JP7495524B2 - ローカルエリア機械学習無線リソース管理のための測定構成 - Google Patents
ローカルエリア機械学習無線リソース管理のための測定構成 Download PDFInfo
- Publication number
- JP7495524B2 JP7495524B2 JP2022567389A JP2022567389A JP7495524B2 JP 7495524 B2 JP7495524 B2 JP 7495524B2 JP 2022567389 A JP2022567389 A JP 2022567389A JP 2022567389 A JP2022567389 A JP 2022567389A JP 7495524 B2 JP7495524 B2 JP 7495524B2
- Authority
- JP
- Japan
- Prior art keywords
- measurement
- model
- group
- measurements
- measurement group
- 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.)
- Active
Links
- 238000005259 measurement Methods 0.000 title claims description 325
- 238000010801 machine learning Methods 0.000 title claims description 188
- 238000000034 method Methods 0.000 claims description 64
- 238000004590 computer program Methods 0.000 claims description 37
- 238000004891 communication Methods 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 14
- 230000008054 signal transmission Effects 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 description 22
- 238000007726 management method Methods 0.000 description 21
- 230000007246 mechanism Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 239000000969 carrier Substances 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 208000018910 keratinopathic ichthyosis Diseases 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- VPSXHKGJZJCWLV-UHFFFAOYSA-N 2-[4-[2-(2,3-dihydro-1H-inden-2-ylamino)pyrimidin-5-yl]-3-(1-ethylpiperidin-4-yl)oxypyrazol-1-yl]-1-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)ethanone Chemical compound C1C(CC2=CC=CC=C12)NC1=NC=C(C=N1)C=1C(=NN(C=1)CC(=O)N1CC2=C(CC1)NN=N2)OC1CCN(CC1)CC VPSXHKGJZJCWLV-UHFFFAOYSA-N 0.000 description 1
- DXCXWVLIDGPHEA-UHFFFAOYSA-N 2-[4-[2-(2,3-dihydro-1H-inden-2-ylamino)pyrimidin-5-yl]-3-[(4-ethylpiperazin-1-yl)methyl]pyrazol-1-yl]-1-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)ethanone Chemical compound C1C(CC2=CC=CC=C12)NC1=NC=C(C=N1)C=1C(=NN(C=1)CC(=O)N1CC2=C(CC1)NN=N2)CN1CCN(CC1)CC DXCXWVLIDGPHEA-UHFFFAOYSA-N 0.000 description 1
- APLNAFMUEHKRLM-UHFFFAOYSA-N 2-[5-[2-(2,3-dihydro-1H-inden-2-ylamino)pyrimidin-5-yl]-1,3,4-oxadiazol-2-yl]-1-(3,4,6,7-tetrahydroimidazo[4,5-c]pyridin-5-yl)ethanone Chemical compound C1C(CC2=CC=CC=C12)NC1=NC=C(C=N1)C1=NN=C(O1)CC(=O)N1CC2=C(CC1)N=CN2 APLNAFMUEHKRLM-UHFFFAOYSA-N 0.000 description 1
- YLZOPXRUQYQQID-UHFFFAOYSA-N 3-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)-1-[4-[2-[[3-(trifluoromethoxy)phenyl]methylamino]pyrimidin-5-yl]piperazin-1-yl]propan-1-one Chemical compound N1N=NC=2CN(CCC=21)CCC(=O)N1CCN(CC1)C=1C=NC(=NC=1)NCC1=CC(=CC=C1)OC(F)(F)F YLZOPXRUQYQQID-UHFFFAOYSA-N 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 241000700159 Rattus Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- 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)
- Mobile Radio Communication Systems (AREA)
Description
本願は、2020年5月5日に出願された「MEASUREMENT CONFIGURATION FOR LOCAL AREA MACHINE LEARNING RADIO RESOURCE MANAGEMENT」と題する米国仮出願第63/020,466号の優先権を主張し、その開示は参照により、その全体が本明細書に組み込まれるものとする。
ネットワークノードが、1つ以上のユーザ機器のための少なくとも機械学習(ML)モデルの有効領域および測定グループを規定し、ネットワークノードが、少なくとも1つのMLモデルの有効領域および測定グループをユーザ機器に送信する、ことを含む、通信方法。
ネットワークノードが、UEから測定値を受信することであって、少なくとも測定グループに基づいて1つ以上のユーザ機器で実行される測定値を受信することをさらに含む、実施例1に記載の方法。
少なくとも受信した測定値に基づいて、少なくとも1つのMLモデルを訓練することをさらに含む、実施例1または2に記載の方法。
少なくとも1つのMLモデルまたは訓練済みMLモデルをユーザ機器に送信することをさらに含む、実施例1乃至3のいずれかに記載の方法。
ネットワークノードが、少なくとも受信した測定値、MLモデル、または、訓練済みMLモデルに基づいて、1つまたは複数の無線リソース管理動作を実行することをさらに含む、実施例1乃至4のいずれかに記載の方法。
有効領域および/または測定グループは、セル、セルのリスト、1つのセルグループID、または、複数のセルグループIDを含む、実施例1乃至5のいずれかに記載の方法。
有効領域および測定グループは、無線リソース制御信号送信を介して送信される、実施例1乃至6のいずれかに記載の方法。
有効領域および測定グループは、測定オブジェクトとして規定される、実施例1乃至7のいずれかに記載の方法。
複数の測定オブジェクトが、測定オブジェクトグループに関連付けられる、実施例1乃至8のいずれかに記載の方法。
有効領域および測定グループは、測定IDとして関連付けられる、実施例1乃至9のいずれかに記載の方法。
ユーザ機器が、ネットワークノードから、少なくとも1つの機械学習(ML)モデルの有効領域および測定グループを受信し、ユーザ機器が、少なくとも測定グループに基づいて、測定を実行する、ことを含む、通信方法。
ユーザ機器が、測定値をネットワークノードに送信することをさらに含む、実施例11に記載の方法。
ユーザ機器が、少なくとも1つのMLモデルを受信することをさらに含む、実施例11または12に記載の方法。
受信した少なくとも1つのMLモデルは、少なくともネットワークノードに送信された測定値に基づいて、ネットワークノードで訓練される、実施例11乃至13のいずれかに記載の方法。
ユーザ機器が、少なくとも測定値に基づいて、少なくとも1つのMLモデルまたは訓練済みMLモデルを訓練することをさらに含む、実施例13または14に記載の方法。
ユーザ機器が、測定値、MLモデル、または訓練済みMLモデルのうちの少なくとも1つに基づいて、1つまたは複数の無線リソース管理動作を実行することをさらに含む、実施例11乃至15のいずれかに記載の方法。
有効領域および測定グループは、セル、セルのリスト、1つのセルグループID、または、複数のセルグループIDを含む、実施例11乃至16のいずれかに記載の方法。
有効領域および測定グループは、無線リソース制御信号送信を介して受信される、実施例11乃至17のいずれかに記載の方法。
有効領域および測定グループは、測定オブジェクト情報要素を介して受信される、実施例11乃至18のいずれかに記載の方法。
複数の測定オブジェクトは、測定オブジェクトグループとして受信される、実施例11乃至19のいずれかに記載の方法。
有効領域および測定グループは、測定IDとして規定される、実施例11乃至20のいずれかに記載の方法。
ネットワークノードはgNBである、実施例1乃至21のいずれかに記載の方法。
実施例1乃至22のいずれかに記載の方法を実行するための手段を含む装置。
少なくとも1つのプロセッサによって実行された場合、実施例1乃至22のいずれかの方法をコンピューティングシステムに実行させるように構成され、格納された命令を含む非一時的なコンピュータ可読記憶媒体。
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、を備える装置であって、少なくとも1つのメモリおよびコンピュータプログラムコードは、少なくとも1つのプロセッサを用いて、装置に少なくとも実施例1乃至22のいずれかの方法を実行させるように構成される、装置。
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、を備える装置であって、少なくとも1つのメモリおよびコンピュータプログラムコードは、少なくとも1つのプロセッサを用いて、装置に、ネットワークノードによって、1つまたは複数のユーザ機器のための少なくとも機械学習(ML)モデルの有効領域および測定グループを規定することと、ネットワークノードによって、ユーザ機器に少なくとも1つのMLモデルの有効領域および測定グループを送信することと、を実行させるように構成されている、装置。
