METHODS TO TRIGGER PERFORMANCE OF AN ARTIFICIAL INTELLIGENCE / MACHINE LEARNING (AI/ML) MODEL TRAINING
A method performed by a wireless transmit / receive unit (WTRU) may comprise: receiving configuration information, the configuration information including a current artificial intelligence / machine learning (AI/ML) model and one or more suitability evaluation triggering conditions, wherein the curr...
Gespeichert in:
Hauptverfasser: | , , , , , , |
---|---|
Format: | Patent |
Sprache: | eng ; fre |
Schlagworte: | |
Online-Zugang: | Volltext bestellen |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Zusammenfassung: | A method performed by a wireless transmit / receive unit (WTRU) may comprise: receiving configuration information, the configuration information including a current artificial intelligence / machine learning (AI/ML) model and one or more suitability evaluation triggering conditions, wherein the current AI/ML model has been trained with a first dataset, and wherein the current AI/ML model includes a current AI/ML model encoder; acquiring a second dataset; on a condition that the at least one of the one or more suitability evaluation triggering conditions is satisfied, evaluating the suitability of the current AI/ML model; on a condition that the current AI/ML model is not suitable, retraining the current AI/ML model with the second dataset to obtain a second AI/ML model, wherein the second AI/ML model includes a second AI/ML encoder; transmitting, to a base station, information indicating that the retraining is complete.
L'invention concerne un procédé mis en œuvre par une unité d'émission/réception sans fil (WTRU) qui peut consister à : recevoir des informations de configuration, les informations de configuration comprenant un modèle d'intelligence artificielle/d'apprentissage machine (AI/ML) actuel et une ou plusieurs conditions de déclenchement d'évaluation d'adéquation, le modèle AI/ML actuel ayant été entraîné avec un premier ensemble de données, et le modèle AI/ML actuel comprenant un codeur de modèle AI/ML actuel ; acquérir un second ensemble de données ; à condition que la ou les conditions de déclenchement d'évaluation d'adéquation soient satisfaites, évaluer l'adéquation du modèle AI/ML actuel ; à condition que le modèle AI/ML actuel n'est pas approprié, réentraîner le modèle AI/ML actuel avec le second ensemble de données pour obtenir un second modèle AI/ML, le second modèle AI/ML comprenant un second codeur AI/ML ; transmettre, à une station de base, des informations indiquant que le réentraînement est terminé. |
---|