(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2023-12-05
(54)【発明の名称】連合学習参加者の選択方法、装置、機器、及び記憶媒体
(51)【国際特許分類】
H04W 24/02 20090101AFI20231128BHJP
H04W 88/18 20090101ALI20231128BHJP
G06N 3/098 20230101ALI20231128BHJP
G06N 99/00 20190101ALI20231128BHJP
【ＦＩ】
H04W24/02
H04W88/18
G06N3/098
G06N99/00 180
【審査請求】有
【予備審査請求】未請求
(21)【出願番号】P 2023532158
(86)(22)【出願日】2021-09-10
(85)【翻訳文提出日】2023-06-15
(86)【国際出願番号】 CN2021117779
(87)【国際公開番号】W WO2022110975
(87)【国際公開日】2022-06-02
(31)【優先権主張番号】202011345470.3
(32)【優先日】2020-11-25
(33)【優先権主張国・地域又は機関】CN
(81)【指定国・地域】
(71)【出願人】
【識別番号】511151662
【氏名又は名称】中興通訊股▲ふん▼有限公司
【氏名又は名称原語表記】ＺＴＥ ＣＯＲＰＯＲＡＴＩＯＮ
【住所又は居所原語表記】ＺＴＥ Ｐｌａｚａ，Ｋｅｊｉ Ｒｏａｄ Ｓｏｕｔｈ，Ｈｉ－Ｔｅｃｈ Ｉｎｄｕｓｔｒｉａｌ Ｐａｒｋ，Ｎａｎｓｈａｎ Ｓｈｅｎｚｈｅｎ，Ｇｕａｎｇｄｏｎｇ ５１８０５７ Ｃｈｉｎａ
(74)【代理人】
【識別番号】100112656
【弁理士】
【氏名又は名称】宮田 英毅
(74)【代理人】
【識別番号】100089118
【弁理士】
【氏名又は名称】酒井 宏明
(72)【発明者】
【氏名】郭華
【テーマコード（参考）】
5K067
【Ｆターム（参考）】
5K067EE10
5K067EE16
(57)【要約】
連合学習参加者の選択方法、装置、機器、及び記憶媒体を提供する。該連合学習参加者の選択方法は、複数の選択対象参加者を取得するステップ（Ｓ１１）と、各選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子をそれぞれ決定するステップ（Ｓ１２）と、複数の選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、選定参加者を決定するステップ（Ｓ１３）と、を含む。
【選択図】図２
【選択図】図２
【特許請求の範囲】
【請求項1】
連合学習参加者の選択方法であって、複数の選択対象参加者を取得するステップと、
各前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子をそれぞれ決定するステップと、
複数の前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、選定参加者を決定するステップと、を含む方法。
【請求項2】
前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子を決定するステップは、連合学習タイプに基づいて、前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子を決定するステップを含む、請求項１に記載の方法。
【請求項3】
前記連合学習タイプは、ＫＰＩ劣化検出、セル重み最適化、光モジュール故障予測のうちの１つ又は複数を含む、請求項２に記載の方法。
【請求項4】
前記連合学習タイプがセル重み最適化である場合、連合学習タイプに基づいて、前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子を決定するステップは、前記選択対象参加者のＱｏＳアラームパラメータに基づいてデータ品質因子を決定するステップと、
前記選択対象参加者の緯度・経度に基づいてトラフィック因子を決定するステップと、
前記選択対象参加者のサービス時間に基づいて安定性因子を決定するステップと、を含む、請求項３に記載の方法。
【請求項5】
複数の前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、選定参加者を決定するステップは、データ品質因子、トラフィック因子及び安定性因子が最適関数の値を満たす選択対象参加者を選定参加者として決定するステップを含む、請求項４に記載の方法。
【請求項6】
前記最適関数は、【数1】
ここで、ｎは選択対象参加者の総数であり、ｉはｉ番目の選択対象参加者であり、ｄａｔａはデータ品質因子であり、ｖａｌｕｅはトラフィック因子であり、ａｖａｉｌａｂｌｅは安定性因子であり、ａは第１閾値であって、それぞれの選択対象参加者のｖａｌｕｅ値により決定され、ｂは第２閾値であって、それぞれの選択対象参加者のｄａｔａ値により決定され、ｃは第３閾値であって、それぞれの選択対象参加者のａｖａｉｌａｂｌｅ値により決定される、請求項５に記載の方法。
【請求項7】
前記連合学習タイプがＫＰＩ劣化検出又は光モジュール故障予測である場合、複数の前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、選定参加者を決定するステップは、複数の前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、各選択対象参加者の選出パラメータを決定するステップと、
前記選出パラメータを並べ替えて、最初のＬ個の前記選択対象参加者を選定参加者として決定するステップと、を含む、請求項３に記載の方法。
【請求項8】
前記連合学習タイプがＫＰＩ劣化検出である場合、連合学習タイプに基づいて、前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子を決定するステップは、前記選択対象参加者のパフォーマンスデータ完全性パラメータに基づいてデータ品質因子を決定するステップと、
前記選択対象参加者のＱｏＳアラームパラメータに基づいてトラフィック因子を決定するステップと、
前記選択対象参加者のサービス時間に基づいて安定性因子を決定するステップと、を含む、請求項７に記載の方法。
【請求項9】
複数の前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、各選択対象参加者の選出パラメータを決定するステップは、選択対象参加者ごとに、データ品質因子、トラフィック因子及び安定性因子のそれぞれを線形正規化方法で正規化処理するステップと、
正規化処理したデータ品質因子、トラフィック因子及び安定性因子に第１重み付け処理を行い、選択対象参加者の選出パラメータを得るステップと、を含む、請求項８に記載の方法。
【請求項10】
前記連合学習タイプが光モジュール故障予測である場合、連合学習タイプに基づいて、前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子を決定するステップは、前記選択対象参加者のパフォーマンスデータ完全性パラメータに基づいてデータ品質因子を決定するステップと、
