[发明专利]AI网络参数的配置方法和设备

权利要求书

1.一种人工智能AI网络参数的配置方法，其特征在于，所述方法包括：

第一通信设备根据如下方式的至少之一得到AI网络参数：预定义的，接收来自第二通信设备的，实时训练的；

所述第一通信设备根据所述AI网络参数处理目标业务。

2.根据权利要求1所述的方法，其特征在于，所述第一通信设备根据所述AI网络参数处理目标业务包括：所述第一通信设备根据所述AI网络参数执行如下至少之一：

信号处理，信道传输，信道状态信息获取，波束管理，信道预测，干扰抑制，定位，高层业务或参数的预测，高层业务或参数的管理。

3.根据权利要求1所述的方法，其特征在于，所述AI网络参数包括如下至少之一：AI网络的结构，AI网络中的神经元的乘性系数，AI网络中的神经元的加性系数，AI网络中的神经元的激活函数。

4.根据权利要求3所述的方法，其特征在于，所述AI网络的结构包括如下至少之一：

全连接神经网络、卷积神经网络、循环神经网络或残差网络；

所述AI网络包括的多个子网络的组合方式；

所述AI网络的隐藏层的层数；

所述AI网络的输入层与隐藏层的连接方式；

所述AI网络的多个隐藏层之间的连接方式；

所述AI网络的隐藏层与输出层的连接方式；

所述AI网络的每层神经元的数目；

所述AI网络的激活函数。

5.根据权利要求3所述的方法，其特征在于，

所述AI网络中的多个神经元使用的激活函数相同；和/或

所述AI网络的输出层的神经元不包括激活函数。

6.根据权利要求3所述的方法，其特征在于，所述AI网络包括卷积神经网络；其中，所述AI网络满足如下至少之一：

所述AI网络中的神经元还包括卷积核；

所述AI网络中的神经元的乘性系数包括权重系数；

所述AI网络中的神经元的加性系数包括偏差量。

7.根据权利要求3所述的方法，其特征在于，所述AI网络包括循环神经网络；其中，所述AI网络参数还包括循环单元的乘性加权系数以及所述循环单元的加性加权系数。

8.根据权利要求1所述的方法，其特征在于，所述AI网络参数是预定义的，所述方法还包括如下之一：

所述第一通信设备向第二通信设备上报支持的AI网络参数；

所述第一通信设备向第二通信设备上报选择使用的AI网络参数；

所述第一通信设备接收来自第二通信设备的第一指示信息，所述第一指示信息用于指示所述第一通信设备使用的AI网络参数。

9.根据权利要求8所述的方法，其特征在于，所述第一指示信息用于指示多个所述AI网络参数，所述方法还包括如下之一：

所述第一通信设备接收来自所述第二通信设备的第二指示信息，所述第二指示信息用于从所述第一指示信息指示的多个所述AI网络参数中，指示所述第一通信设备使用的AI网络参数；

所述第一通信设备向所述第二通信设备上报选择使用的AI网络参数，所述选择使用的AI网络参数包含于所述第一指示信息指示的多个所述AI网络参数。

10.根据权利要求8所述的方法，其特征在于，所述第一通信设备接收来自第二通信设备的第一指示信息之后，所述方法还包括：

所述第一通信设备发送确认信息；其中，所述第一指示信息指示的AI网络参数在所述确认信息发送完成之后的目标时间段之后有效。

11.根据权利要求8所述的方法，其特征在于，所述AI网络参数是根据如下至少之一得出的：

所述第一通信设备和所述第二通信设备的硬件配置；

所述第一通信设备和所述第二通信设备的信道环境；

所述第一通信设备需要的服务质量。