特許 7341315 ディープニューラルネットワークに関する基地局とユーザ機器とのメッセージング

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2023-08-31

(45)【発行日】2023-09-08

(54)【発明の名称】ディープニューラルネットワークに関する基地局とユーザ機器とのメッセージング

(51)【国際特許分類】

   H04W 24/02 20090101AFI20230901BHJP

   G06N 3/02 20060101ALI20230901BHJP

【ＦＩ】

H04W24/02

G06N3/02

【請求項の数】 20

(21)【出願番号】P 2022506955

(86)(22)【出願日】2019-08-14

(65)【公表番号】

(43)【公表日】2022-10-17

(86)【国際出願番号】 US2019046535

(87)【国際公開番号】W WO2021029889

(87)【国際公開日】2021-02-18

【審査請求日】2022-04-07

(73)【特許権者】

【識別番号】502208397

【氏名又は名称】グーグル エルエルシー

【氏名又は名称原語表記】Ｇｏｏｇｌｅ ＬＬＣ

【住所又は居所原語表記】１６００ Ａｍｐｈｉｔｈｅａｔｒｅ Ｐａｒｋｗａｙ ９４０４３ Ｍｏｕｎｔａｉｎ Ｖｉｅｗ， ＣＡ Ｕ．Ｓ．Ａ．

(74)【代理人】

【識別番号】110001195

【氏名又は名称】弁理士法人深見特許事務所

(72)【発明者】

【氏名】ワン，ジービン

(72)【発明者】

【氏名】スタウファー，エリク・リチャード

【審査官】米倉 明日香

(56)【参考文献】

【文献】米国特許出願公開第２０１８／０１７４０５０（ＵＳ，Ａ１）

【文献】特開平１０－０９４０４０（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１８／０３２４８８８（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０１７／０１０５２１０（ＵＳ，Ａ１）

【文献】欧州特許出願公開第０３４１８９４８（ＥＰ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｈ０４Ｂ ７／２４－ ７／２６

Ｈ０４Ｗ ４／００－９９／００

３ＧＰＰ ＴＳＧ ＲＡＮ ＷＧ１－４

ＳＡ ＷＧ１－４

ＣＴ ＷＧ１、４

Ｇ０６Ｎ ３／０２

(57)【特許請求の範囲】

【請求項1】

ワイヤレス通信システムに関連付けられたネットワークエンティティが実行する方法であって、前記方法は、
前記ワイヤレス通信システムを介して送信される通信を処理するためのディープニューラルネットワークについてのニューラルネットワーク形成構成を決定することと、
前記ディープニューラルネットワークについての前記ニューラルネットワーク形成構成の表示と、前記ニューラルネットワーク形成構成を用いた前記ディープニューラルネットワークの使用を開始する時間インスタンスの表示とを含むメッセージを生成することと、
前記メッセージをユーザ機器に送信して、前記ニューラルネットワーク形成構成を用いて前記ディープニューラルネットワークを形成するように、かつ前記ワイヤレス通信システムを介して送信される前記通信を前記ディープニューラルネットワークを用いて処理するように前記ユーザ機器に指示することとを備える、方法。

【請求項2】

前記メッセージを生成することは、前記ディープニューラルネットワークについての処理割り当てを前記メッセージに含めることをさらに含む、請求項１に記載の方法。

【請求項3】

前記ニューラルネットワーク形成構成は第１のニューラルネットワーク形成構成を含み、前記メッセージは第１のメッセージを含み、前記方法はさらに、
前記通信に関連付けられた１つ以上のメトリックを提供するフィードバックを前記ユーザ機器から受信することと、
前記フィードバックに少なくとも部分的に基づいて前記ディープニューラルネットワークについての第２のニューラルネットワーク形成構成を決定することと、
前記ディープニューラルネットワークについての前記第２のニューラルネットワーク形成構成の表示を含む第２のメッセージを生成することと、
前記第２のメッセージを前記ユーザ機器に送信して、前記ディープニューラルネットワークについての前記第２のニューラルネットワーク形成構成を用いて前記ディープニューラルネットワークを更新するように前記ユーザ機器に指示することとを備える、請求項１または請求項２に記載の方法。

【請求項4】

前記ディープニューラルネットワークについての前記第２のニューラルネットワーク形成構成はデルタニューラルネットワーク形成構成を含む、請求項３に記載の方法。

【請求項5】

前記ニューラルネットワーク形成構成を決定することは、前記ワイヤレス通信システムにおけるスケジューリング・マルチユーザ・マルチ入力・マルチ出力ダウンリンク送信に少なくとも部分的に基づいて前記ニューラルネットワーク形成構成を決定することを含む、請求項１から請求項４のいずれか１項に記載の方法。

【請求項6】

前記ニューラルネットワーク形成構成は第１のニューラルネットワーク形成構成を含み、前記ディープニューラルネットワークは第１のディープニューラルネットワークを含み、前記通信はダウンリンク通信を含み、前記方法はさらに、
前記ユーザ機器からのアップリンク通信を処理するための第２のディープニューラルネットワークについての第２のニューラルネットワーク形成構成を決定することと、
前記第２のディープニューラルネットワークについての前記第２のニューラルネットワーク形成構成を前記ユーザ機器に送信し、前記第２のディープニューラルネットワークについての前記第２のニューラルネットワーク形成構成を用いて前記第２のディープニューラルネットワークを形成するように、かつ前記第２のディープニューラルネットワークを用いて前記アップリンク通信を処理するように前記ユーザ機器に指示することとを備える、請求項１から請求項５のいずれか１項に記載の方法。

【請求項7】

前記メッセージを送信して、前記第１のニューラルネットワーク形成構成を用いて前記ディープニューラルネットワークを形成するように前記ユーザ機器に指示することは、第１の無線アクセス技術を用いて前記メッセージを送信することを含み、
前記第２のディープニューラルネットワークについての前記第２のニューラルネットワーク形成構成を送信することは、前記第１の無線アクセス技術とは異なる第２の無線アクセス技術を用いて前記第２のディープニューラルネットワークについての前記第２のニューラルネットワーク形成構成を送信することを含む、請求項６に記載の方法。

【請求項8】

前記ニューラルネットワーク形成構成は第１のニューラルネットワーク形成構成を含み、前記ディープニューラルネットワークは第１のディープニューラルネットワークを含み、前記通信はダウンリンク通信を含み、前記方法はさらに、
第２のディープニューラルネットワークを形成することと、
前記第２のディープニューラルネットワークを用いてアップリンク通信を処理して前記アップリンク通信を復号化することとを備える、請求項１から請求項５のいずれか１項に記載の方法。

【請求項9】

前記ニューラルネットワーク形成構成は第１のニューラルネットワーク形成構成を含み、前記ディープニューラルネットワークは第１のディープニューラルネットワークを含み、前記通信はダウンリンク通信を含み、前記方法はさらに、
第２のディープニューラルネットワークを形成することと、
前記第２のディープニューラルネットワークを用いて前記ダウンリンク通信を処理して前記ダウンリンク通信を符号化することとを備える、請求項１から請求項５のいずれか１項に記載の方法。

【請求項10】

前記メッセージは第１のメッセージを含み、前記通信を処理するための前記ニューラルネットワーク形成構成を決定することは、
前記ユーザ機器の１つ以上の能力を示す第２のメッセージを前記ユーザ機器から受信することと、
前記ユーザ機器の前記１つ以上の能力に少なくとも部分的に基づいて前記ニューラルネットワーク形成構成を決定することとを含む、請求項１または請求項２に記載の方法。

【請求項11】

ワイヤレス通信システムに関連付けられたユーザ機器が実行する方法であって、前記方法は、
前記ユーザ機器が、前記ワイヤレス通信システムに関連付けられた通信を処理するためのディープニューラルネットワークについてのニューラルネットワーク形成構成の表示と、前記ニューラルネットワーク形成構成を用いた前記ディープニューラルネットワークの使用を開始する時間インスタンスの表示とを含むメッセージを受信することと、
前記メッセージにおいて示されている前記ニューラルネットワーク形成構成を用いて前記ディープニューラルネットワークを形成することと、
基地局から前記通信を受信することと、
前記ディープニューラルネットワークを用いて前記通信を処理して前記通信における情報を抽出することとを備える、方法。

【請求項12】

前記ニューラルネットワーク形成構成を示す前記メッセージを受信することは、
前記基地局からブロードキャストメッセージを受信することと、
前記ブロードキャストメッセージから前記ニューラルネットワーク形成構成を抽出することとを含む、請求項１１に記載の方法。

【請求項13】

前記ニューラルネットワーク形成構成を用いて前記ディープニューラルネットワークを形成することは、前記通信を処理するための前記ニューラルネットワーク形成構成の使用開始時間を示す前記時間インスタンスを前記メッセージから抽出することを含み、
前記ディープニューラルネットワークを用いて前記通信を処理することは、前記時間インスタンスによって示されている前記時間に基づいて前記ディープニューラルネットワークを用いて前記通信を処理することを含む、請求項１１または請求項１２に記載の方法。

【請求項14】

前記メッセージは第１のメッセージを含み、前記ディープニューラルネットワークは第１のディープニューラルネットワークを含み、前記通信はダウンリンク通信を含み、前記通信を処理することは、前記第１のディープニューラルネットワークを用いて前記ダウンリンク通信からの情報を復号化することを含み、前記方法はさらに、
前記ユーザ機器が、前記ワイヤレス通信システムを介して送信されるアップリンク通信を処理するための第２のディープニューラルネットワークについての第２のニューラルネットワーク形成構成を示す第２のメッセージを受信することと、
前記第２のニューラルネットワーク形成構成を用いて前記第２のディープニューラルネットワークを形成することと、
前記第２のディープニューラルネットワークを用いて前記アップリンク通信を処理して前記アップリンク通信上の情報を符号化することとを備える、請求項１１から請求項１３のいずれか１項に記載の方法。

【請求項15】

前記ニューラルネットワーク形成構成は第１のニューラルネットワーク形成構成を含み、前記メッセージは第１のメッセージを含み、前記方法はさらに、
前記ディープニューラルネットワークについての第２のニューラルネットワーク形成構成の表示を含む第２のメッセージを受信することと、
前記第２のニューラルネットワーク形成構成を用いて前記ディープニューラルネットワークを形成することとを備える、請求項１１から請求項１３のいずれか１項に記載の方法。

【請求項16】

前記第２のニューラルネットワーク形成構成はデルタニューラルネットワーク形成構成を含む、請求項１５に記載の方法。

【請求項17】

前記ニューラルネットワーク形成構成を示す前記メッセージを受信することは、前記ディープニューラルネットワークの処理割り当ての表示を前記メッセージにおいて受信することを含み、前記ディープニューラルネットワークを形成することは、前記処理割り当てにおいて指定されている通信処理チェーンで前記ディープニューラルネットワークを形成することを含む、請求項１１から請求項１６のいずれか１項に記載の方法。

【請求項18】

ネットワークエンティティであって、
ワイヤレストランシーバと、
プロセッサと、
ディープニューラルネットワークマネージャモジュールを実現するための命令を含む非一時的なコンピュータ読取可能記憶媒体とを備え、前記命令は、前記プロセッサによって実行されたことに応答して、請求項１から請求項１０に記載の方法のうちのいずれか１つを実行するように前記ネットワークエンティティに指示する、ネットワークエンティティ。

【請求項19】

ユーザ機器であって、
ワイヤレストランシーバと、
プロセッサと、
ディープニューラルネットワークマネージャモジュールを実現するための命令を含む非一時的なコンピュータ読取可能記憶媒体とを備え、前記命令は、前記プロセッサによって実行されたことに応答して、請求項１１から請求項１７に記載の方法のうちのいずれか１つを実行するように前記ユーザ機器に指示する、ユーザ機器。

【請求項20】

請求項１から請求項１７のいずれか１項に記載の方法をコンピュータに実行させるプログラム。

【発明の詳細な説明】

【背景技術】

【0001】

背景
ワイヤレス通信システムの進化は、データスループットの要求から生じることが多い。一例として、データの要求は、ワイヤレス通信システムにアクセスするデバイスが増えるにつれて増加する。また、進化するデバイスは、データ集約型ストリーミングビデオアプリケーション、データ集約型ソーシャルメディアアプリケーション、データ集約型音声サービスなどのような、従来のアプリケーションよりも多くのデータを利用するデータ集約型アプリケーションを実行する。この要求の増加により、ワイヤレス通信システムのデータリソースが枯渇することがある。したがって、データ使用量の増加に対応するために、進化するワイヤレス通信システムは、レガシーワイヤレス通信システムと比べて多くのデータスループットを提供する方法としてますます複雑なアーキテクチャを利用する。

【0002】

一例として、第５世代（５Ｇ）規格および技術は、データ容量を増やすために、６ギガヘルツ（ＧＨｚ）を超える帯域のような高周波数範囲を用いてデータを送信する。しかしながら、これらの高周波数範囲を用いた情報の送信および回復は課題を提起する。説明すると、高周波信号は、低周波信号と比べて、マルチパスフェージング、散乱、大気吸収、回折、干渉などの影響を受けやすい。これらの信号歪みは、受信機で情報を回復する際にエラーを引き起こすことが多い。別の例として、これらの高周波を送信する、受信する、ルーティングする、および／またはその他の方法で使用することが可能なハードウェアは複雑で高価であり得るので、ワイヤレスネットワークデバイスにおける処理コストが増加する。

【発明の概要】

【0003】

概要
本明細書は、ディープニューラルネットワーク（ＤＮＮ）に関する基地局とユーザ機器とのメッセージングのための技術および装置を説明する。いくつかの局面において、ネットワークエンティティは、ワイヤレス通信システムを介して送信される通信を処理するためのＤＮＮについてのニューラルネットワーク（ＮＮ）形成構成を決定し、ＮＮ形成構成は、さらに説明するように、ニューラルネットワークアーキテクチャ構成および／またはパラメータ構成の任意の組み合わせを指定する。ネットワークエンティティは、実現例において、ＤＮＮについてのＮＮ形成構成の表示を含むメッセージを生成する。次に、ネットワークエンティティはメッセージをユーザ機器に送信して、ニューラルネットワーク形成構成を用いてＤＮＮを形成するように、かつワイヤレス通信システムを介して送信される通信をＤＮＮを用いて処理するようにユーザ機器に指示する。そうすることにより、ネットワークエンティティは、ワイヤレス通信システムにおける動作条件の変更を監視し、動作条件の変更に基づいてＤＮＮを決定することができるので、ワイヤレス通信システムにおける情報回復を改善することができる。

【0004】

ニューラルネットワーク形成構成（ＮＮ形成構成）を伝達するいくつかの局面は、ニューラルネットワークテーブルを利用する。ワイヤレス通信システムにおけるネットワークエンティティは、複数のＮＮ形成構成要素を含むニューラルネットワークテーブルをユーザ機器に送信し、複数のＮＮ形成構成要素の各ＮＮ形成構成要素は、ワイヤレス通信システムを介して送信される通信を処理するためのＤＮＮの少なくとも一部を構成する。次に、ネットワークエンティティは、複数のＮＮ形成構成要素から１つ以上のニューラルネットワーク形成構成要素を選択してＮＮ形成構成を作成し、表示をユーザ機器に送信して、ニューラルネットワーク形成構成を用いてディープニューラルネットワークを形成するように、かつディープニューラルネットワークを用いて通信を処理するようにユーザ機器に指示する。例示的な構成では、ネットワークエンティティは、選択されたＮＮ形成構成要素に対応するニューラルネットワークテーブルのインデックス値を求める。次に、ネットワークエンティティはインデックス値をユーザ機器に送信して、ＮＮ形成構成を用いてＤＮＮを形成するように、かつＤＮＮを用いて通信を処理するようにユーザ機器に指示する。ニューラルネットワークテーブルをユーザ機器に伝達することにより、ネットワークエンティティは、ＤＮＮを構成するために、限定ではなく例として、プーリングパラメータ、カーネルパラメータ、重み、および／または層パラメータなどのような個々のパラメータ構成を送信するのではなく、インデックス値をニューラルネットワークテーブルに送信することなどにより、動作条件の変更に応じてユーザ機器におけるＤＮＮを迅速に再構成することができる。これにより、ネットワークエンティティとユーザ機器との間のデータ送信が減少し、ユーザ機器の応答性が改善され、ワイヤレス通信システムにおける情報回復が改善される。

【0005】

いくつかの局面において、ワイヤレス通信システムに関連付けられたユーザ機器は、ワイヤレス通信システムを介して送信される通信を処理するためのＤＮＮについてのＮＮ形成構成を示すメッセージを受信する。次に、ユーザ機器は、メッセージにおいて示されているＮＮ形成構成を用いてＤＮＮを形成する。ユーザ機器は、基地局から通信を受信し、ＤＮＮを用いて通信を処理して、通信において送信された情報を抽出する。ユーザ機器は、ネットワークエンティティからの入力に基づいてＤＮＮを構成することにより、ワイヤレス通信システムにおける情報回復を改善することができる。

【0006】

いくつかの局面において、ワイヤレス通信システムにおけるユーザ機器は、ワイヤレス通信システムを介して送信される通信を処理するためのＤＮＮを構成する能力をユーザ機器に与える複数のＮＮ形成構成要素を含むニューラルネットワークテーブルを受信する。ユーザ機器は、複数のＮＮ形成構成要素のうちの１つ以上のニューラルネットワーク形成構成要素に基づくＮＮ形成構成を用いてＤＮＮを形成するようにユーザ機器に指示するメッセージを受信する。ユーザ機器は、ニューラルネットワークテーブルにアクセスして１つ以上のＮＮ形成構成要素を取得することにより、ＮＮ形成構成を用いてＤＮＮを形成し、ワイヤレス通信システムを介して送信される通信をＤＮＮを用いて処理する。ユーザ機器は、ニューラルネットワークテーブルを受信し、ニューラルネットワークテーブルを格納し、ニューラルネットワークテーブルにアクセスしてＤＮＮを構成することにより、ＤＮＮを再構成する指示に迅速に応答し、ワイヤレス通信システムにおける情報回復を改善することができる。

【0007】

ＤＮＮを用いた基地局とユーザ機器とのメッセージング、およびニューラルネットワーク形成構成の伝達の１つ以上の実現例の詳細を、添付の図面および以下の説明に記載する。その他の特徴および利点は、説明および図面ならびに請求項から明らかであろう。この概要は、詳細な説明および図面においてさらに記載する主題をもたらすために設けたものである。したがって、この概要は、不可欠な特徴を記載していると考えられるべきではなく、クレームされている主題の範囲を限定する目的で使用されるべきでもない。

【0008】

ディープニューラルネットワークに関する基地局とユーザ機器とのメッセージング、およびニューラルネットワーク形成構成の伝達の１つ以上の局面の詳細を以下で説明する。本明細書および図面において異なる例に使用される同一の参照番号は、同様の要素を示す。

【図面の簡単な説明】

【0009】

【図1】ディープニューラルネットワークを用いた基地局とユーザ機器とのメッセージングのさまざまな局面を実現することが可能な環境の一例を示す図である。

【図2】ディープニューラルネットワークを用いた基地局とユーザ機器とのメッセージングのさまざまな局面を実現することが可能なデバイスのデバイス図の一例を示す図である。

【図3】ディープニューラルネットワークを用いた基地局とユーザ機器とのメッセージングのさまざまな局面を実現することが可能なデバイスのデバイス図の一例を示す図である。

【図4】ディープニューラルネットワークを用いた基地局とユーザ機器とのメッセージングのさまざまな局面を実現することが可能な機械学習モジュールの一例を示す図である。

【図5】ワイヤレス通信システムを介して送信される通信を処理するためにデバイスによって利用される処理チェーンのブロック図の一例を示す図である。

【図6】複数のディープニューラルネットワークがワイヤレス通信システムにおいて利用される動作環境の一例を示す図である。

【図7】ニューラルネットワーク形成構成を用いてニューラルネットワークを構成するためのさまざまなデバイス間のトランザクション図の一例を示す図である。

【図8】ニューラルネットワーク形成構成を用いてニューラルネットワークを更新するためのさまざまなデバイス間のトランザクション図の一例を示す図である。

【図9-1】ニューラルネットワーク形成構成を用いてニューラルネットワークを構成するためのさまざまなデバイス間のトランザクション図の一例を示す図である。

【図9-2】ニューラルネットワーク形成構成を用いてニューラルネットワークを構成するためのさまざまなデバイス間のトランザクション図の一例を示す図である。

【図10】ワイヤレス通信システムを介して送信される通信を処理するためのニューラルネットワークを構成する方法の一例を示す図である。

【図11】ニューラルネットワーク形成構成に基づいてニューラルネットワークを形成する方法の一例を示す図である。

【図12】複数のニューラルネットワーク形成構成を生成する一例を示す図である。

【図13】ニューラルネットワーク形成構成を伝達するためのさまざまなデバイス間のトランザクション図の一例を示す図である。

【図14】ニューラルネットワーク形成構成を伝達するためのさまざまなネットワークエンティティ間のトランザクション図の一例を示す図である。

【図15】ニューラルネットワーク形成構成を伝達するためのさまざまなネットワークエンティティ間のトランザクション図の一例を示す図である。

【図16-1】候補ニューラルネットワーク形成構成セットを用いてニューラルネットワーク形成構成を伝達するための環境の一例を示す図である。

【図16-2】候補ニューラルネットワーク形成構成セットを用いてニューラルネットワーク形成構成を伝達するための環境の一例を示す図である。

【図17】ニューラルネットワーク形成構成を伝達するためのさまざまなネットワークエンティティ間のトランザクション図の一例を示す図である。

【図18】ワイヤレス通信システムを介してニューラルネットワーク形成構成を伝達する方法の一例を示す図である。

【図19】ワイヤレス通信システムを介してニューラルネットワーク形成構成を伝達する方法の一例を示す図である。

【発明を実施するための形態】

【0010】

詳細な説明
従来のワイヤレス通信システムでは、送信機および受信機処理チェーンは複雑な機能を含む。たとえば、処理チェーン内のチャネル推定ブロックは、送信環境が送信環境を伝搬する信号をどのように歪ませるかを推定または予測する。別の例として、チャネル等化器ブロックは、信号からチャネル推定ブロックによって識別された歪みを反転する。これらの複雑な機能は、６ＧＨｚ範囲内のまたはその周辺の５Ｇ周波数のような高周波数範囲を処理する際にさらに複雑になることが多い。たとえば、送信環境は、低周波数範囲と比べて高周波数範囲に大きい歪みを加えるので、情報回復がさらに複雑になる。別の例として、高周波数範囲を処理してルーティングすることが可能なハードウェアは、コスト増加および複雑な物理的制約を加えることが多い。

【0011】

ＤＮＮは、ワイヤレス通信システムで用いられる複雑な機能のような複雑な処理に対するソリューションを提供する。ＤＮＮを送信機および／または受信機処理チェーン動作で訓練することにより、ＤＮＮは、ワイヤレス通信信号のエンドツーエンド処理で用いられる従来の処理ブロックの一部または全てを置換すること、個々の処理チェーンブロックを置換することなどにより、従来の複雑な機能をさまざまな方法で置換することができる。また、さまざまなパラメータ構成（たとえば、係数、層接続、カーネルサイズ）を変更することなどによるＤＮＮの動的な再構成は、動作条件の変更に適応する能力を提供する。

【0012】

本明細書は、ワイヤレス通信システムにおける通信を処理し、動作条件の変更に応じてＤＮＮを動的に再構成するために使用することができる、ＤＮＮに関する基地局とユーザ機器とのメッセージング、およびＮＮ形成構成の伝達の局面を説明する。局面は、ワイヤレス通信システムにおいて動作するネットワークエンティティ（たとえば、基地局、コアネットワークサーバ、ユーザ機器）によって実現することができる。

