特許 7011759 無線アクセスネットワーク（ＲＡＮ）ノードに対するニューラルネットワークの構成

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B1)

(11)【特許番号】

(24)【登録日】2022-01-18

(45)【発行日】2022-01-27

(54)【発明の名称】無線アクセスネットワーク（ＲＡＮ）ノードに対するニューラルネットワークの構成

(51)【国際特許分類】

   H04W 24/00 20090101AFI20220119BHJP

   H04W 92/04 20090101ALI20220119BHJP

【ＦＩ】

H04W24/00

H04W92/04

【請求項の数】 31

(21)【出願番号】P 2021548248

(86)(22)【出願日】2019-02-19

(86)【国際出願番号】 US2019018652

(87)【国際公開番号】W WO2020171803

(87)【国際公開日】2020-08-27

【審査請求日】2021-10-14

【早期審査対象出願】

(73)【特許権者】

【識別番号】513311642

【氏名又は名称】ノキア ソリューションズ アンド ネットワークス オサケユキチュア

(74)【代理人】

【識別番号】100099759

【弁理士】

【氏名又は名称】青木 篤

(74)【代理人】

【識別番号】100123582

【弁理士】

【氏名又は名称】三橋 真二

(74)【代理人】

【識別番号】100092624

【弁理士】

【氏名又は名称】鶴田 準一

(74)【代理人】

【識別番号】100141162

【弁理士】

【氏名又は名称】森 啓

(72)【発明者】

【氏名】アナンド ベデカー

(72)【発明者】

【氏名】ラジーブ アグラワル

(72)【発明者】

【氏名】ホア シュイ

(72)【発明者】

【氏名】スレッシュ カルヤーナスンダラム

【審査官】深津 始

(56)【参考文献】

【文献】特開２００５－１２４１８５（ＪＰ，Ａ）

【文献】特開平６－２２３６５（ＪＰ，Ａ）

【文献】今井 健男、山田 貴登，実験研究 注目ＡＩコンパイラで広がる組み込み人工知能の世界，Ｉｎｔｅｒｆａｃｅ，日本，ＣＱ出版株式会社 CQ Publishing Co.,Ltd.，2018年11月27日，第45巻、第１号，第46-55ページ

【文献】村上 真奈、矢戸 知得，携帯型ＧＰＵスパコン フル回転！ ＡＩツアー・ガイドを作る，Ｉｎｔｅｒｆａｃｅ，日本，ＣＱ出版株式会社 CQ Publishing Co.,Ltd.，2016年05月26日，第４２巻、第７号，第97-105ページ

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｈ０４Ｂ ７／２４ －Ｈ０４Ｂ ７／２６

Ｈ０４Ｗ ４／００ －Ｈ０４Ｗ ９９／００

３ＧＰＰ ＴＳＧ ＲＡＮ ＷＧ１－４

ＳＡ ＷＧ１－４

ＣＴ ＷＧ１、４

(57)【特許請求の範囲】

【請求項1】

無線ネットワーク内のコントローラによって、ニューラルネットワークを含む無線アクセスネットワークノードから、ニューラルネットワークに対する前記無線アクセスネットワークノードの能力またはサポートを示すニューラルネットワーク・サポート情報を受信するステップと、
前記ニューラルネットワーク・サポート情報に基づいて、前記無線アクセスネットワークノードに含まれる前記ニューラルネットワークの構成を前記コントローラによって決定するステップと、
前記ニューラルネットワークの前記構成は、ニューラルネットワーク・タイプまたは前記無線アクセスネットワークノードに含まれる該ニューラルネットワークのために使われる１つ以上の属性またはパラメータのうちの少なくとも１つを含む、ステップと、
前記コントローラが、前記無線アクセスネットワークノードに前記無線アクセスネットワークノードに含まれる前記ニューラルネットワークのために使用される前記構成を示すニューラルネットワーク構成情報を送信するステップと、
を含む方法。

【請求項2】

前記ニューラルネットワーク・サポート情報は、少なくとも、ニューラルネットワークの１つ以上の異なるタイプをサポートする前記無線アクセスネットワークノードの能力を示すニューラルネットワーク能力情報、
前記ニューラルネットワークが、無線アクセスネットワーク機能の少なくとも一部を実行するために、前記無線アクセスネットワークノードによって使用されることができる１つ以上の該無線アクセスネットワーク機能のリスト、
前記ニューラルネットワークをサポートするための前記無線アクセスネットワークノードのハードウェアの可用性を示すハードウェア可用性情報、
のうちの少なくとも１つを含む、請求項１に記載の方法。

【請求項3】

前記ハードウェア可用性情報は、
前記無線アクセスネットワークノードについて、前記ニューラルネットワークで利用可能な前記無線アクセスネットワークノードのプロセッサリソースの量または割合、
使用または占有されており、前記ニューラルネットワークで利用不可能な前記無線アクセスネットワークノードのプロセッサリソースの量または割合、
前記ニューラルネットワークで利用可能な前記無線アクセスネットワークノードのメモリの量または割合、
使用または占有されており、前記ニューラルネットワークで利用不可能な前記無線アクセスネットワークノードのメモリの量または割合、
前記無線アクセスネットワークノードの１つ以上のハードウェアアクセラレータに対して、前記ニューラルネットワークで利用可能な前記無線アクセスネットワークノードのハードウェアアクセラレータリソースの量または割合、および、
前記無線アクセスネットワークノードの１つ以上のハードウェアアクセラレータに対して、使用または占有されていて、前記ニューラルネットワークで利用不可能な前記無線アクセスネットワークノードのハードウェアアクセラレータリソースの量または割合、
のうちの１つ以上を示す情報を含む、
請求項２に記載の方法。

【請求項4】

前記コントローラが、前記無線アクセスネットワークノードに前記無線アクセスネットワークノードが前記ハードウェア可用性情報を前記コントローラに送信する前に、前記ハードウェア可用性情報の上で前記無線アクセスネットワークノードによって実行されるべき処理または事前フィルタリングのうちの少なくとも１つを示す情報を送信するステップをさらに含む、請求項２または３に記載の方法。

【請求項5】

前記ニューラルネットワーク能力情報は、前記無線アクセスネットワークノードの１つ以上の無線アクセスネットワーク機能の各々に対してニューラルネットワークの１つ以上の異なるタイプをサポートする前記無線アクセスネットワークノードの能力を示し、
前記決定するステップは、少なくとも前記ニューラルネットワーク能力情報に基づいて、前記無線アクセスネットワークノードの前記１つ以上の無線アクセスネットワーク機能の各々について、前記無線アクセスネットワーク機能に対する無線アクセスネットワークノードによってサポートされるニューラルネットワーク・タイプを決定するステップを含む、請求項２に記載の方法。

【請求項6】

前記コントローラが、前記無線アクセスネットワークノードに前記無線アクセスネットワークノードによって前記コントローラに提供されるべき前記ハードウェア可用性情報の少なくとも１つのタイプを示す情報を送信するステップをさらに含む、請求項２に記載の方法。

【請求項7】

前記コントローラによって、前記無線アクセスネットワークノードへ、前記無線アクセスネットワークノードが前記ハードウェア可用性情報を前記コントローラに送信する前に、前記ハードウェア可用性情報の上で前記無線アクセスネットワークノードによる実行されるべき処理またはフィルタリングの少なくとも１つを示す情報を送信するステップをさらに含む、請求項２に記載の方法。

【請求項8】

前記コントローラが、前記無線アクセスネットワークノードに前記無線アクセスネットワークノードによって前記コントローラに報告または提供される前記ハードウェア可用性情報のフォーマットを示す情報を送信するステップをさらに含む、請求項２に記載の方法。

【請求項9】

少なくとも１つのプロセッサによって実行されると、前記コントローラが、請求項１ないし８のいずれか１項に記載の方法を実行させるように構成された命令を格納する非一時的コンピュータ可読記憶媒体。

【請求項10】

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、を備えるコントローラであって、
該少なくとも１つのメモリと、該コンピュータプログラムコードとは、前記少なくとも１つのプロセッサを用いて、該コントローラに、少なくとも、
無線ネットワーク内の前記コントローラによって、ニューラルネットワークを含む無線アクセスネットワーク（ＲＡＮ）ノードから、ニューラルネットワークに対する前記無線アクセスネットワークノードの能力またはサポートを示すニューラルネットワーク・サポート情報を受信させ、
前記コントローラにより、前記ニューラルネットワーク・サポート情報に基づいて、
前記無線アクセスネットワークノードに含まれる前記ニューラルネットワークの構成を決定させ、ここで、前記ニューラルネットワークの前記構成は、ニューラルネットワーク・タイプまたは前記無線アクセスネットワークノードに含まれる該ニューラルネットワークのために使われる１つ以上の属性またはパラメータのうちの少なくとも１つを含み、
前記コントローラが、前記無線アクセスネットワークノードに前記無線アクセスネットワークノードに含まれる前記ニューラルネットワークのために使用される前記構成を示すニューラルネットワーク構成情報を送信させる
ように構成される、コントローラ。

【請求項11】

前記ニューラルネットワーク・サポート情報は、
ニューラルネットワークの１つ以上の異なるタイプをサポートする少なくとも前記無線アクセスネットワークノードの能力を示すニューラルネットワーク能力情報、
無線アクセスネットワーク機能の少なくとも一部を実行するために、前記ニューラルネットワークは、前記無線アクセスネットワークノードにより使用されることができる１つ以上の無線アクセスネットワーク機能のリスト、
前記ニューラルネットワークをサポートするための無線アクセスネットワークノードのハードウェアの可用性を示すハードウェア可用性情報
のうちの少なくとも１つを含む、請求項１０に記載のコントローラ。

【請求項12】

前記ハードウェア可用性情報は、
前記無線アクセスネットワークノードについて、前記ニューラルネットワークで利用可能な前記無線アクセスネットワークノードのプロセッサリソースの量または割合、
使用または占有されており、前記ニューラルネットワークで利用不可能な前記無線アクセスネットワークノードのプロセッサリソースの量または割合、
前記ニューラルネットワークで利用可能な前記無線アクセスネットワークノードのメモリの量または割合、
使用または占有されており、前記ニューラルネットワークで利用不可能な前記無線アクセスネットワークノードのメモリの量または割合、
前記無線アクセスネットワークノードの１つ以上のハードウェアアクセラレータに対して、前記ニューラルネットワークで利用可能な前記無線アクセスネットワークノードのハードウェアアクセラレータリソースの量または割合、および、
前記無線アクセスネットワークノードの１つ以上のハードウェアアクセラレータに対して、使用または占有されていて、前記ニューラルネットワークで利用不可能な前記無線アクセスネットワークノードのハードウェアアクセラレータリソースの量または割合
のうちの１つ以上を示す情報を含む、請求項１１のコントローラ。

【請求項13】

前記コントローラに、
さらに、前記コントローラによって、前記無線アクセスネットワークノードへ、前記無線アクセスネットワークノードが前記ハードウェア可用性情報を前記コントローラに送信する前に、前記ハードウェア可用性情報の上で前記無線アクセスネットワークノードによって実行されるべき処理または事前フィルタリングのうちの少なくとも１つを示す情報を、
送信させる、請求項１１または１２に記載のコントローラ。

【請求項14】

前記ニューラルネットワーク能力情報は、前記無線アクセスネットワークノードの１つ以上の無線アクセスネットワーク機能の各々に対してニューラルネットワークの１つ以上の異なるタイプをサポートする前記無線アクセスネットワークノードの能力を示し、
前記コントローラに決定させることは、装置に、少なくとも前記ニューラルネットワーク能力情報に基づいて、前記無線アクセスネットワークノードの前記１つ以上の無線アクセスネットワーク機能の各々について、前記無線アクセスネットワーク機能に対して前記無線アクセスネットワークノードによってサポートされるニューラルネットワーク・タイプを決定させることを含む、
請求項１１ないし１３のいずれか１項に記載のコントローラ。

【請求項15】

前記コントローラに、
前記コントローラによって、前記無線アクセスネットワークノードへ、前記無線アクセスネットワークノードによって前記コントローラに提供されるべき前記ハードウェア可用性情報のうちの少なくとも１つのタイプを示す情報
を送信させることをさらに含む、請求項１１または１２に記載のコントローラ。

【請求項16】

前記コントローラに、
前記コントローラによって、前記無線アクセスネットワークノードへ、前記無線アクセスネットワークノードが前記コントローラに前記ハードウェア可用性情報を送信する前に、前記ハードウェア可用性情報により、無線アクセスネットワークノードによって実行されるべき処理またはフィルタリングのうちの少なくとも１つを示す情報
を送信させることをさらに含む、請求項１１または１２に記載のコントローラ。

【請求項17】

ニューラルネットワークを含む無線アクセスネットワーク（ＲＡＮ）ノードによって、無線ネットワーク内のコントローラに、ニューラルネットワークに対する前記無線アクセスネットワークノードの能力またはサポートを示すニューラルネットワーク・サポート情報を送信するステップと、
前記無線アクセスネットワークノードによって、前記コントローラから、前記無線アクセスネットワークノードに含まれる前記ニューラルネットワークのために使用される構成を示すニューラルネットワーク構成情報を受信するステップと
を含む方法であって、
前記構成は、ニューラルネットワーク・タイプまたは前記無線アクセスネットワークノードに含まれる該ニューラルネットワークのために使われる１つ以上の属性もしくはパラメータのうちの少なくとも１つを含む、方法。

【請求項18】

前記無線アクセスネットワークノードによって、前記ニューラルネットワーク構成情報に基づいて前記無線アクセスネットワークノードに含まれる前記ニューラルネットワークを構成するステップと、
前記無線アクセスネットワークノードによって、前記構成されたニューラルネットワークに少なくとも部分的に基づいて１つ以上の無線アクセスネットワーク機能を実行するステップと、
をさらに含む、請求項１７の方法。

【請求項19】

前記ニューラルネットワーク・サポート情報は、ニューラルネットワークの１つ以上の異なるタイプをサポートする少なくとも前記無線アクセスネットワークノードの能力を示すニューラルネットワーク能力情報、
無線アクセスネットワーク機能の少なくとも一部を実行するために、前記ニューラルネットワークは、前記無線アクセスネットワークノードにより使用されることができる１つ以上の無線アクセスネットワーク機能のリスト、
前記ニューラルネットワークをサポートするために無線アクセスネットワークノードのハードウェアの可用性を示すハードウェア可用性情報
のうちの少なくとも１つを含む、請求項１７または１８に記載の方法。

【請求項20】

前記ハードウェア可用性情報は、
前記無線アクセスネットワークノードについて、前記ニューラルネットワークで利用可能な前記無線アクセスネットワークノードのプロセッサリソースの量または割合、
使用または占有されており、前記ニューラルネットワークで利用不可能な前記無線アクセスネットワークノードのプロセッサリソースの量または割合、
前記ニューラルネットワークで利用可能な前記無線アクセスネットワークノードのメモリの量または割合、
使用または占有されており、前記ニューラルネットワークで利用不可能な前記無線アクセスネットワークノードのメモリの量または割合、
前記無線アクセスネットワークノードの１つ以上のハードウェアアクセラレータに対して、前記ニューラルネットワークで利用可能な前記無線アクセスネットワークノードのハードウェアアクセラレータリソースの量または割合、
前記無線アクセスネットワークノードの１つ以上のハードウェアアクセラレータに対して、使用または占有されていて、前記ニューラルネットワークで利用不可能な前記無線アクセスネットワークノードのハードウェアアクセラレータリソースの量または割合
のうちの１つ以上を示す情報を含む、請求項１９に記載の方法。

【請求項21】

前記無線アクセスネットワークノードによって、前記コントローラから、前記無線アクセスネットワークノードによって前記コントローラに提供されるべき前記ハードウェア可用性情報の少なくとも１つのタイプを示す情報を受信するステップと請求項１９または２０に記載の方法。

【請求項22】

前記コントローラから前記無線アクセスネットワークノードによって、前記無線アクセスネットワークノードが前記ハードウェア可用性情報を前記コントローラに送信する前に、前記ハードウェア可用性情報の上で前記無線アクセスネットワークノードによって実行されるべき処理またはフィルタリングの少なくとも１つを示す情報を受信するステップを含む、請求項１９ないし２１のいずれか１項に記載の方法。

【請求項23】

前記無線アクセスネットワークノードによって、前記コントローラから、前記無線アクセスネットワークノードによって前記コントローラに報告または提供される前記ハードウェア可用性情報のフォーマットを示す情報を受信するステップを含む、請求項１９ないし２２のいずれか１項に記載の方法。

【請求項24】

少なくとも１つのプロセッサによって実行されると、前記無線アクセスネットワークノードに、請求項１９ないし２３のいずれか１項に記載の方法を実行させるように構成される命令を格納する非一時的コンピュータ可読記憶媒体。

【請求項25】

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とを含む少なくとも１つのメモリと、を備える無線アクセスネットワーク（ＲＡＮ）ノードであって、
該少なくとも１つのメモリと、該コンピュータプログラムコードとは、該少なくとも１つのプロセッサを用いて、装置に、
ニューラルネットワークを含む前記無線アクセスネットワークノードによって、無線ネットワーク内のコントローラに、ニューラルネットワークに対する前記無線アクセスネットワークノードの能力またはサポートを示すニューラルネットワーク・サポート情報を送信させ、
前記無線アクセスネットワークノードにより、前記コントローラから、前記無線アクセスネットワークノードに含まれる前記ニューラルネットワークのために使用される構成を示すニューラルネットワーク構成情報を受信させる
ように構成され、
前記構成は、ニューラルネットワーク・タイプまたは前記無線アクセスネットワークノードに含まれる該ニューラルネットワークのために使われる１つ以上の属性もしくはパラメータのうちの少なくとも１つを含む、
無線アクセスネットワークノード。