少なくとも1つのメモリおよびコンピュータプログラムコードは、少なくとも1つのプロセッサを用いて、装置に、ネットワークノードによって、UEから測定値を受信させるようにさらに構成され、測定グループは、少なくとも測定グループに基づいて、1つまたは複数のユーザ機器において実行される、実施例25に記載の装置。
少なくとも1つのメモリおよびコンピュータプログラムコードは、少なくとも1つのプロセッサを用いて、装置に、少なくとも受信した測定値に基づいて、少なくとも1つのMLモデルを訓練することをさらに行わせるように構成されている、実施例25または26に記載の装置。
少なくとも1つのメモリおよびコンピュータプログラムコードは、少なくとも1つのプロセッサを用いて、装置に、少なくとも1つのMLモデルまたは訓練済みMLモデルをユーザ機器に送信させるようにさらに構成される、実施例25乃至27のいずれかに記載の装置。
少なくとも1つのメモリおよびコンピュータプログラムコードは、少なくとも1つのプロセッサを用いて、装置に、ネットワークノードによって、少なくとも受信した測定値、MLモデル、または訓練済みMLモデルに基づいて、1つまたは複数の無線リソース管理動作を実行させるようにさらに構成される、実施例25乃至28のいずれかに記載の装置。
有効領域および/または測定グループは、セル、セルのリスト、1つのセルグループID、または、複数のセルグループIDを含む、実施例25乃至29のいずれかに記載の装置。
有効領域および測定グループは、無線リソース制御信号送信を介して送信される、実施例25乃至30のいずれかに記載の装置。
有効領域および測定グループは、測定オブジェクトとして規定される、実施例25乃至31のいずれかに記載の装置。
複数の測定オブジェクトが、測定オブジェクトグループと関連付けられている、実施例25乃至32のいずれかに記載の装置。
有効領域および測定グループは、測定IDとして関連付けられる、実施例25乃至33のいずれかに記載の装置。
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、を備える装置であって、少なくとも1つのメモリおよびコンピュータプログラムコードは、少なくとも1つのプロセッサを用いて、装置に、ユーザ機器によって、ネットワークノードから少なくとも1つの機械学習(ML)モデルの有効領域および測定グループを受信することと、ユーザ機器によって、少なくとも測定グループに基づいて、測定を実行することと、を行わせるように構成されている装置。
少なくとも1つのメモリおよびコンピュータプログラムコードは、少なくとも1つのプロセッサを用いて、装置に、ユーザ機器によって、測定値をネットワークノードに送信させるようにさらに構成されている、実施例35に記載の装置。
少なくとも1つのメモリおよびコンピュータプログラムコードは、少なくとも1つのプロセッサを用いて、装置に、ユーザ機器によって、少なくとも1つのMLモデルを受信させるようにさらに構成される、実施例35または36に記載の装置。
受信した少なくとも1つのMLモデルは、少なくともネットワークノードに送信された測定値に基づいて、ネットワークノードで訓練される、実施例35乃至37のいずれかに記載の装置。
少なくとも1つのメモリおよびコンピュータプログラムコードは、少なくとも1つのプロセッサを用いて、装置に、少なくとも測定値に基づいて、少なくとも1つのMLモデルまたは訓練済みMLモデルを訓練させることをさらに行うように構成されている、実施例35乃至38のいずれかに記載の装置。
少なくとも1つのメモリおよびコンピュータプログラムコードは、少なくとも1つのプロセッサを用いて、装置に、ユーザ機器によって、測定値、MLモデル、または訓練済みMLモデルのうちの少なくとも1つに基づいて、1つまたは複数の無線リソース管理動作を実行させるようにさらに構成される、実施例35乃至39のいずれかに記載の装置。
有効領域および測定グループは、セル、セルのリスト、1つのセルグループID、または、複数のセルグループIDを含む、実施例35乃至40のいずれかに記載の装置。
有効領域および測定グループは、無線リソース制御信号送信を介して受信される、実施例35乃至41のいずれかに記載の装置。
有効領域および測定グループは、測定オブジェクト情報要素を介して受信される、実施例35乃至42のいずれかに記載の装置。
複数の測定オブジェクトが、測定オブジェクトグループとして受信される、実施例35乃至43のいずれかに記載の装置。
有効領域および測定グループは、測定IDとして規定される、実施例35乃至44のいずれかに記載の装置。
ネットワークノードは、gNBである、実施例35乃至44のいずれかに記載の装置。
Claims (44)
- ネットワークノードが、1つまたは複数のユーザ機器のための少なくとも1つの機械学習(ML)モデルの有効領域および測定グループを規定し、
前記ネットワークノードが、前記少なくとも1つのMLモデルの前記有効領域および前記測定グループを前記1つまたは複数のユーザ機器のうちのユーザ機器に送信する、
ことを含み、
前記有効領域は、前記測定グループにおいて規定されたセル固有の測定値が適用される1つまたは複数の特定のセルのリストを規定し、
前記測定グループは、特定の測定値が収集されるセルを規定する、
通信方法。 - 前記ネットワークノードが、前記ユーザ機器からの測定値を受信することをさらに含み、前記測定値は、前記ユーザ機器が前記有効領域に含まれるセルに接続されている場合に、少なくとも前記測定グループに基づいて、前記ユーザ機器で実行される、請求項1に記載の方法。
- 少なくとも、受信した前記測定値に基づいて、前記少なくとも1つのMLモデルを訓練することをさらに含む、請求項2に記載の方法。
- 前記少なくとも1つのMLモデルまたは訓練済みMLモデルを前記ユーザ機器に送信することをさらに含む、請求項1に記載の方法。