前記選択対象参加者の光モジュールリンクの品質パラメータに基づいてトラフィック因子を決定するステップと、
前記選択対象参加者のサービス時間に基づいて安定性因子を決定するステップと、を含む、請求項７に記載の方法。
【請求項11】
複数の前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、各選択対象参加者の選出パラメータを決定するステップは、選択対象参加者ごとに、データ品質因子、トラフィック因子及び安定性因子に第２重み付け処理を行い、選択対象参加者の選出パラメータを得るステップを含む、請求項１０に記載の方法。
【請求項12】
複数の選択対象参加者を取得するように構成された取得モジュールと、各前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子をそれぞれ決定するように構成された因子決定モジュールと、
複数の前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、選定参加者を決定するように構成された参加者選択モジュールと、を備える、連合学習参加者の選択装置。
【請求項13】
１つ又は複数のプロセッサと、１つ又は複数のプログラムを記憶するためのメモリと、を含み、
前記１つ又は複数のプログラムは、前記１つ又は複数のプロセッサにより実行されると、前記１つ又は複数のプロセッサに請求項１～１１のいずれか１項に記載の方法を実現させる、連合学習参加者の選択機器。
【請求項14】
コンピュータプログラムを記憶した記憶媒体であって、前記コンピュータプログラムは、プロセッサによって実行されると、請求項１～１１のいずれか１項に記載の方法を実現する、記憶媒体。
【発明の詳細な説明】
【技術分野】
【0001】
本願は、出願番号が２０２０１１３４５４７０．３、出願日が２０２０年１１月２５日の中国特許出願に基づいて提出され、当該中国特許出願の優先権を主張しており、当該中国特許出願のすべての内容はここで参照として本願に組み込まれている。
【0002】
本願は、通信の技術分野に関し、具体的には、参加者の選択方法、装置、機器、及び記憶媒体に関する。
【背景技術】
【0003】
連合学習は、ＡＩ分野におけるデータ共有のプライバシーとセキュリティを解決するためのソリューションである。連合学習における参加者の品質と通信効果は、連合学習の結果に大きく影響する。
【0004】
図１は、従来の通信分野における連合学習システムの全体的なアーキテクチャの概略図である。図１に示すように、運用保守センター（ＯＭＣ：Ｏｐｅｒａｔｉｏｎ ａｎｄ Ｍａｉｎｔｅｎａｎｃｅ Ｃｅｎｔｅｒ）は連合学習のコーディネータ又はサーバとして機能し、基地局は参加者又はクライアントとして機能する。このアーキテクチャでは、参加者の選択は、ＯＭＣの履歴データを利用することができ、基地局との頻繁な相互作用による通信オーバーヘッド、及び基地局の通常のトラフィックへの影響を回避することができる。
【発明の概要】
【発明が解決しようとする課題】
【0005】
本願は、連合学習参加者の選択方法、装置、機器、及び記憶媒体を提供する。
【課題を解決するための手段】
【0006】
第１態様では、本願の実施例は、複数の選択対象参加者を取得するステップと、各前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子をそれぞれ決定するステップと、複数の前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、選定参加者を決定するステップと、を含む連合学習参加者の選択方法を提供する。
【0007】
第２態様では、本願の実施例は、複数の選択対象参加者を取得するように構成された取得モジュールと、各前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子をそれぞれ決定するように構成された因子決定モジュールと、複数の前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、選定参加者を決定するように構成された参加者選択モジュールと、を備える、連合学習参加者の選択装置を提供する。
【0008】
第３態様では、本願の実施例は、１つ又は複数のプロセッサと、１つ又は複数のプログラムを記憶するためのメモリと、を含み、前記１つ又は複数のプログラムは、前記１つ又は複数のプロセッサによって実行されると、前記１つ又は複数のプロセッサに本願の実施例のいずれか１つに記載の方法を実現させる、連合学習参加者の選択機器を提供する。
【0009】
第４態様では、本願の実施例は、コンピュータプログラムを記憶した記憶媒体であって、前記コンピュータプログラムは、プロセッサによって実行されると、本願の実施例のいずれか１つに記載の方法を実現する、記憶媒体を提供する。
【0010】
本願の上記の実施例及び他の態様、ならびにその実現方式に関して、図面の簡単な説明、発明を実施するための形態、及び特許請求の範囲において、より多くの説明が提供される。
【図面の簡単な説明】
【0011】
【図1】従来の通信分野における連合学習システムの全体的なアーキテクチャの概略図である。
【図2】本願の実施例による連合学習参加者の選択方法のフローチャートである。
【図3】本願の実施例による連合学習参加者の選択装置の構造概略図である。
【図4】本願の実施例による連合学習参加者の選択機器の構造概略図である。
【発明を実施するための形態】
【0012】
本願の目的、技術案及び利点をより明確に理解するために、本願の実施例は、図面を参照して以下に詳細に説明される。なお、本願の実施例及び実施例の特徴は、矛盾することなく互いに任意に組み合わせられ得る。
【0013】
図面のフローチャートに示されたステップは、コンピュータ実行可能命令のセットなどのコンピュータシステムにおいて実行することができる。また、論理的順序はフローチャートに示されているが、場合によっては、示された又は説明されたステップは、ここで示された順序とは異なる順序で実行されてもよい。
【0014】
本願の技術案は、例えば、グローバルモバイル通信システム（ＧＳＭ：Ｇｌｏｂａｌ Ｓｙｓｔｅｍ ｏｆ Ｍｏｂｉｌｅ ｃｏｍｍｕｎｉｃａｔｉｏｎ）、コード分割多重アクセス（ＣＤＭＡ：Ｃｏｄｅ Ｄｉｖｉｓｉｏｎ Ｍｕｌｔｉｐｌｅ Ａｃｃｅｓｓ）システム、広帯域符号分割多元接続（ＷＣＤＭＡ（登録商標）：Ｗｉｄｅｂａｎｄ Ｃｏｄｅ Ｄｉｖｉｓｉｏｎ Ｍｕｌｔｉｐｌｅ Ａｃｃｅｓｓ）システム、一般パケット無線サービス（ＧＰＲＳ：Ｇｅｎｅｒａｌ Ｐａｃｋｅｔ Ｒａｄｉｏ Ｓｅｒｖｉｃｅ）、長期的進化（ＬＴＥ：Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ）システム、高度な長期的進化（ＬＩＥ－Ａ：Ａｄｖａｎｃｅｄ ｌｏｎｇ ｔｅｒｍ ｅｖｏｌｕｔｉｏｎ）システム、ユニバーサル移動通信システム（ＵＭＴＳ：Ｕｎｉｖｅｒｓａｌ Ｍｏｂｉｌｅ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍ）、及び第５世代無線システム（５Ｇ：５ｔｈ ｇｅｎｅｒａｔｉｏｎ ｗｉｒｅｌｅｓｓ ｓｙｓｔｅｍｓ）システムなど、各種の通信システムに適用することができ、本願の実施例はこれを限定しない。本願では、５Ｇシステムを例として説明する。