【請求項26】

前記無線アクセスネットワークノードに、さらに、前記無線アクセスネットワークノードによって、前記ニューラルネットワーク構成情報に基づいて前記無線アクセスネットワークノードに含まれる前記ニューラルネットワークを構成させ、
前記無線アクセスネットワークノードによって、前記構成されたニューラルネットワークに少なくとも部分的に基づいて１つ以上の無線アクセスネットワーク機能を実行させる、
請求項２５に記載の無線アクセスネットワークノード。

【請求項27】

前記ニューラルネットワーク・サポート情報は、
前記無線アクセスネットワークノードがニューラルネットワークの１つ以上の異なるタイプをサポートする少なくとも能力を示すニューラルネットワーク能力情報、
前記ニューラルネットワークが、無線アクセスネットワーク機能の少なくとも一部を実行するために、前記無線アクセスネットワークノードにより使用されることができる１つ以上の無線アクセスネットワーク機能のリスト、
前記ニューラルネットワークをサポートするために前記無線アクセスネットワークノードのハードウェアの可用性を示すハードウェア可用性情報、
のうちの少なくとも１つを含む、請求項２５または２６に記載の無線アクセスネットワークノード。

【請求項28】

前記ハードウェア可用性情報は、
前記無線アクセスネットワークノードについて、前記ニューラルネットワークで利用可能な前記無線アクセスネットワークノードのプロセッサリソースの量または割合、
使用または占有されており、前記ニューラルネットワークで利用不可能な前記無線アクセスネットワークノードのプロセッサリソースの量または割合、
前記ニューラルネットワークで利用可能な前記無線アクセスネットワークノードのメモリの量または割合、
使用または占有されており、前記ニューラルネットワークで利用不可能な前記無線アクセスネットワークノードのメモリの量または割合、
前記無線アクセスネットワークノードの１つ以上のハードウェアアクセラレータに対して、前記ニューラルネットワークで利用可能な前記無線アクセスネットワークノードのハードウェアアクセラレータリソースの量または割合、および、
前記無線アクセスネットワークノードの１つ以上のハードウェアアクセラレータに対して、使用または占有されていて、前記ニューラルネットワークで利用不可能な前記無線アクセスネットワークノードのハードウェアアクセラレータリソースの量または割合
のうちの１つ以上を示す情報を含む、請求項２７に記載の無線アクセスネットワークノード。

【請求項29】

前記無線アクセスネットワークノードに、さらに、
前記無線アクセスネットワークノードにより、前記コントローラから、前記無線アクセスネットワークノードによって前記コントローラに提供されるべき前記ハードウェア可用性情報の少なくとも１つのタイプを示す情報
を受信させる、請求項２７または２８に記載の無線アクセスネットワークノード。

【請求項30】

前記無線アクセスネットワークノードに、さらに、
前記無線アクセスネットワークノードにより、前記コントローラから、前記無線アクセスネットワークノードが前記ハードウェア可用性情報を前記コントローラに送信する前に、前記ハードウェア可用性情報の上で前記無線アクセスネットワークノードによって実行されるべき処理またはフィルタリングの少なくとも１つを示す情報
を受信させる、請求項２７ないし２９のいずれか１項に記載の無線アクセスネットワークノード。

【請求項31】

前記無線アクセスネットワークノードに、さらに、
前記無線アクセスネットワークノードにより、前記コントローラから、前記無線アクセスネットワークノードによって前記コントローラに報告または提供される前記ハードウェア可用性情報のフォーマットを示す情報
を受信させる、請求項２７ないし３０のいずれか１項に記載の無線アクセスネットワークノード。

【発明の詳細な説明】

【技術分野】

【0001】

本願明細書の記述は無線通信に関する。

【背景技術】

【0002】

通信システムは、固定通信装置または移動通信装置のような、２つ以上のノードまたは装置間の通信を可能にする設備であり得る。信号は有線または無線の通信事業者を介して伝送できる。

【0003】

セルラ通信方式の実例として、３ＧＰＰ（第３世代パートナーシッププロジェクト）で標準化されているアーキテクチャがある。この分野における最近の発展は、ユニバーサル移動通信システム（ＵＭＴＳ）無線アクセス技術の長期進化（ＬＴＥ）と呼ばれることが多い。Ｅ‐ＵＴＲＡ（進化ＵＭＴＳ Ｔｅｒｒｅｓｔｒｉａｌ Ｒａｄｉｏ Ａｃｃｅｓｓ）は、モバイルネットワークのための３ＧＰＰの長期進化（ＬＴＥ）アップグレードパスのエアインタフェースである。ＬＴＥでは、拡張ノードＡＰ（ｅＮＢ）と呼ばれるベースステーションまたはアクセスポイント（ＡＰ）は、カバレッジエリアまたはセル内でワイヤレスアクセスを提供する。ＬＴＥでは、移動装置または移動局はユーザ装置（ＵＥ）と呼ばれる。ＬＴＥには、多くの改良や開発が含まれている。ＬＴＥの態様も引き続き改善されている。

【0004】

５Ｇ Ｎｅｗ Ｒａｄｉｏ（ＮＲ）開発は、３Ｇ＆４Ｇワイヤレスネットワークの以前の進化と同様に、５Ｇの要件を満たすための継続的なモバイルブロードバンド進化プロセスの一部である。さらに、５Ｇは、モバイルブロードバンドに加えて、新たに出現するユースケースにもターゲットを絞っている。５Ｇの目標は、新しいレベルのデータレート、レイテンシー、信頼性、セキュリティを含むワイヤレス性能の大幅な改善を提供することである。５Ｇ ＮＲはまた、膨大なモノのインターネット（ＩｏＴ）を効率的に接続するために拡張され、新しいタイプのミッションクリティカルなサービスを提供する可能性がある。例えば、ＵＲＬＣ（Ｕｌｔｒａ－Ｒｅｌｉａｂｌｅ ａｎｄ Ｌｏｗ－Ｌａｔｅｎｃｙ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ） 装置は、高い信頼性と非常に低いレイテンシーを必要とすることができる。

【発明の概要】

【0005】

一実施形態によれば、方法は、無線ネットワーク内の無線アクセスネットワーク（ＲＡＮ）ノードからコントローラによって、ニューラルネットワークサポート情報の少なくとも１つと、前記無線アクセスネットワークノードによる１つ以上の測定値を含む測定情報、または、前記無線アクセスネットワークノードと通信状態にある無線デバイスによる１つ以上の測定値とを受信することと、前記コントローラによって、前記ニューラルネットワークサポート情報および測定情報の少なくとも１つに基づいて、前記無線アクセスネットワークノードのためのニューラルネットワークの構成を決定することと、前記コントローラによって、前記無線アクセスネットワークノードのための前記ニューラルネットワークの前記構成を示すニューラルネットワーク構成方法を送信することと、を含むことができる。

【0006】

一実施形態によれば、装置は、無線ネットワーク内の無線アクセスネットワーク（ＲＡＮ）ノードから、少なくとも１つのニューラルネットワークサポート情報と、無線アクセスネットワークノードによる１つ以上の測定値、または、無線アクセスネットワークノードと通信状態にある無線デバイスによる１つ以上の測定値を含む測定情報とを受信する手段と、前記少なくとも１つのニューラルネットワークサポート情報と測定情報とに基づいて、前記コントローラによって、前記無線アクセスネットワークノードのためのニューラルネットワークの構成を決定する手段と、前記コントローラによって、前記無線アクセスネットワークノードに、前記無線アクセスネットワークノードのためのニューラルネットワークの構成を示すニューラルネットワーク構成情報を送信する手段と、を含むことができる。

【0007】

一実施形態によれば、装置は、少なくとも１つのプロセッサと、コンピュータ・プログラムコードとを含む少なくとも１つのメモリと、を含むことができる。少なくとも１つのメモリと、コンピュータ・プログラムコードとは、少なくとも１つのプロセッサ用いて、該装置に、少なくとも、コントローラによって、無線ネットワーク内の無線アクセスネットワーク（ＲＡＮ）ノードから、ニューラルネットワークサポート情報、および無線アクセスネットワークノードによる１つ以上の測定値または前記無線アクセスネットワークノードと通信状態にある無線デバイスによる複数の測定値を含む測定情報のうちの少なくとも１つを受信させ、前記コントローラによって、前記ニューラルネットワークサポート情報および前記測定情報の少なくとも１つに基づいて、前記無線アクセスネットワークノードのニューラルネットワークの構成を決定させ、コントローラによって、無線アクセスネットワークノードのためのニューラルネットワークの構成を示すニューラルネットワーク構成情報を送信させるように構成される。

【0008】

一実施形態例によれば、非一時的コンピュータ可読記憶媒体であって、該非一時的コンピュータ可読記憶媒体に、少なくとも１つのプロセッサによって実行されると、無線ネットワーク内の無線アクセスネットワーク（ＲＡＮ）ノードからコントローラによって、ニューラルネットワークサポート情報、および前記無線アクセスネットワークノードによる１つ以上の測定値または前記無線アクセスネットワークノードと通信状態にある無線デバイスによる１つ以上の測定値を含む測定情報のうちの少なくとも１つを受信するステップと、前記コントローラが、前記ニューラルネットワークサポート情報および前記測定情報のうちの少なくとも１つに基づいて、前記無線アクセスネットワークノードのニューラルネットワークの構成を決定するステップと、前記コントローラが、前記無線アクセスネットワークノードに前記無線アクセスネットワークノードに対するニューラルネットワークの構成を示すニューラルネットワーク構成情報を送信するステップと、を含む方法をコンピュータシステムに実行させるように構成される命令を格納する非一時的コンピュータ可読記憶媒体である。

【0009】

例示的な実施形態によると、この方法は、無線ネットワーク内の無線アクセスネットワーク（ＲＡＮ）ノードによって、コントローラに、ニューラルネットワークサポート情報、および、無線アクセスネットワークノードによる１つ以上の測定値または無線アクセスネットワークノードと通信状態にある無線デバイスによる１つ以上の測定値を含む測定情報のうちの少なくとも１つを送信するステップであって、コントローラが無線アクセスネットワークノードのためのニューラルネットワーク構成を決定することを可能にする、ステップと、前記無線アクセスネットワークノードによって、前記コントローラから、前記無線アクセスネットワークノードのためのニューラルネットワークの構成を示すニューラルネットワーク構成情報を受信するステップと、を含むことができる。

【0010】

一実施形態によれば、装置は、無線ネットワーク内の無線アクセスネットワーク（ＲＡＮ）ノードによって、コントローラに、ニューラルネットワークサポート情報と、前記無線アクセスネットワークノードによる１つ以上の測定値または前記無線アクセスネットワークノードと通信状態にある無線デバイスによる１つ以上の測定値を含む測定情報とのうちの少なくとも１つを送信する手段であって、前記コントローラが前記無線アクセスネットワークノードのためのニューラルネットワーク構成を決定することを可能にする、送信手段と、前記無線アクセスネットワークノードによって、前記コントローラから、前記無線アクセスネットワークノードのためのニューラルネットワークの構成を示すニューラルネットワーク構成情報を受信する手段と、を含むことができる。

【0011】

一実施形態によれば、装置は、少なくとも１つのプロセッサと、コンピュータ・プログラムコードとを含む少なくとも１つのメモリと、を含むことができる。少なくとも１つのメモリと、コンピュータ・プログラムコードとは、該少なくとも１つのプロセッサを用いて、該装置に、少なくとも、無線ネットワーク内の無線アクセスネットワーク（ＲＡＮ）ノードによって、ニューラルネットワークサポート情報と、前記無線アクセスネットワークノードによる１つ以上の測定値または前記無線アクセスネットワークノードと通信状態にある無線デバイスによる１つ以上の測定値を含む測定情報とのうちの少なくとも１つをコントローラに送信させ、ここで、前記コントローラが前記無線アクセスネットワークノードのためのニューラルネットワーク構成を決定することを可能にし、前記無線アクセスネットワークノードにより、前記コントローラから、前記無線アクセスネットワークノードのニューラルネットワークの構成を示すニューラルネットワーク構成情報を受信させるように構成される。

【0012】

例示的な実施形態によると、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、無線ネットワーク内の無線アクセスネットワーク（ＲＡＮ）ノードによって、コントローラに、ニューラルネットワークサポート情報、および、無線アクセスネットワークノードによる１つ以上の測定値または無線アクセスネットワークノードと通信状態にある無線デバイスによる１つ以上の測定値を含む測定情報のうちの少なくとも１つを送信するステップであって、前記コントローラが、前記無線アクセスネットワークノードのニューラルネットワーク構成を決定することを可能にする、ステップと、前記無線アクセスネットワークノードによって、前記コントローラから、前記無線アクセスネットワークノードのためのニューラルネットワークの構成を示すニューラルネットワーク構成情報を受信するステップとの方法を実行させるように構成された、その上に格納された命令を含む非一時的コンピュータ可読記憶媒体が提供される。

【0013】

実施形態の１つ以上の例の詳細は、添付の図面および以下の記載で説明される。他の特徴は、明細書および図面、ならびにクレームから明らかとなる。

【図面の簡単な説明】

【0014】

【図1】図１は、実施例に係る無線ネットワークのブロック図である。

【図2】図２は、実施例に係るシステムを示す図である。

【図3】図３は、実施例に係るシステムの動作を示すシグナリングチャートである。

【図4】図４は、別の実施例に従った、コントローラと無線アクセスネットワーク（ＲＡＮ）ノードとを含むシステムの図である。

【図5】図５は、実施例に実施形態コントローラの動作を示すフローチャートである。

【図6】図６は、一実施形態に係る無線アクセスネットワーク（ＲＡＮ）ノードの動作を示すフローチャートである。

【図7】図７は、実施例に係る無線ステーション（例えば、ＡＰ、ＢＳ、ＲＡＮノード、ＵＥまたはユーザデバイス、または他のネットワークノード）のブロック図である。

【発明を実施するための形態】

【0015】

図１は、実施例に係る無線ネットワーク１３０のブロック図である。図１の無線ネットワーク１３０において、移動局（ＭＳ）またはユーザ装置（ＵＥ）とも呼ばれるユーザデバイス１３１、１３２、１３３および１３５は、アクセスポイント（ＡＰ）、拡張ノードＢ（ｅＮＢ）またはネットワークノードとも呼ばれる基地局（ＢＳ）１３４と接続（および通信）することができる。アクセスポイント（ＡＰ）、基地局（ＢＳ）またはノードＢ（ｅＮＢ）の機能の少なくとも一部は、リモート無線ヘッドなどのトランシーバに動作可能に接続されていてもよい任意のノード、サーバ、またはホストによって実行することができる。ＢＳ１３４は、ユーザデバイス１３１、１３２、１３３および１３５を含むセル１３６内に無線カバレッジを提供する。ＢＳ１３４に接続または接続されているものとして示されているユーザデバイスは４つだけであるが、任意の数のユーザデバイスが提供されることができる。ＢＳ１３４はまた、Ｓ１インタフェース１５１を介してコアネットワーク１５０に接続される。これは、単なる無線ネットワークの１つの単純な例であり、他のものが使用される可能性がある。

【0016】

基地局（例えば、ＢＳ １３４）は、無線ネットワーク内の無線アクセスネットワーク（ＲＡＮ）ノードの一例である。ＲＡＮノードは、例えば、基地局（ＢＳ）、アクセスポイント（ＡＰ）、ｇＮＢ、ｅＮＢ、または、それらの一部（集中ユニット（ＣＵ）および／または分割ＢＳまたは分割ｇＮＢの場合は分散ユニット（ＤＵ）など）であってもよく、またはそれらを含むことができる。

【0017】

一例を挙げると、無線アクセスネットワーク（ＲＡＮ）は移動電気通信システムの一部である。ＲＡＮは、無線アクセス技術を実装する１つ以上のＲＡＮノードを含むことができ、例えば、１つ以上のＵＥがネットワークまたはコアネットワークにアクセスできるようにする。したがって、例えば、ＲＡＮ（ＲＡＮノード）は、１つ以上のユーザデバイスまたはＵＥ（または情報処理装置）とコアネットワークとの間に存在することができる。一実施形態によれば、各ＲＡＮノード（例えば、ＢＳ、ｅＮＢ、ｇＮＢ、ＣＵ／ＤＵ、・・・）は、例えば、ＵＥがＲＡＮノードを介してネットワークに無線アクセスできるようにするために、１つ以上のＵＥまたはユーザデバイスに対して１つ以上の無線通信サービスを提供することができる。各ＲＡＮノードは、例えば、ＵＥまたはユーザデバイスがＲＡＮノードへの無線接続を確立し、１つ以上のＵＥにデータを送信および／またはＵＥからデータを受信することを可能にするなどの無線通信サービスを実行または提供することができる。例えば、ＵＥへの接続を確立した後、ＲＡＮノードは、ネットワークまたはコアネットワークから受信されたＵＥにデータを転送し、および／またはＵＥから受信されたデータをネットワークまたはコアネットワークに転送することができる。ＲＡＮノードは、ＵＥへの制御情報（例えば、システム情報など）のブロードキャスト、ＵＥに配信されるデータがある場合のページングＵＥ、セル間でのＵＥのハンドオーバの支援、ＵＥからのアップリンクデータ送信およびＵＥへのダウンリンクデータ送信のためのリソースのスケジューリング、１つ以上のＵＥを構成するための制御情報の送信など、幅広い他の無線機能またはサービスを実行することができる。これらは、ＲＡＮノードが実行することができる１つ以上の機能のいくつかの例である。

【0018】

ユーザデバイス（ユーザ端末、ユーザ装置（ＵＥ））は、加入者識別モジュール（ＳＩＭ）を使用して、または使用せずに操作する無線モバイル通信デバイスを含む携帯コンピューティングデバイスを指すことができ、これには、例として、モバイルステーション（ＭＳ）、携帯電話、携帯電話、スマートフォン、携帯情報端末（ＰＤＡ）、ハンドセット、無線モデム（アラームまたは測定デバイスなど）を使用するデバイス、ラップトップおよび／またはタッチスクリーンコンピュータ、タブレット、ファブレット、ゲームコンソール、ノートブック、ビーヒクル、センサ、およびマルチメディアデバイスが含まれるが、これらに限定されない。ユーザデバイスは、また、ほぼ排他的なアップリンクのみのデバイスであることができ、その例は、画像またはビデオクリップをネットワークにロードするカメラまたはビデオカメラであることが理解されるべきである。