【0013】

たとえば、ネットワークエンティティは、ワイヤレス通信システムを介して送信される通信を処理するためのＤＮＮについてのＮＮ形成構成を決定する。ここで、「を介して送信される」という表現は、ワイヤレス通信システムを介して送信すべき通信を生成すること（たとえば送信前通信を処理すること）、および／または、ワイヤレス通信システムを介して受信した通信を処理することを含む。したがって、「ワイヤレス通信システムを介して送信される通信を処理する」とは、送信を生成すること、受信した送信を処理すること、またはそれらの任意の組み合わせを含む。ネットワークエンティティは、実現例において、ＤＮＮについてのＮＮ形成構成の表示を含むメッセージを生成する。次に、ネットワークエンティティはメッセージをユーザ機器に送信して、ＮＮ形成構成を用いてＤＮＮを形成するように、かつワイヤレス通信システムを介して送信される通信をＤＮＮを用いて処理するようにユーザ機器に指示する。そうすることにより、ネットワークエンティティは、ワイヤレス通信システムにおける動作条件の変更を監視し、動作条件の変更に基づいてニューラルネットワークを更新することができるので、ワイヤレス通信システムにおける情報回復を改善することができる。

【0014】

いくつかの実現例において、ワイヤレス通信システムにおけるネットワークエンティティは、複数のＮＮ形成構成要素を含むニューラルネットワークテーブルをユーザ機器に送信し、複数のＮＮ形成構成要素の各ＮＮ形成構成要素は、ワイヤレス通信システムを介して送信される通信を処理するためのＤＮＮの少なくとも一部を構成する。次に、ネットワークエンティティは、複数のニューラルネットワーク形成構成要素から１つ以上のニューラルネットワーク形成構成要素を選択してニューラルネットワーク形成構成を作成し、表示をユーザ機器に送信して、ＮＮ形成構成を用いてＤＮＮを形成するように、かつＤＮＮを用いて通信を処理するようにユーザ機器に指示する。

【0015】

例示的な構成では、ネットワークエンティティは、選択されたＮＮ形成構成要素に対応するニューラルネットワークテーブルのインデックス値を求める。次に、ネットワークエンティティはインデックス値をユーザ機器に送信して、ＮＮ形成構成を用いてＤＮＮを形成するように、かつＤＮＮを用いて通信を処理するようにユーザ機器に指示する。ニューラルネットワークテーブルをユーザ機器に伝達することにより、ネットワークエンティティは、ＤＮＮを再構成するためにパラメータ構成を送信するのではなく、ニューラルネットワークテーブルのインデックス値をユーザ機器に送信することなどにより、動作条件の変更に応じてユーザ機器におけるＤＮＮを迅速に再構成することができる。これにより、ネットワークエンティティとユーザ機器との間のデータ送信が減少し、ユーザ機器の応答性が改善され、ワイヤレス通信システムにおける情報回復が改善される。

【0016】

いくつかの局面において、ワイヤレス通信システムに関連付けられたユーザ機器は、ワイヤレス通信システムを介して送信される通信を処理するためのＤＮＮについてのＮＮ形成構成を示すメッセージを受信する。次に、ユーザ機器は、メッセージにおいて示されているＮＮ形成構成を用いてＤＮＮを形成する。ユーザ機器は、基地局から通信を受信すると、ＤＮＮを用いて通信を処理することにより、通信において送信された情報を抽出する。ユーザ機器は、ネットワークエンティティからの入力に基づいてＤＮＮを構成することにより、ワイヤレス通信システムにおける情報回復を改善することができる。

【0017】

いくつかの局面において、ワイヤレス通信システムにおけるユーザ機器は、ワイヤレス通信システムを介して送信される通信を処理するためのＤＮＮを構成する能力をユーザ機器に与える複数のＮＮ形成構成要素を含むニューラルネットワークテーブルを受信する。ユーザ機器は、複数のＮＮ形成構成要素のうちの１つ以上のＮＮ形成構成要素に基づくＮＮ形成構成を用いてＤＮＮを形成するようにユーザ機器に指示するメッセージを受信する。次に、ユーザ機器は、ニューラルネットワークテーブルにアクセスしてＮＮ形成構成（たとえばＮＮ形成構成要素）を取得することによりＤＮＮを形成し、ワイヤレス通信システムを介して送信される通信をＤＮＮを用いて処理する。ユーザ機器は、ニューラルネットワークテーブルを受信し、ニューラルネットワークテーブルを格納し、ニューラルネットワークテーブルにアクセスしてＤＮＮを構成することにより、ＤＮＮを再構成する指示に迅速に応答し、ワイヤレス通信システムにおける情報回復を改善することができる。

【0018】

環境の例
図１は、ユーザ機器１１０（ＵＥ１１０）を含む一例としての環境１００を示す。ＵＥ１１０は、ワイヤレスリンク１３１および１３２として示されている１つ以上のワイヤレス通信リンク１３０（ワイヤレスリンク１３０）を介して基地局１２０（基地局１２１および１２２として示されている）と通信することができる。ＵＥ１１０は、単純にするためにスマートフォンとして実現されているが、移動体通信デバイス、モデム、セルラーフォン、ゲーミングデバイス、ナビゲーションデバイス、メディアデバイス、ラップトップコンピュータ、デスクトップコンピュータ、タブレットコンピュータ、スマートアプライアンス、車両ベースの通信システムのような任意の好適なコンピューティングもしくは電子デバイスとして実現されてもよく、または、センサもしくはアクチュエータのようなモノのインターネット（ＩｏＴ）デバイスとして実現されてもよい。基地局１２０（たとえば、進化型ユニバーサル地上無線アクセスネットワークノードＢ、Ｅ－ＵＴＲＡＮノードＢ、進化型ノードＢ、ｅＮｏｄｅＢ、ｅＮＢ、次世代ノードＢ、ｇＮｏｄｅＢ、ｇＮＢ、ｎｇ－ｅＮＢなど）は、マクロセル、マイクロセル、スモールセル、ピコセルなど、またはそれらの任意の組み合わせで実現されてもよい。

【0019】

基地局１２０は、任意の好適なタイプのワイヤレスリンクとして実現することができるワイヤレスリンク１３１および１３２を用いてユーザ機器１１０と通信する。ワイヤレスリンク１３１および１３２は、基地局１２０からユーザ機器１１０に伝達されるデータおよび制御情報のダウンリンク、ユーザ機器１１０から基地局１２０に伝達されるその他のデータおよび制御情報のアップリンク、またはこれら双方等の、制御およびデータ通信を含む。ワイヤレスリンク１３０は、第３世代パートナーシッププロジェクトロングタームエボリューション（３ＧＰＰ ＬＴＥ）、第５世代新無線（５Ｇ ＮＲ）などのような、任意の好適な１つの通信プロトコルもしくは規格または複数の通信プロトコルもしくは規格の組み合わせを用いて実現される、１つ以上のワイヤレスリンク（たとえば無線リンク）またはベアラ（bearer）を含み得る。複数のワイヤレスリンク１３０をキャリアアグリゲーションで集約することにより、ＵＥ１１０に対してより高いデータレートを提供してもよい。複数の基地局１２０からの複数のワイヤレスリンク１３０は、ＵＥ１１０との協調マルチポイント（ＣｏＭＰ）通信用に構成されてもよい。

【0020】

基地局１２０は全体として無線アクセスネットワーク１４０（たとえば、ＲＡＮ、進化型ユニバーサル地上無線アクセスネットワーク、Ｅ－ＵＴＲＡＮ、５Ｇ ＮＲ ＲＡＮまたはＮＲ ＲＡＮ）である。ＲＡＮ１４０における基地局１２１および１２２はコアネットワーク１５０に接続される。基地局１２１および１２２は、それぞれ１０２および１０４において、５Ｇコアネットワークに接続するときにはコントロールプレーンシグナリングのためにＮＧ２インターフェイスを介して、ユーザプレーンデータ通信のためにＮＧ３インターフェイスを用いてコアネットワーク１５０に接続され、または、進化型パケットコア（ＥＰＣ）ネットワークに接続するときにはコントロールプレーンシグナリングおよびユーザプレーンデータ通信のためにＳ１インターフェイスを用いてコアネットワーク１５０に接続される。基地局１２１および１２２は、１０６において、ユーザプレーンおよびコントロールプレーンデータをやり取りするために、Ｘｎアプリケーションプロトコル（ＸｎＡＰ）を用いてＸｎインターフェイスを介して、または、Ｘ２アプリケーションプロトコル（Ｘ２ＡＰ）を用いてＸ２インターフェイスを介して、通信することができる。ユーザ機器１１０は、コアネットワーク１５０を介してインターネット１６０等のパブリックネットワークに接続することにより、リモートサービス１７０とやり取りすることができる。

【0021】

デバイスの例
図２は、ユーザ機器１１０および基地局１２０のうちの１つの一例としてのデバイス図２００を示す。図３は、コアネットワークサーバ３０２の一例としてのデバイス図３００を示す。ユーザ機器１１０、基地局１２０、および／またはコアネットワークサーバ３０２は、明確にするために図２または図３では省略されているその他の機能およびインターフェイスを含み得る。

【0022】

ユーザ機器１１０は、ＲＡＮ１４０における基地局１２０と通信するために、アンテナ２０２と、無線周波数フロントエンド２０４（ＲＦフロントエンド２０４）と、ワイヤレストランシーバ（たとえばＬＴＥトランシーバ２０６および／または５Ｇ ＮＲトランシーバ２０８）とを含む。ユーザ機器１１０のＲＦフロントエンド２０４は、ＬＴＥトランシーバ２０６および５Ｇ ＮＲトランシーバ２０８をアンテナ２０２に結合または接続することにより、さまざまなタイプのワイヤレス通信を容易にすることができる。ユーザ機器１１０のアンテナ２０２は、互いに同じようにまたは異なるように構成された複数のアンテナのアレイを含み得る。アンテナ２０２およびＲＦフロントエンド２０４は、３ＧＰＰ ＬＴＥおよび５Ｇ ＮＲ通信規格によって規定されＬＴＥトランシーバ２０６および／または５Ｇ ＮＲトランシーバ２０８によって実現される１つ以上の周波数帯にチューニングされ得る、および／または、チューニング可能であり得る。さらに、アンテナ２０２、ＲＦフロントエンド２０４、ＬＴＥトランシーバ２０６および／または５Ｇ ＮＲトランシーバ２０８は、基地局１２０との通信の送受信のためにビームフォーミングをサポートするように構成されてもよい。限定ではなく一例として、アンテナ２０２およびＲＦフロントエンド２０４は、３ＧＰＰ ＬＴＥおよび５Ｇ ＮＲ通信規格によって規定されるサブギガヘルツ帯、サブ６ＧＨＺ帯、および／または６ＧＨｚを超える周波数帯で動作するように実現することができる。

【0023】

ユーザ機器１１０はまた、プロセッサ２１０およびコンピュータ読取可能記憶媒体２１２（ＣＲＭ２１２）を含む。プロセッサ２１０は、シリコン、ポリシリコン、高Ｋ誘電体、銅などのような各種材料からなるシングルコアプロセッサまたはマルチコアプロセッサであってもよい。本明細書に記載のコンピュータ読取可能記憶媒体は伝搬信号を除外する。ＣＲＭ２１２は、ユーザ機器１１０のデバイスデータ２１４を格納するために使用可能な、ランダムアクセスメモリ（ＲＡＭ）、スタティックＲＡＭ（ＳＲＡＭ）、ダイナミックＲＡＭ（ＤＲＡＭ）、不揮発性ＲＡＭ（ＮＶＲＡＭ）、読出専用メモリ（ＲＯＭ）、またはフラッシュメモリのような、任意の好適なメモリまたは記憶装置を含み得る。デバイスデータ２１４は、ユーザプレーン通信、コントロールプレーンシグナリング、およびユーザ機器１１０を用いたユーザのやり取りを可能にするためにプロセッサ２１０が実行可能な、ユーザデータ、マルチメディアデータ、ビームフォーミングコードブック、アプリケーション、ニューラルネットワークテーブル、および／またはユーザ機器１１０のオペレーティングシステムを含む。

【0024】

いくつかの実現例において、コンピュータ読取可能記憶媒体２１２は、限定ではなく例として、完全接続層ニューラルネットワークアーキテクチャ、畳み込み層ニューラルネットワークアーキテクチャ、リカレントニューラルネットワーク層、接続されている隠れニューラルネットワーク層の数、入力層アーキテクチャ、出力層アーキテクチャ、ニューラルネットワークが利用するノードの数、ニューラルネットワークが利用する係数（たとえば重みおよびバイアス）、カーネルパラメータ、ニューラルネットワークが利用するフィルタの数、ニューラルネットワークが利用するストライド／プーリング構成、各ニューラルネットワーク層の活性化関数、ニューラルネットワーク層間の相互接続、スキップすべきニューラルネットワーク層などを指定するパラメータのような、ニューラルネットワークを形成するさまざまなアーキテクチャおよび／またはパラメータ構成を格納するニューラルネットワークテーブル２１６を含む。したがって、ニューラルネットワークテーブル２１６は、ＤＮＮを規定および／または形成するＮＮ形成構成（たとえば１つ以上のＮＮ形成構成要素の組み合わせ）を作成するために使用可能なＮＮ形成構成要素（たとえばアーキテクチャおよび／またはパラメータ構成）の任意の組み合わせを含む。いくつかの実現例において、ニューラルネットワークテーブル２１６の単一のインデックス値は単一のＮＮ形成構成要素にマッピングする（たとえば１：１対応）。これに代えてまたはこれに加えて、ニューラルネットワークテーブル２１６の単一のインデックス値はＮＮ形成構成（たとえばＮＮ形成構成要素の組み合わせ）にマッピングする。いくつかの実現例において、ニューラルネットワークテーブルは、ＮＮ形成構成要素および／またはＮＮ形成構成ごとに入力特性を含み、これらの入力特性は、さらに説明するように、ＮＮ形成構成要素および／またはＮＮ形成構成を生成するために使用される訓練データに関するプロパティを記述する。

【0025】

いくつかの実現例において、ＣＲＭ２１２はまた、ユーザ機器ニューラルネットワークマネージャ２１８（ＵＥニューラルネットワークマネージャ２１８）を含み得る。これに代えてまたはこれに加えて、ＵＥニューラルネットワークマネージャ２１８は、ユーザ機器１１０の他のコンポーネントと統合されたまたはユーザ機器１１０の他のコンポーネントから分離されたハードウェアロジックまたは回路として、全体または一部が実現されてもよい。ＵＥニューラルネットワークマネージャ２１８は、インデックス値などによってニューラルネットワークテーブル２１６にアクセスし、ＮＮ形成構成によって指定されたＮＮ形成構成要素を用いてＤＮＮを形成する。実現例において、ＵＥニューラルネットワークマネージャは、ワイヤレス通信（たとえば、基地局１２０とやり取りされるダウンリンク通信および／またはアップリンク通信）を処理するために複数のＤＮＮを形成する。

【0026】

図２に示される基地局１２０のデバイス図は、単一のネットワークノード（たとえばｇＮｏｄｅＢ）を含む。基地局１２０の機能は、複数のネットワークノードまたはデバイスに分散されてもよく、本明細書に記載されている機能を実行するのに好適な任意の態様で分散されてもよい。基地局１２０は、ＵＥ１１０と通信するために、アンテナ２５２と、無線周波数フロントエンド２５４（ＲＦフロントエンド２５４）と、１つ以上のワイヤレストランシーバ（たとえば１つ以上のＬＴＥトランシーバ２５６および／または１つ以上の５Ｇ ＮＲトランシーバ２５８）とを含む。基地局１２０のＲＦフロントエンド２５４は、ＬＴＥトランシーバ２５６および５Ｇ ＮＲトランシーバ２５８をアンテナ２５２に結合または接続することにより、さまざまなタイプのワイヤレス通信を容易にすることができる。基地局１２０のアンテナ２５２は、互いに同じようにまたは異なるように構成された複数のアンテナのアレイを含み得る。アンテナ２５２およびＲＦフロントエンド２５４は、３ＧＰＰ ＬＴＥおよび５Ｇ ＮＲ通信規格によって規定されＬＴＥトランシーバ２５６および／または５Ｇ ＮＲトランシーバ２５８によって実現される１つ以上の周波数帯にチューニングされ得る、および／または、チューニング可能であり得る。さらに、アンテナ２５２、ＲＦフロントエンド２５４、ＬＴＥトランシーバ２５６および／または５Ｇ ＮＲトランシーバ２５８は、ＵＥ１１０との通信の送受信のためにＭａｓｓｉｖｅ－ＭＩＭＯなどのビームフォーミングをサポートするように構成されてもよい。

【0027】

基地局１２０はまた、プロセッサ２６０およびコンピュータ読取可能記憶媒体２６２（ＣＲＭ２６２）を含む。プロセッサ２６０は、シリコン、ポリシリコン、高Ｋ誘電体、銅などのような各種材料からなるシングルコアプロセッサまたはマルチコアプロセッサであってもよい。ＣＲＭ２６２は、基地局１２０のデバイスデータ２６４を格納するために使用可能な、ランダムアクセスメモリ（ＲＡＭ）、スタティックＲＡＭ（ＳＲＡＭ）、ダイナミックＲＡＭ（ＤＲＡＭ）、不揮発性ＲＡＭ（ＮＶＲＡＭ）、読出専用メモリ（ＲＯＭ）、またはフラッシュメモリのような、任意の好適なメモリまたは記憶装置を含み得る。デバイスデータ２６４は、ユーザ機器１１０との通信を可能にするためにプロセッサ２６０が実行可能な、ネットワークスケジューリングデータ、無線リソース管理データ、ビームフォーミングコードブック、アプリケーション、および／または基地局１２０のオペレーティングシステムを含む。

【0028】

ＣＲＭ２６２はまた、基地局マネージャ２６６を含む。これに代えてまたはこれに加えて、基地局マネージャ２６６は、基地局１２０の他のコンポーネントと統合されたまたは基地局１２０の他のコンポーネントから分離されたハードウェアロジックまたは回路として、全体または一部が実現されてもよい。少なくともいくつかの局面において、基地局マネージャ２６６は、ユーザ機器１１０との通信およびコアネットワーク１５０のようなコアネットワークとの通信のために、ＬＴＥトランシーバ２５６および５Ｇ ＮＲトランシーバ２５８を構成する。

【0029】

ＣＲＭ２６２はまた、基地局ニューラルネットワークマネージャ２６８（ＢＳニューラルネットワークマネージャ２６８）を含む。これに代えてまたはこれに加えて、ＢＳニューラルネットワークマネージャ２６８は、基地局１２０の他のコンポーネントと統合されたまたは基地局１２０の他のコンポーネントから分離されたハードウェアロジックまたは回路として、全体または一部が実現されてもよい。少なくともいくつかの局面において、ＢＳニューラルネットワークマネージャ２６８は、ＮＮ形成構成要素の組み合わせを選択することなどにより、ワイヤレス通信を処理するためのディープニューラルネットワークを構成するために基地局１２０および／またはＵＥ１１０が利用するＮＮ形成構成を選択する。いくつかの実現例において、ＢＳニューラルネットワークマネージャは、ＵＥ１１０からフィードバックを受信し、このフィードバックに基づいてニューラルネットワーク形成構成を選択する。これに代えてまたはこれに加えて、ＢＳニューラルネットワークマネージャ２６８は、コアネットワークインターフェイス２７６または基地局間インターフェイス２７４を介してコアネットワーク１５０の要素からニューラルネットワーク形成構成指示を受信し、これらのニューラルネットワーク形成構成指示をＵＥ１１０に転送する。

【0030】

ＣＲＭ２６２は、訓練モジュール２７０およびニューラルネットワークテーブル２７２を含む。実現例において、基地局１２０はＮＮ形成構成を管理し、ＵＥ１１０にＮＮ形成構成をデプロイする。これに代えてまたはこれに加えて、基地局１２０はニューラルネットワークテーブル２７２を維持する。訓練モジュール２７０は、既知の入力データを用いてＤＮＮに教示する、および／またはＤＮＮを訓練する。たとえば、訓練モジュール２７０は、ワイヤレス通信システムを介して送信される通信を処理する（たとえば、ダウンリンク通信を符号化する、ダウンリンク通信を変調する、ダウンリンク通信を復調する、ダウンリンク通信を復号化する、アップリンク通信を符号化する、アップリンク通信を変調する、アップリンク通信を復調する、アップリンク通信を復号化する）などのさまざまな目的でＤＮＮを訓練する。これは、ＤＮＮを、（たとえばＤＮＮが通信の処理にアクティブに関与していない間は）オフラインで、および／または（たとえばＤＮＮが通信の処理にアクティブに関与している間は）オンラインで訓練することを含む。

【0031】

実現例において、訓練モジュール２７０は、学習されたパラメータ構成をＤＮＮから抽出してＮＮ形成構成要素および／またはＮＮ形成構成を識別し、次に、ニューラルネットワークテーブル２７２においてＮＮ形成構成要素および／またはＮＮ形成構成を追加および／または更新する。抽出されたパラメータ構成は、ノード接続、係数、アクティブ層、重み、バイアス、プーリングなどのような、ニューラルネットワークの挙動を規定する情報の任意の組み合わせを含む。

【0032】

ニューラルネットワークテーブル２７２は、訓練モジュール２７０を用いて生成された複数の異なるＮＮ形成構成要素および／またはＮＮ形成構成を格納する。いくつかの実現例において、ニューラルネットワークテーブルは、ＮＮ形成構成要素および／またはＮＮ形成構成ごとに入力特性を含み、これらの入力特性は、ＮＮ形成構成要素および／またはＮＮ形成構成を生成するために使用される訓練データに関するプロパティを記述する。たとえば、入力特性は、限定ではなく例として、電力情報、信号対干渉プラス雑音比（ＳＩＮＲ）情報、チャネル品質指標（ＣＱＩ）情報、チャネル状態情報（ＣＳＩ）、ドップラーフィードバック、周波数帯、ブロック誤り率（ＢＬＥＲ）、クオリティ・オブ・サービス（ＱｏＳ）、ハイブリッド自動反復要求（ＨＡＲＱ）情報（たとえば、第１の伝送誤り率、第２の伝送誤り率、最大再送信数）、レイテンシ、無線リンク制御（ＲＬＣ）、自動反復要求（ＡＲＱ）メトリック、受信信号強度（ＲＳＳ）、アップリンクＳＩＮＲ、タイミング測定値、エラーメトリック、ＵＥ能力、ＢＳ能力、電力モード、インターネットプロトコル（ＩＰ）層スループット、エンドツーエンドレイテンシ、エンドツーエンドパケット損失率などを含む。したがって、入力特性は、レイヤ１、レイヤ２、および／またはレイヤ３メトリックを含むことがある。いくつかの実現例において、ニューラルネットワークテーブル２７２の単一のインデックス値は単一のＮＮ形成構成要素にマッピングする（たとえば１：１対応）。これに代えてまたはこれに加えて、ニューラルネットワークテーブル２７２の単一のインデックス値はＮＮ形成構成（たとえばＮＮ形成構成要素の組み合わせ）にマッピングする。

【0033】

実現例において、基地局１２０は、１つのニューラルネットワークテーブルに格納されているＮＮ形成構成要素および／または入力特性が第２のニューラルネットワークテーブルにおいて複製されるように、ニューラルネットワークテーブル２７２をニューラルネットワークテーブル２１６と同期させる。これに代えてまたはこれに加えて、基地局１２０は、１つのニューラルネットワークテーブルに格納されているＮＮ形成構成要素および／または入力特性が第２のニューラルネットワークテーブルにおいて相補的な機能を表す（たとえば、第１のニューラルネットワークテーブルにおける送信機経路処理のためのＮＮ形成構成要素、第２のニューラルネットワークテーブルにおける受信機経路処理のためのＮＮ形成構成要素）ように、ニューラルネットワークテーブル２７２をニューラルネットワークテーブル２１６と同期させる。

【0034】

基地局１２０はまた、Ｘｎおよび／またはＸ２インターフェイスのような基地局間インターフェイス２７４を含み、基地局マネージャ２６６は基地局間インターフェイス２７４を、他の基地局１２０とユーザプレーン、コントロールプレーン、および他の情報をやり取りして基地局１２０とユーザ機器１１０との通信を管理するように構成する。基地局１２０はコアネットワークインターフェイス２７６を含み、基地局マネージャ２６６はコアネットワークインターフェイス２７６を、コアネットワーク機能および／またはエンティティとユーザプレーン、コントロールプレーン、および他の情報をやり取りするように構成する。