- 前記ネットワークノードが、少なくとも、受信した前記測定値、前記MLモデル、または訓練済みの前記MLモデルに基づいて、1つまたは複数の無線リソース管理動作を実行することをさらに含む、請求項3に記載の方法。
- 前記有効領域または前記測定グループの少なくとも1つは、セル、セルのリスト、1つのセルグループID、または複数のセルグループIDを含む、請求項1に記載の方法。
- 前記有効領域および前記測定グループは、無線リソース制御信号送信によって送信される、請求項1に記載の方法。
- 前記有効領域および前記測定グループは、測定オブジェクトとして規定される、請求項1に記載の方法。
- 複数の測定オブジェクトが、測定オブジェクトグループと関連付けられている、請求項1に記載の方法。
- 前記有効領域および前記測定グループは、測定IDとして規定される、請求項1に記載の方法。
- ユーザ機器が、ネットワークノードから、少なくとも1つの機械学習(ML)モデルの有効領域および測定グループを受信し、
前記ユーザ機器が前記有効領域に含まれるセルに接続されている場合に、前記ユーザ機器が、少なくとも前記測定グループに基づいて、測定を実行する、
ことを含み、
前記有効領域は、前記測定グループにおいて規定されたセル固有の測定値が適用される1つまたは複数の特定のセルのリストを規定し、
前記測定グループは、特定の測定値が収集されるセルを規定する、
通信方法。 - 前記ユーザ機器が、前記測定値を前記ネットワークノードに送信することをさらに含む、請求項11に記載の方法。
- 前記ユーザ機器が、前記少なくとも1つのMLモデルを受信することをさらに含む、請求項11に記載の方法。
- 受信した前記少なくとも1つのMLモデルは、少なくとも前記ネットワークノードに送信された前記測定値に基づいて、前記ネットワークノードにおいて訓練されている、請求項13に記載の方法。
- 前記ユーザ機器が、少なくとも前記測定値に基づいて、前記少なくとも1つのMLモデルまたは訓練済みの前記MLモデルを訓練させることをさらに含む、請求項14に記載の方法。
- 前記ユーザ機器が、前記測定値、前記MLモデル、または前記訓練済みMLモデルのうちの少なくとも1つに基づいて、1つ以上の無線リソース管理動作を実行することをさらに含む、請求項15に記載の方法。
- 前記有効領域または前記測定グループの少なくとも1つは、セル、セルのリスト、1つのセルグループID、または複数のセルグループIDを含む、請求項11に記載の方法。
- 前記有効領域および前記測定グループは、無線リソース制御信号送信を介して受信される、請求項11に記載の方法。
- 前記有効領域および前記測定グループは、測定オブジェクト情報要素を介して受信される、請求項11に記載の方法。
- 複数の測定オブジェクトを測定オブジェクトグループとして受信する、請求項11に記載の方法。
- 前記有効領域および前記測定グループは、測定IDとして規定される、請求項11に記載の方法。
- 少なくとも1つのプロセッサによって実行されると、コンピューティングシステムに、
ネットワークノードが、1つまたは複数のユーザ機器のための少なくとも1つの機械学習(ML)モデルの有効領域および測定グループを規定し、
前記ネットワークノードが、前記少なくとも1つのMLモデルの前記有効領域および前記測定グループを、前記1つまたは複数のユーザ機器に送信する、
ことを実行させるように構成された命令が格納されており、
前記有効領域は、前記測定グループにおいて規定されたセル固有の測定値が適用される1つまたは複数の特定のセルのリストを規定し、
前記測定グループは、特定の測定値が収集されるセルを規定する、
非一時的コンピュータ可読記憶媒体。 - 少なくとも1つのプロセッサによって実行されると、コンピューティングシステムに、
ユーザ機器が、ネットワークノードから少なくとも1つの機械学習(ML)モデルの有効領域及び測定グループを受信し、
前記ユーザ機器が前記有効領域に含まれるセルに接続されている場合に、前記ユーザ機器が、少なくとも前記測定グループに基づいて、測定を実行する、
ことを行わせるように構成された命令が格納されており、
前記有効領域は、前記測定グループにおいて規定されたセル固有の測定値が適用される1つまたは複数の特定のセルのリストを規定し、
前記測定グループは、特定の測定値が収集されるセルを規定する、
非一時的コンピュータ可読記憶媒体。 - 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、
前記少なくとも1つのメモリおよび前記コンピュータプログラムコードは、前記少なくとも1つのプロセッサを用いて、装置に、少なくとも、
1つまたは複数のユーザ機器のための少なくとも機械学習(ML)モデルの有効領域および測定グループを規定することと、
前記少なくとも1つのMLモデルの前記有効領域および前記測定グループを前記1つまたは複数のユーザ機器のうちのユーザ機器に送信することと、
を実行させるように構成され、
前記有効領域は、前記測定グループにおいて規定されたセル固有の測定値が適用される1つまたは複数の特定のセルのリストを規定し、
前記測定グループは、特定の測定値が収集されるセルを規定する、
装置。 - 前記少なくとも1つのメモリおよび前記コンピュータプログラムコードは、前記少なくとも1つのプロセッサを用いて、前記装置に、
前記ユーザ機器から測定値を受信することをさらに行わせるように構成され、前記測定値は、前記ユーザ機器が前記有効領域に含まれるセルに接続されている場合に、少なくとも前記測定グループに基づいて、前記ユーザ機器において実行される、請求項24に記載の装置。 - 前記少なくとも1つのメモリおよび前記コンピュータプログラムコードは、前記少なくとも1つのプロセッサを用いて、前記装置に、
少なくとも、受信した前記測定値に基づいて、前記少なくとも1つのMLモデルを訓練することをさらに行わせるように構成される、請求項25に記載の装置。 - 前記少なくとも1つのメモリおよび前記コンピュータプログラムコードは、前記少なくとも1つのプロセッサを用いて、前記装置に、