【0019】

ＬＴＥ（一例として）では、コアネットワーク１５０は、ＢＳ間のユーザデバイスの移動性／ハンドオーバを処理または支援することができる移動性管理エンティティ、ＢＳとパケットデータネットワークまたはインターネットとの間でデータおよび制御信号を転送することができる１つ以上のゲートウェイ、および他の制御機能またはブロックを含むことができる、進化パケットコア（ＥＰＣ）と呼ばれることができる。

【0020】

加えて、図示的な例として、本明細書に記載する各種実施形態または技法は、各種タイプのユーザデバイスまたはデータサービスタイプに適用することができ、または異なるデータサービスタイプであり得る複数のアプリケーションをその上で実行することができるユーザデバイスに適用することができる。新しい無線（５Ｇ）開発は、例えば、マシンタイプ通信（ＭＴＣ）、拡張マシンタイプ通信（ｅＭＴＣ）、モノのインターネット（ＩｏＴ）、および／またはナローバンドＩｏＴユーザデバイス、拡張モバイルブロードバンド（ｅＭＢＢ）、および超高信頼および低レイテンシー通信（ＵＲＬＣ）など、多数の異なるアプリケーションまたは多数の異なるデータサービスタイプをサポートすることができる。

【0021】

ＩｏＴは、インターネットまたはネットワーク接続性を持つ可能性があるオブジェクトの増加し続けるグループを指し、これらのオブジェクトが他のネットワークデバイスと情報を送受信する可能性がある。例えば、多くのセンサタイプのアプリケーションまたはデバイスは、物理的状態または状態を監視し、例えば、イベントが発生したときに、サーバまたは他のネットワークデバイスにレポートを送信することができる。マシンタイプ通信（ＭＴＣ、またはマシン対マシン通信）は、例えば、人間の介入の有無にかかわらず、知的マシン間の完全自動データ生成、交換、処理、および作動を特徴とすることができる。拡張モバイルブロードバンド（ｅＭＢＢ）は、現在ＬＴＥで利用可能なものよりもはるかに高いデータレートをサポートする可能性がある。

【0022】

ＵＲＬＣ（Ｕｌｔｒａ－ｒｅｌｉａｂｌｅ ａｎｄ ｌｏｗ－ｌａｔｅｎｃｙ ｃｏｍｍｕｎｉｃａｔｉｏｎｓ）は、新しいデータサービスタイプであり、新しい無線（５Ｇ）システムでサポートされる可能性がある。これにより、産業オートメーション、自律運転、車両安全、ｅ－ヘルスサービスなど、新しいアプリケーションとサービスが可能になる。３ＧＰＰは、１０－５のブロックエラーレート（ＢＬＥＲ）と最大１ｍｓのＵ－Ｐｌａｎｅ（ユーザ／データプレーン）レイテンシーに対応する信頼性を提供するためのターゲットである。したがって、例えば、ＵＲＬＣユーザデバイス／ＵＥは、他のタイプのユーザデバイス／ＵＥよりもかなり低いブロック誤り率、ならびに低いレイテンシー（同時高信頼性の要求の有無に関わらず）を必要とすることができる。したがって、例えば、ＵＲＬＣ ＵＥ（またはＵＥ上のＵＲＬＬＣアプリケーション）は、ｅＭＢＢ ＵＥ（またはＵＥ上で実行されているｅＭＢＢアプリケーション）と比較して、はるかに短いレイテンシーを要求することができる。

【0023】

様々な実施例は、ＬＴＥ、ＬＴＥ－Ａ、５Ｇ、ｃｍＷａｖｅ、および／またはｍｍＷａｖｅバンドネットワーク、ＩｏＴ、ＭＴＣ、ｅＭＴＣ、ｅＭＢＢ、ＵＲＬＣ等、または他の任意の無線ネットワークまたは無線技術のような、多種多様な無線技術または無線ネットワークに適用することができる。これらのネットワーク、技術またはデータサービスタイプの例は、例示的なものとしてのみ提供されている。

【0024】

一実施形態によれば、ＲＡＮノードは、人工知能（ＡＩ）ニューラルネットワーク（ニューラルネットワーク、ニューラルネットワークモデル、ＡＩニューラルネットワークモデル、ＡＩモデル、機械学習モデルまたはアルゴリズム、またはその他の用語で呼ばれることができる）を使用または採用して、１つ以上のＲＡＮ機能を実行することができる。一実施形態によれば、ニューラルネットワークは、層に編成されたノードから構成される機械学習で使用される計算モデルであり得る。しかし、そうでなくてもよい。このノードは人工ニューロン、または単にニューロンとも呼ばれ、提供された入力に対して機能を実行して何らかの出力値を生成する。ニューラルネットワークは、入力を所望の出力にマッピングするために使用されるパラメータ、すなわち重みを学習するために訓練期間を必要とする。マッピングは機能を介して行われる。したがって、重みはニューラルネットワークのマッピング関数に対する重みである。各ＡＩモデルまたはニューラルネットワークは、特定のタスクに対して訓練されることができる。

【0025】

入力を与えられて、その出力を提供するために、ニューラルネットワークは訓練されなければならず、それはマッピング関数の多数のパラメータのための適切な値を学習することを含むことができる。これらのパラメータは、マッピング関数における重み項に使用され、一般に重みとも呼ばれる。この訓練は反復プロセスであり、重みの値は、最適な値、つまり最も正確な値に到達するまで、数千回の訓練ラウンドにわたって調整されることができる。ニューラルネットワークの文脈では、パラメータは、しばしばランダム値で初期化することができ、訓練オプティマイザは、マッピング関数における誤差を最小にするために、ネットワークのパラメータ（重みとも呼ばれる）を反復的に更新する。言い換えると、反復訓練の各ラウンド、すなわちステップの間、ネットワークは、パラメータの値を更新して、パラメータの値が最終的に最適値に収束するようにする。

【0026】

一実施形態によれば、ニューラルネットワークは、監視された方法または監視されていない方法のいずれかで訓練され得る。教師あり学習では、訓練例がニューラルネットワークまたは他の機械学習アルゴリズムに提供される。訓練例は、入力と、所望または以前に観察された出力とを含む。訓練例は、入力が所望または観察された出力でラベル付けされているため、ラベル付きデータとも呼ばれる。ニューラルネットワークの場合、ネットワークは、訓練入力を与えられたときに、最も頻繁に所望の出力をもたらすマッピング関数で使用される重みの値を学習する。教師なし訓練では、機械学習モデルは、提供された入力で構造またはパターンを識別するために学習する。言い換えると、モデルはデータ内の暗黙の関係を識別する。教師なし学習は、多くの機械学習問題で使用され、典型的には、大量のラベルなしデータの設定を必要とする。

【0027】

一実施形態によれば、ニューラルネットワークモデルの学習または訓練は、モデルに利用可能な学習「シグナル」または「フィードバック」があるかどうかに応じて、２つの広範なカテゴリ（教師ありおよび教師なし）に分類されることができる（または、それらを含むことができる）。したがって、例えば、機械学習の分野内では、モデルの学習または訓練には、主に、教師ありと教師なしの２つのタイプがある。２つのタイプの主な違いは、教師あり学習は、データの特定のサンプルの出力値が何であるべきかの既知または事前の知識を使用して行われることである。したがって、教師あり学習の目標は、データと望ましい出力のサンプルが与えられたときに、データ内で観測可能な入力と出力の関係を最良に近似する機能を学習することであり得る。一方、教師なし学習はラベル付き出力を持たないので、その目標はデータ点のセット内に存在する自然な構造を推測することである。

【0028】

教師あり学習：コンピュータは、例入力とそれらの所望の出力を提示され、目標は、入力を出力にマップする一般的な規則を学習することである。教師あり学習は、例えば、コンピュータまたは学習アルゴリズムが入力を出力ラベルにマッピングしようとする分類の文脈で、または、コンピュータまたはアルゴリズムが入力を連続出力にマッピングし得る回帰分析で実行されることができる。教師あり学習における一般的なアルゴリズムは、例えば、ロジスティック回帰、ネイティブベイズ、支持ベイスマシン、人工ニューラルネットワーク、ランダムフォレストを含むことができる。回帰分析と分類の両方において、目標には、正しい出力データを効果的に生成できるように入力データ内の特定の関係または構造を見つけることが含まれることができる。特殊なケースとして、入力信号は、部分的にしか利用できないか、または特殊なフィードバックに制限されることができる。半教師あり学習：コンピュータには、不完全な訓練信号、つまり、ターゲット出力の一部（多くの場合）が欠落している訓練セットのみが与えられる。アクティブ学習：コンピュータは、（予算に基づいて）限られたインスタンスセットの訓練ラベルしか取得できず、ラベルを取得するオブジェクトの選択を最適化する必要もあり得る。インタラクティブに使用する場合、これらをラベリングのためにユーザに提示することができる。強化学習：訓練データ（報酬と罰の形式）は、動的環境（ライブデータなど）でのプログラムのアクションへのフィードバックとしてのみ提供される。

【0029】

教師なし学習：学習アルゴリズムにはラベルが与えられておらず、入力の構造を見つけるのは自分自身に任されている。教師なし学習内のいくつかのタスク例としては、クラスタリング、表現学習、および密度推定などがある。このような場合、コンピュータまたは学習アルゴリズムは、明示的に提供されたラベルを使用せずに、データの本質的な構造を学習しようとしている。一般的なアルゴリズムには、ｋ－ｍｅａｎｓクラスタリング、主構成要素分析、自動エンコーダなどがある。ラベルは提供されていないので、教師なし学習法のほとんどでモデル性能を比較する特定の方法はない。

【0030】

実施例によれば、上述にしたがって、ＲＡＮノード（例えば、ＢＳ、ｅＮＢ、ｇＮＢ、ＣＵおよび／またはＤＵ）は、人工知能（ＡＩ）ニューラルネットワーク（例えば、ニューラルネットワーク、ＡＩモデル、ＡＩアルゴリズム、または機械学習モデルまたはアルゴリズムと称されることができる）を使用して、１つ以上のＲＡＮ機能を実行することができる（例えば、実行を支援することを含むことができる）。図示的な例として、ニューラルネットワークは、例えば、１つ以上のＲＡＮ機能を実行するために、ＲＡＮノード内に提供されてもよい。ニューラルネットワークは、ＭＵ（マルチユーザ）－ＭＩＭＯで共同送信するユーザ／ＵＥのセットを選択するために、ＲＡＮノードのＭａｓｓｉｖｅ ＭＩＭＯ（複数入力、複数出力）スケジューラに組み込まれたり、含まれたりする（例えば、提供される）ことがある。ニューラルネットワークは、ユーザ／ＵＥの無線測定値やその他の特性に基づいて、ユーザ／ＵＥのために設定またはアクティベートするセカンダリセル（Ｓｃｅｌｌ）を選択するためのＲＡＮノードの制御プレーン（ＣＰ）内に埋め込まれたり、含まれたりすることができる。ニューラルネットワークは、データパケットのビデオストリーミングまたはゲームフローなどの異なるタイプのデータフローを識別するためのＲＡＮノードのユーザプレーン（ＵＰ）内に埋め込まれたり、含まれたりすることができる。デジタル・プリディストーション（ＤＰＤ）または大規模ＭＩＭＯ検出／復号化のための物理層内に埋め込まれたり、含まれたりするニューラルネットワークである。これらは、ニューラルネットワークが、一つ以上のＲＡＮノード（例えば、ＢＳ、ｅＮＢ、ｇＮＢ）機能を実行するために、あるいは、支援するために使われる可能性がある、ほんの少数の例である。

【0031】

しかしながら、実施例によれば、少なくともいくつかの場合において、ニューラルネットワークが１つ以上のＲＡＮ機能のためにＲＡＮノードによって使用される前に、ニューラルネットワークは、例えばＲＡＮノードおよび／またはセル間に存在し得る差のために、最初に構成されることができる。例えば、ＲＡＮノードおよび／またはＲＡＮノードの間のこれらの相違または変化、および／またはＲＡＮノードまたはセルにおける条件の変化量（時間と共に変化する可能性がある）のために、異なるニューラルネットワーク構成が、異なるＲＡＮノードに対して使用されることができる。また、ニューラルネットワーク構成は、ＲＡＮノードまたはセルに関する様々な条件または測定値が時間とともに変化するかまたは変化するように、ＲＡＮノードのために時間とともに変化することができる。

【0032】

例示的な実施形態によれば、ＲＡＮノード（例えば、１つ以上のＲＡＮ機能のための）のための（例えば、ニューラルネットワークのタイプを選択すること、および／またはニューラルネットワークの１つ以上の値またはパラメータを設定することを含むことができる）ニューラルネットワークの構成は、様々な情報、例えば、ＲＡＮノードによって利用可能またはサポートされ得るニューラルネットワークのタイプ、ＲＡＮノードによって提供され得るハードウェアおよび／またはソフトウェア、および／またはＲＡＮノードに関連する１つ以上の測定値またはデータ（例えば、ＲＡＮノードの負荷。ＲＡＮノードの負荷、ＲＡＮノードで利用可能なリソースなど）、またはセルもしくはセル群に関連する測定値（セル負荷、ＵＥのＳＩＮＲもしくはＲＳＳＩ測定値、またはその他の信号測定値、ハンドオーバーデータなど、および／または、セルもしくはワイヤレスネットワーク内で測定または決定される可能性のあるその他の測定値など）に基づくことができる。

【0033】

ニューラルネットワークは、フィードフォワード、反復、たたみ込み、Ｑ－ラーニングネットワーク、ＬＳＴＭなど、多くのタイプにすることができる。各セル（および各セル内の各ＵＥ）は、広範囲に異なる特性、例えば、隣接セルまでの距離、伝搬特性（遅延拡散、散乱／反射、経路損失指数など）、ＳＩＮＲ（信号対干渉プラス雑音比）測定値または変動、アンテナチャネル重み、セル負荷条件などを有する。これらは、ユーザ間（ＵＥからＵＥへ）、セル間、およびセル（またはセルのグループ）内では、経時的に異なる可能性がある。また、各ＲＡＮノードは、異なる特徴または能力、例えば、異なるニューラルネットワーク能力（例えば、異なるタイプのニューラルネットワークをサポートするためのＲＡＮノードの能力）、および異なるハードウェアおよび／またはソフトウェアを有することができる。

【0034】

さらに、所定のＲＡＮノードで利用可能なハードウェア（例えば、ＢＳ、ｅＮＢ、ｇＮＢ、・・・）は、異なるＲＡＮノードで利用可能なハードウェアとは大きく異なる可能性があり、異なるタイプまたはニューラルネットワークの構成をサポートする能力の違いをもたらす。特定のＲＡＮノードのハードウェアがサポートできるニューラルネットワークのサイズ（ニューロンまたは層の数）には、例えば、利用可能な処理能力（例えば、プロセッサ／処理コアの数および／またはプロセッサまたは処理コアのクロック速度）またはＲＡＮノードでのメモリのサイズ（または量）などの制限があり得る。特定のＲＡＮノードのハードウェアでサポートされている精度（８ビット整数計算や１６ビットまたは３２ビット浮動小数点計算など）に差があることができる。また、一部のＲＡＮノードには、ニューラルネットワーク計算の実行に使用できる１つ以上のハードウェアアクセラレータが含まれていることができる。他のＲＡＮノードは、例えば、他のタスクと共に、プロセッサ／プロセッサコアによるニューラルネットワーク計算を時間共有するために、そのようなＲＡＮノードを必要とする（例えば、ニューラルネットワークのパフォーマンスを低下させ、ＲＡＮノードの処理および／または処理および／またはメモリリソースを消費する可能性がある）、および／または、そのＲＡＮノードの処理リソースを圧迫しないように、より少ない処理電力を必要とする可能性がある特定のＲＡＮ機能にニューラルネットワークの使用を制限する可能性がある）ハードウェアアクセラレータを持たない可能性がある。

【0035】

また、１つ以上のパラメータをニューラルネットワークに関して構成することができる。例えば、ニューロンの数、ニューロンの重み、層の数、およびネットワークの接続性は、構成されてもよく、例えば、様々な条件（例えば、ＲＡＮノードで利用可能なリソースとして）が変化するように、時間とともに変化することができる。注記されるように、各ＲＡＮノードで提供されるソフトウェアは、異なるレベルのニューラルネットワークサポートを提供する可能性があり、および／または時間とともに変化する可能性があり、異なるＲＡＮノードでのニューラルネットワークサポートも時間とともに変化する可能性がある。また、一部のタイプの情報、例えば、セルまたはネットワーク負荷に関連する情報、および／または他の条件または測定値は、セルまたはＲＡＮノードに固有であってもよく、また、時間とともに変化することができる。

【0036】

その結果、各ＲＡＮノードのためのニューラルネットワーク（複数可）の（例えば、最良の、または少なくともサポートされる）構成を決定することが、例えば、実装に応じて多種多様な情報に基づいて行われるような、比較的複雑または困難な決定であるという問題が存在する可能性がある。適切な、（例えば、ＲＡＮノードによってサポートされる、および／またはＲＡＮノードに関する様々な情報または条件に適合し得る、）（例えば、少なくともニューラルネットワーク構成を決定することを含む）ニューラルネットワーク構成は、異なるＲＡＮノードに対して異なっていてもよく、および／または、時間の経過とともに変化してもよく、例えば、１つまたは可能性の高い複数のパラメータまたは情報に基づいてもよい（例えば、ニューラルネットワーク構成が決定または基づくことができる情報のタイプのいくつかの例については、上記を参照）。したがって、場合によっては、ＲＡＮノード（またはＲＡＮノード機能のために使用される）のためのニューラルネットワーク構成（例えば、ニューラルネットワークを選択し、ニューラルネットワークのための１つまたは複数の構成パラメータを決定することを含む可能性がある）を選択することが難しいかもしれない。