【0015】
本願の実施例では、基地局は、ユーザ端末と通信可能な機器であってもよい。基地局は、無線送受信機能を有する任意の機器であってもよい。これには、基地局ＮｏｄｅＢ、進化型基地局ｅＮｏｄｅＢ、５Ｇ通信システムにおける基地局、未来の通信システムにおける基地局、ＷｉＦｉシステムにおけるアクセスノード、無線中継ノード、無線折り返しノードなどが含まれるが、これに限定されるものではない。基地局は、また、クラウド無線アクセスネットワーク（ＣＲＡＮ：ｃｌｏｕｄ ｒａｄｉｏ ａｃｃｅｓｓ ｎｅｔｗｏｒｋ）シナリオにおける無線コントローラであってもよく、また、基地局は、小規模局、伝送ノード（ＴＲＰ：ｔｒａｎｓｍｉｓｓｉｏｎ ｒｅｆｅｒｅｎｃｅ ｐｏｉｎｔ）などであってもよいが、本願の実施例はこれを限定しない。本願では、５Ｇ基地局を例にして説明する。
【0016】
一実施例では、本願は、連合学習参加者の選択方法を提供する。図２に示すように、本実施例による参加者の選択方法は、主に、ステップＳ１１、Ｓ１２、及びＳ１３を含む。
Ｓ１１：複数の選択対象参加者を取得する。
Ｓ１２：各前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子をそれぞれ決定する。
Ｓ１３：複数の前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、選定参加者を決定する。
Ｓ１１：複数の選択対象参加者を取得する。
Ｓ１２：各前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子をそれぞれ決定する。
Ｓ１３：複数の前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、選定参加者を決定する。
【0017】
本実施例では、前記参加者は、連合学習に参加する基地局であって、クライアントとも呼ばれる。選択対象参加者は、連合学習に参加したい、選択された参加者である。
【0018】
選択対象参加者を取得するとは、ＯＭＣと通信する複数の選択対象参加者を選出するものとしてもよい。
【0019】
一実施形態では、前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子を決定するステップは、連合学習タイプに基づいて、前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子を決定するステップを含む。
【0020】
一実施形態では、前記連合学習タイプは、ＫＰＩ劣化検出、セル重み最適化、光モジュール故障予測のうちの１つ又は複数を含む。
【0021】
本実施例では、連合学習のタイプに応じて、様々なシナリオにおけるデータ品質因子、トラフィック因子及び安定性因子を決定してもよい。
【0022】
一実施形態では、前記連合学習タイプがセル重み最適化である場合、連合学習タイプに基づいて、前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子を決定するステップは、
前記選択対象参加者のＱｏＳアラームパラメータに基づいてデータ品質因子を決定するステップと、
前記選択対象参加者の緯度・経度に基づいてトラフィック因子を決定するステップと、
前記選択対象参加者のサービス時間に基づいて安定性因子を決定するステップと、を含む。
前記選択対象参加者のＱｏＳアラームパラメータに基づいてデータ品質因子を決定するステップと、
前記選択対象参加者の緯度・経度に基づいてトラフィック因子を決定するステップと、
前記選択対象参加者のサービス時間に基づいて安定性因子を決定するステップと、を含む。
【0023】
本実施例では、ＱｏＳアラームをデータ品質因子ｄａｔａ、基地局の緯度・経度をトラフィック因子ｖａｌｕｅ、基地局のサービス時間を安定度因子ａｖａｉｌａｂｌｅとして選択する。
【0024】
本実施例では、どの基地局が最適化に参加するか、どのセルが最適化に参加するかは、セルパフォーマンスデータ又はＭＲデータに基づいて選択される。セルパフォーマンスが劣る基地局は最適化に参加することから、ＱｏＳアラームはデータ品質因子として選択され、ＱｏＳアラームが現れる比率はデータ品質因子ｄａｔａの値となり、すなわちｄａｔａ＝Ｎｕｍ（ＱｏＳアラーム）／Ｎｕｍ（アラーム）である。
【0025】
本実施例では、アンテナ重み値の最適化は基地局の地理的位置と相関があり、ある地域の基地局の地理的位置に相関性がなければならない。このため、基地局の緯度・経度は、トラフィック因子ｖａｌｕｅとして選択され、すなわちｖａｌｕｅ＝［ａｔｉｔｕｄｅ，ｌｏｎｇｉｔｕｄｅ］であり、ａｔｉｔｕｄｅは緯度値、ｌｏｎｇｉｔｕｄｅは経度値である。
【0026】
基地局のサービス時間は安定度因子ａｖａｉｌａｂｌｅとして選択され、すなわち、ａｖａｉｌａｂｌｅ＝ｔｉｍｅ（サービス）／ｔｉｍｅである。
【0027】
一実施形態では、複数の前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、選定参加者を決定するステップは、データ品質因子、トラフィック因子及び安定性因子が最適関数の値を満たす選択対象参加者を選定参加者として決定するステップを含む。
一実施形態では、前記最適関数は、
であり、
ここで、ｎは選択対象参加者の総数であり、ｉはｉ番目の選択対象参加者であり、ｄａｔａはデータ品質因子であり、ｖａｌｕｅはトラフィック因子であり、ａｖａｉｌａｂｌｅは安定性因子であり、ａは第１閾値であって、それぞれの選択対象参加者のｖａｌｕｅ値により決定され、ｂは第２閾値であって、それぞれの選択対象参加者のｄａｔａ値により決定され、ｃは第３閾値であって、それぞれの選択対象参加者のａｖａｉｌａｂｌｅ値により決定される。
一実施形態では、前記最適関数は、
【数1】
ここで、ｎは選択対象参加者の総数であり、ｉはｉ番目の選択対象参加者であり、ｄａｔａはデータ品質因子であり、ｖａｌｕｅはトラフィック因子であり、ａｖａｉｌａｂｌｅは安定性因子であり、ａは第１閾値であって、それぞれの選択対象参加者のｖａｌｕｅ値により決定され、ｂは第２閾値であって、それぞれの選択対象参加者のｄａｔａ値により決定され、ｃは第３閾値であって、それぞれの選択対象参加者のａｖａｉｌａｂｌｅ値により決定される。
【0028】
本実施例では、各参加者トラフィック因子ｖａｌｕｅ値の分散を累積した最小値をａ、各基地局ｄａｔａの累積値をｂ、各基地局ａｖａｉｌａｂｌｅの累積値をｃとする。ａ、ｂ、ｃの値は、該アルゴリズムに要求される精度に応じて設定され、１つの初期値を設定してから、アルゴリズムの進行に合わせて調整されてもよい。
【0029】
いくつかの例では、各基地局の値を最適化関数ｆ（ｄａｔａ，ｖａｌｕｅ，ａｖａｉｌａｂｌｅ）に代入した結果、該式の値を満たせば、当該基地局が選定される。
【0030】
一実施形態では、前記連合学習タイプがＫＰＩ劣化検出又は光モジュール故障予測である場合、複数の前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、選定参加者を決定するステップは、複数の前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、各選択対象参加者の選出パラメータを決定するステップと、前記選出パラメータを並べ替えて、最初のＬ個の前記選択対象参加者を選定参加者として決定するステップと、を含む。
【0031】
一実施形態では、前記連合学習タイプがＫＰＩ劣化検出である場合、連合学習タイプに基づいて、前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子を決定するステップは、前記選択対象参加者のパフォーマンスデータ完全性パラメータに基づいてデータ品質因子を決定するステップと、前記選択対象参加者のＱｏＳアラームパラメータに基づいてトラフィック因子を決定するステップと、前記選択対象参加者のサービス時間に基づいて安定性因子を決定するステップと、を含む。
【0032】
本実施例では、パフォーマンスデータ完全性をデータ品質因子ｄａｔａ、ＱｏＳアラームをトラフィック因子ｖａｌｕｅ、基地局のサービス時間を安定度因子ａｖａｉｌａｂｌｅとして選択する。
【0033】
本実施例では、上記のデータ品質因子の計算方法は、通常のパフォーマンスデータを収集する時間の割合を計算することであり、すなわちｄａｔａ＝１－Ｔｉｍｅ（補足収集）／Ｔｉｍｅである。Ｔｉｍｅはパフォーマンスデータを収集する総時間であり、Ｔｉｍｅ（補足収集）は、パフォーマンスデータを補足収集する時間である。
【0034】
本実施例では、ＫＰＩ劣化検出を例にして、劣化の原因をより多く分析により得るためにＫＰＩ劣化がよく発生した局を選択し、このため、ＱｏＳアラームをトラフィック因子ｖａｌｕｅとして選択する。ＱｏＳアラームが現れる比率を該トラフィック因子ｖａｌｕｅの値とし、すなわち、ｖａｌｕｅ＝Ｎｕｍ（ＱｏＳアラーム）／Ｎｕｍ（アラーム）である。Ｎｕｍ（アラーム）はアラームの総数、Ｎｕｍ（ＱｏＳアラーム）はＱｏＳアラームの回数である。
【0035】
本実施例では、基地局のサービス時間を安定度因子ａｖａｉｌａｂｌｅとし、すなわち、ａｖａｉｌａｂｌｅ＝ｔｉｍｅ（サービス）／ｔｉｍｅである。ｔｉｍｅ（サービス）は基地局のサービス時間である。
【0036】
一実施形態では、複数の前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、各選択対象参加者の選出パラメータを決定するステップは、選択対象参加者ごとに、データ品質因子、トラフィック因子及び安定性因子のそれぞれを線形正規化方法で正規化処理するステップと、正規化処理したデータ品質因子、トラフィック因子及び安定性因子に第１重み付け処理を行い、選択対象参加者の選出パラメータを得るステップと、を含む。
【0037】
上記のデータ品質因子ｄａｔａ、トラフィック因子ｖａｌｕｅ、安定度因子ａｖａｉｌａｂｌｅを１つの次元に含まないので、正規化処理を行う必要がある。これらの因子をそれぞれ線形正規化方法で正規化処理し、正規化処理したデータ品質因子Ｄａｔａ１、トラフィック因子Ｖａｌｕｅ１、安定度因子Ａｖａｉｌａｂｌｅ１を得る。
【0038】
正規化した後、上記の複数の次元のデータを累積する。
【0039】
これらの因子の該アルゴリズムにおける重みを考慮する必要があるため、ｆ（ｄａｔａ，ｖａｌｕｅ，ａｖａｉｌａｂｌｅ）＝Ａ１×Ｄａｔａ１＋Ｂ１×Ｖａｌｕｅ１＋Ｃ１×Ａｖａｉｌａｂｌｅ１とし、ここで、重み因子Ａ１、Ｂ１、Ｃ１は経験に応じて設定されてもよいが、Ａ＋Ｂ＋Ｃは１でなければならない。
【0040】
いくつかの例では、各基地局について上記のアルゴリズムに従って計算を行う。最終的に得られた結果を降順で並べ替えて、最初のＬ個の基地局を選定基地局として決定する。ここで、Ｌは、正の整数で、実際の状況に応じて設定されてもよい。
【0041】
一実施形態では、前記連合学習タイプが光モジュール故障予測である場合、連合学習タイプに基づいて、前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子を決定するステップは、前記選択対象参加者のパフォーマンスデータ完全性パラメータに基づいてデータ品質因子を決定するステップと、前記選択対象参加者の光モジュールリンクの品質パラメータに基づいてトラフィック因子を決定するステップと、前記選択対象参加者のサービス時間に基づいて安定性因子を決定するステップと、を含む。
【0042】
本実施例では、パフォーマンスデータ完全性をデータ品質因子ｄａｔａ、光モジュールリンクのサービス時間をトラフィック因子ｖａｌｕｅ、基地局のサービス時間を安定度因子ａｖａｉｌａｂｌｅとして選択する。
【0043】
本実施例では、アルゴリズムが主として利用するビット誤り率データがパフォーマンスデータによりエスカレーションされるので、パフォーマンスデータ完全性はデータ品質因子として選択される。該因子の計算方法は、通常のパフォーマンスデータを収集する時間の割合を計算することであり、すなわち、ｄａｔａ＝１－Ｔｉｍｅ（補足収集）／Ｔｉｍｅである。
【0044】
本実施例では、予測に必要な他のデータは光モジュールから取得されるので、光モジュールリンクの安定性の確保が求められる。光モジュールリンクの品質はトラフィック因子とされ、該因子は光モジュールリンクのサービス時間で表され、すなわち、ｖａｌｕｅ＝ｔｉｍｅ（光モジュールサービス）／ｔｉｍｅである。
【0045】
本実施例では、基地局のサービス時間は安定度因子ａｖａｉｌａｂｌｅとされ、すなわち、ａｖａｉｌａｂｌｅ＝ｔｉｍｅ（サービス）／ｔｉｍｅである。
【0046】
一実施形態では、複数の前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、各選択対象参加者の選出パラメータを決定するステップは、選択対象参加者ごとに、データ品質因子、トラフィック因子及び安定性因子に第２重み付け処理を行い、選択対象参加者の選出パラメータを得るステップを含む。
【0047】
本実施例では、上記の各因子の次元が同じであるので、正規化処理を行う必要がなく、このため、ｆ（ｄａｔａ，ｖａｌｕｅ，ａｖａｉｌａｂｌｅ）＝ａ２×ｄａｔａ＋ｂ２×ｖａｌｕｅ＋ｃ２×ａｖａｉｌａｂｌｅとすればよい。ここで、ａ、ｂ、ｃは、重み因子として経験に応じて設定・調整される。
【0048】
いくつかの例では、各基地局について上記のアルゴリズムに従って計算を行う。最終的に得られた結果を降順で並べ替えて、最初のＬ個の基地局を選定基地局として決定する。ここで、Ｌは、正の整数で、実際の状況に応じて設定されてもよい。
【0049】
一適用例では、ＫＰＩ劣化で連合学習の参加者の管理を検出し、本実施例では、ＫＰＩ劣化が顕著なセルを参加者とする必要がある。
ステップ１：トラフィックピーク時、スリープ状態又は省電力状態にある基地局を除外する。
ステップ２：パフォーマンスデータ完全性をデータ品質因子ｄａｔａとして選択する。
該データ品質因子の計算方法は、通常のパフォーマンスデータを収集する時間の割合を計算することであり、すなわち、ｄａｔａ＝１－Ｔｉｍｅ（補足収集）／Ｔｉｍｅである。Ｔｉｍｅは、パフォーマンスデータを収集する総時間、Ｔｉｍｅ（補足収集）は、パフォーマンスデータを補足収集する時間である。
ステップ３：ＱｏＳアラームをトラフィック因子ｖａｌｕｅとして選択する。
ＫＰＩ劣化検出を例にして、劣化の原因をより多く分析により得るためにＫＰＩ劣化がよく発生した局を選択し、このため、ＱｏＳアラームをトラフィック因子ｖａｌｕｅとして選択する。ＱｏＳアラームが現れる比率を該トラフィック因子ｖａｌｕｅの値とし、すなわち、ｖａｌｕｅ＝Ｎｕｍ（ＱｏＳアラーム）／Ｎｕｍ（アラーム）である。Ｎｕｍ（アラーム）はアラームの総数、Ｎｕｍ（ＱｏＳアラーム）はＱｏＳアラームの回数である。
ステップ４：基地局のサービス時間を安定度因子ａｖａｉｌａｂｌｅとし、すなわち、ａｖａｉｌａｂｌｅ＝ｔｉｍｅ（サービス）／ｔｉｍｅとし、ｔｉｍｅ（サービス）は、基地局のサービス時間である。
ステップ５：上記のデータ品質因子ｄａｔａ、トラフィック因子ｖａｌｕｅ及び安定度因子ａｖａｉｌａｂｌｅをそれぞれ線形正規化方法で正規化処理し、正規化したデータ品質因子Ｄａｔａ１、トラフィック因子Ｖａｌｕｅ１及び安定度因子Ａｖａｉｌａｂｌｅ１を得る。
ステップ６：正規化した後、上記の複数の次元のデータを累積する。
これらの因子の該アルゴリズムにおける重みを考慮する必要があるため、ｆ（ｄａｔａ，ｖａｌｕｅ，ａｖａｉｌａｂｌｅ）＝Ａ１×Ｄａｔａ１＋Ｂ１×Ｖａｌｕｅ１＋Ｃ１×Ａｖａｉｌａｂｌｅ１とし、ここで、重み因子Ａ１、Ｂ１、Ｃ１は経験に応じて設定されてもよいが、Ａ＋Ｂ＋Ｃは１でなければならない。
ステップ７：いくつかの基地局をランダムに選択してもよいし、各基地局について上記のアルゴリズムに従って計算を行ってもよい。最終的に得られた結果を降順で並べ替えて、最初のＬ個の基地局を選定基地局として決定する。ここで、Ｌは、正の整数で、実際の状況に応じて設定されてもよい。
ステップ１：トラフィックピーク時、スリープ状態又は省電力状態にある基地局を除外する。
ステップ２：パフォーマンスデータ完全性をデータ品質因子ｄａｔａとして選択する。
該データ品質因子の計算方法は、通常のパフォーマンスデータを収集する時間の割合を計算することであり、すなわち、ｄａｔａ＝１－Ｔｉｍｅ（補足収集）／Ｔｉｍｅである。Ｔｉｍｅは、パフォーマンスデータを収集する総時間、Ｔｉｍｅ（補足収集）は、パフォーマンスデータを補足収集する時間である。
ステップ３：ＱｏＳアラームをトラフィック因子ｖａｌｕｅとして選択する。
ＫＰＩ劣化検出を例にして、劣化の原因をより多く分析により得るためにＫＰＩ劣化がよく発生した局を選択し、このため、ＱｏＳアラームをトラフィック因子ｖａｌｕｅとして選択する。ＱｏＳアラームが現れる比率を該トラフィック因子ｖａｌｕｅの値とし、すなわち、ｖａｌｕｅ＝Ｎｕｍ（ＱｏＳアラーム）／Ｎｕｍ（アラーム）である。Ｎｕｍ（アラーム）はアラームの総数、Ｎｕｍ（ＱｏＳアラーム）はＱｏＳアラームの回数である。
ステップ４：基地局のサービス時間を安定度因子ａｖａｉｌａｂｌｅとし、すなわち、ａｖａｉｌａｂｌｅ＝ｔｉｍｅ（サービス）／ｔｉｍｅとし、ｔｉｍｅ（サービス）は、基地局のサービス時間である。
ステップ５：上記のデータ品質因子ｄａｔａ、トラフィック因子ｖａｌｕｅ及び安定度因子ａｖａｉｌａｂｌｅをそれぞれ線形正規化方法で正規化処理し、正規化したデータ品質因子Ｄａｔａ１、トラフィック因子Ｖａｌｕｅ１及び安定度因子Ａｖａｉｌａｂｌｅ１を得る。
【数2】
これらの因子の該アルゴリズムにおける重みを考慮する必要があるため、ｆ（ｄａｔａ，ｖａｌｕｅ，ａｖａｉｌａｂｌｅ）＝Ａ１×Ｄａｔａ１＋Ｂ１×Ｖａｌｕｅ１＋Ｃ１×Ａｖａｉｌａｂｌｅ１とし、ここで、重み因子Ａ１、Ｂ１、Ｃ１は経験に応じて設定されてもよいが、Ａ＋Ｂ＋Ｃは１でなければならない。
ステップ７：いくつかの基地局をランダムに選択してもよいし、各基地局について上記のアルゴリズムに従って計算を行ってもよい。最終的に得られた結果を降順で並べ替えて、最初のＬ個の基地局を選定基地局として決定する。ここで、Ｌは、正の整数で、実際の状況に応じて設定されてもよい。
【0050】
一適用例では、セル重み値最適化を例にして説明する。セル重み値最適化はセルブロードキャスト重み値の自動調整を提供し、ユーザは１つの領域についてタスクを構築して、適切なパラメータを設定する。システムは、測定、最適重み値群の最適化計算、評価、重み値復元の一連のステップによって重み値を自動的に調整する。
ステップ１：トラフィックピーク時、スリープ状態又は省電力状態にある基地局を除外する。
ステップ２：ＱｏＳアラームをデータ品質因子ｄａｔａとして選択する。
本実施例では、どの基地局が最適化に参加するかは、セルパフォーマンスデータ又はＭＲデータに基づいて選択され、セルパフォーマンスが劣る基地局は最適化に参加することから、ＱｏＳアラームはデータ品質因子として選択され、ＱｏＳアラームが現れる比率はデータ品質因子ｄａｔａの値とし、すなわち、ｄａｔａ＝Ｎｕｍ（ＱｏＳアラーム）／Ｎｕｍ（アラーム）である。
ステップ３：基地局の緯度・経度をトラフィック因子ｖａｌｕｅとして選択する。
本実施例では、アンテナ重み値の最適化を例にして、アンテナ重み値の最適化は基地局の地理的位置と相関があり、ある地域の基地局の地理的位置に相関性がなければならない。このため、基地局の緯度・経度は、トラフィック因子ｖａｌｕｅとして選択され、すなわちｖａｌｕｅ＝［ａｔｉｔｕｄｅ，ｌｏｎｇｉｔｕｄｅ］であり、ａｔｉｔｕｄｅは緯度値、ｌｏｎｇｉｔｕｄｅは経度値である。
ステップ４：基地局のサービス時間を安定度因子ａｖａｉｌａｂｌｅとし、すなわち、ａｖａｉｌａｂｌｅ＝ｔｉｍｅ（サービス）／ｔｉｍｅとする。
ステップ５：トラフィック因子ｖａｌｕｅに関しては各基地局の緯度・経度が最も近いことを満たさなければならないため、各基地局のトラフィック因子ｖａｌｕｅ値の分散を累積した最小値をａ、各基地局ｄａｔａを累積した閾値をｂ、各基地局ａｖａｉｌａｂｌｅを累積した閾値をｃとすると、最適関数とするｆ（）は以下のとおりである。
ここで、ｎは選択対象参加者の総数であり、ｉはｉ番目の選択対象参加者であり、ｄａｔａはデータ品質因子であり、ｖａｌｕｅはトラフィック因子であり、ａｖａｉｌａｂｌｅは安定性因子であり、ａは第１閾値であって、それぞれの選択対象参加者のｖａｌｕｅ値により決定され、ｂは第２閾値であって、それぞれの選択対象参加者のｄａｔａ値により決定され、ｃは第３閾値であって、それぞれの選択対象参加者のａｖａｉｌａｂｌｅ値により決定される。
ａ、ｂ、ｃの値は、該アルゴリズムに要求される精度に応じて設定され、１つの初期値を設定してから、アルゴリズムの進行に合わせて調整されてもよい。
ステップ６：いくつかの基地局をランダムに選択して、各基地局の値をｆ（ｄａｔａ，ｖａｌｕｅ，ａｖａｉｌａｂｌｅ）に代入した結果、該式の値を満たせば、当該基地局を選定する。
ステップ１：トラフィックピーク時、スリープ状態又は省電力状態にある基地局を除外する。
ステップ２：ＱｏＳアラームをデータ品質因子ｄａｔａとして選択する。
本実施例では、どの基地局が最適化に参加するかは、セルパフォーマンスデータ又はＭＲデータに基づいて選択され、セルパフォーマンスが劣る基地局は最適化に参加することから、ＱｏＳアラームはデータ品質因子として選択され、ＱｏＳアラームが現れる比率はデータ品質因子ｄａｔａの値とし、すなわち、ｄａｔａ＝Ｎｕｍ（ＱｏＳアラーム）／Ｎｕｍ（アラーム）である。
ステップ３：基地局の緯度・経度をトラフィック因子ｖａｌｕｅとして選択する。