前記少なくとも1つのMLモデルまたは訓練済みMLモデルを前記ユーザ機器に送信することをさらに行わせるように構成される、請求項24に記載の装置。 - 前記少なくとも1つのメモリおよび前記コンピュータプログラムコードは、前記少なくとも1つのプロセッサを用いて、前記装置に、
少なくとも、前記受信した測定値、前記MLモデル、または訓練済みの前記MLモデルに基づいて、1つまたは複数の無線リソース管理動作を実行することをさらに行わせるように構成される、請求項26に記載の装置。 - 前記有効領域または前記測定グループの少なくとも1つは、セル、セルのリスト、1つのセルグループID、または複数のセルグループIDを含む、請求項24に記載の装置。
- 前記有効領域および前記測定グループは、無線リソース制御信号送信を介して送信される、請求項24に記載の装置。
- 前記有効領域および前記測定グループは、測定オブジェクトとして規定される、請求項24に記載の装置。
- 複数の測定オブジェクトが、測定オブジェクトグループと関連付けられている、請求項24に記載の装置。
- 前記有効領域および前記測定グループは、測定IDとして規定される、請求項24に記載の装置。
- 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、
前記少なくとも1つのメモリおよび前記コンピュータプログラムコードは、前記少なくとも1つのプロセッサを用いて、装置に、少なくとも、
ネットワークノードから少なくとも1つの機械学習(ML)モデルの有効領域および測定グループを受信し、
ユーザ機器が前記有効領域に含まれるセルに接続されている場合に、少なくとも前記測定グループに基づいて測定を実行する、
ことを行わせるように構成され、
前記有効領域は、前記測定グループにおいて規定されたセル固有の測定値が適用される1つまたは複数の特定のセルのリストを規定し、
前記測定グループは、特定の測定値が収集されるセルを規定する、
装置。 - 前記少なくとも1つのメモリおよび前記コンピュータプログラムコードは、前記少なくとも1つのプロセッサを用いて、前記装置に、
前記測定値を前記ネットワークノードに送信することをさらに行わせるように構成される、請求項34に記載の装置。 - 前記少なくとも1つのメモリおよび前記コンピュータプログラムコードは、前記少なくとも1つのプロセッサを用いて、前記装置に、
前記少なくとも1つのMLモデルを受信することをさらに行わせるように構成される、請求項34に記載の装置。 - 受信した前記少なくとも1つのMLモデルは、少なくとも前記ネットワークノードに送信された前記測定値に基づいて、前記ネットワークノードで訓練される、請求項36に記載の装置。
- 前記少なくとも1つのメモリおよび前記コンピュータプログラムコードは、前記少なくとも1つのプロセッサを用いて、さらに、前記装置に、
少なくとも前記測定値に基づいて、前記少なくとも1つのMLモデルまたは訓練済みの前記MLモデルを訓練させるように構成される、請求項37に記載の装置。 - 前記少なくとも1つのメモリおよび前記コンピュータプログラムコードは、前記少なくとも1つのプロセッサを用いて、前記装置にさらに、
前記測定値、前記MLモデル、または前記訓練済みMLモデルのうちの少なくとも1つに基づいて、1つまたは複数の無線リソース管理動作を実行させるように構成される、請求項38に記載の装置。 - 前記有効領域または前記測定グループの少なくとも1つは、セル、セルのリスト、1つのセルグループID、または複数のセルグループIDを含む、請求項34に記載の装置。
- 前記有効領域および前記測定グループは、無線リソース制御信号送信を介して受信される、請求項34に記載の装置。
- 前記有効領域および前記測定グループは、測定オブジェクト情報要素を介して受信される、請求項34に記載の装置。
- 複数の測定オブジェクトは、測定オブジェクトグループとして受信される、請求項34に記載の装置。
- 前記有効領域および前記測定グループは、測定IDとして規定される、請求項34に記載の装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063020466P | 2020-05-05 | 2020-05-05 | |
US63/020,466 | 2020-05-05 | ||
PCT/IB2021/053303 WO2021224705A1 (en) | 2020-05-05 | 2021-04-21 | Measurement configuration for local area machine learning radio resource management |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023524156A JP2023524156A (ja) | 2023-06-08 |
JP7495524B2 true JP7495524B2 (ja) | 2024-06-04 |
Family
ID=75674904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022567389A Active JP7495524B2 (ja) | 2020-05-05 | 2021-04-21 | ローカルエリア機械学習無線リソース管理のための測定構成 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230269606A1 (ja) |
EP (1) | EP4147478A1 (ja) |
JP (1) | JP7495524B2 (ja) |