【0037】

したがって、一実施形態によれば、この方法は、無線ネットワーク内の無線アクセスネットワーク（ＲＡＮ）ノードからコントローラによって、ニューラルネットワークサポート情報の少なくとも１つ、および、ＲＡＮノードによる１つ以上の測定値またはＲＡＮノードと通信状態にある無線デバイスによる１つ以上の測定値を含む測定情報を受信することと、ニューラルネットワークサポート情報および測定情報の少なくとも１つに基づいてコントローラによって、ＲＡＮノードのためのニューラルネットワークの構成を決定することと、コントローラによって、ＲＡＮノードのためのニューラルネットワークの構成を示すニューラルネットワーク構成情報を送信することと、を含むことができる。

【0038】

一実施形態では、前記受信は、無線ネットワーク内の無線アクセスネットワーク（ＲＡＮ）ノードから、ニューラルネットワークサポート情報を受信することを含み、前記決定は、ニューラルネットワークサポート情報の少なくとも一部に基づいて、コントローラによって、ＲＡＮノードのためのニューラルネットワークの構成を決定することを含むことができる。

【0039】

一実施形態では、受信は、無線ネットワーク内の無線アクセスネットワーク（ＲＡＮ）ノードから、測定情報を受信することを含み、前記決定は、測定情報の少なくとも一部に基づいて、コントローラによって、ＲＡＮノードのためのニューラルネットワークの構成を決定することを含むことができる。

【0040】

一実施形態によれば、前記ニューラルネットワークサポート情報は、少なくとも１つの異なるタイプのニューラルネットワークをサポートするための例ＲＡＮノードの能力を示すニューラルネットワーク能力情報と、ＲＡＮノードの１つ以上のハードウェア特徴を示すハードウェア特徴情報、および、ニューラルネットワークをサポートするＲＡＮノードのハードウェアの可用性を示すハードウェア可用性情報のうちの少なくとも１つを含むＲＡＮノードに対するハードウェア情報と、のうちの少なくとも１つを含むことができる。

【0041】

一実施形態によれば、ハードウェア特徴情報は、ＲＡＮノードについて、ＲＡＮノードのプロセッサまたはプロセッサコアの数および／またはクロック速度を記述する情報、ＲＡＮノードのメモリ量を記述する情報、および、ニューラルネットワークに使用されることができるＲＡＮノードの１つ以上のハードウェアアクセラレータを記述する情報、のうちの１つ以上を示す情報を含むことができる。

【0042】

実施例によれば、ハードウェア可用性情報は、ＲＡＮノードについて、ニューラルネットワークのために利用可能なＲＡＮノードのプロセッサリソースの量または割合、使用または占有されており、ニューラルネットワークのために利用不可能なＲＡＮノードのプロセッサリソースの量または割合、ニューラルネットワークのために利用可能なＲＡＮノードのメモリの量または割合、使用または占有されており、ニューラルネットワークのために利用不可能なＲＡＮノードのメモリの量または割合、ＲＡＮノードの１つ以上のハードウェアアクセラレータのニューラルネットワークのために利用可能なＲＡＮノードのハードウェアアクセラレータリソースの量または割合、および、ＲＡＮノードの１つ以上のハードウェアアクセラレータについて、リソースのために利用または占有され、および、ニューラルネットワークのために利用不可能なＲＡＮノードのハードウェアアクセラレータリソースの量または割合、のうちの１つ以上を示す情報を含むことができる。

【0043】

一実施形態では、測定情報は、ＲＡＮノードによる１つ以上の測定値、または、ＲＡＮノードに接続されているか、ＲＡＮノードと通信しているユーザデバイス（ＵＥ）または他のノードによる１つ以上の測定値を含む。ここで、決定することは、ニューラルネットワークサポート情報および測定情報に基づいて、コントローラによって、ＲＡＮノードのためのニューラルネットワークの構成を決定することを含む。

【0044】

一実施形態では、前記決定は、前記ＲＡＮ機能のために、前記ＲＡＮノードによってサポートされるニューラルネットワークタイプを決定することと、前記ニューラルネットワークのための１つ以上の属性またはパラメータを決定することとを含むことができる。

【0045】

一実施形態によれば、前記ニューラルネットワーク能力情報は、前記ＲＡＮノードの１つ以上の異なるタイプのニューラルネットワークをサポートするための前記ＲＡＮノードの能力を示し、前記ニューラルネットワークサポート情報に基づいて前記コントローラによって、前記ＲＡＮノードのためのニューラルネットワークの構成を決定することは、前記ＲＡＮノードの１つ以上のＲＡＮ機能の各々に対して、前記ＲＡＮ機能のための前記ＲＡＮノードによってサポートされるニューラルネットワークタイプを決定することを含む。

【0046】

この方法は、コントローラによってＲＡＮノードに、少なくとも１つのタイプのハードウェア可用性情報および／またはＲＡＮノードによって、コントローラに提供されるべき少なくとも１つのタイプの測定情報を示す情報を送信することを含むことができる。

【0047】

この方法は、ＲＡＮノードがハードウェア可用性情報および／または測定情報をコントローラに送信する前に、ハードウェア可用性情報および／または測定情報上でＲＡＮノードによって実行されるべき処理またはフィルタリングの少なくとも１つを示す情報を、コントローラによってＲＡＮノードに送信することを含むことができる。また、この方法は、コントローラによってＲＡＮノードに、ハードウェア可用性情報と、ＲＡＮノードによってコントローラに報告または提供される測定情報のうちの少なくとも１つのフォーマットを示す情報を含むことができる。

【0048】

また、一実施形態によれば（例えば、ＲＡＮノードの観点から）、本方法は、無線ネットワーク内の無線アクセスネットワーク（ＲＡＮ）ノードによって、コントローラに、ニューラルネットワークサポート情報、および、コントローラがＲＡＮノードのニューラルネットワーク構成を決定することを可能にする、ＲＡＮノードによる１つ以上の測定値またはＲＡＮノードと通信状態にある無線デバイスによる測定を含む測定情報のうちの少なくとも１つを送信することと、コントローラからＲＡＮノードに、ＲＡＮノードのニューラルネットワーク構成を示すニューラルネットワーク構成情報を送信することを含むことができる。

【0049】

このようなシステムまたは技術のいくつかの例の利点または利点は、例えば、以下を含むことができる。

【0050】

１） ＲＡＮに埋め込まれたニューラルネットワークのようなＡＩ技術は、ＲＡＮ機能の性能の著しい改善（例えば、スループットゲイン、セルカバレッジゲインなど）、および複雑性（ＲＡＮノードスケジューラによるデータスケジューリングのようなＲＡＮ機能の実行時複雑性の両方）の低減、ならびにオペレータのための操作／自動化複雑性を提供する可能性を有する。

【0051】

２） 提案された解決法は、ＲＡＮノードに埋め込まれたニューラルネットワーク（例えば、ＢＳ、ＡＰ、ｅＮＢ、ｇＮＢ、ＣＵおよび／またはＤＵ）のようなＡＩ（ニューラルネットワーク）技術の使用を容易にする構成要素を提供するか、または含む可能性がある。

【0052】

３） ＲＡＮノードとインタフェースすることができるコントローラを使用する能力。

【0053】

４） コントローラが、さまざまなＲＡＮノードの設定（ニューラルネットワークの支持や条件など、さまざまな機能を備えている可能性がある）と対話し、さまざまなニューラルネットワークタイプの設定を支持する能力。

【0054】

５） ＲＡＮノードに対して決定するニューラルネットワークの構成（例えば、ニューラルネットワークのタイプを選択すること、および／またはニューラルネットワークの１つ以上の属性またはパラメータを選択または構成することを含むことができる）を可能にし、例えば、ニューラルネットワークの構成は、当該ＲＡＮノードに関連する（または当該ＲＡＮノードのための）特定の特徴、条件および／または測定値に特定または合わせてもよい。

【0055】

６） オフラインおよびオンライン訓練を提供し、ＲＡＮノードが使用するニューラルネットワークの設定／重みを最適化する能力。

【0056】

図２は、実施例に係るシステムを示す図である。図２に示すように、システムは、コントローラ２１０、ＲＡＮノード２１２、およびインタフェース２１４を含む。ＲＡＮノード２１２は、ＢＳ、ＡＰ、ｇＮＢ、ｅＮＢ、ＣＵおよび／またはＤＵ（例えば、分割ｇＮＢの場合）、または他のＲＡＮノードであり得る。ＲＡＮノード２１２は、ＲＡＮノード２１２の範囲内にある１つ以上のＵＥに無線通信サービスを提供することができる。図示されていないが、ＲＡＮノード２１２は、例えば、有線または無線接続またはリンクを介して、コアネットワークと接続または通信することができる。コントローラ２１０は、ＲＡＮノード２１２を含む１つ以上のＲＡＮノードに関して、１つ以上の制御機能を実行することができる。例えば、コントローラ２１０が実行する制御機能の１つは、ＲＡＮノード２１２からニューラルネットワークサポート情報を受信し、ＲＡＮノード２１２のためのニューラルネットワークの構成を決定し、次にＲＡＮノード２１２のためのニューラルネットワークの構成を示すことができるニューラルネットワーク構成情報をＲＡＮノード２１２に送信または送信することを含むことができる。コントローラ２１０は、ＢＳまたはＲＡＮノード、コアネットワークのノード、クラウド内、または無線ネットワーク内の他のノードに配置されることができる。ＡＰＩは、コントローラ２１０とＲＡＮノード２１２とが、例えば、コントローラ２１０が、ＲＡＮノード２１２から、情報（ニューラルネットワークサポート情報など）を受信することを可能にし、コントローラがＲＡＮノード２１２のためのニューラルネットワークの構成を示すニューラルネットワーク構成情報を送信または提供することを可能にするコマンドまたは機能（アプリケーションプログラミングインタフェース、または単にインタフェース）のセットを提供することができる。

【0057】

一実施形態によれば、ニューラルネットワークサポート情報は、ＲＡＮノードが１つ以上の異なるタイプのニューラルネットワークをサポートする能力を示すニューラルネットワーク能力情報、および、ＲＡＮノードの１つ以上のハードウェア特徴を示すハードウェア特徴情報と、ニューラルネットワークをサポートするＲＡＮノードのハードウェアの可用性を示すハードウェア可用性情報とのうちの少なくとも１つを含むＲＡＮノードのためのハードウェア情報のうちの少なくとも１つを含むことができる。ハードウェア特徴情報は、ＲＡＮノードについて、ＲＡＮノードのプロセッサまたはプロセッサコアの数および／またはクロック速度を記述する情報と、ＲＡＮノードのメモリ量を記述する情報と、ニューラルネットワークに使用されることができるＲＡＮノードの１つ以上のハードウェア加速器を記述する情報と、のうちの１つ以上を示す情報を含むことができる。例えば、ニューラルネットワークサポート情報に基づいて、コントローラによって、ＲＡＮノードのためのニューラルネットワークの構成を決定することは、ＲＡＮ機能のためのＲＡＮノードによってサポートされるニューラルネットワークタイプを決定すること、および／または、ニューラルネットワークのための１つ以上の属性またはパラメータを決定することを含むことができる。

【0058】

一実施形態では、ニューラルネットワークサポート情報（例えば、ハードウェア能力／可用性情報および可能であれば他の情報を含む）および／または測定情報が、ＲＡＮノードによってコントローラに報告されることができる。いくつかの実施形態では、ニューラルネットワークサポート情報、例えば、ＲＡＮノードによってサポートされるニューラルネットワークのタイプ、またはニューラルネットワークが使用されることができるＲＡＮ機能のリスト、またはハードウェア能力記述子、例えば（ハードウェア能力または可用性情報を示す）などが、ＲＡＮノードによって直接ではなく、他の技術によって、または他のノードからコントローラに提供または送信されることができる。例えば、コアネットワークやその他のノードに設けられたネットワークオペレータは、この情報を、構成パラメータや構成ファイルの形で、あるいはネットワークインタフェースやコマンドラインインタフェースなどの別の管理コンソールやインタフェースを介してコントローラに提供することができる。

【0059】

また、例えば、コントローラは、ＲＡＮノードによる１つ以上の測定値、またはＲＡＮノードに接続された（または通信中の）ユーザデバイス（ＵＥ）による１つ以上の測定値を含む測定情報を受信することもでき、コントローラは、ニューラルネットワークサポート情報および測定情報に基づいて、ＲＡＮノードのためのニューラルネットワークの構成を決定することができる。コントローラがニューラルネットワーク構成（例えば、ニューラルネットワークサポート情報および／または測定情報に基づいて）を決定した後、コントローラは、ＲＡＮノードに対するニューラルネットワークの構成（例えば、ニューラルネットワークタイプおよび／または１つ以上のニューラルネットワークパラメータまたは設定）を示すニューラルネットワーク構成情報をＲＡＮノードに送信することができる。

【0060】

一実施形態によれば、システム（例えば、図２を参照）は、多くの特徴および機能を含むことができる（実施形態例のいくつかの態様が、態様Ａ～Ｆを含み、以下に簡単に説明する）。

【0061】

Ａ．１つ以上のセルの１つ以上のＲＡＮ機能の一部としてニューラルネットワークを実行できるＲＡＮノード２１２（ｅＮＢまたはｇＮＢ、またはスプリットＣＵ／ＤＵの場合はＣＵまたはＤＵ）。

【0062】

Ｂ．例えば、ニューラルネットワークの訓練および／または改良を提供することができるＲＡＮノード２１２で処理される（または、ＲＡＮノードに埋め込まれるか、ＲＡＮノードで使用される）１つ以上のニューラルネットワークの（例えば、ニューラルネットワークのタイプを選択すること、および／または、１つ以上のニューラルネットワークのパラメータまたは環境を設定することを含むことができる）構成をサポートするコントローラ２１０。

【0063】

Ｃ． ＲＡＮノード２１２とコントローラ２１０との間の（そしてそれによってＡＰＩ２１４を使用されることができる）通信（例えば、要求および／または応答の送信、または他の通信）のためのＡＰＩ２１４。コントローラ２１０は、ＲＡＮノード２１２に、ニューラルネットワークサポート情報を提供するように要求することができる。この情報は、例えば、ＲＡＮノード２１２によってサポートされるタイプのニューラルネットワークのリスト、ニューラルネットワークを使用できるＲＡＮノード２１２のＲＡＮ機能のリスト、ハードウェア能力記述子のリストなどを含むことができる。これらは単なる数例であり、ニューラルネットワークのサポート情報には他の情報も含まれることができる。コントローラ２１０はまた、ＲＡＮノード２１２に測定情報を提供するように要求することができ（そして、そのような測定情報のフォーマットを提供するように要求することができ、および／または、あるデータのサマリを提供するなどそのような測定情報のタイプの前処理を要求することができ）例えば、セルに関連する、または配信モード（ストリーミング／バッチモード、周期的／イベント駆動、リアルタイム／遅延耐性など）と共にＲＡＮノードに関連する様々なタイプのデータ要素／メトリックを含むことができる。したがって、例えば、測定情報は、例えば、信号測定値（例えば、ＲＳＳＩ、ＳＩＮＲ、セルロード、ＲＡＮノードのセルに関して、ならびに、ニューラルネットワークのためにＲＡＮノードで利用可能な、ＲＡＮノードの現在利用可能なハードウェア（および／またはソフトウェア）リソースの量または部分の指標（例えば、プロセッサまたはメモリリソースの量）を含むことができる。上記のように、コントローラ２１０は、例えば、ＲＡＮノード２１２に、コントローラ２１０に送信する前に、様々なニューラルネットワークサポート情報および／または測定情報またはデータ要素を事前処理または事前フィルタリングするように命令することができる。例えば、コントローラ２１０は、ＳＩＮＲまたはＲＳＳＩ値の平均を提供するように、あるいは、異なるＵＥからＲＡＮノードによって受信された信号の３つの最も高いＳＩＮＲ値のリストを提供するように、または、何らかの測定の要約情報を提供するために、あるいは、指示されたしきい値より大きい特定の測定値を提供するために、あるいは、ニューラルネットワーク処理などのためにＲＡＮノードで利用可能なメモリの割合（または量）を提供するために、ＲＡＮノード２１２に指示することができる。

【0064】

Ｄ． ＲＡＮノード２１２は、ＡＰＩを用いてコントローラ２１０に提供することができる。例えば、以下を含むことができるニューラルネットワークサポート情報、実行がＲＡＮノード２１２によってサポートされるサポートされるニューラルネットワークのタイプのリスト、ＲＡＮノード２１２が決定を行うためにニューラルネットワークを実行することができるＲＡＮ機能のリスト、ニューラルネットワークを実行するためのＲＡＮノードのハードウェア能力を記述するハードウェア能力記述子のリストなどである。ＲＡＮノード２１２は、例えば、ＲＡＮノード２１２がコントローラ２１０によって指示されたように、任意の事前フィルタリングまたは事前処理を実行した後で、例えば、ＲＡＮノード２１２のセル内のセルまたはユーザ（ＵＥ）の様々な条件またはメトリックまたは測定値を記述するデータ要素のリストのような、測定情報をコントローラ２１０に提供することができる。

【0065】

Ｅ． コントローラ２１０は、ＲＡＮノード２１２のためのニューラルネットワーク構成、例えば、ＲＡＮノード２１２からＡＰＩを介して受信された情報を考慮して、または、基づいて（例えば、ＲＡＮノード２１２によって提供されたニューラルネットワークサポート情報および／または測定情報に基づいて）の判定を行う。ＲＡＮノード２１２で使用または構成されるニューラルネットワークごとに、コントローラ２１０は、ＲＡＮノード２１２に、ニューラルネットワークの初期構成または更新された構成、例えば、１）ＲＡＮノード２１２でサポートされるＲＡＮ機能ごとに使用するニューラルネットワークのタイプ、および／または２）１つ以上のニューラルネットワークパラメータまたはニューラルネットワーク設定、例えば、入力の数とタイプ、ニューラルネットワークの出力の数とタイプ、ニューラルネットワークのニューロンの数、ニューラルネットワークの層、ニューラルネットワークの接続グラフ、ニューラルネットワークの重み、ニューラルネットワーク等の活性化機能を含む、または、示す構成を提供することができる。これらは単なる例示的なものである。