本実施例では、アンテナ重み値の最適化を例にして、アンテナ重み値の最適化は基地局の地理的位置と相関があり、ある地域の基地局の地理的位置に相関性がなければならない。このため、基地局の緯度・経度は、トラフィック因子ｖａｌｕｅとして選択され、すなわちｖａｌｕｅ＝［ａｔｉｔｕｄｅ，ｌｏｎｇｉｔｕｄｅ］であり、ａｔｉｔｕｄｅは緯度値、ｌｏｎｇｉｔｕｄｅは経度値である。
ステップ４：基地局のサービス時間を安定度因子ａｖａｉｌａｂｌｅとし、すなわち、ａｖａｉｌａｂｌｅ＝ｔｉｍｅ（サービス）／ｔｉｍｅとする。
ステップ５：トラフィック因子ｖａｌｕｅに関しては各基地局の緯度・経度が最も近いことを満たさなければならないため、各基地局のトラフィック因子ｖａｌｕｅ値の分散を累積した最小値をａ、各基地局ｄａｔａを累積した閾値をｂ、各基地局ａｖａｉｌａｂｌｅを累積した閾値をｃとすると、最適関数とするｆ（）は以下のとおりである。
【数3】
ａ、ｂ、ｃの値は、該アルゴリズムに要求される精度に応じて設定され、１つの初期値を設定してから、アルゴリズムの進行に合わせて調整されてもよい。
ステップ６：いくつかの基地局をランダムに選択して、各基地局の値をｆ（ｄａｔａ，ｖａｌｕｅ，ａｖａｉｌａｂｌｅ）に代入した結果、該式の値を満たせば、当該基地局を選定する。
【0051】
一適用例では、光モジュール故障が予測される。該アルゴリズムは主に光モジュールの光ポート誤り符号データなどのデータを利用して予測を行う。
ステップ１：トラフィックピーク時、スリープ状態又は省電力状態にある基地局を除外する。
ステップ２：パフォーマンスデータ完全性をデータ品質因子ｄａｔａとして選択する。
アルゴリズムが主として利用するビット誤り率データがパフォーマンスデータによりエスカレーションされるので、パフォーマンスデータ完全性はデータ品質因子として選択される。該因子の計算方法は、通常のパフォーマンスデータを収集する時間の割合を計算することであり、すなわち、ｄａｔａ＝１－Ｔｉｍｅ（補足収集）／Ｔｉｍｅである。
ステップ３：光モジュールリンクのサービス時間でトラフィック因子ｖａｌｕｅを表す。
予測に必要な他のデータは光モジュールから取得されるので、光モジュールリンクの安定性の確保が求められる。光モジュールリンクの品質はトラフィック因子とされ、該因子は光モジュールリンクのサービス時間で表され、すなわち、ｖａｌｕｅ＝ｔｉｍｅ（光モジュールサービス）／ｔｉｍｅである。
ステップ４：基地局のサービス時間を安定度因子ａｖａｉｌａｂｌｅとし、すなわち、ａｖａｉｌａｂｌｅ＝ｔｉｍｅ（サービス）／ｔｉｍｅとする。
ステップ５：上記の各因子の次元が同じであるので、ｆ（ｄａｔａ，ｖａｌｕｅ，ａｖａｉｌａｂｌｅ）＝ａ２×ｄａｔａ＋ｂ２×ｖａｌｕｅ＋ｃ２×ａｖａｉｌａｂｌｅとすればよい。ここで、ａ２、ｂ２、ｃ２は、重み因子として経験に応じて設定・調整される。
ステップ６：いくつかの基地局をランダムに選択し、また、各基地局について上記のアルゴリズムに従って計算を行ってもよい。最終的に得られた結果を降順で並べ替えて、最初のＬ個の基地局を選定基地局として決定する。ここで、Ｌは、正の整数で、実際の状況に応じて設定されてもよい。
ステップ１：トラフィックピーク時、スリープ状態又は省電力状態にある基地局を除外する。
ステップ２：パフォーマンスデータ完全性をデータ品質因子ｄａｔａとして選択する。
アルゴリズムが主として利用するビット誤り率データがパフォーマンスデータによりエスカレーションされるので、パフォーマンスデータ完全性はデータ品質因子として選択される。該因子の計算方法は、通常のパフォーマンスデータを収集する時間の割合を計算することであり、すなわち、ｄａｔａ＝１－Ｔｉｍｅ（補足収集）／Ｔｉｍｅである。
ステップ３：光モジュールリンクのサービス時間でトラフィック因子ｖａｌｕｅを表す。
予測に必要な他のデータは光モジュールから取得されるので、光モジュールリンクの安定性の確保が求められる。光モジュールリンクの品質はトラフィック因子とされ、該因子は光モジュールリンクのサービス時間で表され、すなわち、ｖａｌｕｅ＝ｔｉｍｅ（光モジュールサービス）／ｔｉｍｅである。
ステップ４：基地局のサービス時間を安定度因子ａｖａｉｌａｂｌｅとし、すなわち、ａｖａｉｌａｂｌｅ＝ｔｉｍｅ（サービス）／ｔｉｍｅとする。
ステップ５：上記の各因子の次元が同じであるので、ｆ（ｄａｔａ，ｖａｌｕｅ，ａｖａｉｌａｂｌｅ）＝ａ２×ｄａｔａ＋ｂ２×ｖａｌｕｅ＋ｃ２×ａｖａｉｌａｂｌｅとすればよい。ここで、ａ２、ｂ２、ｃ２は、重み因子として経験に応じて設定・調整される。
ステップ６：いくつかの基地局をランダムに選択し、また、各基地局について上記のアルゴリズムに従って計算を行ってもよい。最終的に得られた結果を降順で並べ替えて、最初のＬ個の基地局を選定基地局として決定する。ここで、Ｌは、正の整数で、実際の状況に応じて設定されてもよい。
【0052】
一実施例では、本願は、参加者の選択装置を提供する。図３に示すように、本実施例による参加者の選択装置は、主に、取得モジュール３１、因子決定モジュール３２、及び参加者選択モジュール３３を含む。
【0053】
取得モジュール３１は、複数の選択対象参加者を取得するように構成される。
因子決定モジュール３２は、各前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子をそれぞれ決定するように構成される。
参加者選択モジュール３３は、複数の前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、選定参加者を決定するように構成される。
因子決定モジュール３２は、各前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子をそれぞれ決定するように構成される。
参加者選択モジュール３３は、複数の前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、選定参加者を決定するように構成される。
【0054】
本実施例による参加者の選択装置は、複数の選択対象参加者を取得し、各選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子をそれぞれ決定し、複数の選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、選定参加者を決定することを含み、本実施例では、データ品質因子、トラフィック因子、安定性因子を導入して参加者を選択し、結果を定量化して参加者を選択しやすくすることによって、高品質の連合学習参加者を選択し、連合学習効果を高める。
【0055】
一実施形態では、前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子を決定するステップは、連合学習タイプに基づいて、前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子を決定するステップを含む。
【0056】
一実施形態では、前記連合学習タイプは、ＫＰＩ劣化検出、セル重み最適化、光モジュール故障予測のうちの１つ又は複数を含む。
【0057】
一実施形態では、前記連合学習タイプがセル重み最適化である場合、連合学習タイプに基づいて、前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子を決定するステップは、
