Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2019007386) OPTIMIZING CELLULAR NETWORKS USING DEEP LEARNING
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2019/007386 International Application No.: PCT/CN2018/094629
Publication Date: 10.01.2019 International Filing Date: 05.07.2018
IPC:
H04W 36/00 (2009.01)
H ELECTRICITY
04
ELECTRIC COMMUNICATION TECHNIQUE
W
WIRELESS COMMUNICATION NETWORKS
36
Handoff or reselecting arrangements
Applicants:
HUAWEI TECHNOLOGIES CO., LTD. [CN/CN]; Huawei Administration Building Bantian, Longgang District Shenzhen, Guangdong 518129, CN
Inventors:
YANG, Jin; US
TAN, Yongxi; US
Priority Data:
15/642,56306.07.2017US
Title (EN) OPTIMIZING CELLULAR NETWORKS USING DEEP LEARNING
(FR) OPTIMISATION DE RÉSEAUX CELLULAIRES À L'AIDE D'UN APPRENTISSAGE PROFOND
Abstract:
(EN) The present technology provides a new approach to optimizing wireless networks, including the coverage and capacity of cellular networks, using deep learning. The proposed method involves generating a group of cells comprising a cell identified as underperforming and one or more neighboring cells, ranking the one or more neighboring cells based on one or more relationship parameters between the underperforming cell and the one or more neighboring cells, and generating a multi-dimensional multi-channel state tensor for the group of cells based on the ranking of the one or more neighboring cells. This approach to cellular network optimization improves the coverage and capacity of cellular networks using a process that is faster, more accurate, less costly, and more robust.
(FR) La présente technologie fournit une nouvelle approche permettant d'optimiser des réseaux sans fil, y compris la couverture et la capacité de réseaux cellulaires, à l'aide d'un apprentissage profond. Le procédé proposé consiste à générer un groupe de cellules comprenant une cellule identifiée comme sous-performante et une ou plusieurs cellules voisines, à classer la ou les cellules voisines sur la base d'un ou de plusieurs paramètres de relation entre la cellule sous-performante et la ou les cellules voisines, et à générer un tenseur d'état multicanal multidimensionnel pour le groupe de cellules sur la base du classement de la ou des cellules voisines. Cette approche d'optimisation de réseau cellulaire améliore la couverture et la capacité de réseaux cellulaires à l'aide d'un processus qui est plus rapide, plus précis, moins coûteux et plus robuste.
front page image
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
African Regional Intellectual Property Organization (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Office (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (EPO) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Publication Language: English (EN)
Filing Language: English (EN)