【0066】

Ｆ． コントローラ２１０は、ＲＡＮノード２１２において構成される各ニューラルネットワークに対して、決定されたニューラルネットワーク構成（例えば、ニューラルネットワークのタイプおよび／または初期（または更新された）ニューラルネットワークパラメータまたは設定を含むことができる）を、ＡＰＩを介して、ＲＡＮノード２１０に提供する。また、例えば、ＲＡＮノード２１２は、コントローラ２１０に、要求されたように、測定情報（例えば、要求されたフォーマット、特定のタイプの要求された測定情報、および／または測定情報を送信する前の特定の処理または前処理）、例えば、の更新された条件または測定値（または関連して）を記述するデータ要素または情報、ＲＡＮノード２１２のセル内のセルおよび／またはＵＥ、あるいは、ＲＡＮノード（例えば、ニューラルネットワーク処理に利用可能な量のプロセッサまたはメモリリソース）の現在利用可能なリソース（例えば、ハードウェアリソース）の指示を含めることができる、測定情報を提供し続けることができる。また、例えば、続いて、コントローラ２１０は、ＲＡＮノード２１２の１つ以上のニューラルネットワークに対して、適当な時間、例えば、指示された時間、または、ＵＥの測定情報および／またはニューラルネットワークサポート情報が変化したときに、更新された可能性のあるタイプのニューラルネットワークを含むニューラルネットワークの更新された構成をＲＡＮノードに提供することができる。

【0067】

図３は、実施例に係るシステムの動作を示すシグナリングチャートである。図３に示すように、ＲＡＮノード２１２はコントローラ２１０と通信状態にある。３１０において、コントローラ２１０は、ＲＡＮ能力の要求をＲＡＮノード２１２に送信する（例えば、ニューラルネットワークサポート情報の要求を含むことができる）。３１２において、ＲＡＮノード２１２はコントローラ２１０にそのＲＡＮ能力を送り、これは例えばＲＡＮノードの能力またはニューラルネットワークに対する支持を示すためのニューラルネットワーク支持情報を含むことができる。したがって、３１２におけるＲＡＮ能力は、例えば、ＲＡＮノードのためのニューラルネットワーク能力情報およびハードウェア情報を含むことができるニューラルネットワークサポート情報を含むことができる。したがって、例えば、３１２において、ＲＡＮ能力は、一例として、サポートされているニューラルネットワーク（ＮＮ）タイプのリスト、ニューラルネットワークと共にＲＡＮノード２１２によってサポートまたは実行可能な機能（例えば、ＲＡＮ機能）のリスト、および／またはＲＡＮノードのハードウェア能力（例えば、ハードウェア特徴）のリストを含むか、示すことができる。

【0068】

３１４で、コントローラ２１０は、ＲＡＮノード２１２に、（例えば、１つ以上のタイプの）測定情報の要求と、測定情報をコントローラ２１０に送信する前に、そのような測定情報に対して事前フィルタリング（または選択）または事前処理を実行する要求を送信することができる。

【0069】

次に、ＲＡＮノード２１２は、例えばコントローラ２１０によって要求されたように、測定情報またはデータを収集し、場合によっては前処理またはフィルタリングする。

【0070】

次に、３１６において、ＲＡＮノード２１２は、測定情報または要求されたＲＡＮデータ（例えば、コントローラ２１０からの命令によって要求されたもの）をコントローラ２１０に送る。例えば、３１６において、コントローラ２１０に送信される測定情報またはＲＡＮデータは、例えば、ＲＡＮノード２１２またはＲＡＮノード２１２のセル、および／またはＲＡＮノード２１２のセルのユーザ／ＵＥの測定値、および／または関連する関連データ要素またはメトリックのリスト、および／または測定値を含むことができる。データは、例えば、周期的である測定情報またはデータ（例えば、ＲＡＮノードによって周期的に測定される）および／または、イベント駆動データ（例えば、データが特定の閾値に達したとき、または他のイベントが検出または発生したときにコントローラ２１０に送信または提供されるデータまたは測定情報）を含むことができる。また、３１６において、ＲＡＮノード２１２は、ニューラルネットワーク処理に使用されるＲＡＮノードのハードウェア（例えば、プロセッサまたはプロセッサコア、メモリなど）の可用性を示すコントローラ２１０のハードウェア可用性情報を送信することができる。

【0071】

３１８において、コントローラ２１０は、ＲＡＮノード２１２から受信した測定情報またはデータに基づいて、（例えば、ニューラルネットワークタイプの選択と、ニューラルネットワークの１つ以上のパラメータまたは設定の決定を含む）ＲＡＮノード２１２のためのニューラルネットワークの構成を決定する。したがって、例えば、３１８において、コントローラ２１０は、使用するニューラルネットワークのタイプ、およびニューラルネットワークの構成（例えば、入力、出力、入力層、隠れ層、ニューロンの数、活性化関数、重み、および／または他のニューラルネットワーク設定またはパラメータ）の少なくとも１つのＲＡＮ機能について、初期決定を行うことができる。

【0072】

３２０において、コントローラ２１０はＲＡＮノード２１２に、ＲＡＮノード２１２のためのニューラルネットワークの構成を示す（例えば、ニューラルネットワークタイプおよび／またはニューラルネットワークの設定またはパラメータを含む）ニューラルネットワーク構成情報を送信する。

【0073】

３２２において、ＲＡＮノード２１２は、例えばコントローラ２１０からの指示によって要求されるように、更新された測定情報をコントローラ２１０に送ることができる。例えば、３１６において、コントローラ２１０に送られる更新された測定情報またはＲＡＮデータは、例えば、ＲＡＮノード２１２またはＲＡＮノード２１２のセルの、あるいは関連する、更新されたデータ要素または測定値、および／または、ＲＡＮノード２１２のセルのユーザ／ＵＥの更新された測定値のリストを含むことができる。データは、例えば、周期的である測定情報またはデータ（例えば、ＲＡＮノードによって周期的に測定される）および／またはイベント駆動データ（例えば、データが特定の閾値に達したとき、または他のイベントが検出されたとき、または発生したときにコントローラ２１０に送信または提供されるデータまたは測定情報）を含むことができる。また、３２２において、ＲＡＮノード２１２は、ニューラルネットワーク処理に使用されるＲＡＮノードのハードウェア（例えば、プロセッサまたはプロセッサコア、メモリなど）の更新された可用性を示す更新されたハードウェア可用性情報をコントローラ２１０に送信することができる。

【0074】

３２４において、コントローラ２１０は、更新された（または調整された）ニューラルネットワーク構成（例えば、更新されたニューラルネットワークタイプおよび／または１つ以上の調整または更新されたニューラルネットワーク設定またはパラメータを含むことができる）を、例えば、更新または変更された測定情報、データまたはハードウェア可用性情報に基づいて決定することができる。例えば、更新または変更された測定情報（例えば、ＲＡＮノード２１２のセルに関連する更新された信号測定値、またはＲＡＮノード２１２のセルのＵＥに関連する信号測定値を含むか、それに基づいてもよい）は、コントローラにＲＡＮノード２１２のニューラルネットワークの１つ以上のパラメータまたは設定を調整または変更させることができる。同様に、例えば、ニューラルネットワーク処理のために利用可能なＲＡＮノード２１２におけるハードウェア資源は、それ以前よりもかなり少なくてもよく、したがって、コントローラ２１０にＲＡＮノード２１２におけるニューラルネットワークの設定またはパラメータ（例えば、より少ないニューロンまたは層を使用するため）を変更または調整させたり、場合によっては、ＲＡＮノードにおけるそのようなニューラルネットワークの使用をキャンセルさせたりする。

【0075】

３２６において、コントローラ２１０は、ＲＡＮノード２１２に、ＲＡＮノード２１２のためのニューラルネットワークの更新または調整された構成（例えば、更新または調整されたニューラルネットワークタイプおよび／またはＲＡＮノード２１２のためのニューラルネットワークの更新または調整された設定またはパラメータを含む）を示す更新または調整されたニューラルネットワーク構成情報を送信する。

【0076】

図４は、別の実施例に従った、コントローラおよびＲＡＮノードを含むシステムの図である。コントローラ４１０は、プログラマブルＡＰＩ４３０を介してＲＡＮノード４５０と通信状態にある。コントローラ４１０は、ＡＩニューラルネットワーク訓練および学習をサポートするコントローラアプリケーションおよび分析を含むことができる。したがって、コントローラ４１０は、ＡＩニューラルネットワーク選択のためのコントローラ４１４と、１つ以上のパラメータまたは設定のニューラルネットワーク構成とを含むことができる。コントローラ４１０はまた、ニューラルネットワークの訓練および改良を実行することができる。分析および機械学習プラットフォーム４１６は、オフライン訓練および／またはオンライン学習を含むことができる。ＡＰＩフロントエンド４１８は、終了することができ（すなわち、メッセージの送信および／または受信を含む）、ＡＰＩ上のメッセージの適切な符号化／復号化を処理する。このデータを収集し記憶するために、データ収集ブロック４２０が設けられる。データ収集ブロックは、ＡＰＩを介して受信されたデータを受信し、メモリ（および／または転送／経路指定）することができる。コントローラ２１０は、多くのＲＡＮノードにインタフェースすることができ、実施例では、データ収集ブロック２０は、例えば、多くのＲＡＮノードから来る潜在的に大量のデータを処理するスケーラブルな方法を提供することができる。

【0077】

ＲＡＮノード４５０の例は、図４に示されている。ＲＡＮノード４５０は、中央ユニット４５２、分散ユニット４５４、および無線ユニット（ＲＵ）４５６を含む３つのブロックを含むことができる（例えば、ＲＡＮノードの機能は複数のブロックに分割することができる）。ＣＵ４５２は、ユーザデータの転送、モビリティ制御、無線アクセスネットワーク共有、測位、セッション管理などのｇＮＢ（ＢＳ）機能を含む論理ノードであるが、ＤＵ／ＲＵ専用に割り当てられた機能は除く。ＣＵは、フロントホールインタフェースを介して１つ以上のＤＵの動作を制御し、ＲＲＣ（無線リソース制御）、Ｂ／Ｈ ｌ／ｆ（バックホールインタフェース）、ＧＴＰ（ＧＰＲＳトンネリングプロトコル）、ＰＤＣＰ（パケットデータコンバージェンスプロトコル）、複数の接続などの１つ以上の上位機能またはプロトコルエンティティを含むことができる。ＤＵ４５４は、機能分割オプションに応じてｇＮＢ機能のサブセットを含む論理ノードであり、ＲＬＣ（無線リンク制御）、ＭＡＣ（メディアアクセス制御）、Ｌ１／ＰＨＹ－Ｈｉｇｈ（ＰＨＹレイヤの一部）などのプロトコルエンティティを含むことができる。ＲＵは論理ノードでもあり、ＰＨＹ（ｌｏｗｅｒ Ｌ１）や無線周波数（ＲＦ）関数など、下位レベルのｇＮＢ関数の一部を提供する。一実施形態では、中央ユニット４５２は、１つの位置またはノードに設けられ、コアネットワークに接続されてもよく、ＤＵ／ＲＵペアは、異なる位置にあるＵＥに無線カバレッジを提供するために、異なる地理的位置に設けることができる。ＣＵは、複数のＤＵ／ＲＵ（ＤＵ／ＲＵペア）に接続（および制御）されている。ＲＡＮノードは、ＣＵ、ＤＵおよび／またはＲＵのために示されるブロックまたは機能のいずれかまたはすべてを含むことができる。

【0078】

一実施形態によれば、図２は、ＲＡＮ機能の多くまたはほとんど（またはすべて）が単一のＲＡＮノード上に提供されるＲＡＮノード２１２の例を示すのにペアし、図４は、ＲＡＮ機能が複数の（例えば、２つの）ノード、例えば、ＣＵ４５２とＤＵ（またはＤＵ／ＲＵペア４５４、４５６を含む）の間で分割されることができるＲＡＮノードの別の実施形態を例として示す。これらは単なる一例のＲＡＮノードであり、他のＲＡＮノード構成が使用されることができる。ＣＵ、ＤＵおよびＲＵの間のプロトコルエンティティおよび／または機能の特定の割当ては、異なる可能性がある。図４は単なる例示の一例であり、ＲＡＮブロックまたはＲＡＮ構成要素間の他の分割または割り当てが使用されることができる。

【0079】

実施例によれば、ＡＩニューラルネットワークは、カードまたはボード上、部内、または半導体チップ上に設けられてもよく、プロセッサまたはプロセッサコアまたはコプロセッサユニットを使用することができ、および／またはＲＡＮノード上の専用ハードウェアアクセラレータを使用することができる。ニューラルネットワークは、入力データや中間計算だけでなく、重みやバイアス、その他のパラメータを記憶するためにメモリを使用することもできる。ニューラルネットワークは、データの動きに影響を与えて計算を実行するために、プロセッサとメモリや周辺デバイス、またはハードウェアアクセラレータとの間のインタフェースを使用することができる。

【0080】

さらなる例の詳細は、ここで、態様Ａ～Ｆ、例えば図２および／または図４に関して説明する。

【0081】

態様Ａのさらなる詳細：ＲＡＮノードのさらなる詳細（例として、４５０、図４、例として、または別の例として、図２の２１２）は、いくつかのＲＡＮ機能のためにニューラルネットワークを実行することができる。ＲＡＮノードは、ｅＮＢ（４Ｇ／ＬＴＥ）またはｇＮＢ（５Ｇ）（例として）、あるいはその他のワイヤレスネットワーク技術ＲＡＮノードである。ＲＡＮノードは、ＲＡＮに組み込まれたニューラルネットワークを使用して、ＲＡＮ内の各種モジュールまたはブロック内の機能を含む１つ以上のＲＡＮ機能のニューラルネットワークベースの実行を使用できることができる。したがって、４６０（図４）において、１つ以上のニューラルネットワークは、埋め込まれても（またはそのために提供されても）よい。図４に示すように、ＣＵ４５２、ＤＵ４５４および／またはＲＵ４５６、例えば、様々なＲＡＮ機能または演算を実行するために、したがって、例えば、図４に示すように、ニューラルネットワークは、（例示として）以下のＲＡＮ機能の１つ以上に対して埋め込まれるか、または提供されることができる。

【0082】

１） ＣＵ：制御プレーン機能：例えば、キャリアアグリゲーション（セカンダリセル（Ｓｃｅｌｌ）の追加／削除選択）、デュアルコネクティビティＳｅＮＢ／ＳＣＧ（セカンダリｇＮＧ／ｅＮＢ／ＢＳまたはセカンダリセル）選択、ロードバランシング（周波数内／周波数間）、アドミッションコントロール、ＤＲＸ（不連続受信）設定、ＵＥ接続解除などのＲＲＭ（無線リソース管理）アルゴリズム。

【0083】

２） ＣＵ：ビデオストリーミング／ゲームなどのフローの同定、バッファサイズ変更／ パケットドロップなどＱｏＥ（Ｕｓｅｒ－ｐｌａｎｅ ｏｒ Ｑｕａｌｉｔｙ ｏｆ Ｅｘｐｅｒｉｅｎｃｅ機能。

【0084】

３） ＤＵ：スケジューラ：大規模ＭＩＭＯ（多入力、多出力）ビーム選択など、アップリンクまたはダウンリンクデータ伝送のためのデータスケジューリング。

【0085】

４） ＤＵ：レイヤ１（Ｌ１または物理レイヤ）：レシーバ、チャンネル推定、

【0086】

５） ＲＵ：レイヤ１（下側ＰＨＹ）：デジタル・ビームフォーミング。

【0087】

６） ＲＵ：レイヤ１（下側ＰＨＹ）：デジタル・プリディストーション（ＤＰＤ）、アナログ・ビームフォーミングなど。

【0088】

ＤＵとＲＵには個別のコンポーネントまたはブロックが表示されるが、場合によっては、各ＤＵにＤＵ＋ＲＵブロックまたはコンポーネントの両方が一般的に含まれることができる。したがって、このような場合、ＤＵは、図４に示すＤＵおよびＲＵの両方のプロトコルエンティティおよび機能のいずれかまたはすべてを含むことができる。

【0089】

ＲＡＮは、クラウドＲＡＮとして展開され、ここで、「中央ユニット（Ｃｅｎｔｒａｌ Ｕｎｉｔ）」（ＣＵ、制御プレーン、ユーザプレーン、一般的な非リアルタイム機能などの機能を含む）は、分散ユニット（ＤＵ、スケジューラ、ＭＡＣ、レイヤ１などの機能を含む）、および、デジタル・ビームフォーミング、デジタル・プリディストーション（ＤＰＤ） フィルタリング、アナログ・ビームフォーミングなどのレイヤ１に関連する一部の機能を含む無線ユニット（ＲＵ）から分離されたクラウドロケーションに展開することができる。

【0090】

ＲＡＮノードは、ニューラルネットワークの実行を支援できる特別なハードウェア能力を有する。例えば、ある種のニューラルネットワークを実行するための（例えば、計算または関数を実行するために使用または割り当てられる専用ハードウェアなど）ハードウェアアクセラレータ、および、高速メモリなどが、例としてある。これらの機能は、処理量やニューラルネットワークのサイズの制限など、さまざまな方法で制限されることができる。

【0091】

態様Ｂのさらなる詳細：１つ以上のニューラルネットワークの選択および構成をサポートするコントローラ（例として、コントローラ２１０、図２、または４１０、図４）：コントローラ４１０は、無線インテリジェントコントローラ（ＲＩＣ）、または他のコントローラであり得る。