前記選択対象参加者のＱｏＳアラームパラメータに基づいてデータ品質因子を決定するステップと、
前記選択対象参加者の緯度・経度に基づいてトラフィック因子を決定するステップと、
前記選択対象参加者のサービス時間に基づいて安定性因子を決定するステップと、を含む。
一実施形態では、複数の前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、選定参加者を決定するステップは、データ品質因子、トラフィック因子及び安定性因子が最適関数の値を満たす選択対象参加者を選定参加者として決定するステップを含む。
前記選択対象参加者のＱｏＳアラームパラメータに基づいてデータ品質因子を決定するステップと、
前記選択対象参加者の緯度・経度に基づいてトラフィック因子を決定するステップと、
前記選択対象参加者のサービス時間に基づいて安定性因子を決定するステップと、を含む。
一実施形態では、複数の前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、選定参加者を決定するステップは、データ品質因子、トラフィック因子及び安定性因子が最適関数の値を満たす選択対象参加者を選定参加者として決定するステップを含む。
【0058】
一実施形態では、前記最適関数は、
であり、
ここで、ｎは選択対象参加者の総数であり、ｉはｉ番目の選択対象参加者であり、ｄａｔａはデータ品質因子であり、ｖａｌｕｅはトラフィック因子であり、ａｖａｉｌａｂｌｅは安定性因子であり、ａは第１閾値であって、それぞれの選択対象参加者のｖａｌｕｅ値により決定され、ｂは第２閾値であって、それぞれの選択対象参加者のｄａｔａ値により決定され、ｃは第３閾値であって、それぞれの選択対象参加者のａｖａｉｌａｂｌｅ値により決定される。
【数4】
ここで、ｎは選択対象参加者の総数であり、ｉはｉ番目の選択対象参加者であり、ｄａｔａはデータ品質因子であり、ｖａｌｕｅはトラフィック因子であり、ａｖａｉｌａｂｌｅは安定性因子であり、ａは第１閾値であって、それぞれの選択対象参加者のｖａｌｕｅ値により決定され、ｂは第２閾値であって、それぞれの選択対象参加者のｄａｔａ値により決定され、ｃは第３閾値であって、それぞれの選択対象参加者のａｖａｉｌａｂｌｅ値により決定される。
【0059】
一実施形態では、前記連合学習タイプがＫＰＩ劣化検出又は光モジュール故障予測である場合、複数の前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、選定参加者を決定するステップは、複数の前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、各選択対象参加者の選出パラメータを決定するステップと、前記選出パラメータを並べ替えて、最初のＬ個の前記選択対象参加者を選定参加者として決定するステップと、を含む。
【0060】
一実施形態では、前記連合学習タイプがＫＰＩ劣化検出である場合、連合学習タイプに基づいて、前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子を決定するステップは、前記選択対象参加者のパフォーマンスデータ完全性パラメータに基づいてデータ品質因子を決定するステップと、前記選択対象参加者のＱｏＳアラームパラメータに基づいてトラフィック因子を決定するステップと、前記選択対象参加者のサービス時間に基づいて安定性因子を決定するステップと、を含む。
【0061】
一実施形態では、複数の前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、各選択対象参加者の選出パラメータを決定するステップは、選択対象参加者ごとに、データ品質因子、トラフィック因子及び安定性因子のそれぞれを線形正規化方法で正規化処理するステップと、正規化処理したデータ品質因子、トラフィック因子及び安定性因子に第１重み付け処理を行い、選択対象参加者の選出パラメータを得るステップと、を含む。
【0062】
一実施形態では、前記連合学習タイプが光モジュール故障予測である場合、連合学習タイプに基づいて、前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子を決定するステップは、前記選択対象参加者のパフォーマンスデータ完全性パラメータに基づいてデータ品質因子を決定するステップと、前記選択対象参加者の光モジュールリンクの品質パラメータに基づいてトラフィック因子を決定するステップと、前記選択対象参加者のサービス時間に基づいて安定性因子を決定するステップと、を含む。
【0063】
一実施形態では、複数の前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、各選択対象参加者の選出パラメータを決定するステップは、選択対象参加者ごとに、データ品質因子、トラフィック因子及び安定性因子に第２重み付け処理を行い、選択対象参加者の選出パラメータを得るステップを含む。
【0064】
本実施例による参加者の選択装置は、本願のいずれかの実施例による参加者の選択方法を実行することができ、該方法の実行に対応する機能モジュール及び有益な効果を持つ。本実施例では詳細に説明されていない技術の詳細については、本願のいずれかの実施例による参加者の選択方法を参照することができる。
【0065】
なお、上記の参加者選択装置の実施例において、含まれる個々のユニット及びモジュールは、単に機能論理によって分割されたものであるが、対応する機能が実現可能である限り、上記の分割に限定されるものではない。また、各機能ユニットの具体的名称も、相互に区別しやすくするためのものであって、本願の特許範囲を制限するためのものではない。
【0066】
本願の実施例は、また、連合学習参加者の選択機器をさらに提供する。図４は、本願の実施例による連合学習参加者の選択機器の構造概略図である。図４に示すように、該機器は、プロセッサ４１、メモリ４２、入力装置４３、出力装置４４、及び通信装置４５を含み、機器では、プロセッサ４１の数は１つ又は複数であってもよいが、図４では、１つのプロセッサ４１が例示されている。機器のプロセッサ４１、メモリ４２、入力装置４３、及び出力装置４４は、バス又は他の方式で接続されてもよいが、図４では、バスによる接続が例示されている。
【0067】
メモリ４２は、コンピュータ読み取り可能な記憶媒体として、ソフトウェアプログラム、コンピュータ実行可能プログラム、及び、本願の実施例における連合学習参加者の選択方法に対応するプログラム命令／モジュール（例えば、連合学習参加者の選択装置の取得モジュール３１、因子決定モジュール３２、参加者選択モジュール３３）などのモジュールを記憶するために使用することができる。プロセッサ４１は、メモリ４２に格納されたソフトウェアプログラム、命令、及びモジュールを実行することによって、機器の様々な機能アプリケーション及びデータ処理を実行し、すなわち、本願の実施例によるいずれかの方法を実現する。
【0068】