WO (1) | WO2021224705A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112752327B (zh) * | 2019-10-29 | 2023-10-20 | 上海华为技术有限公司 | 功率调节方法和接入网设备 |
US20220294666A1 (en) * | 2021-03-05 | 2022-09-15 | Samsung Electronics Co., Ltd. | Method for support of artificial intelligence or machine learning techniques for channel estimation and mobility enhancements |
WO2023227192A1 (en) * | 2022-05-23 | 2023-11-30 | Nokia Technologies Oy | Apparatuses and methods for generating training data for radio-aware digital twin |
GB2622831A (en) * | 2022-09-29 | 2024-04-03 | Nokia Technologies Oy | AI/ML configuration feedback |
WO2024138132A1 (en) * | 2022-12-23 | 2024-06-27 | Ofinno, Llc | Model performance evaluation in radio access network |
JP7521145B1 (ja) | 2024-05-29 | 2024-07-23 | 株式会社インターネットイニシアティブ | 通信制御装置、通信端末、および通信制御方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120329471A1 (en) | 2010-02-16 | 2012-12-27 | Barta Jozsef | Method for Energy Control in a Cellular Radio System |
US10039016B1 (en) | 2017-06-14 | 2018-07-31 | Verizon Patent And Licensing Inc. | Machine-learning-based RF optimization |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9432901B1 (en) * | 2015-07-24 | 2016-08-30 | Cisco Technology, Inc. | System and method to facilitate radio access point load prediction in a network environment |
WO2019029802A1 (en) * | 2017-08-09 | 2019-02-14 | Telefonaktiebolaget Lm Ericsson (Publ) | SYSTEM AND METHOD FOR SELECTING ANTENNA BEAM |
WO2019172813A1 (en) * | 2018-03-08 | 2019-09-12 | Telefonaktiebolaget Lm Ericsson (Publ) | Managing communication in a wireless communications network |
US20210345134A1 (en) * | 2018-10-19 | 2021-11-04 | Telefonaktiebolaget Lm Ericsson (Publ) | Handling of machine learning to improve performance of a wireless communications network |
-
2021
- 2021-04-21 EP EP21721633.2A patent/EP4147478A1/en active Pending
- 2021-04-21 JP JP2022567389A patent/JP7495524B2/ja active Active
- 2021-04-21 US US17/997,187 patent/US20230269606A1/en active Pending
- 2021-04-21 WO PCT/IB2021/053303 patent/WO2021224705A1/en unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120329471A1 (en) | 2010-02-16 | 2012-12-27 | Barta Jozsef | Method for Energy Control in a Cellular Radio System |
US10039016B1 (en) | 2017-06-14 | 2018-07-31 | Verizon Patent And Licensing Inc. | Machine-learning-based RF optimization |
Also Published As
Publication number | Publication date |
---|---|
JP2023524156A (ja) | 2023-06-08 |
WO2021224705A1 (en) | 2021-11-11 |
US20230269606A1 (en) | 2023-08-24 |
EP4147478A1 (en) | 2023-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7495524B2 (ja) | ローカルエリア機械学習無線リソース管理のための測定構成 | |
