本申请提供了一种数据处理方法及相关装置。该方法包括：获取K维数据，将该K维数据输入第一机器学习模型，获得待求解问题的解。其中，第一机器学习模型包括第一处理模块和第二处理模块。第二处理模块是基于待求解问题的约束条件确定的。第二处理模块用于对K维数据进行维度泛化。第一处理模块是根据m维数据训练获得的。m的取值与K的取值无关，K、m为正整数。在求解待求解问题时，采用了对K维数据进行维度泛化的第二处理模块，从而可增强K维数据的维度泛化能力，另外采用了根据m维预先训练获得的第一处理模块，无需因为输入数据的维度的变化而重新训练第一处理模块，可以以较低的系统开销，保证待求解问题的解的准确性。保证待求解问题的解的准确性。保证待求解问题的解的准确性。
【技术实现步骤摘要】
一种数据处理方法及相关装置
[0001]本申请涉及神经网络领域，尤其涉及一种数据处理方法及相关装置。
技术介绍
[0002]目前，人工智能(artificial intelligence，AI)技术已应用于无线通信系统中的网络层相关问题(如网络优化、移动性管理、资源分配等)和物理层相关问题(如信道编译码、信道预测、接收机等)等方面。
[0003]当AI技术应用于无线通信系统中时，可在设备个数为预设数的条件下，训练神经网络，获得求解待求解问题的神经网络。一些情况下，待求解问题的输出与输入之间的关系会随着设备数量的变化而发生变化。当设备的数量发生变化时，若仍采用未经重新训练的神经网络，使得待求解问题的解的准确性较低，从而使得系统产生的较大性能损失。因此，往往需要重新训练神经网络，或预先训练多个模型以适配不同的设备数量，存在系统的存储和处理开销大的问题。
技术实现思路
[0004]本申请实施例提供了一种数据处理方法及相关装置，可以以较低的系统开销，保证待求解问题的解的准确性。
[0005]第一方面，本申请实施例提供一种数据处理方法，可以应用于第一装置。该方法包括，获取K维数据，将该K维数据输入第一机器学习模型，获得待求解问题的解。其中，第一机器学习模型包括第一处理模块和第二处理模块。第二处理模块是基于待求解问题的约束条件确定的。第二处理模块用于对K维数据进行维度泛化。第一处理模块是根据m维数据训练获得的。m的取值与K的取值无关，K、m为正整数。
[0006]本申请实施例中，在求解待求解问题时，采用了对K维数据进行维度泛化的第二处理模块，从而可增强K维数据的维度泛化能力，另外采用了根据m维预先训练获得的第一处理模块，无需因为输入数据的维度的变化而重新训练第一处理模块，可以以较低的系统开销，保证待求解问题的解的准确性。
[0007]一种可选的实施方式中，第一装置可通过信道估计获取K维数据。可选的，K维数据由终端进行信道估计获得，第一装置再从该终端处接收K维数据。
[0008]一种可选的实施方式中，上述待求解问题不具有维度泛化特性。待求解问题不具有维度泛化特性时，根据m维数据训练获得的第一处理模块泛化到K维数据。那么，若基于第一处理模块求解待求解问题，则获得的待求解问题的解的准确性较低。因此，基于预先训练获得的第一处理模块和对K维数据进行维度泛化的第二处理模块，求解待求解问题，可提高K维数据的维度泛化能力，从而获得较为准确的解。
[0009]一种可选的实施方式中，将K维数据输入第一机器学习模型，获得待求解问题的解，包括：将K维数据输入第一处理模块，获得K个第一中间解；将K个第一中间解输入第二处理模块，获得待求解问题的解。
[0010]可见，在求解待求解问题时，将K维数据输入预先训练的第一处理模块，获得K个第一中间解，再通过进行维度泛化的第二处理模块对K个第一中间解进行维度泛化，从而实现对K维数据的维度泛化，进而可使得求解的解更加准确。
[0011]一种可选的实施方式中，待求解问题是一个网络设备与K个终端进行通信所使用的总带宽最小化时，网络设备向K个终端发送通信信号的功率，该待求解问题的约束条件包括网络设备向K个终端发送通信信号的总功率在第一范围内。也就是说，待求解问题是一个网络设备与K个终端进行下行通信时，网络设备向K个终端发送通信信号的功率分配问题。
[0012]一种可选的实施方式中，待求解问题是K个终端与一个网络设备进行通信所使用的总带宽最小化时，K个终端向网络设备发送通信信号的功率，该待求解问题的约束条件包括K个终端向网络设备发送通信信号的总功率在第三范围内。也就是说，待求解问题是K个终端与一个网络设备进行上行通信时，K个终端向网络设备发送通信信号的功率分配问题。
[0013]一种可选的实施方式中，待求解问题是上述K个终端与一个网络设备进行上行或下行通信的功率分配问题时，上述第二处理模块包括归一化指数函数激活层。也就是说，第一装置求解该功率分配问题时，通过归一化指数函数激活层对K维数据进行维度泛化。
[0014]另一种可选的实施方式中，待求解问题是一个网络设备与K个终端进行通信所使用的总带宽最小化时，网络设备与K个终端进行通信所使用的带宽，该待求解问题的约束条件包括网络设备与K个终端中每个终端进行通信时的服务质量在第二范围内。也就是说，待求解问题为一个网络设备与K个终端进行上行通信或下行通信时，所使用的带宽分配问题。
[0015]一种可选的实施方式中，待求解问题为一个网络设备与K个终端进行上行通信或下行通信，所使用的带宽分配问题时，上述第二处理模块包括激活层和缩放因子层。缩放因子层中的第k个缩放因子是将第k个数据和K输入缩放因子计算模块获得的，k为小于或等于K的正整数。可见，求解该带宽分配问题时，通过激活层和缩放因子层对K维数据进行维度泛化。