【0092】

コントローラ４１０は、例えば、分析／機械学習（ＭＬ）または人工知能（ＡＩ）部４１６、またはニューラルネットワークを訓練するための設備を提供するプラットフォーム、複数のＲＡＮノードによって提供されるデータを受信することができるデータ収集部４２０、ＡＰＩを介してＲＡＮノードとの間で適切なメッセージングを処理することができる制御ＡＰＩフロントエンド４１８、ＮＮのタイプを選択し、様々なタイプのＲＡＮノード機能のためのＮＮの構成を決定する部４１４、および分析／機械学習部４１６を使用してＮＮを訓練することを含むことができる。訓練はオフラインで実行することも、オンラインで更新することもできる。

【0093】

態様Ｃのさらなる詳細：ＲＡＮノード４５０とコントローラ４１０との間のＡＰＩ４３０：ＡＰＩ４３０は、２つの部分を含むことができる。

【0094】

１．コントローラ－ｔｏ－ＲＡＮ ＡＰＩ：コントローラがＲＡＮに命令を提供できるようにするには、次のようにする。ＲＡＮにニューラルネットワークサポート情報を提供するようにＲＡＮを要求する。例えば、ＲＡＮノードでサポートされるタイプのニューラルネットワーク（ＮＮ）のリスト、ＮＮを使用するＲＡＮ関数のリスト、ハードウェア機能記述子などを含めることができる。ＲＡＮノードに、特定のデータ要素／メトリックまたはその他の情報を提供するように要求することができる。さらに、周期的またはイベント駆動、ストリーミングモードまたはバッチモードなどデータ／メトリックを送信するモードを示すことができる。リアルタイムまたは非リアルタイム／遅延耐性、各種データ要素をコントローラに送信する前にプログラム可能な方法で前処理または前処理するようにＲＡＮに指示する。これは、データ／メトリックを提供するための要求と一緒に提供することができる。また、次のような、特定のタイプの機能のＮＮ の表示、ＮＮ の設定など、コントローラによって行われた決定に基づいてＲＡＮに指示を提供する。

【0095】

２．ＲＡＮからコントローラＡＰＩ：ＲＡＮがコントローラに提供できるようにするには、次のようにする。Ａ．ＲＡＮの機能（ＨＷ機能やサポートされるニューラルネットワーク（ＮＮ）のタイプまたはＮＮを使用できる機能のタイプなど）。Ｂ．ＮＮに関連するデータ、またはモード（周期的／イベント駆動型、またはストリーミング／バッチモードなど）にしたがってコントローラが要求するメトリックや測定値など、関連する機能の操作。

【0096】

ＡＰＩ４３０は、様々なプロトコル、例えばＲＥＳＴ／Ｎｅｔｃｏｎｆと共に実装することができる。ＡＰＩ４３０（パート１またはパート２のいずれか）は、ＲＡＮが統合ＣＵ＋ＤＵ（ＣＵ＝ＤＵ＋ＲＵを含む）としてインスタンシエートされている場合は、コントローラコントローラとＲＡＮの間にあり得る。または、クラウドＲＡＮ展開の場合は、コントローラとＣＵ、およびコントローラとＤＵの間のＡＰＩとしてさらに分解することができる。上述のように、ＤＵは、一般に、ＤＵ＋ＲＵプロトコルエンティティおよび機能を含む可能性がある。

【0097】

コントローラは、様々なデータ要素または測定情報をコントローラに送信する前に、プログラム可能な方法で前処理またはフィルタリングを行うように、ＲＡＮノードにＲＡＮノード指示を提供することができる。事前フィルタリングの例：例えば、所定のタイプのメトリック／測定値に対して、
（ｉ）電流値が以前に報告された値と少なくとも一定量異なる場合、
（ｉｉ）電流値が提供されたしきい値より高いか低い場合、または所定の範囲内または範囲外にある場合にのみ、値を報告する。前処理の例：特定のタイプのメトリック／測定値に対して、値に対して指定された計算を実行し、計算された値を報告する。例：（ｉ）提供された関数をメトリック／測定値の個々の値（例：ｓｑｕａｒｅ（）、ｌｏｇ（）、因子による乗算、またはＦｏｕｒｉｅｒ 変換などの変換）に適用する。（ｉｉ）提供された関数をメトリック値の配列に適用する（例：単純移動平均、標準偏差、または指数移動平均などの統計メジャーを計算する）。
（ｉｉｉ） 複数の計算の組み合わせ：例：提供された関数を個々の値に適用し、次に提供された関数の値の配列に関数または統計メジャーなどを計算する。前処理および前処理フィルタリングは、関連して、または一緒に適用することができる。例えば、与えられたメトリックの値は、まず、提供された関数または統計的尺度を適用することによって前処理され、その後、事前フィルタリング条件を適用して、値を報告すべきかどうかなどを決定する。

【0098】

コントローラは、ＲＡＮノードに特定のデータ要素／メトリックを提供するように要求できる。さらに、特定のデータ要素／メトリック／測定を送信するモード、周期またはイベント駆動を示すことができる。周期モードでは、ＲＡＮノードは指定された期間のデータ／メトリック／測定値を報告する。イベント駆動モードでは、ＲＡＮノードは特定のイベントが発生した場合にのみ値を報告する。このイベントは、測定値に関連づけられてもよいし（例えば、値が閾値より高くなったり低くなったりする）、他の何らかのイベント（例えば、ＲＲＣ手続き完了など）の発生に結びつけられてもよい。ストリーミングモード（利用可能になるとすぐに連続して送信されるデータ）やバッチ様式（送信前にデータのバッチが蓄積されるのを待つ）などである。ストリーミングモードでは、特定のデータ要素／メトリックの値は、利用可能になるとすぐに継続的に送信される。ＲＡＮノードは、処理可能なバッファリングの量に基づいて、累積するデータの量を決定できる。ＲＡＮノードは、個々のタイプのデータ要素やメトリック、またはメトリックのコレクションにバッチ処理を適用できる。リアルタイムまたは非リアルタイム／遅延耐性について、リアルタイムデータは、特定の遅延内に送信する必要があるが、それ以外の場合は（ドロップの表示とともに）ドロップされる。

【0099】

条件によっては、ハードウェアの制限または処理／メモリの制約またはバックホール帯域幅のために、ＲＡＮが必要な周期性またはリアルタイムでコントローラによって要求されたデータを提供できないことができる。この場合、ＲＡＮは、このような制約のためにデータを提供できないことをコントローラに示すことができる。これに応じて、コントローラは、ＲＡＮが報告する必要のあるデータ量を効果的に削減し、ＲＡＮの報告負担を軽減する前処理／前処理命令をＲＡＮに提供することができる。これにより、報告されたデータの正確性／粒度が多少失われ、コントローラが達成できる性能とＲＡＮのデータ報告の負担とのトレードオフがもたらされる可能性がある。

【0100】

態様Ｄの詳細：ＲＡＮノードからコントローラに提供される情報。

【0101】

ＲＡＮノードは、ＡＰＩ（例えば、１つ以上）：
１）実行がＲＡＮノードによってサポートされるサポートされるニューラルネットワークのタイプのリストをコントローラに提供することができる。これには、フィードフォワードニューラルネットワーク、反復ニューラルネットワーク、ディープニューラルネットワーク、たたみ込みニューラルネットワーク、Ｑネットワーク、ディープＱネットワーク、ゲートリカレントユニット、ロング／短いタームメモリネットワーク、Ｂｏｌｔｚｍａｎｎマシン、制限付きＢｏｌｔｚｍａｎｎマシン、または他のタイプのニューラルネットワーク、あるいはモジュラーニューラルネットワークのようなそれらの組み合わせが含まれる。これには、各タイプのニューラルネットワークのパラメータ、例えば、層の数、ニューロンの数の制限、サポートされている活性化機能のタイプ、または出力層操作のタイプ（ｓｏｆｔｍａｘ、その他）がされに含まれる。
２）決定を行うためにニューラルネットワークを実行できるＲＡＮ機能のリストが含まれることができる。これには、例えば、キャリアアグリゲーション（追加／削除のためのＳｃｅｌｌ選択）、デュアルコネクティビティＳｅＮＢ／ＳＣＧ選択、負荷分散（周波数内または周波数間）、アドミッション制御、ＤＲＸ設定、ＵＥコネクション解放などのＲＲＭアルゴリズムのような制御プレーン機能が含まれる。ユーザプレーン機能：ビデオストリーミング／ゲーム、バッファサイズ変更／ドロップなどのフローの同定。スケジューラ：大規模ＭＩＭＯビーム選択など。レイヤ１（Ｌ１または物理レイヤ）：レシーバ、チャネル推定、デジタル・ビームフォーミング、デジタル・プリディストーション、アナログ・ビームフォーミングなど。
３）ニューラルネットワークを実行するためのＲＡＮノードのＨＷ能力を記述するＨＷ能力記述子のリスト、ＲＡＮノードによってサポートされる精度のレベル（例：８ビット整数または１６ビットまたは３２ビット浮動小数点）、ＮＮのためのＨＷ加速能力のタイプ、ＮＮに基づく時間クリティカルなタスクを実行するための利用可能な時間周期。
４）ＮＮへの入力として使用メモリＲＡＮノードで利用可能な入力のリスト。これらの測定には、ユーザ関連測定値：ＲＳＲＰ／ＲＳＲＱなどのＲＲＣ測定値、またはＭＡＣレベル測定値（タイミングアドバンス（ＴＡ）、ＰＨＲ（パワーヘッドルームレポート）、ＨＡＲＱの分数（ハイブリッドＡＲＱ）確認応答（ＡＣＫ）または否定応答（ＮＡＣＫ）またはＰＤＣＣＨ（物理ダウンリンク制御チャネル）誤り、または物理層測定（ＵＥのＣＱＩ（チャネル品質情報）またはＰＭＩ（プリコーディングマトリックスインジケータ）またはＲＩ（ランク表示）、アップリンク受信信号強度（ＲＳＳＩ）またはアップリンク干渉など）が含まれる。これらは、１つ以上のキャリアまたはセル上にあり得る。

【0102】

さらに、態様Ｄに関連して、ＲＡＮノードは、データ要素のリストを、コントローラに提供することができる。これらは、セルの様々なメトリックまたは測定値（例えば、セル負荷、複合利用可能容量、受信トラフィックの量、ＰＲＢ利用率、接続されたユーザまたはアクティブなユーザの数）、またはＲＡＮノードのセル内のユーザ、例えば、ＲＳＲＰ（基準信号受信電力）／ＲＳＲＱ（基準信号受信品質）／ＰＨＲ（電力ヘッドルームレポート）／ＣＱＩ（チャネル品質情報）／タイミングアドバンスなどを含むことができる。これらは、ＲＡＮの各種主要な性能指標、例えば、ブロック誤り率、ドロップまたはブロックされたコールの数または分率、ユーザレベルまたはセルレベルの配信スループット、レイテンシー、待ち行列サイズ、待ち行列遅延等を含むことができる。ＲＡＮノードは、コントローラに報告するデータを決定するために、まず、コントローラによって示されるように、データに前処理／前処理フィルタリングステップを適用することができる。

【0103】

態様Ｅの詳細：ＮＮタイプ、構成を決定するコントローラ。コントローラは、ＡＰＩを介してＲＡＮから受信した情報を考慮して、どのタイプのニューラルネットワークを、ＲＡＮノードでサポートされている各ＲＡＮ機能に使用するか、および、ニューラルネットワークごとに、ニューラルネットワークの初期設定、またはＮＮの設定またはパラメータ（入力／出力の数とタイプ拶ニューロンの数、レイヤ、接続グラフ、重み、アクティブ化関数など）を決定する。

【0104】

コントローラは、次のように判定を行うことができる。コントローラは、ＲＡＮ機能のタイプを（ＲＡＮ機能ごとに許可されたタイプのニューラルネットワークの設定、ニューラルネットワークのタイプごとに最小限のＲＡＮ機能）にマッピングする表を保持する。この表は、ＲＡＮノード製造者または他のエキスパートからのガイダンスに基づいて、操作者によってコントローラで設定またはプログラムされることができる。ＲＡＮ機能のタイプ軸と、にサポートされているニューラルネットワークのタイプとＲＡＮノード機能の制限（ニューロンの層数の数、アクティベーション関数など）でＲＡＮノードが提供するデータを指定する。各関数について、コントローラは、このテーブルとＲＡＮノードでサポートされる機能に関するＲＡＮによって提供される情報を使用して、適切なタイプのニューラルネットワークを選択できる。機能のタイプが選択されると、コントローラはニューラルネットワークの初期設定を決定することができる。この構成（例えば、ＮＮ （ニューラルネットワーク）の重みと連結性グラフ）は、初期化のためにランダムに選択することも、初期訓練データセットに基づいてＮＮを訓練することも、分析／ＡＩ／ＭＬおよびオンライン／オフライン訓練のためのコントローラの能力を使用してＲＡＮから受信したメトリック／測定値の情報に基づいて選択することもできる。

【0105】

追加の態様Ｇ：ＮＮタイプと構成の更新を行うコントローラ：いくつかの詳細例：例えば、定期的にまたはＲＡＮノードからバッチで受信した情報に基づいて、継続的に、コントローラはニューラルネットワークの構成（重み／接続性グラフなど）を更新し、更新された構成をＲＡＮノードに送信することができる。ＲＡＮによって報告されたデータ要素／メトリック／測定値に基づいて、コントローラはニューラルネットワークの訓練を更新できる。例えば、典型的には、ニューラルネットワークによって予測される出力と、基礎となる訓練データまたは観測データとの間の誤差を最小化するために、ニューラルネットワーク重みを決定することができる。場合によっては、ニューラルネットワークは、ランニングシステムにおける実際の効果（例えば、スループットの変化、またはブロック誤り率の変化）がランニングシステムにおいて観測され、重みのニューラルネットワーク訓練が観測を反映するように更新される強化学習など、ＲＡＮ性能に対する特定の作用の影響の観測に基づいて訓練される。

【0106】

例１．図５は、例示的実施形態によってコントローラの動作を例示しているフローチャートである。動作５１０は、無線ネットワーク内の無線アクセスネットワークノード（ＲＮノード）から、コントローラによって、少なくとも１つのニューラルネットワークサポート情報、および、前記ＲＮノードによる１つ以上の測定値または前記ＲＮノードと通信状態にある無線デバイスによる１つ以上の測定値を含む測定情報を受信するステップを含む。動作５２０は、前記ニューラルネットワークサポート情報および前記測定情報の少なくとも１つに基づいて、ＲＡＮノードのためのニューラルネットワークの構成を前記コントローラによって決定するステップを含む、また、動作５３０は、前記コントローラによって、前記ＲＡＮノードに対するニューラルネットワークの構成を示すニューラルネットワーク構成情報をＲＡＮノードに送信することを含む。

【0107】

例２．前記受信するステップは、前記無線ネットワーク内の前記無線アクセスネットワーク（ＲＡＮ）ノードから前記コントローラによって、前記測定情報を受信するステップを含み、前記決定するステップは、前記測定情報の少なくとも一部に基づいて、前記コントローラによって、前記ＲＡＮノードの前記ニューラルネットワーク構成を決定するステップを含む、例１または２の方法。

【0108】

例３．前記受信するステップは、前記無線ネットワーク内の前記無線アクセスネットワーク（ＲＡＮ）ノードから前記コントローラによって、前記測定情報を受信するステップを含み、前記決定するステップは、前記測定情報の少なくとも一部に基づいて、前記コントローラによって、前記ＲＡＮノードの前記ニューラルネットワーク構成を決定するステップを含む、例１または２の方法。

【0109】

例４．前記ニューラルネットワークサポート情報は、前記ＲＡＮノードの、ニューラルネットワークの１つ以上の異なるタイプをサポートする能力を示すニューラルネットワーク能力情報、前記ＲＡＮノードの１つ以上のハードウェア特徴を示すハードウェア特徴情報、および、前記ニューラルネットワークをサポートするための前記ＲＡＮノードの前記ハードウェアの可用性を示すハードウェア可用性情報のうちの少なくとも１つを含む前記ＲＡＮノードのためのハードウェア情報、のうちの少なくとも１つを含む、例１ないし３のいずれか１つに記載の方法。

【0110】

例５．前記ハードウェア特徴情報は、前記ＲＡＮノードについて、前記ＲＡＮノードのプロセッサまたはプロセッサコアの数および／またはクロック速度を記述する情報、前記無線アクセスネットワークノードのメモリ量を記述する情報、および、前記ニューラルネットワークに使用することができる前記ＲＡＮノードの１つ以上のハードウェアアクセラレータを記述する情報、のうちの１つ以上を示す情報を含む、

【0111】

例６．前記ハードウェア可用性情報は、前記ＲＡＮノードについて、前記ニューラルネットワークで利用可能な前記ＲＡＮのプロセッサリソースの量または割合、使用または占有されており、前記ニューラルネットワークで利用不可能な前記ＲＡＮのプロセッサリソースの量または割合、前記ニューラルネットワークで利用可能な前記ＲＡＮノードのメモリの量または割合、使用または占有されており、前記ニューラルネットワークで利用不可能な前記ＲＡＮのメモリの量または割合、前記ＲＡＮノードの１つ以上のハードウェアアクセラレータに対して、前記ニューラルネットワークで利用可能な前記ＲＡＮノードのハードウェアアクセラレータリソースの量または割合、のうちの１つ以上を示す情報を含む、例４または５に記載の方法。および、前記ＲＡＮノードの１つ以上のハードウェアアクセラレータに対して、使用または占有されていて、前記ニューラルネットワークで利用不可能な前記ＲＡＮノードのハードウェアアクセラレータリソースの量または割合、例４に記載の方法。

【0112】

例７．前記決定するステップは、前記コントローラによって、前記ニューラルネットワークサポート情報と前記測定情報に基づいて、ＲＡＮノードのためのニューラルネットワークの構成を決定するステップを含む、例１ないし６のいずれか１つに記載の方法。

【0113】

例８．前記コントローラによって、前記ＲＡＮノードによって、前記無線ＲＡＮノードが前記ハードウェア可用性情報および／または前記測定情報を前記コントローラに送信する前に、前記ハードウェア可用性情報および／または前記測定情報上で実行されるべき処理または事前フィルタリングのうちの少なくとも１つを示す情報を、をＲＡＮノードに送信するさらに含む、例１ないし７のいずれか１つに記載の方法。

【0114】

例９．前記決定するステップは、前記ＲＡＮ機能に対して前記ＲＡＮノードによってサポートされるニューラルネットワークタイプを決定するステップと、前記ニューラルネットワークの１つ以上の属性またはパラメータを決定するステップと、を含む、例１ないし８のいずれか１つに記載の方法。

【0115】

例１０．前記ニューラルネットワーク能力情報は、前記ＲＡＮノードの、前記ＲＡＮノードの１つ以上のＲＡＮの各々に対してニューラルネットワークの１つ以上の異なるタイプをサポートする能力を示し、前記決定するステップは、前記ＲＡＮノードの１つ以上のＲＡＮの各々に対して、少なくとも前記ニューラルネットワーク能力情報に基づいて、前記ＲＡＮ機能のための前記ＲＡＮノードによって、サポートされるニューラルネットワークタイプを決定するステップを含む、例１ないし９のいずれか１つに記載の方法。

【0116】

例１１．前記コントローラによって、前記ＲＡＮノードによって前記コントローラに提供されるべき前記ハードウェア可用性情報の少なくとも１つのタイプおよび／または測定情報の少なくとも１つのタイプを示す情報をＲＡＮノードに送信するステップをさらに含む、例１ないし１０のいずれか１つに記載の方法。

【0117】

例１２．前記コントローラによって、前記ＲＡＮノードによって、前記無線ＲＡＮノードが前記ハードウェア可用性情報および／または前記測定情報を前記コントローラに送信する前に、前記ハードウェア可用性情報および／または前記測定情報上で実行されるべき処理またはフィルタリングの少なくとも１つを示す情報をＲＡＮノードに送信するステップをさらに含む、例１ないし１１のいずれか１つに記載の方法。

【0118】

例１３．前記コントローラによって、前記ＲＡＮノードによって前記コントローラに報告または提供される前記ハードウェア可用性情報および前記測定情報のうちの少なくとも１つのフォーマットを示す情報をＲＡＮノードに送信するステップをさらに含む、例１ないし１１のいずれか１つに記載の方法。

【0119】

例１４．例１ないし１３のいずれか１つに記載の方法を実行する手段を備える装置。

【0120】

例１５．非一時的コンピュータ読み取り可能記憶媒体であって、少なくとも１つのプロセッサによって実行されると、コンピュータシステムに、例１ないし１３のいずれか１つに記載の方法を実行させるように構成される命令を格納する、非一時的コンピュータ読み取り可能記憶媒体。

【0121】

例１６．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含む装置であって、少なくとも１つのメモリと、コンピュータ・プログラムコードとは、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、例１ないし１３のいずれか１項に記載の方法を実行させるように構成される、装置。

【0122】

例１７．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含む装置であって、少なくとも１つのメモリと、コンピュータ・プログラムコードとは、該少なくとも１つのプロセッサを用いて、該装置に、少なくとも、コントローラによって、無線ネットワーク内の無線アクセスネットワーク（ＲＡＮ）ノードから、ニューラルネットワークサポート情報、および、前記ＲＮノードによる１つ以上の測定値または、前記ＲＮノードと通信状態にある無線デバイスによる１つ以上の測定値を含む測定情報のうちの少なくとも１つを受信させ、前記コントローラが、前記ニューラルネットワークサポート情報と前記測定情報のうちの前記少なくとも１つに基づいて、ＲＡＮノードのためのニューラルネットワークの構成を決定させ、前記コントローラによって、前記ＲＡＮノードに対するニューラルネットワークの構成を示すニューラルネットワーク構成情報をＲＡＮノードに送信させるように構成される、装置。

【0123】

例１８．前記装置に受信させることは、該装置に、前記コントローラにより、前記無線ネットワーク内の前記無線アクセスネットワーク（ＲＡＮ）ノードから、前記ニューラルネットワークサポート情報を受信させることを含み、前記装置に前記測定情報を決定させることは、前記ニューラルネットワークサポート情報の少なくとも一部に基づいて、前記ＲＡＮノードの前記ニューラルネットワーク構成を前記装置に、前記コントローラにより決定させることを含む、例１７に記載の装置。

【0124】

例１９．前記装置に受信させることは、該装置に、前記コントローラにより、前記無線ネットワーク内の前記無線アクセスネットワーク（ＲＡＮ）ノードから、前記測定情報を受信させることを含み、前記装置に前記測定情報を決定させることは、前記装置に決定させることは、前記コントローラにより、前記測定情報の少なくとも一部に基づいて、前記ＲＡＮノードの前記ニューラルネットワーク構成を決定させることを含む、例１７または１８に記載の装置。

【0125】

例２０．前記ニューラルネットワークサポート情報は、前記ＲＡＮノードの、ニューラルネットワークの１つ以上の異なるタイプをサポートする能力を示すニューラルネットワーク能力情報、前記ＲＡＮノードの１つ以上のハードウェア特徴を示すハードウェア特徴情報と、前記ニューラルネットワークをサポートするための前記ＲＡＮノードの前記ハードウェアの可用性を示すハードウェア可用性情報とのうちの少なくとも１つを含む前記ＲＡＮノードのためのハードウェア情報、のうちの少なくとも１つを含む、例１７ないし１９のいずれか１項に記載の装置。

【0126】

例２１．前記ハードウェア特徴情報は、前記ＲＡＮノードについて、前記ＲＡＮノードのプロセッサまたはプロセッサコアの数および／またはクロック速度を記述する情報、前記無線アクセスネットワークノードのメモリ量を記述する情報、および、前記ニューラルネットワークに使用することができる前記ＲＡＮノードの１つ以上のハードウェアアクセラレータを記述する情報のうちの１つ以上を示す情報を含む、例２０に記載の装置。

【0127】

例２２．前記ハードウェア可用性情報は、前記ＲＡＮノードについて、前記ニューラルネットワークで利用可能な前記ＲＡＮのプロセッサリソースの量または割合、使用または占有されており、前記ニューラルネットワークで利用不可能な前記ＲＡＮのプロセッサリソースの量または割合、前記ニューラルネットワークで利用可能な前記ＲＡＮのメモリの量または割合、使用または占有されており、前記ニューラルネットワークで利用不可能な前記ＲＡＮのメモリの量または割合、前記ＲＡＮノードの１つ以上のハードウェアアクセラレータに対して、前記ニューラルネットワークで利用可能な前記ＲＡＮノードのハードウェアアクセラレータリソースの量または割合、および、前記ＲＡＮノードの１つ以上のハードウェアアクセラレータに対して、使用または占有されていて、前記ニューラルネットワークで利用不可能な前記ＲＡＮノードのハードウェアアクセラレータリソースの量または割合のうちの１つ以上を示す情報を含む、例２０または２１に記載の装置。

【0128】

例２３．前記装置に決定させることは、前記装置に、前記コントローラが、前記ニューラルネットワークサポート情報と前記測定情報に基づいて、ＲＡＮノードのためのニューラルネットワークの構成を決定させることを含む、例１７ないし２２のいずれか１つに記載の装置。

【0129】

例２４．前記装置に、さらに、前記コントローラによって、前記無線ＲＡＮノードが前記ハードウェア可用性情報および／または前記測定情報を前記コントローラに送信する前に、前記ハードウェア可用性情報および／または前記測定情報上で前記ＲＡＮノードによって実行されるべき処理または事前フィルタリングのうちの少なくとも１つを示す情報をＲＡＮノードに送信させる、例１７ないし２３のいずれか１つに記載の装置。

【0130】

例２５．前記装置に決定させることは、前記装置に、前記ＲＡＮ機能に対して前記ＲＡＮノードによってサポートされるニューラルネットワークタイプを決定させ、前記ニューラルネットワークの１つ以上の属性またはパラメータを決定させることを含む、例１７ないし２４のいずれか１つに記載の装置。

【0131】

例２６．前記ニューラルネットワーク能力情報は、前記ＲＡＮノードの１つ以上のＲＡＮの各々に対してニューラルネットワークの１つ以上の異なるタイプをサポートする前記ＲＡＮノードの能力を示し、前記装置に決定させることは、前記装置に、前記ＲＡＮノードの１つ以上のＲＡＮの各々に対して、少なくとも前記ニューラルネットワーク能力情報に基づいて、前記ＲＡＮ機能のための前記ＲＡＮノードによって、サポートされるニューラルネットワークタイプを決定させることを含む、例１７ないし２５のいずれか１つに記載の装置。

【0132】

例２７．前記装置に、前記コントローラによって、前記ＲＡＮノードによって前記コントローラに提供されるべき前記ハードウェア可用性情報および／または少なくとも１つのタイプの測定情報のうちの少なくとも１つのタイプを示す情報をＲＡＮノードに送信させることをさらに含む、例１７ないし２６のいずれか１つに記載の装置。

【0133】

例２８．前記装置に、前記コントローラによって、前記ハードウェア可用性情報および／または前記測定情報を前記コントローラに前記ＲＡＮノードが送信する前に、前記ハードウェア可用性情報および／または前記測定情報の上の、前記ＲＡＮノードによって実行されるべき処理またはフィルタリングのうちの少なくとも１つを示す情報を、をＲＡＮノードに送信させることをさらに含む、例１７ないし２７のいずれか１つに記載の装置。

【0134】

例２９．図６は、例示的実施形態にしたがって、ＲＡＮノードの作動を例示しているフローチャートである。動作６１０は、無線ネットワーク内の無線アクセスネットワーク（ＲＡＮ）ノードによって、コントローラに、ニューラルネットワークサポート情報と、前記ＲＮノードによる１つ以上の測定値または前記コントローラが、前記ＲＡＮノードのために、ニューラルネットワーク構成を決定することを可能にする前記ＲＡＮノードと通信状態にある無線デバイスによる１つ以上の測定値とを含む測定情報とのうちの少なくとも１つを送信するステップを含む。また、動作６２０は、前記ＲＡＮノードにより、前記コントローラから、前記ＲＡＮノードのニューラルネットワークの構成を示すニューラルネットワーク構成情報を受信するステップを含む。

【0135】

例３０．前記送信するステップは、前記無線ネットワーク内の前記無線アクセスネットワーク（ＲＡＮ）ノードによって、少なくとも、前記コントローラが、前記ＲＡＮノードに対するニューラルネットワーク構成を決定することを可能にする前記ニューラルネットワークサポート情報前記コントローラに送信するステップを含む、例２９に記載の方法。

【0136】

例３１．前記送信するステップは、前記無線ネットワーク内の前記無線アクセスネットワーク（ＲＡＮ）ノードによって、前記コントローラに、前記ＲＡＮノードによる少なくとも１つ以上の測定値、または、前記ＲＮノードと通信状態にある無線デバイスによる１つ以上の測定値を送信するステップを含み、前記コントローラが、前記ＲＡＮノードに対するニューラルネットワーク構成を決定することを可能にする、例２９または３０に記載の方法。

【0137】

例３２．前記ＲＡＮノードによって、前記ニューラルネットワーク構成情報に基づいてニューラルネットワークを構成するステップと、前記構成されたニューラルネットワークに少なくとも部分的に基づいて前記ＲＡＮノードによって、１つ以上のＲＡＮ機能を実行するステップと、をさらに含む、例２９ないし３１のいずれか１つに記載の方法。

【0138】

例３３．前記ニューラルネットワークサポート情報は、前記ＲＡＮノードの、ニューラルネットワークの１つ以上の異なるタイプをサポートする能力を示すニューラルネットワーク能力情報、前記ＲＡＮノードの１つ以上のハードウェア特徴を示すハードウェア特徴情報、および、ニューラルネットワークをサポートするラン・ノードのハードウェアの可用性を示すハードウェア可用性情報とのうちの少なくとも１つを含む前記ＲＡＮノードのためのハードウェア情報、のうちの少なくとも１つを含む、例２９ないし３２のいずれか１つに記載の方法。

【0139】

例３４．前記ハードウェア特徴情報は、前記ＲＡＮノードについて、前記ＲＡＮノードのプロセッサまたはプロセッサコアの数および／またはクロック速度を記述する情報、前記無線アクセスネットワークノードのメモリ量を記述する情報、および、前記ニューラルネットワークに使用することができる前記ＲＡＮノードの１つ以上のハードウェアアクセラレータを記述する情報のうちの１つ以上を示す情報を含む、例３３に記載の方法。

【0140】

例３５．前記ハードウェア可用性情報は、前記ＲＡＮノードについて、前記ニューラルネットワークで利用可能な前記ＲＡＮのプロセッサリソースの量または割合、使用または占有されており、前記ニューラルネットワークで利用不可能な前記ＲＡＮのプロセッサリソースの量または割合、前記ニューラルネットワークで利用可能な前記ＲＡＮのメモリの量または割合、使用または占有されており、前記ニューラルネットワークで利用不可能な前記ＲＡＮのメモリの量または割合、前記ＲＡＮノードの１つ以上のハードウェアアクセラレータに対して、前記ニューラルネットワークで利用可能な前記ＲＡＮノードのハードウェアアクセラレータリソースの量または割合、および、前記ＲＡＮノードの１つ以上のハードウェアアクセラレータに対して、使用または占有されていて、前記ニューラルネットワークで利用不可能な前記ＲＡＮノードのハードウェアアクセラレータリソースの量または割合のうちの１つ以上を示す情報を含む、例３３または３４に記載の方法。

【0141】

例３６．前記ＲＡＮノードにより、前記ＲＡＮノードによる１つ以上の測定値、または、前記ＲＡＮノードに接続されたユーザデバイスによる１つ以上の測定値を含む測定情報を前記コントローラに送信するステップをさらに含み、前記ニューラルネットワーク構成は、前記ニューラルネットワークサポート情報と前記測定情報に基づいている、例３３ないし３５のいずれか１つに記載の方法。

【0142】

例３７．前記ニューラルネットワーク能力情報は、前記ＲＡＮノードの、前記ＲＡＮノードの１つ以上のＲＡＮの各々に対してニューラルネットワークの１つ以上の異なるタイプをサポートする能力を示す、例３３ないし３６のいずれか１つに記載の方法。

【0143】

例３８．前記ＲＡＮノードにより、前記コントローラから、前記ＲＡＮノードによって前記コントローラに提供されるべき前記ハードウェア可用性情報の少なくとも１つのタイプおよび／または測定情報の少なくとも１つのタイプを示す情報を受信するステップをさらに含む、例３３ないし３７のいずれか１つに記載の方法。

【0144】

例３９．前記コントローラからの前記ＲＡＮノードによって、前記無線ＲＡＮノードが前記ハードウェア可用性情報および／または前記測定情報を前記コントローラに送信する前に、前記ハードウェア可用性情報および／または前記測定情報の上の、前記ＲＡＮノードによって実行されるべき処理またはフィルタリングの少なくとも１つを示す情報を受信するステップをさらに含む、例３３ないし３８のいずれか１つに記載の方法。

【0145】

例４０．前記ＲＡＮノードにより、前記コントローラから、前記ＲＡＮノードによって前記コントローラに報告または提供される前記ハードウェア可用性情報および前記測定情報のうちの少なくとも１つのフォーマットを示す情報を受信するステップをさらに含む、例３３ないし３９のいずれか１つに記載の方法。

【0146】

例４１．例２９ないし３９のいずれか１つに記載の方法を実行するための手段を備えた装置。

【0147】

例４２．少なくとも１つのプロセッサによって実行されると、コンピュータシステムに、例２９ないし３９のいずれか１つに記載の方法を実行させるように構成されるその上に格納された命令を含む非一時的コンピュータ可読記憶媒体が提供される。

【0148】

例４３．少なくとも１つのプロセッサと、コンピュータ・プログラムコードとを含む少なくとも１つのメモリと、を備える含む装置であって、少なくとも１つのメモリと、コンピュータ・プログラムコードとは、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、例２９ないし３９のいずれか１つに記載の方法を実行させるように構成される、装置。

【0149】

例４４．少なくとも１つのプロセッサと、コンピュータ・プログラムコードとを含む少なくとも１つのメモリと、を備える含む装置であって、該少なくとも１つのメモリと、該コンピュータ・プログラムコードとは、該少なくとも１つのプロセッサを用いて、前記装置に、無線ネットワーク内の無線アクセスネットワーク（ＲＡＮ）ノードによって、ニューラルネットワークサポート情報と、該無線アクセスネットワークノードに、前記コントローラが、前記ＲＡＮノードのニューラルネットワーク構成を決定することを可能にする、前記ＲＮノードによる１つ以上の測定値または前記ＲＡＮノードと通信状態にある無線デバイスによる１つ以上の測定値を含む測定情報とのうちの少なくとも１つををコントローラに送信させ、前記ＲＡＮノードにより、前記コントローラから、前記ＲＡＮノードのニューラルネットワークの構成を示すニューラルネットワーク構成情報を受信させるように構成される、装置。

【0150】

例４５．前記装置に送信させることは、前記装置に、前記無線ネットワーク内の無線アクセスネットワーク（ＲＡＮ）ノードによって、前記コントローラへ、少なくとも、前記コントローラが、前記ＲＡＮノードに対するニューラルネットワーク構成を決定することを可能にする前記ニューラルネットワークサポート情報を送信させることを含む、例４４に記載の方法。