メモリ４２は、主に、オペレーティングシステムや少なくとも１つの機能のために必要なアプリケーションプログラムを記憶し得るプログラム記憶領域と、機器の使用に応じて作成されたデータなどを記憶し得るデータ記憶領域と、を含む。さらに、メモリ４２は、高速ランダムアクセスメモリを含むことができ、さらに、少なくとも１つの磁気ディスク記憶デバイス、フラッシュメモリデバイス、又は他の不揮発性固体記憶デバイスなどの不揮発性メモリを含むことができる。いくつかの例では、メモリ４２は、ネットワークを介して機器に接続されることができる、プロセッサ４１に対してリモートに配置されたメモリをさらに含んでもよい。上記のネットワークの例には、インターネット、企業イントラネット、ローカルエリアネットワーク、移動通信ネットワーク、及びこれらの組み合わせが含まれるが、これらに限定されない。
【0069】
入力装置４３は、数字又は文字情報の入力を受け付け、機器のユーザ設定及び機能制御に関するキー信号入力を発生するように構成されてもよい。出力装置４４は、表示画面などの表示機器を含んでもよい。
【0070】
通信装置４５は、受信機及び送信機を含むことができる。通信装置４５は、プロセッサ４１の制御に従って情報の送受信通信を行うように構成されてもよい。
【0071】
一実施形態では、本願の実施例は、コンピュータプロセッサによって実行されると、
複数の選択対象参加者を取得するステップと、
各前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子をそれぞれ決定するステップと、
複数の前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、選定参加者を決定するステップと、を含む連合学習参加者の選択方法を実行するコンピュータ実行可能命令を含む記憶媒体をさらに提供する。
複数の選択対象参加者を取得するステップと、
各前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子をそれぞれ決定するステップと、
複数の前記選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、選定参加者を決定するステップと、を含む連合学習参加者の選択方法を実行するコンピュータ実行可能命令を含む記憶媒体をさらに提供する。
【0072】
もちろん、本願の実施例によるコンピュータ実行可能命令を含む記憶媒体では、そのコンピュータ実行可能命令は、前記の方法操作に限定されず、本願のいずれかの実施例による参加者の選択方法の関連操作を実行することもできる。
【0073】
本実施例による連合学習参加者の選択方法、装置、機器、及び記憶媒体は、複数の選択対象参加者を取得し、各選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子をそれぞれ決定し、複数の選択対象参加者のデータ品質因子、トラフィック因子及び安定性因子に基づいて、選定参加者を決定することを含み、本実施例では、データ品質因子、トラフィック因子、安定性因子を導入して参加者を選択し、結果を定量化して参加者を選択しやすくすることによって、高品質の連合学習参加者を選択し、連合学習効果を高める。
【0074】
以上の実施形態の説明から、当業者は、本願がソフトウェア及び必要な汎用ハードウェアによって実現されてもよく、もちろんハードウェアによって実現されてもよいが、多くの場合、前者の方がより好ましい実施形態であることを明確に理解する。このような知見に基づいて、本願の技術案の本質的又は先行技術に貢献する部分は、コンピュータのフロッピーディスク、読み取り専用メモリ（ＲＯＭ：Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）、ランダムアクセスメモリ（ＲＡＭ：Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、フラッシュメモリ（ＦＬＡＳＨ（登録商標））、ハードディスク、又は光ディスクなどのようなコンピュータ読み取り可能な記憶媒体に記憶され得るソフトウェア製品の形で具現化することができ、１つのコンピュータ機器（パーソナルコンピュータ、サーバ、又はネットワーク機器などであってもよい）が本願の様々な実施例に記載された方法を実行するためのいくつかの命令を含むことができる。
【0075】
上記は、本願のいくつかの実施例に過ぎず、本願の特許範囲を限定するものではない。
【0076】
当業者であれば、ユーザ端末という用語は、携帯電話、携帯データ処理装置、携帯ウェブブラウザ、又は車載移動局のような、任意の適切なタイプの無線ユーザ機器を包含することが理解される。
【0077】
一般に、本願の様々な実施例は、ハードウェア又は専用の回路、ソフトウェア、論理又はそれらの任意の組み合わせで実装されてもよい。例えば、いくつかの態様は、ハードウェアで実装されてもよく、他の態様は、コントローラ、マイクロプロセッサ、又は他の計算装置によって実行されてもよいファームウェア又はソフトウェアで実装されてもよいが、本願はこれに限定されない。
【0078】
本願の実施例は、モバイル装置のデータプロセッサがコンピュータプログラム命令を実行することによって、例えば、プロセッサエンティティにおいて、ハードウェアによって、又はソフトウェアとハードウェアとの組み合わせによって実現することができる。コンピュータプログラム命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、機械命令、機械関連命令、マイクロコード、ファームウェア命令、状態設定データ、又は１つ以上のプログラミング言語の任意の組み合わせで書かれたソースコード又はオブジェクトコードとすることができる。
【0079】
本願の図面における任意の論理フローのブロック図は、プログラムステップを表してもよいし、相互に接続された論理回路、モジュール及び機能を表してもよいし、プログラムステップと論理回路、モジュール及び機能との組み合わせを表してもよい。コンピュータプログラムは、メモリ上に記憶することができる。メモリは、ローカル技術環境に適した任意のタイプを有することができ、読み出し専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、光学メモリ装置及びシステム（デジタル多機能ディスクＤＶＤ又はＣＤ光ディスク）などのような任意の適切なデータ記憶技術を使用して実装することができるが、これらに限定されるものではない。コンピュータ読み取り可能な媒体は、非一時的な記憶媒体を含むことができる。データプロセッサは、汎用コンピュータ、専用コンピュータ、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ）、特定用途向け集積回路（ＡＳＩＣ）、プログラマブルロジックデバイス（ＦＧＰＡ）、及びマルチコアプロセッサアーキテクチャに基づくプロセッサなど、ローカル技術環境に適した任意のタイプとすることができるが、これらに限定されるものではない。
【0080】
非限定的な例として、本願のいくつかの実施例の詳細な説明が上記で提供された。しかし、図面及び特許請求の範囲と合わせて考えると、上記実施例に対する様々な修正及び調整は当業者には自明であるが、本願の範囲から逸脱しない。したがって、本願の適切な範囲は、請求項に基づいて決定される。
【図1】
【図2】
【図3】
【図4】
【国際調査報告】