申请/专利权人：谷歌有限责任公司

申请日：2020-06-22

公开（公告）日：2024-04-19

公开（公告）号：CN114051748B

主分类号：H04W24/02

分类号：H04W24/02;G06N3/0442;G06N3/0499;G06N3/0464;G06N3/084;G06N20/00

优先权：["20190708 US 62/871,509"]

专利状态码：有效-授权

法律状态：2024.04.19#授权;2022.03.04#实质审查的生效;2022.02.15#公开

摘要：本文档描述了用于使用机器学习来优化蜂窝网络的技术和装置。具体地，网络优化控制器170使用机器学习来确定影响蜂窝网络的性能度量410的优化网络配置参数460。为了做出该确定，网络优化控制器170请求并且分析由一个或多个用户设备UE、一个或多个基站或其组合确定的梯度440。通过使用机器学习，网络优化控制器170标识与优化函数的不同局部最优值或全局最优值相关联的不同优化网络配置参数460，并且选择适合于给定环境的特定优化网络配置参数460。以这种方式，网络优化控制器170动态地优化蜂窝网络以考虑短期和长期环境改变。

主权项：1.一种用于核心网络的网络优化控制器的方法，所述方法由所述网络优化控制器执行并且包括：确定用于对蜂窝网络进行优化的性能度量；确定影响所述性能度量的至少一个网络配置参数；向多个基站发送梯度请求消息，所述梯度请求消息指导多个无线收发器分别评估所述性能度量相对于所述至少一个网络配置参数的梯度，所述至少一个网络配置参数指定所述多个无线收发器的各自操作配置，所述多个无线收发器包括用户设备和所述多个基站中的至少一个其他用户设备或基站，所述至少一个用户设备与所述多个基站中的至少一个基站进行通信；从所述多个基站接收由所述多个无线收发器生成的梯度报告消息，所述梯度报告消息分别包括所述梯度，所述梯度指定所述性能度量的变化量相对于所述至少一个网络配置参数的变化量；使用机器学习来分析所述梯度以确定至少一个优化网络配置参数，所述至少一个优化网络配置参数与关联于所述性能度量的函数的局部最优值或全局最优值相关联；以及向所述多个基站中的至少一个基站发送优化消息，所述优化消息指导所述多个无线收发器中的至少一个无线收发器使用所述至少一个优化网络配置参数。

全文数据：

权利要求：

百度查询： 谷歌有限责任公司 使用机器学习优化蜂窝网络

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD