WO2024250443 - OPERATIONS RELATED TO AI/ML MODEL
National phase entry is expected:
Publication Number
WO/2024/250443
Publication Date
12.12.2024
International Application No.
PCT/CN2023/115643
International Filing Date
30.08.2023
Title **
[English]
OPERATIONS RELATED TO AI/ML MODEL
[French]
OPÉRATIONS ASSOCIÉES À UN MODÈLE IA/ML
Applicants **
HUAWEI TECHNOLOGIES CO., LTD.
Huawei Administration Building, Bantian, Longgang District
Shenzhen, Guangdong 518129, CN
Inventors
TANG, Hao
Huawei Administration Building, Bantian,Longgang District
Shenzhen, Guangdong 518129, CN
MA, Jianglei
Suite 400, 303 Terry Fox Drive, Kanata
Ontario 231, CA
TONG, Wen
Suite 400, 303 Terry Fox Drive, Kanata
Ontario 231, CA
GE, Yiqun
Suite 400, 303 Terry Fox Drive, Kanata
Ontario 231, CA
Priority Data
63/506,861
08.06.2023
US
Application details
| Total Number of Claims/PCT | * |
| Number of Independent Claims | * |
| Number of Priorities | * |
| Number of Multi-Dependent Claims | * |
| Number of Drawings | * |
| Pages for Publication | * |
| Number of Pages with Drawings | * |
| Pages of Specification | * |
| * | |
| * | |
International Searching Authority |
CNIPA
* |
| Applicant's Legal Status |
Legal Entity
* |
| * | |
| * | |
| * | |
| * | |
| Entry into National Phase under |
Chapter I
* |
| Translation |
|
Recalculate
* The data is based on automatic recognition. Please verify and amend if necessary.
** IP-Coster compiles data from publicly available sources. If this data includes your personal information, you can contact us to request its removal.
Quotation for National Phase entry
| Country | Stages | Total | |
|---|---|---|---|
| China | Filing | 1716 | |
| EPO | Filing, Examination | 11582 | |
| Japan | Filing | 597 | |
| South Korea | Filing | 575 | |
| USA | Filing, Examination | 7910 |
Total: 22380 USD
The term for entry into the National Phase has expired. This quotation is for informational purposes only
Abstract[English]
party, reducing the training complexity at the RAN nodes.[French]
Des modes de réalisation, donnés à titre d’exemple de la présente divulgation, concernent des opérations associées à un modèle d'intelligence artificielle/apprentissage automatique (IA/ML). Dans un procédé donné à titre d'exemple, un premier dispositif de réseau transmet, à un second dispositif de réseau, une première demande indiquant au second dispositif de réseau de fournir un premier modèle IA/ML, et reçoit le premier modèle IA/ML du second dispositif de réseau. Le premier dispositif de réseau obtient ensuite un modèle IA/ML à réglage fin sur la base du premier modèle IA/ML. De cette manière, un modèle local personnalisé peut être obtenu à partir d'un modèle de fondement global pour réduire la complexité d'apprentissage dans des nœuds de réseau d'accès aléatoire (RAN). Au niveau des nœuds de réseau d'accès radio (RAN), un modèle IA/ML personnalisé relativement léger peut être obtenu à partir d'un modèle de fondement global plutôt grand au niveau du réseau central (CN) ou d’une tierce partie, réduisant la complexité d'apprentissage au niveau des nœuds de réseau RAN.