[0016]一种可选的实施方式中，待求解问题为一个网络设备与K个终端进行上行通信或下行通信，所使用的带宽分配问题时，将K个第一中间解输入第二处理模块，获得待求解问题的解，包括：将K个第一中间解输入激活层，获得K个第二中间解；将K个第二中间解输入缩放因子层，获得待求解问题的解。
[0017]可见，基于预先训练的第一处理模块获得K个第一中间解后，再依次基于激活层和缩放因子层对K个第一中间解进行维度泛化，获得带宽分配问题的解。
[0018]一种可选的实施方式中，待求解问题是上述功率分配问题或带宽分配问题时，K维数据是网络设备与K个终端之间的信道增益。该K个信道增益可以是第一装置通过信道估计获得的。
[0019]一种可选的实施方式中，上述第一处理模块是具有置换等变特性的置换等变神经网络或图神经网络。该方式可使得第一装置求解具有置换等变特性的待求解问题时，可采用该第一处理模块。
[0020]第二方面，本申请还提供一种通信装置。该通信装置具有实现上述第一方面所述的第一装置的部分或全部功能。比如，该通信装置的功能可具备本申请中第一方面所述的第一装置的部分或全部实施例中的功能，也可以具备单独实施本申请中的任一个实施例的功能。所述功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件
包括一个或多个与上述功能相对应的单元或模块。
[0021]在一种可能的设计中，该通信装置的结构中可包括处理单元和通信单元，所述处理单元被配置为支持通信装置执行上述方法中相应的功能。所述通信单元用于支持该通信装置与其他通信装置之间的通信。所述通信装置还可以包括存储单元，所述存储单元用于与处理单元和通信单元耦合，其保存通信装置必要的程序指令和数据。
[0022]一种实施方式中，所述通信装置包括：处理单元和通信单元，通信单元用于进行数据/信令收发；
[0023]处理单元，用于获取K维数据；
[0024]处理单元，还用于将所述K维数据输入第一机器学习模型，获得待求解问题的解；所述第一机器学习模型包括第一处理模块和第二处理模块；
[0025]所述第二本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：获取K维数据；将所述K维数据输入第一机器学习模型，获得待求解问题的解；所述第一机器学习模型包括第一处理模块和第二处理模块；所述第二处理模块是基于所述待求解问题的约束条件确定的；所述第二处理模块用于对所述K维数据进行维度泛化；所述第一处理模块是根据m维数据训练获得的；所述m的取值与所述K的取值无关；所述K、所述m为正整数。2.根据权利要求1所述的方法，其特征在于，所述待求解问题不具有维度泛化特性。3.根据权利要求1或2所述的方法，其特征在于，所述将所述K维数据输入第一机器学习模型，获得待求解问题的解，包括：将所述K维数据输入所述第一处理模块，获得K个第一中间解；将所述K个第一中间解输入所述第二处理模块，获得所述待求解问题的解。4.根据权利要求1至3任一项所述的方法，其特征在于，所述待求解问题是一个网络设备与K个终端进行通信所使用的总带宽最小化时，所述网络设备向所述K个终端发送通信信号的功率；所述约束条件包括所述网络设备向所述K个终端发送通信信号的总功率在第一范围内。5.根据权利要求1至3任一项所述的方法，其特征在于，所述待求解问题是K个终端与一个网络设备进行通信所使用的总带宽最小化时，所述K个终端向所述网络设备发送通信信号的功率；所述约束条件包括所述K个终端向所述网络设备发送通信信号的总功率在第三范围内。6.根据权利要求4或5所述的方法，其特征在于，所述第二处理模块包括归一化指数函数激活层。7.根据权利要求1至3任一项所述的方法，其特征在于，所述待求解问题是一个网络设备与K个终端进行通信所使用的总带宽最小化时，所述网络设备与所述K个终端进行通信所使用的带宽；所述约束条件包括所述网络设备与所述K个终端中每个终端进行通信时的服务质量在第二范围内。8.根据权利要求7所述的方法，其特征在于，所述第二处理模块包括激活层和缩放因子层；所述缩放因子层中的第k个缩放因子是将第k个数据和所述K输入缩放因子计算模块获得的；所述k为小于或等于K的正整数。9.根据权利要求8所述的方法，其特征在于，所述将所述K个第一中间解输入所述第二处理模块，获得所述待求解问题的解，包括：将所述K个第一中间解输入所述激活层，获得K个第二中间解；将所述K个第二中间解输入所述缩放因子层，获得所述待求解问题的解。10.根据权利要求4至9任一项所述的方法，其特征在于，所述K维数据是所述网络设备与所述K个终端之间的信道增益。
11.根据权利要求1至10任一项所述的方法，其特征在于，所述第一处理模块是具有置换等变特性的置换等变神经网络或图神经网络。12.一种通信装置，其特征在于，所述装置包括通信单元和处理单元，通信单元用于进行数据/信令收发；处理单元，用于获取K维数据；处理单元，还用于将所述K维数据输入第一机器学习模型，获得待求解问题的解；所述第一机器学习模型包括第一处理模块和第二处理模块；所述第二处理模块是基于所述待求解问题的约束条件确定...
【专利技术属性】
技术研发人员：吴佳骏，孙乘坚，杨晨阳，王坚，李榕，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。