US20220190883A1 (en) | Beam prediction for wireless networks | |
US20200413316A1 (en) | Managing communication in a wireless communications network | |
US20200351735A1 (en) | Method and apparatus for handling handover in wireless communication system | |
CN111357313B (zh) | 终端设备特定的切换参数 | |
WO2021118418A1 (en) | Methods, ue and first network node for handling mobility information in a communications network | |
CN114402654A (zh) | 用于无线电接入网数据收集的装置 | |
US20230328617A1 (en) | Beam failure reporting | |
JP6982221B2 (ja) | 無線ネットワークおよび時空間センサからのデータの関連付けと格納 | |
CN115190550A (zh) | 一种小区切换方法及装置 | |
Ahmad et al. | An efficient handover decision in heterogeneous LTE-A networks under the assistance of users’ profile | |
US20240057139A1 (en) | Optimization of deterministic and non-deterministic traffic in radio-access network (ran) | |
Saad et al. | Artificial intelligence linear regression model for mobility robustness optimization algorithm in 5G cellular networks | |
EP4274177A1 (en) | Method for evaluating action impact over mobile network performance | |
WO2023170613A1 (en) | Cho configuration for fast offloading during cell shutdown | |
Mbulwa et al. | Self-Optimization of Handover Control Parameters for 5G Wireless Networks and Beyond | |
WO2021237053A1 (en) | Logging information related to multiple-event conditional handover execution for wireless networks | |
US20240147331A1 (en) | Ai/ml assisted csi-pilot based beam management and measurement reduction | |
US20240147285A1 (en) | User context aware ml based csi measurement relaxation | |
EP3962153A1 (en) | Signalling data for training machine learning based predictive handover | |
FI129323B (en) | Monitoring of measurement accuracy | |
US20240251258A1 (en) | Method, UE and Network Node for Handling MPM Re-Configuration in a Communications Network | |
EP4373159A1 (en) | Ai/ml model functionality in handover scenarios | |
US20240244499A1 (en) | Methods and apparatus for providing mobility state information | |
WO2023197245A1 (en) | Methods and apparatuses for an ai or ml based cco mechanism |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221226 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221226 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231107 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240207 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240507 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240523 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7495524 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |