模型训练方法、数据处理方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115860086A(43)申请公布日2023.03.28(21)申请号202211485707.7G06F17/16(2006.01)(22)申请日2022.11.24G06F17/14(2006.01)G06F18/214(2023.01)(71)申请人华为技术有限公司G06F18/2136(2023.01)地址518129广东省深圳市龙岗区坂田华为总部办公楼申请人香港科技大学(72)发明人张文凯程敏陈志堂陈家璇郑轩宇郭化盐毕媛媛刘坚能(74)专利代理机构北京格罗巴尔知识产权代理事务所(普通合伙)11406专利代理师项军花(51)Int.Cl.G06N3/08(2023.01)G06N3/0455(2023.01)G06N3/0464(2023.01)权利要求书4页说明书16页附图9页(54)发明名称模型训练方法、数据处理方法及装置(57)摘要本申请涉及一种模型训练方法、数据处理方法及装置，所述模型训练方法包括：获取第一训练集，第一训练集中包括多个第一稀疏矩阵，每个第一稀疏矩阵表示一个角度域和时延域的信道状态信息；将第一稀疏矩阵输入编码网络，输出第一均值矩阵和第一尺度矩阵；根据第一均值矩阵和第一尺度矩阵，构建第一量化矩阵；将第一量化矩阵输入解码网络，输出第一估计矩阵和第一指示矩阵；根据第一均值矩阵和第一尺度矩阵，确定第一损失；根据第一估计矩阵和第一指示矩阵，确定第二损失；基于第一损失和第二损失调整编码网络的参数以及解码网络的参数。本申请实施例能够有效降低信道状态信息矩阵的量化误差与重构误差。CN115860086ACN115860086A权利要求书1/4页1.一种模型训练方法，其特征在于，所述模型包括编码网络和解码网络，所述方法包括：获取第一训练集，所述第一训练集中包括多个第一稀疏矩阵，每个第一稀疏矩阵表示一个角度域和时延域的信道状态信息；针对任意一个第一稀疏矩阵：将所述第一稀疏矩阵输入所述编码网络，输出第一均值矩阵和第一尺度矩阵；根据所述第一均值矩阵和所述第一尺度矩阵，构建第一量化矩阵；将所述第一量化矩阵输入所述解码网络，输出第一估计矩阵和第一指示矩阵；根据所述第一均值矩阵和所述第一尺度矩阵，确定第一损失；根据所述第一估计矩阵和所述第一指示矩阵，确定第二损失；基于所述第一损失和所述第二损失调整所述编码网络的参数以及所述解码网络的参数，调整后的所述编码网络用于对信道在角度域和时延域的信道状态信息进行编码，调整后的所述解码网络用于解码得到信道在角度域和时延域的信道状态信息。2.根据权利要求1所述的方法，其特征在于，所述根据所述第一均值矩阵和所述第一尺度矩阵，确定第一损失，包括：基于所述第一均值矩阵和所述第一尺度矩阵，生成第一稀疏分布；获取所述第一稀疏分布对应的第一标准分布，所述第一稀疏分布与所述第一标准分布对应的分布类型相同，且所述第一标准分布的均值为第一均值、尺度为第一尺度；将所述第一稀疏分布和所述第一标准分布之间的KL散度，确定为所述第一损失。3.根据权利要求2所述的方法，其特征在于，所述根据所述第一均值矩阵和所述第一尺度矩阵，构建第一量化矩阵包括：在所述第一标准分布中进行采样，得到第一采样矩阵；基于所述第一均值矩阵、所述第一尺度矩阵和所述第一采样矩阵，生成第一隐层特征矩阵；在第一阈值范围内的均匀分布中进行采样，得到第二采样矩阵；根据所述第一隐层特征矩阵和所述第二采样矩阵，生成所述第一量化矩阵。4.根据权利要求1所述的方法，其特征在于，所述根据第一估计矩阵和所述第一指示矩阵，确定第二损失，包括：根据所述第一稀疏矩阵、所述第一估计矩阵，生成第二稀疏分布；获取所述第二稀疏分布对应的第二标准分布，所述第二稀疏分布与所述第二标准分布对应的分布类型以及尺度相同，且所述第二标准分布的均值为第二均值；根据所述第二稀疏分布、所述第二标准分布以及所述第一指示矩阵，确定伯努利分布；根据所述伯努利分布，确定所述第二损失。5.根据权利要求1至4中任意一项所述的方法，其特征在于，所述获取第一训练集包括：获取多个第一原始矩阵，每个第一原始矩阵表示一个空域和频域的信道状态信息；针对任意一个第一原始矩阵，对所述第一原始矩阵进行二维离散傅里叶变换，并删除变换结果中所有元素取值均为零的行，得到所述第一稀疏矩阵。6.一种数据处理方法，其特征在于，所述方法应用于第一装置，所述方法包括：获取第二稀疏矩阵，所述第二稀疏矩阵表示第一信道在角度域和时延域的信道状态信2CN115860086A权利要求书2/4页息，所述第一信道表示所述第一装置与第二装置之间的信道；将所述第二稀疏矩阵输入编码网络，输出第二均值矩阵和第二尺度矩阵，所述编码网络为通过权利要求1至5中任意一项所述的模型训练方法进行训练后得到的编码网