【0035】

図３において、コアネットワークサーバ３０２は、コアネットワーク１５０における機能、エンティティ、サービス、および／またはゲートウェイの全てまたは一部を提供してもよい。コアネットワーク１５０における各機能、エンティティ、サービス、および／またはゲートウェイは、コアネットワーク１５０におけるサービスとして提供されてもよく、複数のサーバに分散されてもよく、または専用サーバ上で具体化されてもよい。たとえば、コアネットワークサーバ３０２は、ユーザプレーン機能（ＵＰＦ）、アクセスおよびモビリティ管理機能（ＡＭＦ）、サービングゲートウェイ（Ｓ－ＧＷ）、パケットデータネットワークゲートウェイ（Ｐ－ＧＷ）、モビリティ管理エンティティ（ＭＭＥ）、進化型パケットデータゲートウェイ（ｅＰＤＧ）などのサービスまたは機能の全てまたは一部を提供してもよい。コアネットワークサーバ３０２は、プロセッサ３０４およびコンピュータ読取可能記憶媒体３０６（ＣＲＭ３０６）を含む単一のサーバ上で具体化されるとして示されている。プロセッサ３０４は、シリコン、ポリシリコン、高Ｋ誘電体、銅などのような各種材料からなるシングルコアプロセッサまたはマルチコアプロセッサであってもよい。ＣＲＭ３０６は、コアネットワークサーバ３０２のデバイスデータ３０８を格納するのに有用な、ランダムアクセスメモリ（ＲＡＭ）、スタティックＲＡＭ（ＳＲＡＭ）、ダイナミックＲＡＭ（ＤＲＡＭ）、不揮発性ＲＡＭ（ＮＶＲＡＭ）、読出専用メモリ（ＲＯＭ）、ハードディスクドライブ、またはフラッシュメモリのような、任意の好適なメモリまたは記憶装置を含み得る。デバイスデータ３０８は、プロセッサ３０４が実行可能な、コアネットワーク機能もしくはエンティティ、および／またはコアネットワークサーバ３０２のオペレーティングシステムをサポートするためのデータを含む。

【0036】

ＣＲＭ３０６はまた、一実現例において（図示されるように）ＣＲＭ３０６上で具体化される１つ以上のコアネットワークアプリケーション３１０を含む。１つ以上のコアネットワークアプリケーション３１０は、ＵＰＦ、ＡＭＦ、Ｓ－ＧＷ、Ｐ－ＧＷ、ＭＭＥ、ｅＰＤＧなどのような機能を実行してもよい。これに代えてまたはこれに加えて、１つ以上のコアネットワークアプリケーション３１０は、コアネットワークサーバ３０２の他のコンポーネントと統合されたまたはコアネットワークサーバ３０２の他のコンポーネントから分離されたハードウェアロジックまたは回路として、全体または一部が実現されてもよい。

【0037】

ＣＲＭ３０６はまた、ＵＥ１１０と基地局１２０との間でやり取りされる通信を処理するために使用されるＮＮ形成構成を管理するコアネットワークニューラルネットワークマネージャ３１２を含む。いくつかの実現例において、コアネットワークニューラルネットワークマネージャ３１２は、（たとえば、基地局１２０によって報告されるような、他の無線アクセスポイントによって報告されるような、（基地局または他の無線アクセスポイントを介して）ＵＥ１１０によって報告されるような）現在の信号チャネル条件、基地局１２０における能力（たとえば、アンテナ構成、セル構成、ＭＩＭＯ能力、無線能力、処理能力）、ＵＥ１１０の能力（たとえば、アンテナ構成、ＭＩＭＯ能力、無線能力、処理能力）などのような、さまざまなパラメータを分析する。たとえば、基地局１２０は、ＵＥとの通信中にさまざまなパラメータを取得し、これらのパラメータをコアネットワークニューラルネットワークマネージャ３１２に転送する。コアネットワークニューラルネットワークマネージャは、これらのパラメータに基づいて、通信を処理するＤＮＮの精度を改善するＮＮ形成構成を選択する。精度を改善するとは、別のＮＮ形成構成を用いて構成されたニューラルネットワークと比べてニューラルネットワークによって生成されるビット誤りが低下するなどの、出力の精度の改善を意味する。次に、コアネットワークニューラルネットワークマネージャ３１２は、選択されたＮＮ形成構成を基地局１２０および／またはＵＥ１１０に伝達する。実現例において、コアネットワークニューラルネットワークマネージャ３１２は、基地局１２０からＵＥおよび／またはＢＳフィードバックを受信し、このフィードバックに基づいて、更新されたＮＮ形成構成を選択する。

【0038】

ＣＲＭ３０６は、訓練モジュール３１４およびニューラルネットワークテーブル３１６を含む。実現例において、コアネットワークサーバ３０２はＮＮ形成構成を管理し、ＵＥ１１０および基地局１２０のようなワイヤレス通信システム内の複数のデバイスにＮＮ形成構成をデプロイする。これに代えてまたはこれに加えて、コアネットワークサーバはニューラルネットワークテーブル３１６をＣＲＭ３０６の外部に維持する。訓練モジュール３１４は、既知の入力データを用いてＤＮＮに教示する、および／またはＤＮＮを訓練する。たとえば、訓練モジュール３１４は、ワイヤレス通信システムを介して送信される異なるタイプのパイロット通信を処理するようにＤＮＮを訓練する。これは、ＤＮＮをオフラインおよび／またはオンラインで訓練することを含む。実現例において、訓練モジュール３１４は、学習されたＮＮ形成構成および／または学習されたＮＮ形成構成要素をＤＮＮから抽出し、これらの学習されたＮＮ形成構成要素をニューラルネットワークテーブル３１６に格納する。したがって、ＮＮ形成構成は、ＤＮＮの挙動を規定するまたはＤＮＮの挙動に影響を与えるアーキテクチャ構成（たとえば、ノード接続、層接続）および／またはパラメータ構成（たとえば、重み、バイアス、プーリング）の任意の組み合わせを含む。いくつかの実現例において、ニューラルネットワークテーブル３１６の単一のインデックス値は単一のＮＮ形成構成要素にマッピングする（たとえば１：１対応）。これに代えてまたはこれに加えて、ニューラルネットワークテーブル３１６の単一のインデックス値はＮＮ形成構成（たとえばＮＮ形成構成要素の組み合わせ）にマッピングする。

【0039】

いくつかの実現例において、コアネットワークニューラルネットワークマネージャ３１２の訓練モジュール３１４は、ＵＥ１１０のニューラルネットワークテーブル２１６および／または基地局１２１のニューラルネットワークテーブル２７２に格納されているＮＮ形成構成および／またはＮＮ形成構成要素に相補的なＮＮ形成構成および／またはＮＮ形成構成要素を生成する。一例として、訓練モジュール３１４は、ニューラルネットワークテーブル２７２および／またはニューラルネットワークテーブル２１６を生成するために使用されるアーキテクチャおよび／またはパラメータ構成の中程度の変化および／または小さい変化と比べてアーキテクチャおよび／またはパラメータ構成の変化が大きいＮＮ形成構成および／またはＮＮ形成構成要素を用いて、ニューラルネットワークテーブル３１６を生成する。たとえば、訓練モジュール３１４によって生成されるＮＮ形成構成および／またはＮＮ形成構成要素は、完全接続層、フルカーネルサイズ、頻繁なサンプリングおよび／またはプーリング、高い重み付け精度などに対応する。したがって、ニューラルネットワークテーブル３１６は、処理の複雑さおよび／または時間が増加するトレードオフとして高精度ニューラルネットワークを含むことがある。

【0040】

訓練モジュール２７０によって生成されるＮＮ形成構成および／またはＮＮ形成構成要素は、訓練モジュール３１４によって生成されるＮＮ形成構成および／またはＮＮ形成構成要素と比べて、より固定されたアーキテクチャおよび／またはパラメータ構成（たとえば、固定された接続層、固定されたカーネルサイズなど）、ならびにより小さい変化を有することがある。たとえば、訓練モジュール２７０は、訓練モジュール３１４によって生成されるＮＮ形成構成と比べて合理化されたＮＮ形成構成（たとえば、より速い計算時間、より少ないデータ処理）を生成することにより、基地局１２１および／またはＵＥ１１０におけるエンドツーエンドネットワーク通信の性能を最適化または改善する。これに代えてまたはこれに加えて、ＵＥ１１０のニューラルネットワークテーブル２１６に格納されているＮＮ形成構成および／またはＮＮ形成構成要素は、ニューラルネットワークテーブル３１６および／またはニューラルネットワークテーブル２７２に格納されているＮＮ形成構成および／またはＮＮ形成構成要素と比べて、より固定されたアーキテクチャおよび／またはパラメータ構成を含み、これにより、基地局１２１および／またはコアネットワークサーバ３０２と比べて、ＵＥ１１０における要件が減少する（たとえば、計算速度、データ処理点の減少、計算の減少、電力消費の減少など）。実現例において、各ニューラルネットワークにおける固定された（または柔軟な）アーキテクチャおよび／またはパラメータ構成の変化は、対応するＤＮＮを形成することをターゲットとしているデバイスの処理リソース（たとえば、処理能力、メモリ制約、量子化制約（たとえば８ビット対１６ビット）、固定小数点対浮動小数点計算、電力可用性）に基づいている。したがって、コアネットワークサーバまたは基地局と比べて処理リソースが少ないＵＥまたはアクセスポイントは、使用可能な処理リソースに対して最適化されたＮＮ形成構成を受信する。

【0041】

ニューラルネットワークテーブル３１６は、訓練モジュール３１４を用いて生成された複数の異なるＮＮ形成構成要素を格納する。いくつかの実現例において、ニューラルネットワークテーブルは、ＮＮ形成構成要素および／またはＮＮ形成構成ごとに入力特性を含み、これらの入力特性は、ＮＮ形成構成を生成するために使用される訓練データに関するプロパティを記述する。たとえば、入力特性は、電力情報、ＳＩＮＲ情報、ＣＱＩ、ＣＳＩ、ドップラーフィードバック、ＲＳＳ、エラーメトリック、最小のエンドツーエンド（Ｅ２Ｅ）レイテンシ、所望のＥ２Ｅレイテンシ、Ｅ２Ｅ ＱｏＳ、Ｅ２Ｅスループット、Ｅ２Ｅパケット損失率、サービスコストなどを含み得る。

【0042】

コアネットワークサーバ３０２はまた、コアネットワーク１５０、基地局１２０、またはＵＥ１１０における他の機能またはエンティティとユーザプレーン、コントロールプレーン、および他の情報を伝達するためのコアネットワークインターフェイス３１８を含む。実現例において、コアネットワークサーバ３０２は、コアネットワークインターフェイス３１８を用いてＮＮ形成構成を基地局１２０に伝達する。コアネットワークサーバ３０２は、これに代えてまたはこれに加えて、基地局１２０および／またはＵＥ１１０から、基地局１２０を経由して、コアネットワークインターフェイス３１８を用いてフィードバックを受信する。

【0043】

ディープニューラルネットワークを用いた基地局とユーザ機器とのメッセージングに利用可能な環境の一例およびデバイスの一例について説明してきたが、１つ以上の実現例に係る構成可能な機械学習モジュールについてここで説明する。

【0044】

構成可能な機械学習モジュール
図４は、一例としての機械学習モジュール４００を示す。機械学習モジュール４００は、データ内のパターンを学習して識別する一組の適応アルゴリズムを実行する。機械学習モジュール４００は、ソフトウェア、ハードウェア、および／またはファームウェアの任意の組み合わせを用いて実現することができる。

【0045】

図４において、機械学習モジュール４００は、３つ以上の層に編成される接続ノード（たとえばニューロンおよび／またはパーセプトロン）のグループを有するディープニューラルネットワーク４０２（ＤＮＮ４０２）を含む。これらの層間ノードは、第１の層内のノードの第１のサブセットが第２の層内のノードの第２のサブセットに接続される部分接続構成、第１の層内の各ノードが第２の層内の各ノードに接続される完全接続構成などのような、さまざまな方法で構成可能である。ニューロンは、入力データを処理して、０から１の間の任意の実数のような連続出力値を生成する。場合によっては、この出力値は、入力データが所望のカテゴリにどれだけ近いかを示す。パーセプトロンは、入力データに対してバイナリ分類のような線形分類を実行する。ノードは、ニューロンであるかパーセプトロンであるかにかかわらず、各種アルゴリズムを用いることにより適応学習に基づいて出力情報を生成することができる。機械学習モジュール４００は、ＤＮＮを用いて、単純線形回帰、多重線形回帰、ロジスティック回帰、ステップワイズ回帰、バイナリ分類、マルチクラス分類、多変量適応回帰スプライン、局所推定散布図平滑化などを含む、さまざまな異なる種類の分析を実行する。

【0046】

いくつかの実現例において、機械学習モジュール４００は教師あり学習に基づいて適応的に学習する。教師あり学習では、機械学習モジュールはさまざまな種類の入力データを訓練データとして受信する。機械学習モジュールは訓練データを処理して、入力を所望の出力にどのようにマッピングさせるかを学習する。一例として、機械学習モジュール４００は、信号のデジタルサンプルを入力データとして受信し、これらの信号サンプルを信号内に埋め込まれた情報を反映するバイナリデータにどのようにマッピングさせるかを学習する。別の例として、機械学習モジュール４００は、バイナリデータを入力データとして受信し、このバイナリデータを信号内に埋め込まれたこのバイナリデータを有する信号のデジタルサンプルにどのようにマッピングさせるかを学習する。訓練手順の間、機械学習モジュール４００は、ラベル付きデータまたは既知のデータをＤＮＮへの入力として使用する。ＤＮＮは、ノードを用いて入力を分析し、対応する出力を生成する。機械学習モジュール４００は、対応する出力を真理データと比較し、ノードによって実行されるアルゴリズムを出力データの精度を改善するように適合させる。その後、ＤＮＮは、適合させたアルゴリズムをラベルなし入力データに適用して、対応する出力データを生成する。

【0047】

機械学習モジュール４００は、統計分析および／または適応学習を用いて入力を出力にマッピングする。たとえば、機械学習モジュール４００は、訓練データから学習された特性を用いて、未知の入力を、閾値範囲内または閾値内にある可能性が統計的に高い出力と相関付ける。これにより、機械学習モジュール４００は複雑な入力を受信して対応する出力を識別することができる。いくつかの実現例は、ワイヤレス通信システムを介して送信される通信の特性（たとえば、時間／周波数インターリーブ、時間／周波数デインターリーブ、畳み込み符号化、畳み込み復号化、電力レベル、チャネル等化、符号間干渉、直交振幅変調／復調、周波数分割多重化／逆多重化、送信チャネル特性）で機械学習モジュール４００を訓練する。これにより、訓練された機械学習モジュール４００は、ユーザ機器で受信したダウンリンク信号のサンプルのような信号のサンプルを入力として受信し、ダウンリンク信号に埋め込まれたバイナリデータのような情報をダウンリンク信号から回復することができる。

【0048】

図４において、ＤＮＮは、入力層４０４と、出力層４０６と、これらの入力層と出力層との間に位置する１つ以上の隠れ層４０８とを含む。各層は任意の数のノードを有し、層間ノードの数は同じであっても異なっていてもよい。言い換えれば、入力層４０４は出力層４０６のノードと同じ数のおよび／または異なる数のノードを有することができ、出力層４０６は隠れ層４０８のノードと同じ数のおよび／または異なる数のノードを有することができる、などである。

【0049】

ノード４１０は、入力層４０４に含まれるいくつかのノードのうちの１つに対応し、これらのノードは互いに独立した計算を実行する。さらに説明するように、ノードは入力データを受信し、この入力データをアルゴリズムを用いて処理して出力データを生成する。アルゴリズムは、適応学習に基づいて変化する重みおよび／または係数を含むことがある。したがって、重みおよび／または係数は、ニューラルネットワークによって学習された情報を反映する。各ノードは、場合によっては、処理済の入力データを次のノードに渡すか否かを判断することができる。説明すると、ノード４１０は、入力データを処理した後、処理済の入力データを隠れ層４０８のノード４１２および／またはノード４１４に渡すか否かを判断することができる。これに代えてまたはこれに加えて、ノード４１０は処理済の入力データを層接続アーキテクチャに基づいてノードに渡す。このプロセスは、ＤＮＮが出力層４０６のノードを用いて出力を生成するまで、複数の層にわたって繰り返すことができる。

【0050】

ニューラルネットワークはまた、ニューラルネットワーク内のどのノードが接続されるか、ニューラルネットワーク内でデータがどのように進められるかおよび／または保持されるか、入力データを処理するためにどの重みおよび係数が使用されるか、どのようにデータが処理されるか、などを決定する各種アーキテクチャを採用することができる。これらのさまざまな要因は全体としてＮＮ形成構成を記述する。説明すると、長短記憶（ＬＳＴＭ）ニューラルネットワークのようなリカレントニューラルネットワークは、入力データシーケンスの前の部分からの情報を保持するためにノード接続間にサイクルを形成する。次に、リカレントニューラルネットワークは、保持された情報を入力データシーケンスの後の部分に使用する。別の例として、フィードフォワードニューラルネットワークは、情報を保持するためのサイクルを形成することなく情報をフォワード接続に渡す。ノード接続の文脈で説明したが、ＮＮ形成構成は、ニューラルネットワークが入力データをどのように処理するかに影響を与える各種パラメータ構成を含み得ることが理解されるはずである。

【0051】

ニューラルネットワークのＮＮ形成構成は、さまざまなアーキテクチャおよび／またはパラメータ構成によって特徴付けることができる。説明のために、ＤＮＮが畳み込みニューラルネットワークを実現する例について考える。一般的に、畳み込みニューラルネットワークは、層が畳み込み演算を用いてデータを処理して入力データをフィルタリングするＤＮＮの一種に対応する。したがって、畳み込みＮＮ形成構成は、限定ではなく例として、プーリングパラメータ、カーネルパラメータ、重み、および／または層パラメータを用いて特徴付けることができる。

【0052】

プーリングパラメータは、入力データの次元を減少させる畳み込みニューラルネットワーク内のプーリング層を指定するパラメータに対応する。説明すると、プーリング層は、第１の層におけるノードの出力を組み合わせて第２の層におけるノード入力にすることができる。これに代えてまたはこれに加えて、プーリングパラメータは、ニューラルネットワークがどのように、かつデータ処理層のどこでデータをプールするかを指定する。たとえば、「最大プーリング」を示すプーリングパラメータは、ニューラルネットワークを、第１の層のノードによって生成されたデータのグループ分けから最大値を選択することによってプールしてその最大値を第２の層の単一のノードへの入力として使用するように構成する。「平均プーリング」を示すプーリングパラメータは、ニューラルネットワークを、第１の層のノードによって生成されたデータのグループ分けから平均値を生成してその平均値を第２の層の単一のノードへの入力として使用するように構成する。

【0053】

カーネルパラメータは、入力データを処理する際に使用すべきフィルタサイズ（たとえば幅および高さ）を示す。これに代えてまたはこれに加えて、カーネルパラメータは、入力データをフィルタリングして処理する際に使用されるカーネル法の種類を指定する。たとえば、サポートベクターマシンは、回帰分析を用いてデータを識別および／または分類するカーネル法に対応する。他の種類のカーネル法として、ガウス過程、正準相関分析、スペクトルクラスタリング法などがある。したがって、カーネルパラメータは、ニューラルネットワークにおいて適用すべきフィルタサイズおよび／またはカーネル法の種類を示すことができる。

【0054】

重みパラメータは、入力データを分類するためにノード内でアルゴリズムによって使用される重みおよびバイアスを指定する。実現例において、重みおよびバイアスは、訓練データから生成されたパラメータ構成のような学習されたパラメータ構成である。

【0055】

層パラメータは、第１の層（たとえば出力層４０６）内の全てのノードを第２の層（たとえば隠れ層４０８）内の全てのノードに接続することを示す完全接続層タイプ、第１の層内のどのノードを第２の層から切断するか示す部分接続層タイプ、ニューラルネットワーク内でどのフィルタおよび／または層を活性化すべきかを示す活性化層タイプなどのような、層接続および／または層タイプを指定する。これに代えてまたはこれに加えて、層パラメータは、正規化層タイプ、畳み込み層タイプ、プーリング層タイプなどのような、ノード層のタイプを指定する。

【0056】

プーリングパラメータ、カーネルパラメータ、重みパラメータ、および層パラメータの文脈で説明したが、クレームされている主題の範囲から逸脱することなく他のパラメータ構成を用いてＤＮＮを形成可能であることが理解されるはずである。したがって、ＮＮ形成構成は、ＤＮＮがどのように入力データを処理して出力データを生成するかに影響を与えるＤＮＮに適用可能な任意の好適な種類の構成パラメータを含み得る。

【0057】

いくつかの実現例は、現在の動作環境に基づいて機械学習モジュール４００を構成する。説明のために、信号のデジタルサンプルからバイナリデータを生成するように訓練された機械学習モジュールについて考える。送信環境は、送信環境を通る信号の特性をしばしば変更する。送信環境はしばしば変化し、この変化は環境が信号をどのように変更するかに影響を与える。たとえば、第１の送信環境は第１の態様で信号を変更するのに対して、第２の送信環境は第１の態様とは異なる態様で信号を変更する。これらの違いは、機械学習モジュールによって生成される出力結果の精度に影響を与える。たとえば、第１の送信環境を介して送信される通信を処理するように構成されたニューラルネットワークは、第２の送信環境を介して送信される通信を処理する際にエラー（たとえば閾値を超えるビット誤り）を引き起こすことがある。

【0058】

さまざまな実現例は、異なる送信環境に対してＮＮ形成構成および／またはＮＮ形成構成要素（たとえばさまざまなアーキテクチャおよび／またはパラメータ構成）を生成して格納する。たとえば、基地局１２０および／またはコアネットワークサーバ３０２は、ＢＳニューラルネットワークマネージャ２６８、訓練モジュール２７０、コアネットワークニューラルネットワークマネージャ３１２、および／または訓練モジュール３１４の任意の組み合わせを用いて機械学習モジュール４００を訓練する。この訓練は、アクティブな通信のやり取りが行われていないときはオフラインで行うことができ、またはアクティブな通信のやり取りの間はオンラインで行うことができる。たとえば、基地局１２０および／またはコアネットワークサーバ３０２は、訓練データを数学的に生成することができる、訓練データを格納するファイルにアクセスすることができる、実世界の通信データを取得することができる、などである。次に、基地局１２０および／またはコアネットワークサーバ３０２は、学習されたさまざまなＮＮ形成構成を抽出してニューラルネットワークテーブルに格納する。いくつかの実現例は、各ＮＮ形成構成とともに入力特性を格納し、これらの入力特性は、それぞれのＮＮ形成構成に対応する送信環境のさまざまなプロパティを記述する。実現例において、ニューラルネットワークマネージャは、現在の送信環境および／または現在の動作環境を入力特性と突き合わせることにより、ＮＮ形成構成および／またはＮＮ形成構成要素を選択する。

【0059】

構成可能な機械学習モジュールについて説明してきたが、１つ以上の実現例に係るワイヤレス通信システムにおけるディープニューラルネットワークについてここで説明する。

【0060】

ワイヤレス通信システムにおけるディープニューラルネットワーク
ワイヤレス通信システムは、図１の一例としての環境１００、図２の一例としてのデバイス図２００、および図３の一例としてのデバイス図３００を参照して説明したさまざまなデバイスおよびモジュールのような、複雑な各種コンポーネントおよび／または機能を含む。いくつかの実現例において、ワイヤレス通信システムに参加するデバイスは、ワイヤレス接続を介した情報のやり取りを可能にするために一連の機能を連鎖させる。

【0061】

実証するために、一例としてのブロック図５００および一例としてのブロック図５０２を示す図５についてここで考える。これらのブロック図の各々は、ワイヤレス通信システム内のデバイスによって利用される処理チェーンの一例を示す。これらのブロック図は、単純にするために高レベルの機能を示しており、これらのブロック図は、明確にするために図５では省略されているその他の機能を含み得ることが理解されるはずである。

【0062】

図５の上部において、ブロック図５００は送信機ブロック５０４および受信機ブロック５０６を含む。送信機ブロック５０４は、上から下に進む送信機処理チェーンを含む。送信機処理チェーンは入力データで開始し、入力データは符号化段階に進んだ後、変調段階に進み、次に無線周波数（ＲＦ）アナログ送信（Ｔｘ）段階に進む。符号化段階は、ワイヤレス通信システムを介してデータを送信するためにデバイスによって採用される任意の種類および数の符号化段階を含み得る。

【0063】

説明すると、符号化段階の一例は、バイナリデータを入力として受信し、さまざまな符号化アルゴリズムを用いてバイナリデータを処理して、フレーム情報のような情報をバイナリデータに追加する。これに代えてまたはこれに加えて、符号化段階は、受信機における情報回復を助けるための冗長性を追加する前方誤り訂正を適用することなどにより、バイナリデータを変換する。別の例として、符号化段階はバイナリデータをシンボルに変換する。

【0064】

変調段階の一例は、符号化段階によって生成された出力を入力として受信し、この入力を信号上に埋め込む。たとえば、変調段階は、符号化段階からの入力に埋め込まれた信号のデジタルサンプルを生成する。したがって、送信機ブロック５０４において、符号化段階および変調段階は、畳み込み符号化、シリアル－パラレル変換、サイクリックプレフィックス挿入、チャネルコーディング、時間／周波数インターリーブなどのようなより低レベルの複雑な機能をしばしば含む、高レベルの送信機処理チェーンを表す。ＲＦアナログＴｘ段階は、変調段階からの出力を受信し、この変調段階の出力に基づいてアナログＲＦ信号を生成し、このアナログＲＦ信号を受信機ブロック５０６に送信する。

【0065】

受信機ブロック５０６は、受信機処理チェーンを用いてトランシーバブロック５０４に対して相補的な処理を実行する。受信機ブロック５０６に示されている受信機処理チェーンは上から下へ進み、ＲＦアナログ受信（Ｒｘ）段階、ならびにそれに続く復調段階および復号化段階を含む。

【0066】

ＲＦアナログＲｘ段階は、送信機ブロック５０４によって送信された信号を受信し、復調段階によって使用される入力を生成する。一例として、ＲＦアナログＲｘ段階は、受信信号のサンプルを生成するためにダウンコンバージョンコンポーネントおよび／またはアナログ－デジタルコンバータ（ＡＤＣ）を含む。復調段階は、ＲＦアナログＲｘ段階からの入力を処理して、信号上に埋め込まれたデータ（たとえば送信機ブロック５０４の変調段階によって埋め込まれたデータ）を抽出する。たとえば、復調段階はシンボルおよび／またはバイナリデータを回復する。

【0067】

復号化段階は、回復されたシンボルおよび／またはバイナリデータのような入力を復調段階から受信し、この入力を処理して送信情報を回復する。説明すると、復号化段階は、送信機ブロックにおいて適用される前方誤り訂正に基づいてデータエラーを訂正する、フレームおよび／またはスロットからペイロードデータを抽出する、などである。このように、復号化段階は回復情報を生成する。

【0068】

上述のように、送信機ブロック５０４および受信機ブロック５０６によって示されている送信機および受信機処理チェーンは、明確にするために簡略化されており、複数の複雑なモジュールを含み得る。これらの複雑なモジュールは、特定の機能および／または条件に特有である場合がある。たとえば、直交周波数分割変調（ＯＦＤＭ）送信を処理する受信機処理チェーンについて考える。ＯＦＤＭ送信からの情報を回復するために、受信機ブロックは複数の処理ブロックをしばしば含み、これら処理ブロックの各々は、受信信号の歪みを補正する等化ブロック、散乱、電力減衰などが送信に与える影響を識別するために送信チャネルプロパティを推定するチャネル推定ブロックなどのように、特定の機能に専用である。６ＧＨｚ帯の周波数のような高周波では、これらのブロックは計算的におよび／または金銭的に高価であり得る（たとえば、かなりの処理能力を必要とし得る、高価なハードウェアを必要とし得る）。さらに、所望の閾値内の精度で出力を生成するブロックを実現するには、さらに特有で柔軟性に劣るコンポーネントが必要であることが多い。説明すると、６ＧＨｚ帯の信号に対して機能する等化ブロックは、他の周波数帯では同じ精度で動作しない場合があるため、異なる帯域には異なる等化ブロックが必要となり、対応するデバイスがさらに複雑になる。

【0069】

いくつかの実現例は、送信および／または受信機処理チェーンにＤＮＮを含む。ブロック図５０２において、送信機ブロック５０８は送信機処理チェーンに１つ以上のディープニューラルネットワーク５１０（ＤＮＮ５１０）を含むのに対して、受信機ブロック５１２は受信機処理チェーンに１つ以上のディープニューラルネットワーク５１４（ＤＮＮ５１４）を含む。

【0070】

送信機ブロック５０８内のＤＮＮ５１０は、単純にするために送信機ブロック５０４の符号化段階および変調段階に対応する。しかしながら、ＤＮＮは、送信機処理チェーン内に見られる任意の高レベルおよび／または低レベル動作を実行可能であることが理解されるはずである。たとえば、第１のＤＮＮは低レベルの送信機側の前方誤り訂正を実行し、第２のＤＮＮは低レベルの送信機側の畳み込み符号化を実行する、などである。これに代えてまたはこれに加えて、ＤＮＮ５１０は、送信機ブロック５０８の符号化段階および変調段階に対応するエンドツーエンド処理のような高レベル処理を実行する。

【0071】

同様に、受信機ブロック５１２内のＤＮＮ５１４は、受信機処理チェーン機能（たとえば、復調段階、復号化段階）を実行する。ＤＮＮ５１４は、低レベルの受信機側のビット誤り訂正、低レベルの受信機側のシンボル回復、高レベルのエンドツーエンド復調および復号化などのような、受信機処理チェーン内に見られる任意の高レベルおよび／または低レベル動作を実行可能である。したがって、ワイヤレス通信システム内のＤＮＮは、送信機および受信機処理チェーンにおける高レベル動作および／または低レベル動作を置換するように構成可能である。高レベル動作および／または低レベル動作を実行するＤＮＮは、さらに説明するように、現在の動作環境に基づいて構成および／または再構成可能な場合もある。これによって、さらに特有で柔軟性に劣るコンポーネントと比べて、さらなる柔軟性および適応性が処理チェーンに与えられる。

【0072】

いくつかの実現例は、ワイヤレス通信システムを介した通信のやり取りを複数のＤＮＮを用いて処理し、各ＤＮＮはそれぞれの目的（たとえば、アップリンク処理、ダウンリンク処理、アップリンク符号化処理、ダウンリンク復号化処理など）を有する。実証するために、ＵＥ１１０および基地局１２１を含む一例としての動作環境６００を示す図６についてここで考える。ＵＥ１１０および基地局１２１は、複数のＤＮＮを用いて通信を処理することにより、ワイヤレス通信システムを介して互いに通信をやり取りする。

【0073】

図６において、基地局１２１の基地局ニューラルネットワークマネージャ２６８は、ＵＥ１１０に送信されるダウンリンク通信を生成するためなどの、ダウンリンク通信を処理するためのダウンリンク処理モジュール６０２を含む。説明のために、基地局ニューラルネットワークマネージャ２６８は、さらに説明するようにＮＮ形成構成を用いてダウンリンク処理モジュール６０２においてディープニューラルネットワーク６０４（ＤＮＮ６０４）を形成する。いくつかの例では、ＤＮＮ６０４は図５のＤＮＮ５１０に対応する。言い換えれば、ＤＮＮ６０４は、ダウンリンク通信を生成するために使用される送信機処理機能の一部または全てを実行する。

【0074】

同様に、ＵＥ１１０のＵＥニューラルネットワークマネージャ２１８はダウンリンク処理モジュール６０６を含み、ダウンリンク処理モジュール６０６は、（受信した）ダウンリンク通信を処理するためのディープニューラルネットワーク６０８（ＤＮＮ６０８）を含む。さまざまな実現例において、ＵＥニューラルネットワークマネージャ２１８はＮＮ形成構成を用いてＤＮＮ６０８を形成する。図６において、ＤＮＮ６０８は図５のＤＮＮ５１４に対応し、ＵＥ１１０のディープニューラルネットワーク６０６は、（受信した）ダウンリンク通信についての一部または全ての受信機処理機能を実行する。したがって、ＤＮＮ６０４およびＤＮＮ６０８は互いに相補的な処理（たとえば、符号化／復号化、変調／復調）を実行する。

【0075】

ＤＮＮ６０４および／またはＤＮＮ６０８は複数のディープニューラルネットワークを含むことができ、各ＤＮＮは、それぞれのチャネル、それぞれの目的などに専用である。一例として、基地局１２１は、ＤＮＮ６０４の第１のＤＮＮを用いてダウンリンク制御チャネル情報を処理する、ＤＮＮ６０４の第２のＤＮＮを用いてダウンリンクデータチャネル情報を処理する、などである。別の例として、ＵＥ１１０は、ＤＮＮ６０８の第１のＤＮＮを用いてダウンリンク制御チャネル情報を処理する、ＤＮＮ６０８の第２のＤＮＮを用いてダウンリンクデータチャネル情報を処理する、などである。

【0076】

基地局１２１および／またはＵＥ１１０はまた、ＤＮＮを用いてアップリンク通信を処理する。環境６００において、ＵＥニューラルネットワークマネージャ２１８はアップリンク処理モジュール６１０を含み、アップリンク処理モジュール６１０は、アップリンク通信を生成および／または処理する（たとえば、符号化する、変調する）ためのディープニューラルネットワーク６１２（ＤＮＮ６１２）を含む。言い換えれば、アップリンク処理モジュール６１０は、アップリンク通信を処理する一部として、送信前通信を処理する。たとえば、ＵＥニューラルネットワークマネージャ２１８は、ＮＮ形成構成を用いてＤＮＮ６１２を形成する。ＤＮＮ６１２は図５のＤＮＮ５１０に対応することがある。したがって、ＤＮＮ６１２は、ＵＥ１１０から基地局１２１に送信されるアップリンク通信を生成するために使用される送信機処理機能の一部または全てを実行する。

【0077】

同様に、基地局１２１のアップリンク処理モジュール６１４は、（受信した）アップリンク通信を処理するためのディープニューラルネットワーク６１６（ＤＮＮ６１６）を含み、基地局ニューラルネットワークマネージャ２６８は、さらに説明するようにＮＮ形成構成を用いてＤＮＮ６１６を形成する。例において、基地局１２１のＤＮＮ６１６は図５のＤＮＮ５１４に対応し、ＵＥ１１０から受信したアップリンク通信のような、（受信した）アップリンク通信についての一部または全ての受信機処理機能を実行する。ＤＮＮ６１２およびＤＮＮ６１６は互いに相補的な機能を実行することがある。これに代えてまたはこれに加えて、アップリンク処理モジュール６１０および／またはアップリンク処理モジュール６１４は複数のＤＮＮを含み、各ＤＮＮは専用の目的（たとえば、それぞれのチャネルを処理する、それぞれのアップリンク機能を実行する、など）を有する。図６は、ニューラルネットワークマネージャがＤＮＮを形成することを示すために、ＤＮＮ６０４，６０８，６１２および６１６がそれぞれのニューラルネットワークマネージャ内に存在するとして示しているが、これらのＤＮＮは異なるコンポーネント、処理チェーン、モジュールなどの内部でニューラルネットワークマネージャ（たとえばＵＥニューラルネットワークマネージャ２１８および基地局ネットワークマネージャ２６８）の外部に形成可能であることが理解されるはずである。

【0078】

ワイヤレス通信システムにおけるディープニューラルネットワークについて説明してきたが、１つ以上の実現例に係るダウンリンクおよびアップリンク通信のためのディープニューラルネットワークを構成するために使用可能なワイヤレス通信システムを介した信号および制御トランザクションについてここで説明する。

【0079】

ディープニューラルネットワークを構成するためのシグナリングおよび制御トランザクション
図７、図８および図９は、ディープニューラルネットワークに関する基地局とユーザ機器とのメッセージングの１つ以上の局面に係る基地局、ユーザ機器、および／またはコアネットワークサーバの間のシグナリングおよび制御トランザクション図の一例を示す。このシグナリングおよび制御トランザクションは、図１～図６の要素を用いて、図１の基地局１２０およびＵＥ１１０によって、または図３のコアネットワークサーバ３０２によって実行されてもよい。たとえば、コアネットワークサーバ３０２は、いくつかの実現例において、図７および図８によって示されているような基地局１２０によって実行されるさまざまなシグナリングおよび制御動作を実行する。

【0080】

ディープニューラルネットワークに関する基地局とユーザ機器とのメッセージングのためのシグナリングおよび制御トランザクションの第１の例を、図７のシグナリングおよび制御トランザクション図７００によって示す。示されるように、７０５において、基地局１２１はニューラルネットワーク形成構成を決定する。基地局は、ニューラルネットワーク形成構成を決定する際に、ディープニューラルネットワークが処理しているチャネルタイプ（たとえば、ダウンリンク、アップリンク、データ、制御など）、伝送媒体プロパティ（たとえば、電力測定値、信号対干渉プラス雑音比（ＳＩＮＲ）測定値、チャネル品質指標（ＣＱＩ）測定値）、符号化スキーム、ＵＥ能力、ＢＳ能力などのような情報の任意の組み合わせを分析する。

【0081】

たとえば、基地局１２１は、限定ではなく例として、接続性情報、デュアル接続性情報、キャリアアグリゲーション能力、ダウンリンク物理パラメータ値、アップリンク物理パラメータ値、サポートされるダウンリンク／アップリンクカテゴリ、周波数間ハンドオーバなどのような、ＵＥの１つ以上の能力を示すメッセージをＵＥ１１０（図示せず）から受信する。基地局１２１は、このメッセージから、ＵＥが通信をどのように処理するか、および／または基地局がＵＥからの通信をどのように処理するかに影響を与えるＵＥ能力を識別し、他のニューラルネットワーク形成構成と比べて改善した出力精度でニューラルネットワーク形成構成を選択する。

【0082】

いくつかの実現例において、基地局１２１は、複数のニューラルネットワーク形成構成からこのニューラルネットワーク形成構成を選択する。これに代えてまたはこれに加えて、基地局１２１は、ニューラルネットワークテーブル内のニューラルネットワークアーキテクチャ形成要素のサブセットを選択することによりこのニューラルネットワーク形成構成を選択する。基地局１２１は、ニューラルネットワークテーブルに含まれる複数のニューラルネットワーク形成構成および／または複数のニューラルネットワーク形成構成要素を分析し、さらに説明するように、チャネルタイプ、伝送媒体プロパティなどを入力特性と突き合わせることなどにより、現在のチャネル条件と合致するニューラルネットワーク形成構成を選択および／または作成することにより、ニューラルネットワーク形成構成を決定する。これに代えてまたはこれに加えて、基地局１２１は、スケジューリングパラメータ（たとえば、ダウンリンク通信についてのスケジューリング・マルチユーザ・マルチ入力・マルチ出力（ＭＵ－ＭＩＭＯ）、アップリンク通信についてのスケジューリングＭＵ－ＭＩＭＯ）のようなネットワークパラメータに基づいてニューラルネット形成構成を選択する。

【0083】

７１０において、基地局１２１はニューラルネットワーク形成構成をＵＥ１１０に伝達する。いくつかの実現例において、基地局は、図２のニューラルネットワークテーブル２１６のようなニューラルネットワークテーブル内のエントリにマッピングするインデックス値を含むメッセージを送信することなどにより、ニューラルネットワーク形成構成を指定するメッセージを送信する。これに代えてまたはこれに加えて、基地局は、ニューラルネットワークパラメータ構成（たとえば、重み値、係数値、フィルタの数）を含むメッセージを送信する。場合によっては、基地局１２１は、このメッセージにおいて目的および／または処理割り当てを指定し、この処理割り当ては、ダウンリンク制御チャネル処理、アップリンクデータチャネル処理、ダウンリンク復号化処理、アップリンク符号化処理などのような、構成されたニューラルネットワークがどのチャネルおよび／または処理チェーンのどこに適用されるかを示す。したがって、基地局は、ニューラルネットワーク形成構成とともに処理割り当てを伝達することができる。

【0084】

いくつかの実現例において、基地局１２１は複数のニューラルネットワーク形成構成をＵＥ１１０に伝達する。たとえば、基地局は、第１のニューラルネットワーク形成構成をアップリンク符号化に使用するようにＵＥに指示する第１のメッセージと、第２のニューラルネットワーク形成構成をダウンリンク復号化に使用するようにＵＥに指示する第２のメッセージとを送信する。いくつかのシナリオでは、基地局１２１は、複数のニューラルネットワーク形成構成、およびそれぞれの処理割り当てを、単一のメッセージにおいて伝達する。さらに別の例として、基地局は、異なる無線アクセス技術（ＲＡＴ）を用いて複数のニューラルネットワーク形成構成を伝達する。たとえば、基地局は、第１のＲＡＴおよび／またはキャリアを用いてダウンリンク通信処理のための第１のニューラルネットワーク形成構成をＵＥ１１０に送信し、第２のＲＡＴおよび／またはキャリアを用いてアップリンク通信処理のための第２のニューラルネットワーク形成構成をＵＥ１１０に送信することができる。

【0085】

７１５において、ＵＥ１１０はニューラルネットワーク形成構成に基づいて第１のニューラルネットワークを形成する。たとえば、ＵＥ１１０は、基地局によって伝達されたインデックス値を用いてニューラルネットワークテーブルにアクセスして、ニューラルネットワーク形成構成および／またはニューラルネットワーク形成構成要素を取得する。これに代えてまたはこれに加えて、ＵＥ１１０は、メッセージからニューラルネットワークアーキテクチャおよび／またはパラメータ構成を抽出する。次に、ＵＥ１１０は、ニューラルネットワーク形成構成、抽出されたアーキテクチャおよび／またはパラメータ構成などを用いて、ニューラルネットワークを形成する。いくつかの実現例では、ＵＥは第１のニューラルネットワークを用いて全ての通信を処理するのに対して、他の実現例では、ＵＥは処理割り当てに基づいて第１のニューラルネットワークを用いて選択通信を処理する。

【0086】

７２０において、基地局１２１はニューラルネットワーク形成構成に基づいて情報を伝達する。たとえば、図６を参照して、基地局１２１は、第１のニューラルネットワークに相補的な機能を有するように構成された第２のニューラルネットワークを用いてダウンリンク通信を処理する。言い換えれば、第２のニューラルネットワークは、上記ニューラルネットワーク形成構成に相補的な第２のニューラルネットワーク形成構成を用いる。次に、７２５において、ＵＥ１１０は第１のニューラルネットワークを用いて情報を回復する。

【0087】

ディープニューラルネットワークに関する基地局とユーザ機器とのメッセージングのためのシグナリングおよび制御トランザクションの第２の例を、図８のシグナリングおよび制御トランザクション図８００によって示す。いくつかの実現例において、シグナリングおよび制御トランザクション図８００は図７のシグナリングおよび制御トランザクション図７００の続きを表す。

【0088】

示されるように、８０５において、基地局１２１は第１のニューラルネットワーク形成構成に基づいてＵＥ１１０と通信する。同様に、８１０において、ＵＥ１１０は第１のニューラルネットワーク形成構成に基づいて基地局１２１と通信する。たとえば、基地局１２１は、図６のＤＮＮ６０４を用いて１つ以上のダウンリンク通信を処理することによりＵＥ１１０と通信するのに対して、ＵＥ１１０は、図６のＤＮＮ６０８を用いて基地局１２１から受信したダウンリンク通信を処理することにより基地局１２１と通信する。

【0089】

実現例において、ＤＮＮ６０４およびＤＮＮ６０８は、説明するように第１のニューラルネットワーク形成構成に基づいて形成される。説明すると、ＤＮＮ６０４およびＤＮＮ６０８は互いに相補的な機能を実行し、第１のニューラルネットワーク形成構成は、ディープニューラルネットワークごとに相補的な機能を指定する（たとえば、基地局は第１のニューラルネットワーク形成構成を用いて第１のニューラルネットワークを形成し、ＵＥは第１のニューラルネットワーク形成構成に相補的なニューラルネットワーク形成構成を用いて第１のニューラルネットワークに相補的な第２のニューラルネットワークを形成する）。ディープニューラルネットワークによって実行される相補的な機能により、通信をやり取りする各サイドが同期し続ける（たとえば情報を正確に回復する）ことができる。このように、第１のニューラルネットワーク形成構成は、通信のやり取りに参加する各デバイスによって使用される、基地局側ニューラルネットワーク形成構成、相補的なユーザ機器側ニューラルネットワーク形成構成、および／または汎用ニューラルネットワーク形成構成の任意の組み合わせを指定する。

【0090】

別の例として、ＵＥ１１０は図６のＤＮＮ６１２を用いて基地局１２１への１つ以上のアップリンク通信を処理するのに対して、基地局１２１は図６のディープニューラルネットワーク６１４を用いてＵＥ１１０から受信したアップリンク通信を処理する。ダウンリンク通信と同様に、いくつかの実現例は、第１のニューラルネットワーク形成構成に基づいてＤＮＮ６１２およびディープニューラルネットワーク６１４を形成する（たとえば、ＵＥは第１のニューラルネットワーク形成構成を用いて第１のニューラルネットワークを形成し、基地局は第１のニューラルネットワーク形成構成に相補的なニューラルネットワーク形成構成を用いて第２のニューラルネットワークを形成する）。したがって、基地局１２１およびＵＥ１１０は、第１のニューラルネットワーク形成構成に基づいてディープニューラルネットワークを形成し、そのディープニューラルネットワークを用いて通信を処理することにより、第１のニューラルネットワーク形成構成に基づいて互いに通信する。

【0091】

８１５において、基地局は、ＵＥ１１０から受信したアップリンク通信に基づいてメトリックのような基地局メトリックを生成する。同様に、８２０において、ＵＥ１１０は、基地局１２１から受信したダウンリンク通信に基づいてメトリックのようなＵＥメトリックを生成する。電力測定値（たとえばＲＳＳ）、エラーメトリック、タイミングメトリック、ＱｏＳ、レイテンシなどのような、任意の種類のメトリックを基地局１２１および／またはＵＥ１１０によって生成することができる。

【0092】

８２５において、ＵＥ１１０はメトリックを基地局１２１に伝達する。実現例において、ＵＥ１１０は、第１のニューラルネットワーク形成構成に基づくディープニューラルネットワークを用いてメトリック通信を処理する。これに代えてまたはこれに加えて、ＵＥ１１０は、第２のニューラルネットワーク形成構成を用いて形成されたニューラルネットワークを用いてメトリック通信を処理する。したがって、さらに説明するように、ＵＥ１１０は、いくつかの実現例において、複数のディープニューラルネットワークを維持し、各ディープニューラルネットワークは指定された目的および／または処理割り当てを有する（たとえば、第１のニューラルネットワークはダウンリンク制御チャネル処理用であり、第２のニューラルネットワークはダウンリンクデータチャネル処理用であり、第３のニューラルネットワークはアップリンク制御チャネル処理用であり、第４のニューラルネットワークはアップリンクデータチャネル処理用である）。基地局１２１は、複数のディープニューラルネットワークを形成するために使用される複数のニューラルネットワーク形成構成をＵＥ１１０に伝達することがある。

【0093】

８３０において、基地局１２１は、８３０におけるメトリックに基づいて第２のニューラルネットワーク形成構成を識別する。いくつかの実現例において、基地局１２１は、ＵＥメトリック、基地局メトリック、またはそれらの任意の組み合わせに基づいて第２のニューラルネットワーク形成構成を識別する。これは、戻されたメトリックの変化（たとえば、ＳＩＮＲの変化、ドップラーフィードバックの変化、電力レベルの変化、ＢＬＥＲの変化）に対処するために係数パラメータを更新することを含むニューラルネットワーク形成構成に対する小さな変更のような、さらに説明するようなニューラルネットワーク形成構成に対するアーキテクチャ変更および／またはパラメータ変更の任意の組み合わせを識別することを含む。これに代えてまたはこれに加えて、第２のニューラルネットワーク形成構成を識別することは、電力状態の変化（たとえば無線リソース接続状態からアイドル状態への移行）のようなメトリックに基づいて、ノードおよび／または層接続を再構成するような大きな変更を含む。

【0094】

いくつかの実現例において、基地局１２１は、部分および／またはデルタニューラルネットワーク形成構成を第２のニューラルネットワーク形成構成として識別し、この部分および／またはデルタニューラルネットワーク形成構成は全ニューラルネットワーク形成構成に対する変更を示す。たとえば、全ニューラルネットワーク形成構成は、ニューラルネットワークについてのアーキテクチャ構成およびパラメータ構成を含むのに対して、部分および／またはデルタニューラルネットワーク形成構成は、全ニューラルネットワーク形成構成に示されるのと同じアーキテクチャ構成の使用に基づいてパラメータ構成に対する変更および／または更新を指定する。

【0095】

いくつかの実現例において、基地局は、ＵＥおよび／または基地局が通信からのデータを回復する能力を改善する（たとえば回復された情報の精度を改善する）ニューラルネットワークテーブル内のニューラルネットワーク形成構成を識別することにより、第２のニューラルネットワーク形成構成を識別する。説明すると、基地局１２１は、図２の基地局ニューラルネットワークマネージャ２６８によって、ＵＥメトリックおよび／または基地局メトリックによって特定された問題を補償するニューラルネットワーク形成構成を識別する。別の例として、基地局１２１は、ＵＥメトリックおよび／または基地局メトリックによって識別された動作条件の変更と合致する１つ以上の入力特性を有するニューラルネットワーク形成構成を識別する。これに代えてまたはこれに加えて、基地局１２１は、ＵＥが低電力状態に移行するシナリオなどでは、より少ない処理で同様の結果を生むニューラルネットワーク形成構成を識別する。

【0096】

８４０において、基地局１２１は、第２のニューラルネットワーク形成構成を用いて第１のニューラルネットワークを更新するようにＵＥ１１０に指示する。たとえば、基地局は、図２のニューラルネットワークテーブル２１６における第２のニューラルネットワーク形成構成へのインデックス値を含む更新メッセージを生成する。いくつかの実現例において、基地局１２１は、このメッセージにおいて、第２のニューラルネットワーク形成構成をいつ適用するかについてＵＥ１１０に指示する時間インスタンスを示す。言い換えれば、時間インスタンスは、時間インスタンスに指定された時間に、第１のニューラルネットワーク形成構成を用いた通信の処理から第２のニューラルネットワーク形成構成を用いた通信の処理に切り替えるようにＵＥ１１０に指示する。実現例において、基地局は、第１のキャリアまたはＲＡＴを用いてダウンリンクニューラルネットワークに更新を送信し、第２のキャリアまたはＲＡＴを用いてアップリンクニューラルネットワークに更新を送信する。

【0097】

８４５において、基地局１２１は、第１のニューラルネットワーク形成構成に基づいて形成され８０５においてＵＥ１１０と通信するために使用されたディープニューラルネットワーク（たとえば、ダウンリンク通信を処理するためのディープニューラルネットワーク、アップリンク通信を処理するためのディープニューラルネットワーク）のような第２のニューラルネットワーク形成構成に基づいて、基地局ニューラルネットワークを更新する。同様に、８５０において、ＵＥ１１０は、８４５において更新された基地局ニューラルネットワークに相補的な機能を実行するディープニューラルネットワークのような第２のニューラルネットワーク形成構成に基づいて、ユーザ機器ニューラルネットワークを更新する。一例として、ＵＥは、８４０において基地局によって送信された更新メッセージからインデックス値および／または時間値を抽出する。ＵＥ１１０は、第２のニューラルネットワーク形成構成を取得し、更新メッセージにおいて指定された時間にユーザ機器ニューラルネットワークを変更する。このように、ＵＥ１１０は、更新メッセージにおいて指定された時間まで第１のニューラルネットワーク形成構成を用いて通信を処理し、指定された時間になると、第２のニューラルネットワーク形成構成を用いて通信を処理するように切り替わる。

【0098】

実現例において、基地局１２１および／またはＵＥ１１０は、図８において破線で示されるように、シグナリングおよび制御トランザクション図８００に記載されたシグナリングおよび制御トランザクションを反復して実行する。これらの反復により、基地局１２１および／またはＵＥ１１０は、さらに説明するように動作条件の変更に基づいて通信処理チェーンを動的に変更することができる。

【0099】

ディープニューラルネットワークに関する基地局とユーザ機器とのメッセージングのためのシグナリングおよび制御トランザクションの第３の例を、図９－１および図９－２のシグナリングおよび制御トランザクション図９００によって示す。図９－１に示されるように、９０５において、コアネットワークサーバ３０２は、ＵＥ１１０からのメトリック、基地局１２１からのメトリック、ＵＥ能力などのような各種メトリックおよび／またはパラメータに基づいてニューラルネットワーク形成構成を決定する。たとえば、コアネットワークサーバは、電力情報、ＳＩＮＲ情報、ＣＱＩ、ＣＳＩ、ドップラーフィードバック、ＱｏＳ、レイテンシ、ＵＥ能力、基地局タイプ（たとえば、ｅＮＢ、ｇＮＢまたはｎｇ－ｅＮＢ）、プロトコルバージョン、エラーメトリック、ＵＥ能力、ＢＳ能力、電力モードなどのような、基地局１２１および／またはＵＥ１１０からのメトリックおよび／またはパラメータの任意の組み合わせを受信する。次に、コアネットワークサーバ３０２は、これらのメトリック、パラメータなどに基づいてニューラルネットワーク形成構成を決定する。

【0100】

いくつかの実現例において、コアネットワークサーバ３０２は複数の異なるニューラルネットワーク形成構成を決定し、これらの構成の各々がそれぞれの基地局および／またはそれぞれのＵＥに特有である。これに代えてまたはこれに加えて、コアネットワークサーバ３０２は、複数の基地局および／またはＵＥによって使用されるニューラルネットワーク形成構成を決定する。コアネットワークサーバ３０２は、基地局および／またはＵＥが最初に互いに接続するために使用するデフォルトのニューラルネットワーク形成構成を決定することがある。さらに説明するように、デフォルトのニューラルネットワーク形成構成は、閾値範囲内または閾値内の精度で各種入力データおよび／またはチャネル条件を処理するようにディープニューラルネットワークを構成する汎用のニューラルネットワーク形成構成に対応する。しかしながら、専用のニューラルネットワーク形成構成は、特定の種類の入力データおよび／または特定のチャネル条件にチューニングされるディープニューラルネットワークに対応する。コアネットワークサーバのいくつかの実現例は、ニューラルネットワーク形成構成を決定する際に、相補的なニューラルネットワーク形成構成（たとえばユーザ機器側ニューラルネットワーク形成構成に相補的な基地局側ニューラルネットワーク形成構成）を決定する。

【0101】

９１０において、コアネットワークサーバ３０２はニューラルネットワーク形成構成を基地局１２１に伝達する。たとえば、コアネットワークサーバ３０２は、図３のコアネットワークインターフェイス３１８を介して基地局１２１にインデックス値を伝達し、このインデックス値は図２のニューラルネットワークテーブル２７２内のエントリにマッピングする。これに代えてまたはこれに加えて、コアネットワークサーバ３０２は、係数、重み、層接続値などのようなさまざまなパラメータ構成を伝達する。

【0102】

９１５において、基地局１２１はニューラルネットワーク形成構成をＵＥ１１０に転送する。たとえば、基地局は、インデックス値をＵＥにワイヤレス送信する、パラメータ構成をＵＥにワイヤレス送信する、などである。コアネットワークサーバ３０２および／または基地局１２１は、ニューラルネットワーク形成構成を伝達する際に、ニューラルネットワーク形成構成についての処理割り当て（たとえば、ダウンリンクデータチャネル処理、アップリンク制御チャネル処理、復号化処理、アップリンク符号化処理、アップリンク変調処理、ダウンリンク復調処理）を示す場合がある。

【0103】

いくつかの実現例において、基地局１２１は、ニューラルネットワーク形成構成をＵＥ１１０に転送する前にニューラルネットワーク形成構成に変更を加える。たとえば、基地局１２１は、ＵＥ１１０から受信したＵＥ能力を通じてなどして、コアネットワークサーバよりも更新された情報にアクセスすることができる。基地局１２１は、ＵＥ１１０における使用可能な処理能力、バッテリ電力、使用可能な無線などに基づいてＵＥにおけるディープニューラルネットワークの対応する複雑さを低減させるために層および／またはノードを除去することなどにより、更新情報（たとえばＵＥ１１０に特有のＵＥ能力）に基づいてニューラルネットワーク形成構成を適合させることがある。別の例として、基地局１２１は、更新情報に基づいてニューラルネットワーク形成構成に畳み込み層を追加する。その後、基地局１２１は、コアネットワークサーバ３０２から受信したニューラルネットワーク形成構成の代わりに、変更されたニューラルネットワーク形成構成をＵＥ１１０に転送する。

【0104】

９２０において、基地局１２１は、基地局側ニューラルネットワーク形成構成を識別し、基地局側ニューラルネットワーク形成構成を用いて第１のディープニューラルネットワークを形成することなどにより、ニューラルネットワーク形成構成を用いて第１のディープニューラルネットワークを形成する。説明すると、基地局１２１は、インデックス値を用いて図２のニューラルネットワークテーブル２７２にアクセスすることにより、ニューラルネットワーク形成構成を取得する。同様に、９２５において、ＵＥ１１０は、相補的なおよび／またはユーザ機器側のニューラルネットワーク形成構成を識別し、この相補的なおよび／またはユーザ機器側のニューラルネットワーク形成構成を用いて第２のニューラルネットワークを形成することなどにより、ニューラルネットワーク形成構成を用いて第２のディープニューラルネットワークを形成する。いくつかの実現例において、ＵＥ１１０は、インデックス値を用いて図２のニューラルネットワークテーブル２１６にアクセスすることにより、相補的なおよび／またはユーザ機器側のニューラルネットワーク形成構成を取得する。したがって、第１のディープニューラルネットワークおよび第２のディープニューラルネットワークは、９０５および９１０においてコアネットワークサーバによって決定され伝達されたニューラルネットワーク形成構成に基づいて同期しているニューラルネットワークである。

【0105】

図９－２の９３０において、基地局１２１は、ＵＥ１１０へのダウンリンク通信を生成および／または処理すること、ＵＥ１１０からのアップリンク通信を受信および／または処理することなどにより、第１のディープニューラルネットワークを用いてＵＥ１１０と通信する。同様に、９３５において、ＵＥ１１０は、９３５における第２のディープニューラルネットワークを用いて基地局１２１と通信する。言い換えれば、ＵＥ１１０は、さらに説明するように、ニューラルネットワーク形成構成に基づく相補的なディープニューラルネットワーク（たとえば第２のディープニューラルネットワーク）を用いて基地局１２１と通信する。

【0106】

９４０において、基地局は基地局メトリックを生成し、基地局１２１は９３０および／または９３５における通信に基づいてこれらのメトリックを生成する。したがって、基地局メトリックは、ＵＥ１１０から受信したアップリンク通信に基づくことができる。たとえば、基地局１２１は、アップリンク受信電力、アップリンクＳＩＮＲ、アップリンクパケットエラー、アップリンクスループット、タイミング測定値などを生成する。いくつかの実現例において、基地局は、処理能力（たとえば、マクロ基地局、スモールセル基地局）、電力状態などのような基地局能力（ＢＳ能力）を基地局メトリックに含める。

【0107】

同様に、９４５において、ＵＥ１１０は、基地局１２１からのダウンリンク通信に基づいてＵＥメトリック（たとえば、電力情報、ＳＩＮＲ情報、ＣＱＩ、ＣＳＩ、ドップラーフィードバック、ＱｏＳ、レイテンシ）を生成し、９５０においてこれらのＵＥメトリックを基地局１２１に伝達する。

【0108】

９５５において、基地局１２１は、コアネットワークインターフェイス３１８を介するなどしてメトリックをコアネットワークサーバ３０２に転送する。これは、９４０および／または９４５において生成された基地局メトリックとＵＥメトリックとの任意の組み合わせを含む。その後、９６０において、コアネットワークサーバ３０２はニューラルネットワーク形成構成の更新を決定する。これは、アーキテクチャ構造の変更（たとえば、ノード接続の再構成、アクティブ層／非アクティブ層の再構成）、適用される処理パラメータ（たとえば、係数、カーネル）の変更などの任意の組み合わせを含み得る。したがって、コアネットワークサーバ３０２は、図８の８３０において基地局１２１を参照して説明したような小さな変更および／または大きな変更を識別することがある。コアネットワークサーバ３０２は、ＵＥ１１０から生成されたメトリックを基地局１２１を経由して受信することにより、基地局とＵＥとの間の通信チャネルについてのフィードバック、および／または、通信チャネルを介して送信される通信をニューラルネットワークがどれほど良好に処理するかについての表示を受信する。コアネットワークサーバ３０２はこのフィードバックを分析してニューラルネットワーク形成構成の調整を特定し、これらの調整は、ニューラルネットワークに適用されると、ディープニューラルネットワークが通信をどのように処理するかの精度を改善し（たとえば、より正確なデータの回復、より少ないエラーデータ）、および／または、ニューラルネットワークがどれほど効率的に通信を処理するかの精度を改善する（たとえばディープニューラルネットワークの処理時間を短縮する構成を選択する）。

【0109】

実現例において、コアネットワークサーバ３０２、基地局１２１および／またはＵＥ１１０は、図９－１および図９－２において９６０から９１０に戻る破線で示されるように、シグナリングおよび制御トランザクション図９００に記載されたシグナリングおよび制御トランザクションを反復して実行する。これらの反復により、コアネットワークサーバ３０２、基地局１２１および／またはＵＥ１１０は、さらに説明するように、動作条件の変更に基づいて通信処理チェーンを動的に変更することができる。

【0110】

いくつかの実現例において、コアネットワークサーバ３０２はワイヤレス通信システム内の複数のＵＥおよび／または基地局からフィードバックを受信する。これにより、ワイヤレス通信システムがどれほど良好に動作するか、どのデバイスがワイヤレス通信システムを介して通信するか、デバイスがどれほど良好に通信するか、などのより広い視野がコアネットワークサーバに与えられる。さまざまな実現例において、コアネットワークサーバ３０２は、特定のデバイスの通信を最適化することではなく、複数のデバイスの通信および／または全体的なシステム性能を最適化することに基づいて、ニューラルネットワーク形成構成の更新を決定する。

【0111】

通信を処理するためのニューラルネットワークを構成するために使用可能な信号および制御トランザクションについて説明してきたが、１つ以上の実現例に係る方法のいくつかの例についてここで考える。

【0112】

方法の例
ディープニューラルネットワークに関する基地局とユーザ機器とのメッセージングの１つ以上の局面に係る一例としての方法１０００および１１００を図１０および図１１を参照して説明する。方法のブロックを説明する順序は、限定として解釈されることを意図したものではなく、説明する方法ブロックのうちの任意の数の方法ブロックを飛ばすまたは任意の順序で組み合わせることで、ある方法または代替方法を実現することができる。一般的に、本明細書に記載のコンポーネント、モジュール、方法、および動作のうちのいずれも、ソフトウェア、ファームウェア、ハードウェア（たとえば固定論理回路）、マニュアル処理、またはそれらの任意の組み合わせを用いて実現することができる。上記方法の例のいくつかの動作は、コンピュータ処理システムに対してローカルなおよび／またはリモートのコンピュータ読取可能記憶メモリに格納された実行可能な命令の一般的な文脈で説明される場合があり、実現例は、ソフトウェアアプリケーション、プログラム、機能などを含み得る。これに代えてまたはこれに加えて、本明細書に記載の機能のうちのいずれも、限定される訳ではないが、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、特定用途向け集積回路（ＡＳＩＣ）、特定用途向け標準製品（ＡＳＳＰ）、システムオンチップシステム（ＳｏＣ）、複合プログラマブルロジックデバイス（ＣＰＬＤ）などのような１つ以上のハードウェアロジックコンポーネントにより、少なくとも部分的に実行することができる。

【0113】

図１０は、ワイヤレス通信システムを介してやり取りされる通信を処理するためのニューラルネットワークを構成する一例としての方法１０００を示す。いくつかの実現例において、方法１０００の動作は、たとえば基地局１２１またはコアネットワークサーバ３０２などのネットワークエンティティによって実行される。

【0114】

１００５において、ネットワークエンティティは、ワイヤレス通信システムを介して送信される通信を処理するためのディープニューラルネットワークについてのニューラルネットワーク形成構成を決定する。たとえば、ネットワークエンティティ（たとえば、基地局１２１、コアネットワークサーバ３０２）は、ユーザ機器（たとえばＵＥ１１０）からのメトリック、フィードバック、および／または他の種類の情報に少なくとも部分的に基づいてニューラルネットワーク形成構成を決定する。説明すると、基地局１２１は、ＵＥ１１０の１つ以上の能力を示すメッセージをＵＥ１１０から受信する。次に、基地局１２１は、ＵＥ１１０から受信した能力に少なくとも部分的に基づいてニューラルネットワーク形成構成を決定する。これに代えてまたはこれに加えて、基地局１２１はＵＥ能力をコアネットワークサーバ３０２に転送し、コアネットワークサーバ３０２はＵＥ１１０の能力に基づいてニューラルネットワーク形成構成を決定する。別の例として、基地局１２１は、ワイヤレス通信システムにおけるスケジューリングＭＵ－ＭＩＭＯダウンリンクおよび／またはアップリンク送信に基づいてニューラルネットワーク形成構成を決定する。ネットワークは、ニューラルネットワーク形成構成を決定する際に、ユーザ機器側ディープニューラルネットワーク、基地局側ディープニューラルネットワーク、および／またはユーザ機器側ディープニューラルネットワークと基地局側ディープニューラルネットワークの双方に対応するディープニューラルネットワークについてのニューラルネットワーク形成構成要素の任意の組み合わせを選択する。

【0115】

ネットワークエンティティ（たとえば、基地局１２１、コアネットワークサーバ３０２）は、ニューラルネットワーク形成構成を決定する際に、デフォルトのニューラルネットワーク形成構成を選択する場合がある。これに代えてまたはこれに加えて、ネットワークエンティティは複数のニューラルネットワーク形成構成を分析し、その複数の中から、現在のチャネル条件、特定のＵＥの能力などと合致するニューラルネットワーク形成構成を選択する。

【0116】

１０１０において、ネットワークエンティティは、ディープニューラルネットワークについてのニューラルネットワーク形成構成の表示を含むメッセージを生成する。たとえば、ネットワークエンティティ（たとえば、基地局１２１、コアネットワークサーバ３０２）は、ニューラルネットワークテーブル（たとえば、ニューラルネットワークテーブル２１６、ニューラルネットワークテーブル２７２、ニューラルネットワークテーブル３１６）の１つ以上のエントリにマッピングするインデックス値を含むメッセージを生成する。いくつかの実現例において、ネットワークエンティティはディープニューラルネットワークについての処理割り当ての表示を含み、この処理割り当ては、ニューラルネットワーク形成構成を用いて形成されたディープニューラルネットワークについての処理チェーン機能を指定する。これに代えてまたはこれに加えて、ネットワークエンティティは、ディープニューラルネットワークを用いた通信の処理開始時間および／または開始場所を示す時間インスタンスをメッセージにおいて指定する。

【0117】

１０１５において、ネットワークエンティティはメッセージをユーザ機器に送信して、ニューラルネットワーク形成構成を用いてディープニューラルネットワークを形成するように、かつワイヤレス通信システムを介して送信される通信をディープニューラルネットワークを用いて処理するようにユーザ機器に指示する。たとえば、ネットワークエンティティ（たとえばコアネットワークサーバ３０２）は、基地局１２１にメッセージを送信し、基地局１２１がこのメッセージをユーザ機器に送信することにより、メッセージをユーザ機器（たとえばＵＥ１１０）に送信する。これに代えてまたはこれに加えて、ネットワークエンティティ（たとえば基地局１２１）はメッセージをユーザ機器（たとえばＵＥ１１０）に送信する。実現例において、ディープニューラルネットワークはユーザ機器側ディープニューラルネットワークに対応する。

【0118】

いくつかの実現例において、ネットワークエンティティ（たとえば基地局１２１）は、ディープニューラルネットワークの処理割り当てに基づいて特定のＲＡＴおよび／またはキャリアを用いてメッセージを送信する。たとえば、基地局１２１は、第１のＲＡＴおよび／またはキャリアを用いて第１の処理割り当て（たとえばダウンリンクデータチャネル処理）とともに第１のニューラルネットワーク形成構成を送信し、第２のＲＡＴおよび／またはキャリアを用いて第２の処理割り当て（たとえばダウンリンク制御チャネル処理）とともに第２のニューラルネットワーク形成構成を送信する。

【0119】

いくつかの実現例において、１０２０において、ネットワークエンティティはユーザ機器から受信したフィードバックを分析する。一例として、ネットワークエンティティ（たとえば基地局１２１）は、ユーザ機器（たとえばＵＥ１１０）からメトリックを受信し、これらのメトリックを分析して、異なるニューラルネットワーク形成構成を用いてニューラルネットワークを更新および／または再構成すべきか否かを判断する。これに代えてまたはこれに加えて、基地局がフィードバックをネットワークエンティティ（たとえばコアネットワークサーバ３０２）に転送し、ネットワークエンティティはこのフィードバックを分析して、異なるニューラルネットワーク形成構成を用いてニューラルネットワークを更新および／または再構成すべきか否かを判断する。

【0120】

１０２５において、ネットワークエンティティはフィードバックに基づいてディープニューラルネットワークを更新する。たとえば、ネットワークエンティティ（たとえば、基地局１２１、コアネットワークサーバ３０２）は、ニューラルネットワークテーブル（たとえば、ニューラルネットワークテーブル２１６、ニューラルネットワークテーブル２７２、ニューラルネットワークテーブル３１６）に含まれる複数のニューラルネットワーク形成構成を分析し、フィードバックによって示されている新しいチャネル条件と合致する第２のニューラルネットワーク形成構成を選択する。ネットワークエンティティは、第２のニューラルネットワーク形成構成の表示を含む第２のメッセージを生成し、第２のメッセージをユーザ機器に送信する。これは、１０１０および／または１０１５において説明したように第２のメッセージを構成して送信することを含む。実現例において、ネットワークエンティティは、ここでは１０２５から１０１０に戻る破線で示されるように、方法１０００のさまざまな動作を反復して実行する。

【0121】

図１１は、ニューラルネットワーク形成構成に基づいてニューラルネットワークを形成する一例としての方法１１００を示す。いくつかの局面において、方法１１００の動作は、たとえばＵＥ１１００などのＵＥによって実現される。

【0122】

１１０５において、ユーザ機器は、ワイヤレス通信システムを介して送信される通信を処理するためのディープニューラルネットワークについてのニューラルネットワーク形成構成を示すメッセージを受信する。たとえば、ユーザ機器（たとえばＵＥ１１０）は、ニューラルネットワーク形成構成および／またはニューラルネットワーク形成構成を用いて形成されたディープニューラルネットワークについての処理割り当てを示すメッセージを基地局（たとえば基地局１２１）から受信する。いくつかの実現例において、ユーザ機器は複数のメッセージを受信し、これらのメッセージの各々が異なるニューラルネットワーク形成構成に関連する（たとえば、第１のメッセージは、ダウンリンク通信を処理するための第１のディープニューラルネットワークについての第１のニューラルネットワーク形成構成を示し、第２のメッセージは、アップリンク通信を処理するための第２のディープニューラルネットワークについての第２のニューラルネットワーク形成構成を示す）。実現例において、ユーザ機器は、メッセージを基地局からのブロードキャストメッセージとして、またはＵＥ専用のメッセージとして受信する。

【0123】

１１１０において、ユーザ機器は、メッセージにおいて示されているニューラルネットワーク形成構成を用いてディープニューラルネットワークを形成する。説明すると、ユーザ機器（たとえばＵＥ１１０）は、係数、重み、層接続などのようなパラメータ構成をメッセージから抽出し、抽出されたこれらのパラメータ構成を用いてディープニューラルネットワークを形成する。別の例として、ユーザ機器（たとえばＵＥ１１０）は、さらに説明するように、メッセージからインデックス値を抽出し、ニューラルネットワークテーブルからパラメータ構成を取得する。これに代えてまたはこれに加えて、ユーザ機器はメッセージから時間インスタンスを抽出し、この時間インスタンスは、ニューラルネットワーク形成構成を用いて形成されたディープニューラルネットワークを用いた通信の処理開始時間および／または開始場所を示す。

【0124】

１１１５において、ユーザ機器は基地局から通信を受信する。たとえば、ユーザ機器（たとえばＵＥ１１０）は、基地局（たとえば基地局１２１）からダウンリンクデータチャネル通信を受信する、基地局からダウンリンク制御チャネル通信を受信する、などである。１１２０において、ユーザ機器はディープニューラルネットワークを用いて通信を処理して、通信において送信された情報を抽出する。一例として、ユーザ機器（たとえばＵＥ１１０）は、ディープニューラルネットワークを用いて基地局（たとえば基地局１２１）からのダウンリンク通信を復調および／または復号化すること、基地局へのアップリンク通信を符号化および／または変調することなどにより、メッセージに含まれる処理割り当てに基づいてディープニューラルネットワークを用いて通信を処理する。

【0125】

いくつかの実現例において、１１２５において、ユーザ機器は任意に、通信に基づいてフィードバックを送信する。たとえば、ユーザ機器（たとえばＵＥ１１０）は、通信に基づいてメトリック（たとえば、エラーメトリック、ＳＩＮＲ情報、ＣＱＩ、ＣＳＩ、ドップラーフィードバック）を生成し、それらのメトリックをフィードバックとして基地局（たとえば基地局１２１）に送信する。

【0126】

ディープニューラルネットワークを用いた基地局とユーザ機器とのメッセージングの局面を実現するために使用可能な方法のいくつかの例について説明してきたが、１つ以上の実現例に係るニューラルネットワーク形成構成の生成および伝達についてここで説明する。

【0127】

ニューラルネットワーク形成構成の生成および伝達
教師あり学習では、機械学習モジュールはラベル付き訓練データを処理して出力を生成する。機械学習モジュールは、生成された出力の精度についてのフィードバックを受信し、処理パラメータを変更して出力の精度を改善する。図１２は、複数のＮＮ形成構成を生成する局面を説明する例１２００を示す。例１２００のさまざまな局面は、図２および図３の訓練モジュール２７０、基地局ニューラルネットワークマネージャ２６８、コアネットワークニューラルネットワークマネージャ３１２、および／または訓練モジュール３１４の任意の組み合わせによって実現されることがある。

【0128】

図１２の上部は、図４の機械学習モジュール４００を含む。実現例において、ニューラルネットワークマネージャは、異なるＮＮ形成構成を生成することを決定する。説明のために、基地局ニューラルネットワークマネージャ２６８が、ニューラルネットワークテーブルからＮＮ形成構成要素の組み合わせを選択することによりＮＮ形成構成を生成することを決定し、このＮＮ形成構成はＵＥがダウンリンク通信を復号化および／または復調することに対応するシナリオについて考える。言い換えれば、（ＮＮ形成構成要素の組み合わせによる）ＮＮ形成構成は、ＵＥによって受信されたダウンリンク通信を処理するＤＮＮを形成する。しかしながら、送信チャネル条件はしばしば変化し、この変化はダウンリンク通信の特性に影響を及ぼす。たとえば、第１の送信チャネルは周波数オフセットをもたらすことによりダウンリンク通信を歪ませ、第２の送信チャネルはドップラー効果をもたらすことによりダウンリンク通信を歪ませ、第３の送信チャネルはマルチパスチャネル効果をもたらすことによりダウンリンク通信を歪ませる、などである。ダウンリンク通信を正確に処理する（たとえばビット誤りを減らす）ために、さまざまな実現例は複数のＮＮ形成構成を選択し、各ＮＮ形成構成（およびＮＮ形成構成要素の関連付けられた組み合わせ）は、第１の送信チャネル、第２の送信チャネルなどのようなそれぞれの入力条件に対応する。

【0129】

訓練データ１２０２は、機械学習モジュール４００への入力の一例を表す。図１２において、訓練データは、ダウンリンク通信に対応するデータを表す。たとえば、訓練データ１２０２は、ダウンリンク通信信号のデジタルサンプル、回復されたシンボル、回復されたフレームデータなどを含み得る。いくつかの実現例において、訓練モジュールは、訓練データを数学的に生成し、または訓練データを格納するファイルにアクセスする。また他の場合、訓練モジュールは実世界の通信データを取得する。したがって、訓練モジュールは、数学的に生成されたデータ、静的データ、および／または実世界のデータを用いて機械学習モジュールを訓練することができる。いくつかの実現例は、送信チャネルメトリック、ＵＥ能力、ＵＥ速度などのような訓練データのさまざまな品質を記述する入力特性１２０４を生成する。

【0130】

機械学習モジュール４００は訓練データを分析し、ここではバイナリデータとして表される出力１２０６を生成する。いくつかの実現例は、同じ入力特性を有する同じ訓練データおよび／または追加の訓練データセットを用いて機械学習モジュール４００を反復して訓練して、機械学習モジュールの精度を改善する。訓練時、機械学習モジュールは、ノード接続、係数、カーネルサイズなどのような機械学習モジュールに含まれるニューラルネットワークのアーキテクチャおよび／またはパラメータ構成の一部または全てを変更する。精度が所望の閾値を満たしているまたは超えている、訓練プロセスが反復数を満たしているまたは超えている、などと訓練モジュールが判断したときなどのような、訓練のある時点で、訓練モジュールは、ニューラルネットワークのアーキテクチャおよび／またはパラメータ構成１２０８（たとえば、プーリングパラメータ、カーネルパラメータ、層パラメータ、重み）を抽出することを決定する。次に、訓練モジュールは、ＮＮ形成構成および／またはＮＮ形成構成要素として使用すべきアーキテクチャおよび／またはパラメータ構成を機械学習モジュールから抽出する。これらのアーキテクチャおよび／またはパラメータ構成は、固定アーキテクチャおよび／もしくはパラメータ構成、ならびに／または可変アーキテクチャおよび／もしくはパラメータ構成の任意の組み合わせを含み得る。

【0131】

図１２の下部は、図２および図３のニューラルネットワークテーブル２１６、ニューラルネットワークテーブル２７２、および／またはニューラルネットワークテーブル３１６のような、ＮＮ形成構成要素の集合を表すニューラルネットワークテーブル１２１２を含む。ニューラルネットワークテーブル１２１２は、アーキテクチャ構成、パラメータ構成、および入力特性のさまざまな組み合わせを格納するが、代替実現例はテーブルから入力特性を除外する。さまざまな実現例は、機械学習モジュールがさらに他の情報を学習するにつれて、ＮＮ形成構成要素および／または入力特性を更新および／または維持する。たとえば、インデックス１２１４において、ニューラルネットワークマネージャおよび／または訓練モジュールは、訓練データ１２０２を分析しながら、機械学習モジュール４００によって生成されたアーキテクチャおよび／またはパラメータ構成１２０８を含むようにニューラルネットワークテーブル１２１２を更新する。

【0132】

ニューラルネットワークマネージャおよび／または訓練モジュールは、これに代えてまたはこれに加えて、入力特性１２０４をニューラルネットワークテーブルに追加し、これらの入力特性をアーキテクチャおよび／またはパラメータ構成１２０８にリンクさせる。これにより、ニューラルネットワークテーブル内を参照する（たとえば、ＮＮ形成構成を参照する、ＮＮ形成構成要素を参照する）インデックス値を用いるなどして、アーキテクチャおよび／またはパラメータ構成と同時に入力特性を取得することができる。いくつかの実現例において、ニューラルネットワークマネージャは、入力特性を現在のチャネル条件、ＵＥ能力、ＵＥ特性（たとえば、速度、位置等）などと突き合わせることなどにより、入力特性を現在の動作環境と突き合わせることによりＮＮ形成構成を選択する。

【0133】

ニューラルネットワーク形成構成の生成および通信について説明してきたが、１つ以上の実現例に係るニューラルネットワーク形成構成を伝達するために使用可能なワイヤレス通信システムを介した信号および制御トランザクションについてここで説明する。

【0134】

ニューラルネットワーク形成構成を伝達するためのシグナリングおよび制御トランザクション
図１３～図１５は、ＮＮ形成構成を伝達するなどの、ニューラルネットワーク形成構成を伝達する１つ以上の局面に係る基地局、ユーザ機器、および／またはコアネットワークサーバの間のシグナリングおよび制御トランザクション図の一例を示す。実現例において、このシグナリングおよび制御トランザクションは、図１～図１２の要素を用いて、図１の基地局１２１およびＵＥ１１０によって、または図３のコアネットワークサーバ３０２によって実行されてもよい。

【0135】

ニューラルネットワーク形成構成を伝達するためのシグナリングおよび制御トランザクションの第１の例を、図１３のシグナリングおよび制御トランザクション制御図１３００によって示す。実現例において、このシグナリングおよび制御トランザクション制御図を参照して説明するシグナリングおよび制御トランザクションの一部または全ては、図７および／または図８を参照して説明したシグナリングおよび制御トランザクションに対応する。

【0136】

示されるように、１３０５において、基地局１２１はニューラルネットワークテーブルを維持する。たとえば、基地局１２１の基地局ニューラルネットワークマネージャおよび／または訓練モジュール（たとえば、基地局ニューラルネットワークマネージャ２６８、訓練モジュール２７０）は、数学的に生成された訓練データ、実世界の通信から抽出されたデータ、ファイルなどの任意の組み合わせを用いてニューラルネットワークテーブル（たとえばニューラルネットワークテーブル２７２）を生成および／または維持する。さまざまな実現例において、基地局１２１は複数のニューラルネットワークテーブルを維持し、各ニューラルネットワークテーブルは、データチャネル通信用に指定された第１のニューラルネットワークテーブル、制御チャネル通信用に指定された第２のニューラルネットワークテーブルなどのような、目的が指定されている複数のニューラルネットワーク形成構成および／またはニューラルネットワーク形成構成要素を含む。

【0137】

１３１０において、基地局１２１はニューラルネットワークテーブルをＵＥ１１０に送信する。一例として、基地局はレイヤ３メッセージング（たとえば無線リソース制御（ＲＲＣ）メッセージ）を用いてニューラルネットワークテーブルを送信する。基地局は、ニューラルネットワークテーブルを送信する際に、ディープニューラルネットワークを形成するために使用可能なアーキテクチャおよび／またはパラメータ構成の任意の組み合わせを送信し、その例が本開示に提供されている。これに代えてまたはこれに加えて、基地局は、ニューラルネットワークテーブルについての処理割り当てを指定する表示をニューラルネットワークテーブルとともに送信する。したがって、基地局は複数のニューラルネットワークテーブルをＵＥに送信し、ニューラルネットワークテーブルごとにそれぞれの処理割り当てが指定されている。いくつかの実現例において、基地局１２１はニューラルネットワークテーブルをＵＥのグループにブロードキャストする。また他の場合、基地局１２１はＵＥ専用のニューラルネットワークテーブルをＵＥ１１０に送信する。

【0138】

１３１５において、基地局１２１は、通信を処理する際に使用すべきニューラルネットワーク形成構成を識別する。たとえば、基地局は、図７の７０５において説明したように、ニューラルネットワーク形成アーキテクチャ要素の組み合わせを選択すること、ディープニューラルネットワークが処理しているチャネルタイプ（たとえば、ダウンリンク、アップリンク、データ、制御など）、伝送媒体プロパティ（たとえば、電力測定値、信号対干渉プラス雑音比（ＳＩＮＲ）測定値、チャネル品質指標（ＣＱＩ）測定値）、符号化スキーム、ＵＥ能力、ＢＳ能力のような情報の任意の組み合わせを分析することなどにより、通信を処理する際に使用すべきニューラルネットワーク形成構成を決定する。したがって、いくつかの実現例において、基地局１２１は、図８の８１５，８２０および８３０において説明したように、さまざまなメトリックおよび／またはパラメータを受信したことに基づいてニューラルネットワーク形成構成を識別する。いくつかの実現例において、基地局１２１は、ニューラルネットワーク形成構成として使用すべきデフォルトのニューラルネットワーク形成構成を識別する。したがって、ニューラルネットワーク形成構成を識別することは、デフォルトのニューラルネットワーク形成構成および／またはニューラルネットワーク形成構成の更新を識別することを含み得る。

【0139】

基地局１２１は、ニューラルネットワーク形成構成を識別する際に、決定されたニューラルネットワーク形成構成に対応するニューラルネットワークテーブル内のニューラルネットワーク形成構成を確認する。言い換えれば、基地局１２１は、入力特性を相関付けるおよびまたは突き合わせることなどにより、決定されたニューラルネットワーク形成構成と合致する、図２のニューラルネットワークテーブル２７２および／またはニューラルネットワークテーブル２１６内のニューラルネットワーク形成構成および／またはニューラルネットワーク形成構成要素を識別する。基地局は、ニューラルネットワークテーブル内のニューラルネットワーク形成構成および／またはニューラルネットワーク形成構成要素を識別する際に、ニューラルネットワーク形成構成および／またはニューラルネットワーク形成構成要素のインデックス値を識別する。

【0140】

１３２０において、基地局１２１は、ニューラルネットワークテーブルからのニューラルネットワーク形成構成を用いてディープニューラルネットワークを形成するようにＵＥ１１０に指示する表示を送信する。たとえば、図７の７１０および／または図８の８４０における説明と同様に、基地局１２１は、インデックス値をＵＥ１１０に伝達し、インデックス値によって示されているニューラルネットワーク形成構成を用いてディープニューラルネットワークを形成するようにＵＥ１１０に指示する。基地局は、この表示を任意の好適な態様でＵＥに送信することができる。一例として、基地局は、レイヤ２メッセージ（たとえば、無線リンク制御（ＲＬＣ）メッセージ、媒体アクセス制御（ＭＡＣ）制御要素）を用いて、ニューラルネットワーク形成構成に対応するインデックス値を送信する。いくつかの実現例において、基地局は、現在の動作条件（たとえば、チャネル条件、ＵＥ能力、ＢＳ能力、メトリック）をニューラルネットワークテーブル内に格納された入力特性と比較し、現在の動作条件と合致する格納された入力特性を識別する。次に、基地局は格納された入力特性のインデックス値を取得し、これにより、ニューラルネットワーク形成構成および／またはニューラルネットワーク形成構成要素のインデックス値が提供される。次に、基地局１２１はインデックス値を表示として送信する。基地局１２１は、ディープニューラルネットワークを適用すべき処理チェーン内の位置を示すための処理割り当てを含むことがある。いくつかの実現例において、基地局は、ダウンリンク制御チャネルを用いてインデックス値および／または処理割り当てを送信する。

【0141】

基地局は、ニューラルネットワーク形成構成の適用に関連する動作パラメータを指定する規則をＵＥに送信することがある。一例では、これらの規則は、ニューラルネットワーク形成構成を用いて形成されたディープニューラルネットワークを用いていつ通信を処理するかを示す時間インスタンスを含む。これに代えてまたはこれに加えて、これらの規則は、データチャネルと制御チャネルとが時間閾値内にある場合は指定されたニューラルネットワーク形成構成ではなくデフォルトのニューラルネットワーク形成構成を用いるようにＵＥに指示する時間閾値を指定する。これに加えてまたはこれに代えて、規則は、データチャネルと制御チャネルとが時間閾値内にある場合はデータチャネル通信および制御チャネル通信に同じニューラルネットワーク形成構成を用いるようにユーザ機器に指示してもよい。説明のために、ＵＥが、（第１のニューラルネットワーク形成構成を用いて形成された）第１のディープニューラルネットワークを用いてデータチャネル通信を処理し、（第２のニューラルネットワーク形成構成を用いて形成された）第２のディープニューラルネットワークを用いて制御チャネル通信を処理する例について考える。データチャネル通信と制御チャネル通信とが時間インスタンスによって指定された時間閾値内にある場合は、第１のディープニューラルネットワークと第２のディープニューラルネットワークとを切り替えるのに十分な時間がない場合があるので、ＵＥは、（デフォルトのニューラルネットワーク形成構成を用いて形成された）デフォルトのディープニューラルネットワークおよび／または同じディープニューラルネットワークを用いて両チャネルを処理する。

【0142】

基地局は、ダウンリンク制御チャネルを用いてデフォルトのニューラルネットワーク形成構成をＵＥに対して指定してこのデフォルトのニューラルネットワーク形成構成を伝達することがあり、このデフォルトのニューラルネットワーク形成構成は、各種入力データを処理するディープニューラルネットワークを形成する。いくつかの実現例において、デフォルトのニューラルネットワーク形成構成は、閾値範囲内の精度で各種入力データを処理するディープニューラルネットワークを形成する。デフォルトのニューラルネットワーク形成構成は汎用のニューラルネットワーク形成構成を含み得る。

【0143】

説明すると、いくつかの実現例は、現在の動作条件「Ｘ」を有するＵＥダウンリンク制御チャネル処理（たとえば復調および／または復号化）に特有の第１のニューラルネットワーク形成構成、現在の動作条件「Ｙ」を有するＵＥダウンリンク制御チャネル処理に特有の第２のニューラルネットワーク形成構成などのような、特有の動作条件についてのニューラルネットワーク形成構成を生成または選択する。たとえば、第１のニューラルネットワーク形成構成は、検出される干渉レベルが高い現在の動作環境と相関があり得、第２のニューラルネットワーク形成構成は、検出される干渉レベルが低い現在の動作環境と相関があり得、第３のニューラルネットワーク形成構成は、接続されたＵＥが静止しているように見える現在の動作環境と相関があり得、第４のニューラルネットワーク形成構成は、接続されたＵＥが特定の速度で動いているように見える現在の動作環境と相関があり得る、などである。

【0144】

特有の動作条件についてのニューラルネットワーク形成構成を用いてディープニューラルネットワークを形成すると、その特有の動作条件に対応する入力データを処理する際にディープニューラルネットワークによって生成される出力の精度が（他のニューラルネットワーク形成構成を用いてディープニューラルネットワークを形成した場合と比べて）改善される。しかしながら、特有の動作条件についてのニューラルネットワーク形成構成を用いて形成されたディープニューラルネットワークが、他の動作条件に関連付けられた入力を処理する際に、より低い精度で出力を生成する限り、トレードオフが生じる。逆に、デフォルトのニューラルネットワーク形成構成は、より多くの動作条件にまたがる各種入力のような多種多様な入力を処理するニューラルネットワーク形成構成に対応する。言い換えれば、デフォルトのニューラルネットワーク形成構成を用いて構成されたディープニューラルネットワークは、特有の動作条件に向けられたニューラルネットワーク形成構成と比べて、多種多様な通信を処理する。

【0145】

１３２５において、ＵＥ１１０は、ニューラルネットワーク形成構成を用いてディープニューラルネットワークを形成する。一例として、ＵＥは、基地局１２１によって送信されたインデックス値を抽出し、このインデックス値を用いてニューラルネットワークテーブルにアクセスすることによりニューラルネットワーク形成構成および／またはニューラルネットワーク形成構成要素を取得する。これに代えてまたはこれに加えて、ＵＥ１１０は、処理割り当てを抽出し、この処理割り当てによって指定されている処理チェーンでディープニューラルネットワークを形成する。

【0146】

１３３０において、基地局１２１は、ダウンリンクデータチャネル通信のような通信をＵＥ１１０に送信する。１３３５において、ＵＥ１１０はディープニューラルネットワークを用いて通信を処理する。たとえば、ＵＥ１１０は、ディープニューラルネットワークを用いてダウンリンクデータチャネル通信を処理してデータを回復する。別の例として、通信を処理することは、通信に対する応答を処理することを含み、ＵＥ１１０は、ダウンリンク通信に応答して、ディープニューラルネットワークを用いてアップリンク通信を処理する。

【0147】

ニューラルネットワーク形成構成を伝達するためのシグナリングおよび制御トランザクションの第２の例を、図１４のシグナリングおよび制御トランザクション図１４００によって示す。示されるように、１４０５において、コアネットワークサーバ３０２はニューラルネットワークテーブルを維持する。たとえば、コアネットワークサーバ３０２のコアネットワークニューラルネットワークマネージャ３１２および／または訓練モジュール３１４は、数学的に生成された訓練データ、実世界の通信から抽出されたデータ、ファイルなどの任意の組み合わせを用いてニューラルネットワークテーブル３１６を生成および／または維持する。さまざまな実現例において、コアニューラルネットワークサーバ３０２は複数のニューラルネットワークテーブルを維持し、各ニューラルネットワークテーブルは、指定された処理割り当てについての複数のニューラルネットワーク形成構成要素を含む（たとえば、第１のニューラルネットワークテーブルはデータチャネル通信用に指定され、第２のニューラルネットワークテーブルは制御チャネル通信用に指定されている）。

【0148】

１４１０において、コアネットワークサーバ３０２は、図３のコアネットワークインターフェイス３１８を用いることなどによりニューラルネットワークテーブルを基地局１２１に伝達する。いくつかの実現例において、コアネットワークサーバは複数のニューラルネットワークテーブルを基地局に伝達する。１４１５において、基地局１２１は、レイヤ３メッセージングを用いてニューラルネットワークテーブルを送信すること、ダウンリンク制御チャネルを用いてニューラルネットワークテーブルを送信すること、ニューラルネットワークテーブルをブロードキャストすること、ＵＥ専用メッセージを用いてニューラルネットワークテーブルを送信することなどにより、ニューラルネットワークテーブルをＵＥ１１０に送信する。

【0149】

１４２０において、コアネットワークサーバ３０２はニューラルネットワーク形成構成を選択する。一例として、コアネットワークサーバ３０２は、現在の動作条件をニューラルネットワークテーブル内に格納された入力特性と比較し、現在の動作条件と合致する格納された入力特性（たとえば、チャネル条件、ＵＥ能力、ＢＳ能力、メトリック）を識別する。次に、コアネットワークサーバは、合致する入力特性のインデックス値を取得し、これにより、ニューラルネットワーク形成構成および／またはニューラルネットワーク形成構成要素のインデックス値が提供される。次に、コアネットワークサーバ３０２は、１４２５において、コアネットワークインターフェイス３１８を用いてインデックス値を伝達することなどにより、選択されたニューラルネットワーク形成構成を基地局に伝達する。いくつかの実現例において、コアネットワークサーバは、ニューラルネットワーク形成構成とともに処理割り当てを伝達する。

【0150】

１４３０において、基地局１２１はニューラルネットワーク形成構成をＵＥ１１０に転送する。一例として、基地局１２１は、図１３の１３２０において説明したように、レイヤ２メッセージング（たとえば、ＲＬＣメッセージ、ＭＡＣ制御要素）を介するなどしてインデックス値をＵＥ１１０に送信して、ニューラルネットワーク形成構成を用いてディープニューラルネットワークを形成するようにＵＥに指示する。実現例において、基地局１２１はさらに、図６、図７の７２０、図８の８４５、および／または図９－１の９２０において説明したように、ニューラルネットワーク形成構成に基づいて相補的なディープニューラルネットワーク（ここでは図示せず）を形成する。基地局は、コアネットワークサーバから受信した処理割り当てをインデックス値とともに伝達することがある。ＵＥ１１０は、ニューラルネットワーク形成構成を受信したことに応答して、図７の７２５、図８の８１０、図９の９３５、および／または図１３の１３３５において説明したように、１４３５においてディープニューラルネットワークを形成し、１４４０において基地局１２１から受信した通信をディープニューラルネットワークを用いて処理する。

【0151】

いくつかの実現例において、ＵＥは、ワイヤレス通信システムに類似性が存在する場合、第１のニューラルネットワーク形成構成を第２のニューラルネットワーク形成構成から導出する。説明のために、擬似対応チャネルの例について考える。擬似対応チャネルは、同じ遅延拡散、同じドップラー拡散、同じ空間シグネチャ、同じ空間ビーム、同じ空間方向、同じデータレートなどのような、共有のまたは同じプロパティを有するワイヤレス通信システム内のチャネルである。これに代えてまたはこれに加えて、擬似対応チャネルは閾値範囲内または閾値内に相関した物理的特性を有する。さまざまな実現例において、ＵＥは、これらの類似性を識別したことに応答して、第１のニューラルネットワーク形成構成を第２のニューラルネットワーク形成構成から導出する。

【0152】

説明のために、シグナリングおよび制御トランザクション図１５００によって図１５に示されている、ニューラルネットワーク形成構成を伝達するためのシグナリングおよび制御トランザクションの第３の例についてここで考える。第３の例では、ＵＥは、識別された類似性に基づいてニューラルネットワーク形成構成を導出する。シグナリングおよび制御トランザクション図１５００は図１の基地局１２１およびＵＥ１１０を示しているが、代替実現例は、基地局１２１によって実行される機能の一部または全てを実行する図３のコアネットワークサーバ３０２のようなコアネットワークサーバを含む。

【0153】

１５０５において、基地局１２１は、擬似対応チャネルである２つ以上のチャネルを識別する。たとえば、（図２の基地局ニューラルネットワークマネージャ２６８または図３のコアネットワークニューラルネットワークマネージャ３１２を用いる）基地局１２１またはコアネットワークサーバ３０２は、方向、強度、発散、プロファイル、品質などのような、２つ以上のチャネルのさまざまなビームプロパティを比較する。基地局１２１は、任意の数のプロパティが所定の閾値内で互いに一致および／または相関する場合はこれら２つ以上のチャネルが擬似対応していると判断する。

【0154】

１５１０において、基地局１２１は、レイヤ２メッセージング、レイヤ３メッセージング、および／またはレイヤ１シグナリングを用いて擬似対応チャネルの表示を送信することなどにより、擬似対応チャネルの表示をＵＥ１１０に送信する。この表示は、任意の数のチャネルが互いに擬似対応していることを示し、これらのチャネルは物理チャネルおよび／または論理チャネルであり得る。一例として、この表示は、ダウンリンク制御チャネルとダウンリンクデータチャネルとが同様のデータレートを有する場合はこれらのチャネルが擬似対応していることを示す。別の例として、この表示は、異なる搬送周波数の２つの物理チャネルが同様の空間ビームを有することに基づいてこれらの物理チャネルが擬似対応していることを示す。

【0155】

１５１５において、基地局１２１は、擬似対応チャネルのうちの１つについてのニューラルネットワーク形成構成の表示を送信する。たとえば、基地局は、インデックス値と、形成されたディープニューラルネットワークをダウンリンク制御チャネルのような第１のチャネルの処理用に指定する処理割り当てとを送信する。

【0156】

１５２０において、ＵＥ１１０は、第１のチャネル（たとえばダウンリンク制御チャネル）についてのニューラルネットワーク形成構成を用いて第１のディープニューラルネットワークを形成する。１５２５において、ＵＥ１１０は第１のチャネルを擬似対応チャネルのうちの１つであると識別する。たとえば、ＵＥは、第１のチャネルを、基地局１２１によって識別されて基地局１２１から受信した擬似対応チャネルと比較する。ＵＥは、第１のチャネルを擬似対応チャネルのうちの１つであると識別したことに応答して、ニューラルネットワーク形成構成を、第１のチャネルに擬似対応する他のチャネルに適用することを決定する。したがって、１５３０において、ＵＥ１１０は、ニューラルネットワーク形成構成を用いて、他の擬似対応チャネルについてのディープニューラルネットワークを形成する。チャネルを擬似対応チャネルであると識別することにより、ニューラルネットワーク形成構成を擬似対応チャネルのうちの１つについて変更するだけでよく、この結果、ニューラルネットワーク形成構成を他の擬似対応チャネルごとに個別に変更しなくても、ニューラルネットワーク形成構成が全ての擬似対応チャネルについて変更されることになる。

【0157】

ニューラルネットワーク形成構成を伝達するために使用可能な信号および制御トランザクションについて説明してきたが、１つ以上の実現例に係る候補ニューラルネットワーク形成構成セットを用いることによりニューラルネットワーク形成構成を伝達するために使用可能な環境の一例についてここで考える。

【0158】

候補ニューラルネットワーク形成構成セットの伝達
いくつかの実現例において、ネットワークエンティティは候補ＮＮ形成構成要素セットをＵＥに伝達し、ＵＥはこの候補ＮＮ形成構成要素セットから１つのＮＮ形成構成を選択する。説明のために、候補ニューラルネットワーク形成構成要素セットを用いてニューラルネットワーク形成構成を伝達するための一例としての環境１６００を示す図１６－１および図１６－２について考える。図１６－１および図１６－２は、環境１６００－１、環境１６００－２、環境１６００－３および環境１６００－４とそれぞれラベル付けされた、異なる時点の一例としての環境１６００を示す。したがって、環境１６００－１、環境１６００－２、環境１６００－３および環境１６００－４は全体として、イベントが進行する環境１６００を表している。

【0159】

環境１６００－１において、基地局１２１の基地局ニューラルネットワークマネージャ２６８は、図１２のニューラルネットワークテーブル１２１２から少なくとも１つの候補ＮＮ形成構成要素セットを選択する。たとえば、基地局ニューラルネットワークマネージャ２６８は、図８の８１５および８２５において説明したように、さまざまなメトリック、パラメータ、および／または他の種類のフィードバックを受信する。次に、基地局ニューラルネットワークマネージャ２６８はニューラルネットワークテーブル１２１２を分析して、フィードバックと合致するＮＮ形成構成要素を識別する、フィードバックによって特定された問題を修正する、などである。

【0160】

実現例において、基地局ニューラルネットワークマネージャは、閾値範囲内にある入力特性を有するＮＮ形成構成を識別することなどにより、複数のＮＮ形成構成要素セットを識別する。環境１６００－１において、基地局ニューラルネットワークマネージャ２６８は、ＮＮ形成構成要素セット１６０２、ＮＮ形成構成要素セット１６０４、およびＮＮ形成構成要素セット１６０６、の３つのＮＮ形成構成要素セットを識別して選択する。いくつかの実現例において、各ＮＮ形成構成要素セットはそれぞれのＮＮ形成構成に対応する。

【0161】

環境１６００－１において、ＮＮ形成構成要素セット１６０２はインデックス値１６０８，１６１０および１６１２を含み、ＮＮ形成構成要素セット１６０４はインデックス値１６１４，１６１６および１６１８を含み、ＮＮ形成構成要素セット１６０６はインデックス値１６２０，１６２２および１６２４を含む。環境１６００－１は、基地局１２１の基地局ニューラルネットワークマネージャ２６８が候補ＮＮ形成構成要素セットを選択することを示しているが、代替実現例は、コアネットワークサーバ３０２のコアネットワークニューラルネットワークマネージャ３１２またはこれら双方を用いて候補ＮＮ形成構成要素セットを選択する。これに代えてまたはこれに加えて、基地局ニューラルネットワークマネージャおよび／またはコアネットワークニューラルネットワークマネージャは、ＮＮ形成構成要素のグループ化にマッピングする単一のインデックス値を選択する。

【0162】

環境１６００－２において、基地局１２１は、各候補ＮＮ形成構成要素セット（たとえば、ＮＮ形成構成要素セット１６０２、ＮＮ形成構成要素セット１６０４、ＮＮ形成構成要素セット１６０６）を参照する表示１６０８をＵＥ１１０に送信する。たとえば、この表示は、３つの候補ＮＮ形成構成要素セットをＵＥ１１０に伝達するためのインデックス値１６０２，１６０４，１６０６，１６０８，１６１０，１６１２，１６１４，１６１６および１６１８を含む。これに代えてまたはこれに加えて、この表示は、候補ＮＮ形成構成セットからＮＮ形成構成を選択する指示を含む。環境１６００－１および環境１６００－２は、候補ＮＮ形成構成に対応するＮＮ形成構成要素セットを示しているが、代替実現例は、さらに説明するように、要素のグループ化にマッピングする候補ＮＮ形成構成ごとに単一のインデックスを選択する。

【0163】

図１６－２の環境１６００－３において、ＵＥ１１０のＵＥニューラルネットワークマネージャ２１８は、候補ＮＮ形成構成要素セットを分析して、特定の通信を処理する（たとえば、送信通信を処理する、受信通信を処理する）ためにどのセットを使用すべきかを判断する。一例では、ＵＥニューラルネットワークマネージャは、第１のＮＮ形成構成要素セット１６０２（たとえばインデックス値１６０８，１６１０，１６１２）に基づいて第１の候補ディープニューラルネットワーク１６２８（候補ＤＮＮ１６２８）を形成する、第２のＮＮ形成構成要素セット１６０４（たとえばインデックス値１６０８，１６１０，１６１２）に基づいて第２の候補ディープニューラルネットワーク１６３０（候補ＤＮＮ１６３０）を形成する、第３のＮＮ形成構成要素セット１６０６（たとえばインデックス値１６１４，１６１６，１６１８）に基づいて第３の候補ディープニューラルネットワーク１６３２（候補ＤＮＮ１６３２）を形成する、などである。言い換えれば、ＵＥニューラルネットワークマネージャ２１８は、インデックス値を用いてニューラルネットワークテーブル（たとえばニューラルネットワークテーブル２１６）から各ＮＮ形成構成を取得し、候補ＮＮ形成構成要素セットを用いて少なくとも１つの候補ディープニューラルネットワークを形成する。

【0164】

次に、ＵＥニューラルネットワークマネージャ２１８は、候補ディープニューラルネットワークセットに関連付けられた１つ以上のメトリックを取得し、これら１つ以上のメトリックに基づいてニューラルネットワーク形成構成を選択する。いくつかの実現例は、候補ニューラルネットワーク形成構成セットの候補ニューラルネットワーク形成構成ごとにそれぞれのエラーメトリックを取得してエラーメトリックセットを生成する。次に、ＵＥニューラルネットワークマネージャは、エラーメトリックセットの各エラーメトリックを閾値と比較し、エラーメトリックセットに基づいてニューラルネットワーク形成構成を選択する。説明すると、ＵＥニューラルネットワークマネージャは、いくつかの例において、エラーメトリックセット内の他のエラーメトリックと比べて少ないエラーを示すエラーメトリックセット内の特定のエラーメトリック（たとえばＣＲＣパス）を識別し、その特定のエラーメトリックに対応する特定の候補ニューラルネットワーク形成構成を、ニューラルネットワーク形成構成として候補ニューラルネットワーク形成構成セットから選択する。例示的な実現例において、ＵＥニューラルネットワークマネージャ２１８は、既知の入力１６３４を各候補ＤＮＮに与え、各候補ディープニューラルネットワークからのそれぞれの出力（たとえば、出力１６３６、出力１６３８、出力１６４０）を比較することなどにより、各候補ＤＮＮを分析する。これに代えてまたはこれに加えて、ＵＥニューラルネットワークマネージャは他の種類の入力を提供し、その例が本明細書に提供されている。

【0165】

説明のために、各候補ＤＮＮが送信機通信の生成に対応する例について考える。ＵＥニューラルネットワークマネージャは、出力電力レベル、変調品質メトリック、相互変調積メトリックなどのような、出力１６３６、出力１６３８、出力１６４０のさまざまな送信メトリックを比較することができる。別の例として、各候補ＤＮＮが受信機通信の処理に対応するシナリオについて考える。その場合、ＵＥニューラルネットワークマネージャは、ＣＲＣ、信号対雑音（ＳＮＲ）、隣接／代替チャネルメトリック、ＢＥＲ、符号間干渉（ＩＳＩ）メトリックなどのような、出力１６３６、出力１６３８、出力１６４０のさまざまな受信機メトリックを比較することができる。次に、ＵＥニューラルネットワークマネージャ２１８は、分析に基づいて候補ニューラルネットワーク形成構成のうちの１つを選択する。

【0166】

環境１６００－４において、ＵＥ１１０は、選択された候補ニューラルネットワーク形成構成を用いて形成されたディープニューラルネットワーク１６４４（ＤＮＮ１６４４）を用いて通信１６４２を処理する。環境１６００－４では、（候補ＤＮＮ１６３２に対応する）ＤＮＮは、基地局１２１から受信したダウンリンク通信を処理するが、代替実現例では、ＤＮＮ１６４４は、ＵＥ１１０が基地局１２１に送信する送信通信を生成することなどによりアップリンク通信を処理する。

【0167】

シグナリングおよび制御トランザクション図１７００によって示されている、ニューラルネットワーク形成構成を伝達するためのシグナリングおよび制御トランザクションの第４の例を示す図１７についてここで考える。第４の例では、基地局はＵＥに複数の候補ニューラルネットワーク形成構成を提供し、ＵＥは候補ニューラルネットワーク形成構成のうちの１つを選択して、通信を処理するディープニューラルネットワークを形成する。シグナリングおよび制御トランザクション図１７００は図１の基地局１２１およびＵＥ１１０を示しているが、代替実現例は、基地局１２１によって実行される機能の一部または全てを実行する図３のコアネットワークサーバ３０２のようなコアネットワークサーバを含む。

【0168】

１７０５において、基地局１２１は候補ニューラルネットワーク形成構成セットを決定する。たとえば、（図２の基地局ニューラルネットワークマネージャ２６８または図３のコアネットワークニューラルネットワークマネージャ３１２を用いる）基地局１２１またはコアネットワークサーバ３０２は、ニューラルネットワークテーブルを分析して、指定範囲および／または閾値内の入力特性にリンクされている候補ニューラルネットワーク形成構成（たとえばニューラルネットワーク形成構成要素セット）を識別する。説明すると、基地局は入力特性を分析して、「Ｘ」＋／－閾値内にある動作条件を有する候補ニューラルネットワーク形成構成を識別する。基地局は、候補ニューラルネットワーク形成構成を識別する際に、これに代えてまたはこれに加えて、図１６－１の環境１６００－１を参照して説明したように、それぞれの候補ニューラルネットワーク形成構成について選択された各候補ニューラルネットワーク形成構成要素のインデックス値（たとえば、ＮＮ形成構成要素セット１６０２、ＮＮ形成構成要素セット１６０４、ＮＮ形成構成要素セット１６０６）を識別する。

【0169】

１７１０において、基地局１２１は、候補ニューラルネットワーク形成構成セットの表示をＵＥ１１０に送信する。たとえば、図１６－１の環境１６００－２を参照して、基地局は、候補ニューラルネットワーク形成構成セットに関連付けられた各インデックス値（たとえば、ニューラルネットワーク形成構成および／または構成要素セットに対応するインデックス値セット）をＵＥに送信する。場合によっては、基地局はインデックス値を単一のメッセージにおいて送信し、別の場合では、基地局は各インデックス値をそれぞれのメッセージにおいて送信する。

【0170】

１７１５において、ＵＥ１１０は、基地局１２１によって送信された通信のような、ワイヤレス通信システムを介して送信された通信に基づいて、候補ニューラルネットワーク形成構成セットを分析する。いくつかの実現例において、ＵＥ１１０は、ニューラルネットワークテーブルからそれぞれのＮＮ形成構成要素を抽出することなどにより、各候補ニューラルネットワーク形成構成を用いてそれぞれのディープニューラルネットワークを形成し、各ディープニューラルネットワークを用いて通信を処理することにより、通信を処理する。一例として、ＵＥは、図１６－２の環境１６００－３を参照して説明したように、それぞれのディープニューラルネットワークの各々を用いて通信を処理して通信内の予想されるデータパターンの復号化を試みることにより、ニューラルネットワーク形成構成のブラインド識別を実行する。次に、ＵＥは、各ディープニューラルネットワークの出力を分析してそれぞれのメトリック（たとえば、精度、ビット誤りなど）を生成することなどにより、各ディープニューラルネットワークを分析する。

【0171】

１７２０において、ＵＥ１１０は、候補ニューラルネットワーク形成構成セットのうちの候補ニューラルネットワーク形成構成を選択する。たとえば、ＵＥは、他の候補ニューラルネットワーク形成構成と比べて、予想されるデータパターンを最小ビット誤りで復号化するそれぞれのディープニューラルネットワークを形成する候補ニューラルネットワーク形成構成を選択する。１７２５において、ＵＥ１１０は、図１６－２の環境１６００－４を参照して説明したように、選択された候補ニューラルネットワーク形成構成を用いてディープニューラルネットワークを形成し、このディープニューラルネットワークを用いて通信を処理する。

【0172】

候補ニューラルネットワーク形成構成セットを用いてニューラルネットワーク形成構成を伝達するために使用可能な環境、ならびに信号および制御トランザクションの一例について説明してきたが、１つ以上の実現例に係る方法のいくつかの例についてここで考える。

【0173】

方法の例
ニューラルネットワーク形成構成を伝達する１つ以上の局面に係る一例としての方法１８００および１９００を図１８および図１９を参照して説明する。方法のブロックを説明する順序は、限定として解釈されることを意図したものではなく、説明する方法ブロックのうちの任意の数の方法ブロックを飛ばすまたは任意の順序で組み合わせることで、ある方法または代替方法を実現することができる。一般的に、本明細書に記載のコンポーネント、モジュール、方法、および動作のうちのいずれも、ソフトウェア、ファームウェア、ハードウェア（たとえば固定論理回路）、マニュアル処理、またはそれらの任意の組み合わせを用いて実現することができる。上記方法の例のいくつかの動作は、コンピュータ処理システムに対してローカルなおよび／またはリモートのコンピュータ読取可能記憶メモリに格納された実行可能な命令の一般的な文脈で説明される場合があり、実現例は、ソフトウェアアプリケーション、プログラム、機能などを含み得る。これに代えてまたはこれに加えて、本明細書に記載の機能のうちのいずれも、限定される訳ではないが、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、特定用途向け集積回路（ＡＳＩＣ）、特定用途向け標準製品（ＡＳＳＰ）、システムオンチップシステム（ＳｏＣ）、複合プログラマブルロジックデバイス（ＣＰＬＤ）などのような１つ以上のハードウェアロジックコンポーネントにより、少なくとも部分的に実行することができる。

【0174】

図１８は、ワイヤレス通信システムを介して送信される通信を処理するためのニューラルネットワーク形成構成を伝達する一例としての方法１８００を示す。いくつかの実現例において、方法１８００の動作は、たとえば基地局１２１またはコアネットワークサーバ３０２のうちの一方などのネットワークエンティティによって実行される。

【0175】

１８０５において、ネットワークエンティティは、複数のニューラルネットワーク形成構成要素を含むニューラルネットワークテーブルを送信し、これら複数のニューラルネットワーク形成構成要素の各ニューラルネットワーク形成構成要素は、ワイヤレス通信システムを介して送信される通信を処理するためのディープニューラルネットワークの少なくとも一部を構成する。たとえば、ネットワークエンティティ（たとえば基地局１２１）は、ＵＥのグループへのブロードキャストまたはマルチキャストメッセージを用いてニューラルネットワークテーブル（たとえば、ニューラルネットワークテーブル２７２、ニューラルネットワークテーブル３１６）をＵＥ（たとえばＵＥ１１０）に送信する。別の例として、ネットワークエンティティ（たとえば基地局１２１）は、ＵＥ専用メッセージを用いてニューラルネットワークテーブルをＵＥ（たとえばＵＥ１１０）に送信する。いくつかの実現例において、ネットワークエンティティ（たとえばコアネットワークサーバ３０２）は、ニューラルネットワークテーブルを基地局（たとえば基地局１２１）に伝達し、ニューラルネットワークテーブルをＵＥ（たとえばＵＥ１１０）に送信するように基地局に指示する。ネットワークエンティティは、レイヤ３メッセージングを用いてニューラルネットワークテーブルを送信することがある。これに代えてまたはこれに加えて、ネットワークエンティティは複数のニューラルネットワークテーブルを送信し、さらに説明するように各ニューラルネットワークテーブルは指定された処理割り当てを有する。

【0176】

１８１０において、ネットワークエンティティは、複数のニューラルネットワーク形成構成要素から１つ以上のニューラルネットワーク形成構成要素を選択してニューラルネットワーク形成構成を作成する。たとえば、ネットワークエンティティ（たとえば、基地局１２１、コアネットワークサーバ３０２）は、現在の動作条件をニューラルネットワークテーブルに格納された入力特性と比較し、これらの入力特性を現在の動作条件と相関付けるまたは突き合わせることでニューラルネットワーク形成構成要素を選択することにより、ニューラルネットワーク形成構成要素を選択する。いくつかの実現例において、ネットワークエンティティは候補ニューラルネットワーク形成構成セットを選択する。

【0177】

１８１５において、ネットワークエンティティはユーザ機器に表示を送信して、ニューラルネットワーク形成構成を用いてディープニューラルネットワークを形成するように、かつディープニューラルネットワークを用いて通信を処理するようにユーザ機器に指示する。一例として、ネットワークエンティティ（たとえば基地局１２１）は、ニューラルネットワーク形成構成および／またはニューラルネットワーク形成構成要素セットに対応するニューラルネットワークテーブルのインデックス値を求め、ダウンリンク制御チャネルを用いてインデックス値を送信すること、レイヤ２メッセージにおいてインデックス値を送信することなどにより、インデックス値をＵＥ１１０に送信する。別の例として、ネットワークエンティティ（たとえばコアネットワークサーバ３０２）は基地局（たとえば基地局１２１）に表示を伝達し、この表示をユーザ機器（たとえばＵＥ１１０）に送信するように基地局に指示する。ネットワークエンティティは、これに代えてまたはこれに加えて、ディープニューラルネットワークを用いてダウンリンク制御チャネル通信を処理するようにユーザ機器に指示する処理割り当てを示すことなどにより、ニューラルネットワーク形成構成を用いて形成されたディープニューラルネットワークについての処理割り当てを示す。いくつかの実現例において、ネットワークエンティティは、図１６－１および図１６－２を参照して説明したような候補ニューラルネットワーク形成構成セットを示す。

【0178】

ネットワークエンティティは、インデックス値を送信する際に、対応するディープニューラルネットワークを用いていつ通信を処理するかについての規則を指定する場合がある。一例として、ネットワークエンティティ（たとえば、基地局１２１、コアネットワークサーバ３０２）は、データチャネル通信と制御チャネル通信との間の時間閾値を決定する。ネットワークエンティティは、ディープニューラルネットワークを形成するようにユーザ機器（たとえばＵＥ１１０）に指示するためのインデックス値を送信する際に、時間閾値と、データチャネル通信と制御チャネル通信との間のタイミングが時間閾値を下回っている場合はデフォルトの形成構成を用いてディープニューラルネットワークを形成するようにユーザ機器に指示する規則とを送信する。これに加えてまたはこれに代えて、規則は、データチャネルと制御チャネルとが時間閾値内にあるために異なるＤＮＮに切り替えるのに十分な時間がない場合は、データチャネル通信および制御チャネル通信に同じニューラルネットワーク形成構成を用いるようにユーザ機器に指示してもよい。

【0179】

図１９は、図１７を参照して説明したように、候補ニューラルネットワーク形成構成セットを処理し、特定の候補ニューラルネットワーク形成構成を選択することなどにより、ワイヤレス通信システムを介して送信される通信を処理するためのニューラルネットワーク形成構成を伝達する一例としての方法１９００を示す。いくつかの実現例において、方法１９００の動作は、たとえばＵＥ１１０などのユーザ機器によって実行される。

【0180】

１９０５において、ユーザ機器は、ワイヤレス通信システムを介して送信される通信を処理するためのディープニューラルネットワークを構成する能力をユーザ機器に与える複数のニューラルネットワーク形成構成要素を含むニューラルネットワークテーブルを受信する。たとえば、ユーザ機器（たとえばＵＥ１１０）は、レイヤ３メッセージングにおいて基地局（たとえば基地局１２１）からニューラルネットワークテーブル（たとえばニューラルネットワークテーブル２７２）を受信する。別の例として、ユーザ機器は、マルチキャストまたはブロードキャストメッセージにおいてニューラルネットワークテーブルを受信する。これに代えてまたはこれに加えて、ユーザ機器は、ＵＥ専用メッセージにおいてニューラルネットワークテーブルを受信する。場合によっては、ユーザ機器は複数のニューラルネットワークテーブルを受信し、各ニューラルネットワークテーブルは指定された処理割り当てを有する。

【0181】

１９１０において、ユーザ機器は、複数のニューラルネットワーク形成構成要素のうちの１つ以上のニューラルネットワーク形成構成要素に基づくニューラルネットワーク形成構成を用いてディープニューラルネットワークを形成するようにユーザ機器に指示するメッセージを受信する。たとえば、ユーザ機器（たとえばＵＥ１１０）は、ニューラルネットワークテーブルへのインデックス値セットをこのメッセージにおいて受信し、このインデックス値セットは、図１６－１の環境１６００－２における通信１６２６、図１７の１７１０において基地局１２１によって送信される表示などのような、候補ニューラルネットワーク形成構成および／または構成要素セットに対応する。実現例において、ユーザ機器（たとえばＵＥ１１０）は、ニューラルネットワークテーブル内の１つのエントリ（または複数のエントリ）に対応するインデックス値を含むダウンリンク制御チャネルメッセージを受信する。いくつかの実現例において、このメッセージは、通信チャネル処理割り当て、処理チェーン処理割り当てなどのような、ニューラルネットワーク形成構成を用いて形成されたディープニューラルネットワークについての処理割り当ての表示を含む。

【0182】

１９１５において、ユーザ機器は、ニューラルネットワークテーブルにアクセスしてニューラルネットワーク形成構成要素を取得することにより、ニューラルネットワーク形成構成を用いてディープニューラルネットワークを形成する。一例では、ユーザ機器（たとえばＵＥ１１０）はインデックス値を用いてニューラルネットワークテーブルにアクセスする。これに代えてまたはこれに加えて、ユーザ機器は、図１６－１の環境１６００－２および図１６－２の環境１６００－３を参照して説明したように、インデックス値セットを用いてニューラルネットワークテーブルにアクセスすることにより候補ニューラルネットワーク形成構成セットを取得し、各候補ニューラルネットワーク形成構成を用いて候補ディープニューラルネットワークを形成する。たとえば、ＵＥ１１０は、各候補ニューラルネットワーク形成構成および／または構成要素を用いてそれぞれの候補ディープニューラルネットワークを形成し、図１７の１７１５において説明したように各候補ディープニューラルネットワークを用いて通信を処理して各候補ディープニューラルネットワークについてのそれぞれのメトリックを取得し、図１７の１７２０において説明したように１つ以上のメトリックに基づいてニューラルネットワーク形成構成を選択する。

【0183】

一例として、ユーザ機器（たとえばＵＥ１１０）は、候補ニューラルネットワーク形成構成セットの候補ニューラルネットワーク形成構成ごとにエラーメトリックを取得して、ＣＲＣメトリックのようなエラーメトリックセットを生成する。ユーザ機器は、ＣＲＣメトリックセットの各ＣＲＣメトリックを閾値と比較する。次に、ユーザ機器は、閾値を超えるＣＲＣメトリックセット内の特定のＣＲＣメトリックを識別し、その特定のＣＲＣメトリックに対応する特定の候補ニューラルネットワーク形成構成を、ニューラルネットワーク形成構成として候補ニューラルネットワーク形成構成セットから選択する。ＣＲＣメトリックの文脈で説明したが、ＢＥＲ、ＡＲＱ、ＨＡＲＱ、フレーム誤り率（ＦＥＲ）などのような他のエラーメトリックも利用可能である。

【0184】

いくつかの実現例において、ユーザ機器（たとえばＵＥ１１０）は、ディープニューラルネットワークを形成する際に、ニューラルネットワーク形成構成を用いて形成された第１のディープニューラルネットワークを用いて第１の通信チャネルを処理することを決定し、第１の通信チャネルに擬似対応する第２の通信チャネルを識別する。ユーザ機器（たとえばＵＥ１１０）は、第２の通信チャネルが擬似対応していると識別したことに応答して、ニューラルネットワーク形成構成を用いて形成された第２のディープニューラルネットワークを用いて第２の通信チャネルを処理することを決定する。

【0185】

ユーザ機器は、ディープニューラルネットワークを形成したことに応答して、１９２０において、ワイヤレス通信システムを介して送信される通信をディープニューラルネットワークを用いて処理する。たとえば、ユーザ機器（たとえばＵＥ１１０）は、ディープニューラルネットワークを用いてダウンリンク通信チャネルを処理する。

【0186】

ニューラルネットワークに関する基地局とユーザ機器とのメッセージング、およびニューラルネットワーク形成構成の伝達の局面について、特徴および／または方法に特有の言い回しで説明してきたが、添付の請求項の主題は、必ずしも記載されている特定の特徴または方法に限定されるものではない。むしろ、これらの特定の特徴および方法は、ニューラルネットワークに関する基地局とユーザ機器とのメッセージング、およびニューラルネットワーク形成構成の伝達の例示的な実現例として開示されており、他の等価の特徴および方法も添付の請求項の範囲内であるように意図されている。さらに、さまざまな異なる局面が記載されており、各々の記載されている局面は独立してまたは１つもしくは複数の他の記載されている局面に関連付けて実現可能であるということが理解される。

【0187】

いくつかの例を以下に記載する。
例１：ワイヤレス通信システムに関連付けられたネットワークエンティティが実行する方法であって、上記方法は、上記ワイヤレス通信システムを介して送信される通信を処理するためのディープニューラルネットワークについてのニューラルネットワーク形成構成を決定することと、上記ディープニューラルネットワークについての上記ニューラルネットワーク形成構成の表示を含むメッセージを生成することと、上記メッセージをユーザ機器に送信して、上記ニューラルネットワーク形成構成を用いて上記ディープニューラルネットワークを形成するように、かつ上記ワイヤレス通信システムを介して送信される上記通信を上記ディープニューラルネットワークを用いて処理するように上記ユーザ機器に指示することとを含む、方法。

【0188】

例２：上記メッセージを生成することは、上記ディープニューラルネットワークについての処理割り当てを上記メッセージに含めることをさらに含む、例１に記載の方法。

【0189】

例３：上記メッセージを生成することは、上記ディープニューラルネットワークの使用開始時間を示す時間インスタンスを、上記通信を処理するための上記ニューラルネットワーク形成構成とともに、上記メッセージにおいて指定することをさらに含む、例１または例２に記載の方法。

【0190】

例４：上記ニューラルネットワーク形成構成は第１のニューラルネットワーク形成構成を含み、上記表示は第１の表示を含み、上記メッセージは第１のメッセージを含み、上記方法はさらに、上記通信に関連付けられた１つ以上のメトリックを提供するフィードバックを上記ユーザ機器から受信することと、上記フィードバックに少なくとも部分的に基づいて上記ディープニューラルネットワークについての第２のニューラルネットワーク形成構成を決定することと、上記ディープニューラルネットワークについての上記第２のニューラルネットワーク形成構成の第２の表示を含む第２のメッセージを生成することと、上記第２のメッセージを上記ユーザ機器に送信して、上記第２のニューラルネットワーク形成構成を用いて上記ディープニューラルネットワークを更新するように上記ユーザ機器に指示することとを含む、先行する例のいずれか１つに記載の方法。

【0191】

例５：上記第２のニューラルネットワーク形成構成はデルタニューラルネットワーク形成構成を含む、例４に記載の方法。

【0192】

例６：上記ニューラルネットワーク形成構成を決定することは、上記ワイヤレス通信システムにおけるスケジューリング・マルチユーザ・マルチ入力・マルチ出力ダウンリンク送信に少なくとも部分的に基づいて上記ニューラルネットワーク形成構成を決定することを含む、先行する例のいずれか１つに記載の方法。

【0193】

例７：上記ニューラルネットワーク形成構成は第１のニューラルネットワーク形成構成を含み、上記ディープニューラルネットワークは第１のディープニューラルネットワークを含み、上記通信はダウンリンク通信を含み、上記方法はさらに、上記ユーザ機器からのアップリンク通信を処理するための第２のディープニューラルネットワークについての第２のニューラルネットワーク形成構成を決定することと、上記第２のニューラルネットワーク形成構成を上記ユーザ機器に送信し、上記第２のニューラルネットワーク形成構成を用いて上記第２のディープニューラルネットワークを形成するように、かつ上記第２のディープニューラルネットワークを用いて上記アップリンク通信を処理するように上記ユーザ機器に指示することとを含む、例１から例６のいずれか１つに記載の方法。

【0194】

例８：上記メッセージを送信して、上記第１のニューラルネットワーク形成構成を用いて上記ディープニューラルネットワークを形成するように上記ユーザ機器に指示することは、第１の無線アクセス技術を用いて上記メッセージを送信することを含み、上記第２のニューラルネットワーク形成構成を送信することは、上記第１の無線アクセス技術とは異なる第２の無線アクセス技術を用いて上記第２のニューラルネットワーク形成構成を送信することを含む、例７に記載の方法。

【0195】

例９：上記ニューラルネットワーク形成構成は第１のニューラルネットワーク形成構成を含み、上記ディープニューラルネットワークは第１のディープニューラルネットワークを含み、上記通信はダウンリンク通信を含み、上記方法はさらに、第２のディープニューラルネットワークを形成することと、上記第２のディープニューラルネットワークを用いて上記アップリンク通信を処理して上記アップリンク通信を復号化することとを含む、例１から例６のいずれか１つに記載の方法。

【0196】

例１０：上記ニューラルネットワーク形成構成は第１のニューラルネットワーク形成構成を含み、上記ディープニューラルネットワークは第１のディープニューラルネットワークを含み、上記通信はダウンリンク通信を含み、上記方法はさらに、第２のディープニューラルネットワークを形成することと、上記第２のディープニューラルネットワークを用いて上記ダウンリンク通信を処理して上記ダウンリンク通信を符号化することとを含む、例１から例６のいずれか１つに記載の方法。

【0197】

例１１：上記メッセージは第１のメッセージを含み、上記通信を処理するための上記ニューラルネットワーク形成構成を決定することは、上記ユーザ機器の１つ以上の能力を示す第２のメッセージを上記ユーザ機器から受信することと、上記ユーザ機器の上記１つ以上の能力に少なくとも部分的に基づいて上記ニューラルネットワーク形成構成を決定することとを含む、先行する例のいずれか１つに記載の方法。

【0198】

例１２：ワイヤレス通信システムに関連付けられたユーザ機器が実行する方法であって、上記方法は、上記ユーザ機器が、上記ワイヤレス通信システムに関連付けられた通信を処理するためのディープニューラルネットワークについてのニューラルネットワーク形成構成を示すメッセージを受信することと、上記メッセージにおいて示されている上記ニューラルネットワーク形成構成を用いて上記ディープニューラルネットワークを形成することと、基地局から上記通信を受信することと、上記ディープニューラルネットワークを用いて上記通信を処理して上記通信における情報を抽出することとを含む、方法。

【0199】

例１３：上記ニューラルネットワーク形成構成を示す上記メッセージを受信することは、上記基地局からブロードキャストメッセージを受信することと、上記ブロードキャストメッセージから上記ニューラルネットワーク形成構成を抽出することとを含む、例１２に記載の方法。

【0200】

例１４：上記ニューラルネットワーク形成構成を用いて上記ディープニューラルネットワークを形成することは、上記通信を処理するための上記ニューラルネットワーク形成構成の使用開始時間を示す時間インスタンスを上記メッセージから抽出することを含み、上記ディープニューラルネットワークを用いて上記通信を処理することは、上記時間インスタンスによって示されている上記時間に基づいて上記ディープニューラルネットワークを用いて上記通信を処理することを含む、例１２または例１３に記載の方法。

【0201】

例１５：上記メッセージは第１のメッセージを含み、上記ディープニューラルネットワークは第１のディープニューラルネットワークを含み、上記通信はダウンリンク通信を含み、上記通信を処理することは、上記第１のディープニューラルネットワークを用いて上記ダウンリンク通信からの情報を復号化することを含み、上記方法はさらに、上記ユーザ機器が、上記ワイヤレス通信システムを介して送信されるアップリンク通信を処理するための第２のディープニューラルネットワークについての第２のニューラルネットワーク形成構成を示す第２のメッセージを受信することと、上記第２のニューラルネットワーク形成構成を用いて上記第２のディープニューラルネットワークを形成することと、上記第２のディープニューラルネットワークを用いて上記アップリンク通信を処理して上記アップリンク通信上の情報を符号化することとを含む、例１２から例１４のいずれか１つに記載の方法。

【0202】

例１６：上記ニューラルネットワーク形成構成は第１のニューラルネットワーク形成構成を含み、上記メッセージは第１のメッセージを含み、上記表示は第１の表示を含み、上記方法はさらに、上記ディープニューラルネットワークについての第２のニューラルネットワーク形成構成の第２の表示を含む第２のメッセージを受信することと、上記第２のニューラルネットワーク形成構成を用いて上記ディープニューラルネットワークを形成することとを含む、先行する例のいずれか１つに記載の方法。

【0203】

例１７：上記第２のニューラルネットワーク形成構成はデルタニューラルネットワーク形成構成を含む、例１６に記載の方法。

【0204】

例１８：上記ニューラルネットワーク形成構成を示す上記メッセージを受信することは、上記ディープニューラルネットワークの処理割り当ての表示を上記メッセージにおいて受信することを含み、上記ディープニューラルネットワークを形成することは、上記処理割り当てにおいて指定されている通信処理チェーンで上記ディープニューラルネットワークを形成することを含む、例１１から例１７のいずれか１つに記載の方法。

【0205】

例１９：ネットワークエンティティであって、ワイヤレストランシーバと、プロセッサと、ディープニューラルネットワークマネージャモジュールを実現するための命令を含むコンピュータ読取可能記憶媒体とを含み、上記命令は、上記プロセッサによって実行されたことに応答して、例１から例１１に記載の方法のうちのいずれか１つを実行するように上記ネットワークエンティティに指示する、ネットワークエンティティ。

【0206】

例２０：ユーザ機器であって、ワイヤレストランシーバと、プロセッサと、ディープニューラルネットワークマネージャモジュールを実現するための命令を含むコンピュータ読取可能記憶媒体とを含み、上記命令は、上記プロセッサによって実行されたことに応答して、例１２から例１８に記載の方法のいずれか１つを実行するように上記ユーザ機器に指示する、ユーザ機器。

【0207】

例２１：ワイヤレス通信システムに関連付けられたネットワークエンティティが実行する方法であって、上記方法は、上記ネットワークエンティティがユーザ機器に、複数のニューラルネットワーク形成構成要素を含むニューラルネットワークテーブルを送信することを含み、上記複数のニューラルネットワーク形成構成要素の各ニューラルネットワーク形成構成要素は、上記ワイヤレス通信システムを介して送信される通信を処理するためのディープニューラルネットワークの少なくとも一部を構成し、上記方法はさらに、上記複数のニューラルネットワーク形成構成要素から１つ以上のニューラルネットワーク形成構成要素を選択してニューラルネットワーク形成構成を作成することと、表示を上記ユーザ機器に送信して、上記ニューラルネットワーク形成構成を用いてディープニューラルネットワークを形成するように、かつ上記ディープニューラルネットワークを用いて上記通信を処理するように上記ユーザ機器に指示することとを含む、方法。

【0208】

例２２：上記表示を送信することは、上記ニューラルネットワークテーブル内の上記１つ以上のニューラルネットワーク形成構成要素にマッピングする少なくとも１つのインデックス値を送信することを含む、例２１に記載の方法。

【0209】

例２３：上記ニューラルネットワーク形成構成を選択することは、候補ニューラルネットワーク形成構成要素セットを選択することを含み、上記表示を送信することは、上記候補ニューラルネットワーク形成構成要素セットの表示を送信することを含む、例１に記載の方法。

【0210】

例２４：上記候補ニューラルネットワーク形成構成要素セットの上記表示を送信することは、上記ニューラルネットワークテーブル内のエントリにマッピングするインデックス値セットを送信することを含む、例３に記載の方法。

【0211】

例２５：上記表示は第１の表示を含み、上記ディープニューラルネットワークは第１のディープニューラルネットワークを含み、上記ニューラルネットワーク形成構成は第１のニューラルネットワーク形成構成を含み、上記方法はさらに、上記ワイヤレス通信システムを介して送信される制御チャネル通信を上記第１のディープニューラルネットワークを用いて処理するように上記ユーザ機器に指示することと、第２のニューラルネットワーク形成構成を決定することと、第２の表示を上記ユーザ機器に送信して、上記第２のニューラルネットワーク形成構成を用いて第２のディープニューラルネットワークを形成するように、かつ上記ワイヤレス通信システムを介して送信されるデータチャネル通信を上記第２のディープニューラルネットワークを用いて処理するように上記ユーザ機器に指示することとを含む、先行する例のいずれか１つに記載の方法。

【0212】

例２６：上記データチャネル通信と上記制御チャネル通信との間の時間閾値を決定することと、上記データチャネル通信と上記制御チャネル通信との間のタイミングが上記時間閾値を下回っている場合はデフォルトの形成構成を用いて上記第２のディープニューラルネットワークを形成するように上記ユーザ機器に指示することとをさらに含む、例２５に記載の方法。

【0213】

例２７：上記ニューラルネットワークテーブルを送信することは、上記ニューラルネットワークテーブルをマルチキャストメッセージにおいて送信することを含む、先行する例のいずれか１つに記載の方法。

【0214】

例２８：上記ニューラルネットワーク形成構成は第１のニューラルネットワーク形成構成を含み、上記表示は第１の表示を含み、上記方法はさらに、上記通信に関連付けられた１つ以上のメトリックを提供するフィードバックを上記ユーザ機器から受信することと、上記フィードバックに少なくとも部分的に基づいて上記ディープニューラルネットワークについての第２のニューラルネットワーク形成構成を決定することと、第２の表示を上記ユーザ機器に送信して、上記第２のニューラルネットワーク形成構成を用いて上記ディープニューラルネットワークを更新するように上記ユーザ機器に指示することとを含む、先行する例のいずれか１つに記載の方法。

【0215】

例２９：上記第２のニューラルネットワーク形成構成はデルタニューラルネットワーク形成構成を含む、例２８に記載の方法。

【0216】

例３０：ワイヤレス通信システムに関連付けられたユーザ機器が実行する方法であって、上記方法は、上記ユーザ機器が、上記ワイヤレス通信システムを介して送信される通信を処理するためのディープニューラルネットワークを構成する能力を上記ユーザ機器に与える複数のニューラルネットワーク形成構成要素を含むニューラルネットワークテーブルを受信することと、上記ユーザ機器が、上記複数のニューラルネットワーク形成構成要素のうちの１つ以上のニューラルネットワーク形成構成要素に基づくニューラルネットワーク形成構成を用いて上記ディープニューラルネットワークを形成するように上記ユーザ機器に指示するメッセージを受信することと、上記ニューラルネットワークテーブルにアクセスして上記１つ以上のニューラルネットワーク形成構成要素を取得することにより、上記ニューラルネットワーク形成構成を用いて上記ディープニューラルネットワークを形成することと、上記ワイヤレス通信システムを介して送信される上記通信を上記ディープニューラルネットワークを用いて処理することとを含む、方法。

【0217】

例３１：上記ニューラルネットワーク形成構成を用いて上記ディープニューラルネットワークを形成するように上記ユーザ機器に指示する上記メッセージを受信することは、上記メッセージから処理割り当てを抽出することをさらに含み、上記ニューラルネットワーク形成構成を用いて上記ディープニューラルネットワークを形成することは、上記処理割り当てにおいて指定されている通信処理チェーンで上記ディープニューラルネットワークを形成することを含む、例３０に記載の方法。

【0218】

例３２：上記ニューラルネットワーク形成構成を用いて上記ディープニューラルネットワークを形成するように上記ユーザ機器に指示する上記メッセージを受信することは、上記ニューラルネットワークテーブル内のエントリにマッピングする少なくとも１つのインデックス値を受信することをさらに含み、上記ニューラルネットワーク形成構成を用いて上記ディープニューラルネットワークを形成することは、上記インデックス値を用いて上記ニューラルネットワークテーブルにアクセスすることを含む、例３０または例３１に記載の方法。

【0219】

例３３：上記ディープニューラルネットワークは第１のディープニューラルネットワークを含み、上記ニューラルネットワーク形成構成を用いて上記ディープニューラルネットワークを形成することは、上記ニューラルネットワーク形成構成を用いて形成された上記第１のディープニューラルネットワークを用いることによって第１の通信チャネルを処理することを決定することと、第２の通信チャネルが上記第１の通信チャネルに擬似対応していると識別することと、上記識別に基づいて、上記ニューラルネットワーク形成構成を用いて形成された第２のディープニューラルネットワークを用いて上記第２の通信チャネルを処理することを決定することとをさらに含む、先行する例のいずれか１つに記載の方法。

【0220】

例３４：上記第２の通信チャネルが上記第１の通信チャネルに擬似対応していると識別することは、上記第２の通信チャネルと上記第１の通信チャネルとが擬似対応しているという表示を受信することを含む、例３３に記載の方法。

【0221】

例３５：上記ニューラルネットワーク形成構成を用いて上記ディープニューラルネットワークを形成するように上記ユーザ機器に指示する上記メッセージを受信することは、上記ユーザ機器が、上記ニューラルネットワーク形成構成として使用すべき候補ニューラルネットワーク形成構成要素に対応するインデックス値セットを受信することをさらに含み、上記ニューラルネットワークテーブルにアクセスして上記ニューラルネットワーク形成構成要素を取得することにより、上記ニューラルネットワーク形成構成を用いて上記ディープニューラルネットワークを形成することは、上記インデックス値セットを用いて上記ニューラルネットワークテーブルにアクセスして上記候補ニューラルネットワーク形成構成要素を取得することと、上記候補ニューラルネットワーク形成構成要素を用いて候補ディープニューラルネットワークセットを形成して上記通信を処理することと、上記候補ディープニューラルネットワークセットに関連付けられた１つ以上のメトリックを取得することと、上記１つ以上のメトリックに基づいて上記ニューラルネットワーク形成構成を選択することとを含む、例３０に記載の方法。

【0222】

例３６：上記１つ以上のメトリックを取得することは、上記候補ディープニューラルネットワークセットの候補ディープニューラルネットワークごとにそれぞれのエラーメトリックを取得してエラーメトリックセットを生成することと、上記エラーメトリックセットの各エラーメトリックを閾値と比較することとを含み、上記ニューラルネットワーク形成構成を選択することは、上記エラーメトリックセット内の他のエラーメトリックと比べて少ないエラーを示す上記エラーメトリックセット内の特定のエラーメトリックを識別することと、上記特定のエラーメトリックに対応する特定の候補ディープニューラルネットワークを、上記ニューラルネットワーク形成構成として上記候補ディープニューラルネットワークから選択することとを含む、例３５に記載の方法。

【0223】

例３７：上記メッセージは第１のメッセージを含み、上記ディープニューラルネットワークは第１のディープニューラルネットワークを含み、上記ニューラルネットワーク形成構成は第１のニューラルネットワーク形成構成を含み、上記第１のメッセージは、上記第１のディープニューラルネットワークを用いて制御チャネル通信を処理するように上記ユーザ機器に指示する第１の処理割り当てを含み、上記方法はさらに、第２のニューラルネットワーク形成構成を用いて第２のディープニューラルネットワークを形成するように上記ユーザ機器に指示する第２のメッセージを受信することを含み、上記第２のメッセージは上記第２のディープニューラルネットワークについての第２の処理割り当てを含み、上記方法はさらに、上記ニューラルネットワークテーブルにアクセスして上記第２のニューラルネットワーク形成構成を取得することにより、上記第２のニューラルネットワーク形成を用いて上記第２のディープニューラルネットワークを形成することと、上記処理割り当てに基づいて、上記ワイヤレス通信システムを介して送信されるデータチャネル通信を上記第２のディープニューラルネットワークを用いて処理することとを含む、先行する例のいずれか１つに記載の方法。

【0224】

例３８：上記ニューラルネットワークテーブルを受信することは、上記ニューラルネットワークテーブルをマルチキャストメッセージにおいて受信することを含む、先行する例のいずれか１つに記載の方法。

【0225】

例３９：ネットワークエンティティであって、ワイヤレストランシーバと、プロセッサと、ディープニューラルネットワークマネージャモジュールを実現するための命令を含むコンピュータ読取可能記憶媒体とを含み、上記命令は、上記プロセッサによって実行されたことに応答して、例２１から例２９に記載の方法のいずれか１つを実行するようにネットワークエンティティに指示する、ネットワークエンティティ。

【0226】

例４０：ユーザ機器であって、ワイヤレストランシーバと、プロセッサと、命令を含むコンピュータ読取可能記憶媒体とを含み、上記命令は、上記プロセッサによって実行されたことに応答して、例３０から例３８に記載の方法のいずれか１つを実行するように上記ユーザ機器に指示する、ユーザ機器。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9-1】

【図9-2】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16-1】

【図16-2】

【図17】

【図18】

【図19】