[发明专利]信息处理的方法和装置

说明书

本申请提供了一种信息处理的方法和装置。该方法可以包括：获取通信网络中的信息；用智能网络对该信息进行处理。其中，智能网络包括第一子网络和第二子网络，第一子网络用于处理信息中的公共特征，第二子网络用于处理信息中的非公共特征。第一子网络可以用于多个通信设备，并且可以用于处理该多个通信设备的公共特征，如公共环境对应的特征。通过该方式，不同通信设备可以复用第一子网络，其变化频率不需要太高，因此可以降低复杂度和成本；每个通信设备可以各自训练各自对应的第二子网络，因此可以尽可能地保证性能。因此，通过本申请，可以有效地平衡性能和复杂度，为性能提升和复杂度降低打开全新空间。

技术领域

本申请涉及无线通信领域，具体地，涉及应用了智能网络的无线通信技术，尤其涉及一种信息处理的方法和装置。

背景技术

近些年人工智能(artificial intelligence，AI)技术的发展迅猛。AI技术涵盖机器学习、深度学习等实现技术。AI技术的实现主要在于使得计算机能够从数据中找到信息，从而学习一些规律，通过模型训练和优化，使模型对数据的理解更加深入。

AI技术中的智能网络，例如，深度神经网络(deep neural network，DNN)现在已广泛应用于图像、语音和视频处理等领域。基于DNN在特征提取和挖掘上的优势，有不少学术研究将目光转移到深度学习网络这样的智能网络在无线通信场景(如多输入多输出(multi-input multi-output，MIMO)系统)中的应用上。

考虑到无线通信场景的特殊性，如低时延要求，更严格的功耗和成本要求，以及用户终端的运算能力受限等，如何为无线通信场景提供高效的神经网络学习架构是研究的热点。

发明内容

本申请提供一种信息处理的方法和装置，可以很好的平衡性能和复杂度，更加适合无线通信特殊需求，可以提升智能网络用于通信网络中的可实现性。

第一方面，提供了一种信息处理的方法。该方法可以包括：获取通信网络中的信息；用目标智能网络对信息进行处理，目标智能网络包括多个子网络，至少两个子网络对应不同种类的特征。

目标智能网络，可以称为智能模块、模型、“黑盒子”，可以表示具有机器学习功能的网络，如人工智能网络。

可以理解，该方法可以由通信设备执行，也可以由应用于通信设备上的芯片、芯片系统或电路执行。

基于上述技术方案，利用无线通信网络的特征分组以及智能网络的分类处理特性，设计分级机制的网络架构。通过该方案，可以基于各个子网络对应的特征进行灵活的训练和使用。例如，对于多个对象来说，对于该多个对象之间相似的特征，可以使用相同的子网络进行处理，从而可以降低复杂度，节省训练开销。对于各个对象的特定特征，可以使用不同的子网络进行处理，如各个对象各自训练更新或设计该类特征对应的子网络，从而可以尽可能地保证性能。因此，基于该方案，通过特征分层，既能有效把握和提取各个级别的特征，以保证训练性能，还能实现训练开销的最小化，提升训练效率。

第二方面，提供了一种信息处理的方法。该方法可以包括：获取通信网络中的信息；用目标智能网络对信息进行处理，目标智能网络包括多个子网络，部分子网络对应多个对象，部分子网络对应一个对象。

可以理解，该方法可以由通信设备执行，也可以由应用于通信设备上的芯片、芯片系统或电路执行。

示例地，“对象”，可以表示通信设备(如终端设备或者网络设备)，或者也可以表示通信场景，或者也可以表示其他对象。

子网络对应一对象，即表示该子网络可以用于该对象，或者说该子网络可以参与处理该对象的信息，或者说该子网络用于处理该对象的某些特征。