【0151】

例４６．前記装置に送信させることは、前記装置に、前記無線ネットワーク内の無線アクセスネットワーク（ＲＡＮ）ノードによって、前記コントローラへ、少なくとも、前記ＲＡＮノードによる前記１つ以上の測定値または前記コントローラが、前記ＲＡＮノードに対するニューラルネットワーク構成を決定することを可能にする、前記ＲＡＮノードと通信状態にある無線デバイスによる１つ以上の測定値を送信させることを含む、例４４または４５に記載の装置。

【0152】

例４７．前記装置に、さらに、前記ＲＡＮによって、前記ニューラルネットワーク構成情報に基づいてニューラルネットワークを構成させ、前記ＲＡＮノードによって、前記構成されたニューラルネットワークに少なくとも部分的に基づいて１つ以上のＲＡＮ機能を実行させる、例４４ないし４６のいずれか１項に記載の装置。

【0153】

例４８．前記ニューラルネットワークサポート情報は、ニューラルネットワークの１つ以上の異なるタイプをサポートする前記ＲＡＮノードの能力を示すニューラルネットワーク能力情報、および、前記ＲＡＮノードの１つ以上のハードウェア特徴を示すハードウェア特徴情報、および、前記ニューラルネットワークをサポートするための前記ＲＡＮノードの前記ハードウェアの可用性を示すハードウェア可用性情報のうちの少なくとも１つを含む前記ＲＡＮノードのためのハードウェア情報、うちの少なくとも１つを含む、例４４ないし４７のいずれか１項に記載の装置。

【0154】

例４９．前記ハードウェア特徴情報は、前記ＲＡＮノードについて、前記ＲＡＮノードのプロセッサまたはプロセッサコアの数および／またはクロック速度を記述する情報、前記無線アクセスネットワークノードのメモリ量を記述する情報、および、前記ニューラルネットワークに使用されることができる前記ＲＡＮノードの１つ以上のハードウェアアクセラレータを記述する情報のうちの１つ以上を示す情報を含む、例４８に記載の装置。

【0155】

例５０．前記ハードウェア可用性情報は、前記ＲＡＮノードについて、前記ニューラルネットワークで利用可能な前記ＲＡＮのプロセッサリソースの量または割合、使用または占有されており、前記ニューラルネットワークで利用不可能な前記ＲＡＮのプロセッサリソースの量または割合、前記ニューラルネットワークで利用可能な前記ＲＡＮのメモリの量または割合、使用または占有されており、前記ニューラルネットワークで利用不可能な前記ＲＡＮのメモリの量または割合、前記ＲＡＮノードの１つ以上のハードウェアアクセラレータに対して、前記ニューラルネットワークで利用可能な前記ＲＡＮノードのハードウェアアクセラレータリソースの量または割合、および、前記ＲＡＮノードの１つ以上のハードウェアアクセラレータに対して、使用または占有されていて、前記ニューラルネットワークで利用不可能な前記ＲＡＮノードのハードウェアアクセラレータリソースの量または割合のうちの１つ以上を示す情報を含む、例４８または４９に記載の装置。

【0156】

例５１．前記装置に、さらに、前記ＲＡＮノードによって、前記コントローラへ、前記ＲＡＮノードによる１つ以上の測定値、または、前記ＲＡＮノードに接続されたユーザデバイスによる１つ以上の測定値を含む測定情報を送信させ、ここで、前記ニューラルネットワーク構成は、前記ニューラルネットワークサポート情報と前記測定情報に基づいている、例４８ないし５０のいずれか１項に記載の装置。

【0157】

例５２．前記ニューラルネットワーク能力情報は、前記ＲＡＮノードの、前記ＲＡＮノードの１つ以上のＲＡＮの各々に対してニューラルネットワークの１つ以上の異なるタイプをサポートする能力を示す、例４８ないし５１のいずれか１項に記載の装置。

【0158】

例５３．前記装置に、さらに、前記ＲＡＮノードにより、前記コントローラから、前記ＲＡＮノードによって前記コントローラに提供されるべき前記ハードウェア可用性情報の少なくとも１つのタイプおよび／または測定情報の少なくとも１つのタイプを示す情報を受信させる、例４８ないし５２のいずれか１項に記載の装置。

【0159】

例５４．前記装置に、さらに、前記ＲＡＮノードにより、前記コントローラから、前記無線ＲＡＮノードが前記ハードウェア可用性情報および／または前記測定情報を前記コントローラに送信する前に、前記ハードウェア可用性情報および／または前記測定情報の上の、前記ＲＡＮノードによって実行されるべき処理またはフィルタリングの少なくとも１つを示す情報を受信させる、例４８ないし５３のいずれか１項に記載の装置。

【0160】

例５５．前記装置に、さらに、前記ＲＡＮノードにより、前記コントローラから、前記ＲＡＮノードによって前記コントローラに報告または提供される前記ハードウェア可用性情報および前記測定情報のうちの少なくとも１つのフォーマットを示す情報を受信させる、例４８ないし５４のいずれか１項に記載の装置。

【0161】

図７は、実施例に係る無線ステーション（例えば、ＡＰ、ＢＳまたはユーザデバイス、または他のネットワークノード）１０００のブロック図である。無線局１０００は、例えば、１つまたは２つのＲＦ（無線周波数）または無線トランシーバ１００２Ａ、１００２Ｂを含むことができ、ここで、各無線トランシーバは、信号を送信するための送信機と、信号を受信するための受信機とを含む。また、無線局は、命令またはソフトウェアを実行し、信号の送受信を制御するプロセッサまたは制御ユニット／エンティティ（コントローラ）１００４と、データおよび／または命令を記憶するメモリ１００６とを含む。

【0162】

プロセッサ１００４はまた、判定または判定を行い、フレームを生成し、伝達のためのパケットまたはメッセージを生成し、さらなる処理のために受信フレームまたはメッセージを復号し、本明細書に記載する他のタスクまたは機能を実行することができる。例えば、ベースバンドプロセッサであるかもしれないプロセッサ１００４は、無線トランシーバ１００２（１００２Ａまたは１００２Ｂ）を介して伝送するためのメッセージ、パッケット、フレームまたはその他の信号を生成することができる。プロセッサ１００４は、無線ネットワークを介した信号またはメッセージの伝達を制御することができ、無線ネットワークを介して（例えば、無線トランシーバ１００２によってダウンコンバートされた後に）信号またはメッセージなどの受信を制御することができる。プロセッサ１００４は、プログラム可能であり、メモリまたは他のコンピュータ媒体に記憶されたソフトウェアまたは他の命令を実行して、上述のタスクまたは方法の１つ以上のような、上述の様々なタスクおよび機能を実行することができる。プロセッサ１００４は、例えば、ハードウェア、プログラム可能なロジック、ソフトウェアまたはファームウェアを実行するプログラム可能なプロセッサ、および／またはこれらの任意の組み合わせであり得る（またはそれらを含むことができる）。他の用語を使用して、プロセッサ１００４とトランシーバ１００２を共に、例えば、無線送受信システムと見なすことができる。

【0163】

さらに、図７を参照すると、コントローラ（またはプロセッサ）１００８は、ソフトウェアおよび命令を実行することができ、ステーション１０００のための全体的な制御を提供することができ、図７に示されていない他のシステム、例えば、入出力デバイス（例えば、ディスプレイ、キーパッド）を制御するような制御を提供することができ、および／または、例えば、電子メールプログラム、オーディオ／ビデオアプリケーション、ワードプロセッサ、ボイスオーバー（Ｖｏｉｃｅ ｏｖｅｒ）ＩＰアプリケーション、または他のアプリケーションまたはソフトウェアのような、無線ステーション１０００上に提供されることができる１つ以上のアプリケーションのためのソフトウェアを実行することができる。

【0164】

加えて、コントローラまたはプロセッサによって実行されるときに、プロセッサ１００４、または他のコントローラまたはプロセッサに帰着し、上述の１つ以上の機能またはタスクを実行する、記憶された命令を含む記憶媒体が提供されることができる。

【0165】

他の実施形態によれば、ＲＦまたは無線トランシーバ（ｓ）１００２Ａ／１００２Ｂは、信号またはデータを受信し、および／または信号またはデータを送受信することができる。プロセッサ１００４（および場合によってはトランシーバ１００２Ａ／１００２Ｂ）は、ＲＦまたはワイヤレス・トランシーバ１００２Ａまたは１００２Ｂを制御して、信号またはデータを送受信、ブロードキャストまたは送信することができる。

【0166】

しかしながら、実施形態は、一例として与えられるシステムに限定されるものではないが、当業者は、その解決策を他の通信システムに適用することができる。適切な通信システムのもう１つの例は、５Ｇコンセプトである。５Ｇにおけるネットワークアーキテクチャは、ＬＴＥ‐アドバーンスト（ａｄｖａｎｃｅｄ）のものとかなり類似すると考えられる。５Ｇは、多入力－多出力（ＭＩＭＯ）アンテナ、ＬＴＥ （いわゆる小セルコンセプト）よりも多くの基地局またはノードを使用する可能性が高い。これには、より小規模な局と協力して運用しているマクロサイト、おそらくはより良いカバレッジと強化されたデータレートのために多様な無線技術も採用している、などが含まれる。

【0167】

将来のネットワークは、おそらくネットワーク機能仮想化（ＮＦＶ）を利用するであろうことが理解されるべきである。ネットワーク機能仮想化（ＮＦＶ）は、ネットワークノード機能を「構築ブロック」に仮想化することを提案するネットワークアーキテクチャ概念であるか、あるいは、サービスを提供するために運用的に接続されているか、または互いにリンクされているかもしれないエンティティである。仮想化ネットワーク機能（ＶＮＦ）は、カスタマイズされたハードウェアの代わりに、標準または汎用タイプのサーバを使用してコンピュータ・プログラムコードを実行する１つ以上の仮想マシンを含むことができる。クラウドコンピューティングまたはデータストレージも利用可能である。無線通信では、これは、少なくとも部分的に、遠隔無線ヘッドに動作的に結合されたサーバ、ホスト、またはノードにおいて、ノード操作が実行されることを意味することができる。ノード操作は、複数のサーバ、ノード、またはホストの間で分散されることも可能である。また、コアネットワーク動作と基地局動作の間の労働分散は、ＬＴＥのものとは異なるか、あるいは存在しない可能性さえあることが理解されるべきである。

【0168】

本明細書に記載する様々な技術の実施形態は、デジタル電子回路、またはコンピュータハードウェア、ファームウェア、ソフトウェア、またはそれらの組み合わせで実現することができる。実施形態は、コンピュータ・プログラム製品、すなわち、情報キャリアとして、例えば、機械読み取り可能なメモリ内、または伝搬された信号内に実体的に具体化されるコンピュータ・プログラムとして、データ処理装置、例えば、プログラマブル・プロセッサ、コンピュータ、または複数のコンピュータの実行のために、またはその動作を制御するために実装されることができる。実施形態は、非一時的媒体であり得る、コンピュータ可読媒体またはコンピュータ可読記憶媒体上に提供されることができる。種々の技術の実施形態は、インターネットまたは他のネットワーク、有線ネットワークおよび／または無線ネットワークを介してダウンロード可能な、一時的な信号または媒体、および／またはプログラムおよび／またはソフトウェアの実施形態を介して提供される実施形態を含むこともできる。さらに、実施形態は、マシンタイプ通信（ＭＴＣ）を介して、およびモノのインターネット（ＩＯＴ）を介して提供されることができる。

【0169】

コンピュータ・プログラムは、ソースコード形式、オブジェクトコード形式、または何らかの中間形式であってもよく、プログラムを運ぶことができる任意の実体または装置であり得る、何らかのタイプのキャリア、配布媒体、またはコンピュータ可読媒体に格納されることができる。このようなキャリアには、例えば、記録媒体、コンピュータメモリ、読み取り専用メモリ、光電気および／または電気キャリア信号、電気通信信号、およびソフトウェア配布パッケージが含まれる。必要とされる処理能力に応じて、コンピュータ・プログラムは、単一の電子デジタル・コンピュータで実行されてもよく、または多数のコンピュータに分散されることができる。

【0170】

さらに、本明細書に記載する様々な技術の実施形態は、サイバー物理システム（ＣＰＳ） （物理的エンティティを制御する協調計算要素のシステム）を使用することができる。ＣＰＳは、異なる場所にある物理的な物体に埋め込まれた大量の相互接続されたＩＣＴデバイス（センサ、作動器、プロセッサマイクロコントローラ、…）の実施形態および利用を可能にすることができる。対象の物理システムが本質的な移動性を持つ移動サイバー物理システムは、サイバー物理システムのサブカテゴリである。移動体物理システムの例としては、移動ロボットや、ヒトまたは動物によって運搬される電子機器が挙げられる。スマートフォンの人気の高まりは、モバイルサイバー物理システムの分野への関心が高まっている。したがって、本明細書に記載する技術の様々な実施形態を、これらの技術の１つ以上を介して提供することができる。

【0171】

上述のコンピュータ・プログラムなどのコンピュータ・プログラムは、コンパイルまたは解釈された言語を含む任意の形態のプログラミング言語で記述することができ、スタンドアロンプログラムとして、またはモジュール、構成要素、サブルーチン、またはコンピューティング環境での使用に適したその一部として、任意の形態で展開することができる。コンピュータ・プログラムは、１つのコンピュータ上、または１つのサイトの複数のコンピュータ上で実行されるように配備することも、複数のサイトに分散させて通信ネットワークによって相互接続することもできる。

【0172】

方法ステップは、入力データ上で動作し、出力を生成することによって機能を実行するために、コンピュータ・プログラムまたはコンピュータ・プログラム部分を実行する１つ以上のプログラマブル・プロセッサによって実行することができる。方法ステップはまた、ＦＰＧＡ（ｆｉｅｌｄ ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）またはＡＳＩＣ（ａｐｐｌｉｃａｔｉｏｎ－ｓｐｅｃｉｆｉｃ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔ）などの特殊目的論理回路によって実行され、装置として実装されることができる。

【0173】

コンピュータ・プログラムの実行に適したプロセッサには、一例として、一般および特殊目的マイクロプロセッサの両方、および任意のタイプのデジタル・コンピュータ、チップまたはチップセットの任意の１つ以上のプロセッサが含まれる。一般に、プロセッサは、読み出し専用メモリまたはランダム・アクセス・メモリ、あるいはその両方から命令およびデータを受信する。コンピュータの要素は、命令を実行するための少なくとも１つのプロセッサと、命令およびデータを記憶するための１つ以上のメモリとを含むことができる。一般に、コンピュータはまた、データを記憶するための１つ以上の大容量メモリ、例えば、磁性、光磁性ディスク、または光ディスクから、またはこれらにデータを受信または移動するために、動作可能に結合されることができる。コンピュータ・プログラム命令およびデータを具体化するのに適した情報キャリアは、例えば、半導体メモリデバイス、例えば、ＥＰＲＯＭ、ＥＥＰＲＯＭ、およびフラッシュメモリデバイス、磁気ディスク、例えば、内部ハードディスクまたはリムーバブルディスク、磁気光学ディスク、およびＣＤ－ＲＯＭおよびＤＶＤ－ＲＯＭディスクを含む、すべての形態の不揮発性メモリを含む。プロセッサおよびメモリは、特殊目的論理回路によって補完されてもよく、または組み込むこともできる。

【0174】

ユーザとの対話を提供するために、実施形態は、ユーザに情報を表示するための表示デバイス、例えば、カソード線管（ＣＲＴ）または液晶ディスプレイ（ＬＣＤ）モニタリング、およびユーザがコンピュータに入力を提供することができるキーボードおよびポインティングデバイス、例えば、マウスまたはトラックボールなどのユーザインタフェースを有するコンピュータ上で実施することができる。他のタイプのデバイスを使用して、同様にユーザとの対話を提供することができる。例えば、ユーザに提供されるフィードバックは、視覚フィードバック、聴覚フィードバック、または触覚フィードバックなどの任意の形式の感覚フィードバックとすることができ、ユーザからの入力は、音響入力、音声入力、または触覚入力を含む任意の形式で受信することができる。

【0175】

実施形態は、バックエンド構成要素、例えばデータ・サーバ、またはミドルウェア構成要素、例えばアプリケーション・サーバ、またはフロントエンド構成要素、例えばグラフィカルユーザインタフェースを有するクライアント・コンピュータ、またはユーザが実施形態と対話することができるＷｅｂブラウザ、あるいはそのようなバックエンド、ミドルウェア、またはフロントエンド・構成要素の任意の組み合わせを含むコンピューティング・システムで実現することができる。構成要素は、デジタルデータ通信の任意の形態または媒体、例えば、通信ネットワークによって相互接続されることができる。通信ネットワークの例には、ローカルエリアネットワーク（ＬＡＮ）およびワイドエリアネットワーク（ＷＡＮ）、例えばインターネットが含まれる。

【0176】

ここに記載されている実施形態の特定の特徴が図示されているが、当業者は、多くの修正、置換、変更、均等物を考えだすことができる。したがって、添付のクレームは、様々な態様の真の思想の範囲内に収まるように、そのような修正および変更のすべてをカバーすることが意図されていることが理解されるべきである。

【要約】

【課題】無線アクセスネットワーク（ＲＡＮ）ノードに対するニューラルネットワークの構成。
【解決手段】
一実施形態によれば、本願方法は、ワイヤレスネットワーク内の無線アクセスネットワーク（ＲＡＮ）ノードからコントローラによって、ニューラルネットワークサポート情報、無線アクセスネットワークノードによる１つ以上の測定値、を含む測定情報、または、無線アクセスネットワークノードと通信状態にあるワイヤレスデバイスによる１つ以上の測定値の少なくとも１つを受信するステップと、コントローラによって、ニューラルネットワークサポート情報および測定情報の少なくとも１つに基づいて、無線アクセスネットワークノードのためのニューラルネットワークの構成を決定するステップと、コントローラによって、無線アクセスネットワークノードのためのニューラルネットワークの構成を示すニューラルネットワーク構成情報を無線アクセスネットワークノードに送信するステップと、を含むことができる。
【選択図】図３

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】