一ue群与第一区划模型相关联，并且不同ue群与数个区划模型中的每一者相关联。该程序代码进一步包括：用以基于该ue的当前连通性状态或该ue的当前资源使用中的一者或两者来在第一ue处标识用于训练第一模型的网络设备的程序代码。该程序代码还进一步包括用以向第一网络设备传送基于对第一模型的训练的模型权重更新的程序代码。该程序代码还包括用以从第一网络设备接收基于所传送的模型权重更新的第一区划模型的程序代码。

8、本公开的另一方面涉及一种用于在ue处训练模型的装置。该装置包括处理器；与该处理器耦合的存储器；以及存储在该存储器中的指令，这些指令在被处理器执行时可操作用于使得该装置：在与第一ue群相关联的第一ue处从与数个区划模型中的第一区划模型相关联的第一网络设备接收第一模型。在一些示例中，第一ue群与第一区划模型相关联，并且不同ue群与数个区划模型中的每一者相关联。这些指令的执行进一步使得该装置：基于该ue的当前连通性状态或该ue的当前资源使用中的一者或两者来在第一ue处标识用于训练第一模型的网络设备。这些指令的执行又进一步使得该装置：向第一网络设备传送基于对第一模型的训练的模型权重更新。这些指令的执行还使得该装置：从第一网络设备接收基于所传送的模型权重更新的第一区划模型。

9、根据本公开的另一方面，一种存储用于由bs进行无线通信的程序代码的非瞬态计算机可读介质包括用以确定ue的定时条件的程序代码。该基站还包括用以传送用于在一时隙中调度数个hp上行链路传输的数个hp准予的程序代码。该基站还包括用以传送用于在该时隙中调度lp上行链路传输的lp准予的程序代码。lp上行链路传输与该时隙中的数个hp上行链路传输中的一者或多者交叠。数个hp准予之一和与所调度的lp上行链路传输交叠的hp上行链路传输之一之间的时间满足定时条件。基站进一步包括用以在所调度的hp上行链路传输之一期间接收经复用通信的程序代码。

10、前述内容已较宽泛地勾勒出根据本公开的示例的特征和技术优势以力图使下面的详细描述可被更好地理解。将描述附加的特征和优势。所公开的概念和具体示例可容易地被用作修改或设计用于实施与本公开相同目的的其他结构的基础。此类等效构造并不背离所附权利要求书的范围。所公开的概念的特性在其组织和操作方法两方面以及相关联的优势将因结合附图来考虑以下描述而被更好地理解。每一附图是出于解说和描述目的来提供的，而非定义对权利要求的限定。