| 1 |
1
제1 NWDAF 장치가 수행하는 기계학습 모델의 탐색 방법에 있어서,NRF 장치에 기계학습 모델의 탐색 요청 서비스 작업을 호출하는 단계;상기 기계학습 모델의 탐색 요청 서비스 작업에 대해, 상기 NRF 장치로부터 탐색 응답 서비스 작업을 호출하는 단계;상기 탐색 응답 서비스 작업에 포함된 NWDAF 인스턴스를 선택하는 단계를 포함하고,상기 탐색 요청 서비스 작업은,MTLF(Model Training logical function)를 수행하는 제2 NWDAF 장치가 제공한 기계학습 모델과 관련된 정보를 포함하는 기계학습 모델의 탐색 방법
|
| 2 |
2
제1항에 있어서,상기 NRF 장치는,상기 제2 NWDAF 장치로부터 네트워크 기능의 등록 요청 서비스 작업을 호출하여 MTLF에 대한 NF 프로파일을 저장하고,상기 등록 요청 서비스 작업은,(i) Analytic ID의 리스트, (ii) 지원된 서비스(Supported service), (iii) 서빙 영역 및 (iv) S-NSSAI 중 적어도 하나를 포함하는 기계학습 모델의 탐색 방법
|
| 3 |
3
제1항에 있어서,상기 NRF 장치는,상기 제2 NWDAF 장치로부터 네트워크 기능의 등록 요청 서비스 작업을 호출하여 MTLF에 대한 NF 프로파일을 저장하고,상기 등록 요청 서비스 작업은,(i) Analytic ID의 리스트, (ii) 지원된 서비스(Supported service), (iii) 서빙 영역, (iv)S-NSSAI (Subscribed Network Slice Selection Assistance Information) 및 (v) 기계학습 모델 파일 주소, 기계학습 모델 파일, 모델 ID 및 모델 버전 중 적어도 하나를 포함하는 기계학습 모델 정보(ML Model Information) 중 적어도 하나를 포함하는 기계학습 모델의 탐색 방법
|
| 4 |
4
제1항에 있어서,상기 NWDAF 인스턴스를 선택하는 단계는,(i) S-NSSAI, (ii) Analytic ID, (iii) 지원된 서비스(Supported service),(iv) NWDAF 서빙 영역 정보(Serving Area information), (v) NWDAF 지역 정보(location information), (vi) 데이터 소스의 NF 타입(NF type of a data source), (vii) 데이터 소스의 NF Set ID(NF Set ID of the data source), (viii) 지원된 분석 지연(Supported Analytics Delay), (ix) NWDAF 능력(Capabilities) 중 적어도 하나에 기초하여 NWDAF 인스턴스를 선택하는 기계학습 모델의 탐색 방법
|
| 5 |
5
제1항에 있어서,상기 제1 NWDAF 장치는, 연합 학습의 로컬 훈련(local training)을 수행하고, MTLF(Model Training logical function)를 지원하며,상기 제2 NWDAF 장치는, 연합 학습의 글로벌 훈련(global training)을 수행하고, MTLF을 지원하는 기계학습 모델의 탐색 방법
|
| 6 |
6
제5항에 있어서,상기 등록 요청 서비스 작업은,(i) Analytic ID의 리스트, 지원된 서비스(Supported service) 및 서빙 영역 및 S-NSSAI, 기계학습 모델 파일 주소, 기계학습 모델 파일, 모델 ID 및 모델 버전 중 적어도 하나를 포함하는 기계학습 모델 정보(ML Model Information), 기계학습 모델 훈련 능력 또는 기계학습 모델의 업데이트 능력 중 적어도 하나를 포함하는 기계학습 모델의 탐색 방법
|
| 7 |
7
제1 NWDAF 장치가 수행하는 기계학습 모델의 프로비저닝 방법에 있어서,MTLF를 수행하는 제2 NWDAF 장치에 기계학습 모델의 프로비저닝에 대한 구독 서비스 작업을 호출하는 단계;상기 제2 NWDAF 장치로부터 상기 구독 서비스에 대한 통지 서비스 작업을 호출하는 단계를 포함하는 기계학습 모델의 프로비저닝 방법
|
| 8 |
8
제7항에 있어서,상기 구독 서비스 작업은,(i) 분석 ID(Analytic ID), (ii) S-NSSAI(Subscribed Network Slice Selection Assistance Information), (iii) 관심 타겟 영역(Target Area of Interest), (iv) 어플리케이션 ID(Application ID), (v) 타겟 사용자 단말(Target UE), (v) 기계학습 모델 타겟 기간(ML Model target period) 및 (vi) 만료 시간(Expiry time) 중 적어도 하나를 포함하는 기계학습 모델의 프로비저닝 방법
|
| 9 |
9
제7항에 있어서,상기 구독 서비스 작업은,(i) 분석 ID(Analytic ID), (ii) S-NSSAI(Subscribed Network Slice Selection Assistance Information), (iii) 관심 타겟 영역(Target Area of Interest), (iv) 어플리케이션 ID(Application ID), (v) 타겟 사용자 단말(Target UE), (v) 기계학습 모델 타겟 기간(ML Model target period), (vi) 만료 시간(Expiry time) 및 (vii) 기계학습 모델 파일 주소, 기계학습 모델 파일, 모델 ID 및 모델 버전 중 적어도 하나를 포함하는 기계학습 모델 정보(ML Model Information) 중 적어도 하나를 포함하는 기계학습 모델의 프로비저닝 방법
|
| 10 |
10
제7항에 있어서,상기 통지 서비스 작업은,(i) 기계학습 모델 파일, 또는 기계학습 모델 파일 주소를 포함하는 기계학습 모델 정보(ML Model Information), (ii) 유효성 기간(Validity period) 및 (iii) 공간 유효성(Spatial Validity) 중 적어도 하나를 포함하는 기계학습 모델의 프로비저닝 방법
|
| 11 |
11
제7항에 있어서,상기 통지 서비스 작업은,(i) 기계학습 모델 파일 주소, 기계학습 모델 파일, 모델 ID 및 모델 버전 중 적어도 하나를 포함하는 기계학습 모델 정보(ML Model Information), (ii) 유효성 기간(Validity period) 및 (iii) 공간 유효성(Spatial Validity) 중 적어도 하나를 포함하는 기계학습 모델의 프로비저닝 방법
|
| 12 |
12
제7항에 있어서,상기 기계학습 모델의 프로비저닝에 대한 구독 서비스 작업을 호출하는 단계는,제1 기계학습 모델의 프로비저닝에 대한 구독이 완료된 이후에, 제2 기계학습 모델의 프로비저닝에 대한 구독 서비스 작업을 호출하고,상기 구독 서비스 작업은,상기 제1 기계학습 모델에 대한 구독 ID와 동일한 구독 ID를 포함하는 기계학습 모델의 프로비저닝 방법
|
| 13 |
13
제12항에 있어서,상기 구독 서비스 작업은,(i) 분석 ID(Analytic ID), (ii) S-NSSAI(Subscribed Network Slice Selection Assistance Information), (iii) 관심 타겟 영역(Target Area of Interest), (iv) 어플리케이션 ID(Application ID), (v) 타겟 사용자 단말(Target UE), (v) 기계학습 모델 타겟 기간(ML Model target period), (vi) 만료 시간(Expiry time), (vii) 기계학습 모델 파일 주소, 기계학습 모델 파일, 모델 ID 및 모델 버전 중 적어도 하나를 포함하는 기계학습 모델 정보(ML Model Information) 및 (viii) 대체 기계학습 모델 플래그(alternative ML model flag) 중 적어도 하나를 포함하는 기계학습 모델의 프로비저닝 방법
|
| 14 |
14
제7항에 있어서,상기 제1 NWDAF 장치는, 연합 학습의 로컬 훈련(local training)을 수행하고, MTLF(Model Training logical function)를 지원하며,상기 제2 NWDAF 장치는, 연합 학습의 글로벌 훈련(global training)을 수행하고, MTLF을 지원하는 기계학습 모델의 프로비저닝 방법
|
| 15 |
15
제14항에 있어서,상기 통지 서비스 작업은,(i) 기계학습 모델 파일 주소, 기계학습 모델 파일, 모델 ID 및 모델 버전 중 적어도 하나를 포함하는 기계학습 모델 정보(ML Model Information), (ii) 유효성 기간(Validity period) 및 (iii) 공간 유효성(Spatial Validity) 적어도 하나를 포함하는 기계학습 모델의 프로비저닝 방법
|
| 16 |
16
제7항에 있어서,상기 제1 NWDAF 장치는, 기계학습 모델에 대해 연합 학습의 로컬 훈련을 수행하고,상기 제2 NWDAF 장치는, 기계학습 모델에 대해 연합 학습의 글로벌 훈련을 수행하고,로컬적으로 기계학습 모델을 훈련하는 단계;상기 제2 NWDAF 장치로 기계학습 모델의 업데이트 통지 서비스 작업을 호출하는 단계;상기 기계학습 모델을 글로벌적으로 업데이트를 수행한 제2 NWDAF 장치로부터 기계학습 모델의 프로비저닝에 대한 통지 서비스 작업을 호출하는 단계를 더 포함하는 기계학습 모델의 프로비저닝 방법
|
| 17 |
17
제7항에 있어서,상기 제1 NWDAF 장치는, 기계학습 모델에 대해 연합 학습의 로컬 훈련을 수행하고,상기 제2 NWDAF 장치는, 기계학습 모델에 대해 연합 학습의 글로벌 훈련을 수행하고,상기 기계학습 모델에 대해 로컬적으로 훈련하는 단계;글로벌적으로 기계학습 모델을 업데이트하는 제2 NWDAF 장치에 기계학습 모델의 업데이트 통지 서비스 작업을 호출하는 단계를 더 포함하는 기계학습 모델의 프로비저닝 방법
|
| 18 |
18
제1 NWDAF 장치가 수행하는 기계학습 모델의 정보 요청 방법에 있어서,상기 제1 NWDAF 장치가 MTLF를 수행하는 제2 NWDAF 장치에 기계학습 모델의 모델 정보에 대한 요청 서비스 작업을 호출하는 단계;상기 제2 NWDAF 장치로부터 상기 요청 서비스 작업에 대한 응답 서비스 작업을 호출하는 단계를 포함하는 기계학습 모델의 정보 요청 방법
|
| 19 |
19
제18항에 있어서,상기 요청 서비스 작업은,(i) 분석 ID(Analytic ID), (ii) S-NSSAI(Subscribed Network Slice Selection Assistance Information), (iii) 관심 타겟 영역(Target Area of Interest), (iv) 어플리케이션 ID(Application ID), (v) 타겟 사용자 단말(Target UE), (v) 기계학습 모델 타겟 기간(ML Model target period) 및 (vi) 만료 시간(Expiry time) 중 적어도 하나를 포함하는 기계학습 모델의 정보 요청 방법
|
| 20 |
20
제18항에 있어서,상기 요청 서비스 작업은,(i) 분석 ID(Analytic ID), (ii) S-NSSAI(Subscribed Network Slice Selection Assistance Information), (iii) 관심 타겟 영역(Target Area of Interest), (iv) 어플리케이션 ID(Application ID), (v) 타겟 사용자 단말(Target UE), (v) 기계학습 모델 타겟 기간(ML Model target period), (vi) 만료 시간(Expiry time) 및 (vii) 기계학습 모델 파일 주소, 기계학습 모델 파일, 모델 ID 및 모델 버전 중 적어도 하나를 포함하는 기계학습 모델 정보(ML Model Information) 중 적어도 하나를 포함하는 기계학습 모델의 정보 요청 방법
|
| 21 |
21
제18항에 있어서,상기 응답 서비스 작업은,(i) 기계학습 모델 파일, 또는 기계학습 모델 파일 주소를 포함하는 기계학습 모델 정보(ML Model Information), (ii) 유효성 기간(Validity period) 및 (iii) 공간 유효성(Spatial Validity) 중 적어도 하나를 포함하는 기계학습 모델의 정보 요청 방법
|
| 22 |
22
제18항에 있어서,상기 응답 서비스 작업은,(i) 기계학습 모델 파일 주소, 기계학습 모델 파일, 모델 ID 및 모델 버전 중 적어도 하나를 포함하는 기계학습 모델 정보(ML Model Information), (ii) 유효성 기간(Validity period) 및 (iii) 공간 유효성(Spatial Validity) 중 적어도 하나를 포함하는 기계학습 모델의 정보 요청 방법
|
| 23 |
23
제18항에 있어서,상기 제1 NWDAF 장치는, 연합 학습의 로컬 훈련(local training)을 수행하고, MTLF(Model Training logical function)를 지원하며,상기 제2 NWDAF 장치는, 연합 학습의 글로벌 훈련(global training)을 수행하고, MTLF을 지원하는 기계학습 모델의 정보 요청 방법
|
| 24 |
24
제23항에 있어서,상기 응답 서비스 작업은,(i) 기계학습 모델 파일 주소, 기계학습 모델 파일, 모델 ID 및 모델 버전 중 적어도 하나를 포함하는 기계학습 모델 정보(ML Model Information), (ii) 유효성 기간(Validity period) 및 (iii) 공간 유효성(Spatial Validity) 중 적어도 하나를 포함하는 기계학습 모델의 정보 요청 방법
|
| 25 |
25
기계학습 모델의 업데이트 방법에 있어서,제1 NWDAF 장치를 선택한 제2 NWDAF 장치로부터 기계학습 모델의 훈련 구독 서비스 작업의에 대한 호출을 수신하는 단계;상기 기계학습 모델에 대해 로컬적으로 훈련하는 단계;상기 기계학습 모델을 글로벌적으로 업데이트하는 제2 NWDAF 장치에 기계학습 모델의 훈련 통지 서비스 작업을 호출하는 단계를 포함하고,상기 제1 NWDAF 장치는, 기계학습 모델에 대해 연합 학습의 로컬 훈련을 수행하고,상기 제2 NWDAF 장치는, 기계학습 모델에 대해 연합 학습의 글로벌 훈련을 수행하는 기계학습 모델의 업데이트 방법
|
| 26 |
26
기계학습 모델의 업데이트 방법에 있어서,제1 NWDAF 장치를 선택한 제2 NWDAF 장치로부터 기계학습 모델의 훈련 요청 서비스 작업의 호출을 수신하는 단계;상기 기계학습 모델에 대해 로컬적으로 훈련하는 단계;상기 기계학습 모델을 글로벌적으로 업데이트하는 제2 NWDAF 장치에 기계학습 모델의 훈련 응답 서비스 작업을 호출하는 단계를 포함하고,상기 제1 NWDAF 장치는, 기계학습 모델에 대해 연합 학습의 로컬 훈련을 수행하고, 상기 제2 NWDAF 장치는, 기계학습 모델에 대해 연합 학습의 글로벌 훈련을 수행하는 기계학습 모델의 업데이트 방법
|
