对比文件名称：2017-04-20_US2017111916A_发明申请_US20170111916A1 Predicting Resource Scheduling
目标专利名称：711通信系统中的端到端学习CN111566673B
本次调用的模型名称：N/A
### 特征比对表格
| 技术特征描述及公开性判断 | 对比文件原文引用 | 公开性论述 |
| 技术特征A：<br>将多个发射器神经网络和多个接收器神经网络组织成多个发射器接收器神经网络对。<br>**未公开** | （无对应公开内容） | 对比文件涉及在无线通信网络中预测资源调度以减小小区间干扰，其使用的神经网络仅作为预测资源分配的模型（参见[0050]），并未提及将发射器和接收器实现为神经网络，更未公开将发射器神经网络和接收器神经网络组织成对。本领域技术人员无法从对比文件中毫无疑义地得出该特征。 |
| 技术特征B：<br>其中发射器接收器神经网络对针对多载波传输系统的多个子载波频带中的每个子载波频带而被定义。<br>**未公开** | （无对应公开内容） | 对比文件虽然涉及OFDM系统及其子载波（参见[0002]-[0004]），但其并未定义任何发射器接收器神经网络对，也未公开针对每个子载波频带定义这样的神经网络对。因此该特征未被公开。 |
| 技术特征C：<br>将所述多载波传输系统的多个符号布置成多个传输块。<br>**未公开** | （无对应公开内容） | 对比文件描述了OFDM资源块（resource block）的结构，即由12个子载波和0.5 ms时隙组成（[0003]），这客观上形成了时频资源块。然而，对比文件并未公开主动“将多个符号布置成多个传输块”这一方法步骤，其资源块是系统固有的调度单位，且其作用是为了资源分配而非用于后续映射到神经网络对。本领域技术人员无法从对比文件中直接且毫无疑义地推导出该步骤，也不存在合理的隐含公开基础。 |
| 技术特征D：<br>将所述传输块中的每个传输块映射到所述发射器接收器神经网络对中的一个发射器接收器神经网络对。<br>**未公开** | （无对应公开内容） | 对比文件公开的是将资源块分配给用户设备（UE），而非映射到发射器接收器神经网络对。对比文件中不存在这样的神经网络对，因此该映射关系未被公开。 |
| 技术特征E：<br>使用所映射的所述发射器接收器神经网络对来传输每个符号。<br>**未公开** | （无对应公开内容） | 对比文件中的符号传输是通过常规的OFDM发射和接收链路完成的，并未使用神经网络作为发射器或接收器，更未使用成对的神经网络进行传输。该特征未被公开。 |
| 技术特征F：<br>针对每个发射器接收器神经网络对，使用损失函数来训练发射神经网络和接收神经网络的至少一些权重。<br>**未公开** | （无对应公开内容） | 对比文件虽然提到可使用神经网络进行预测模型训练（[0050]），但训练的对象是资源调度预测模型，而非发射/接收神经网络的权重；其并未公开针对通信收发神经网络对使用损失函数进行权重训练。该特征未被公开。 |
| 技术特征G：<br>还包括映射在所述多个接收器神经网络处接收的每个符号，以生成对传输的所述符号的估计。<br>**未公开** | （无对应公开内容） | 对比文件未公开接收器神经网络，也未公开在接收器神经网络处映射接收符号以生成估计的步骤。该特征未被公开。 |
| 技术特征H：<br>其中所述发射神经网络和接收神经网络的所述至少一些权重使用随机梯度下降而被训练。<br>**未公开** | （无对应公开内容） | 对比文件未涉及发射/接收神经网络的训练，虽然其可能使用梯度下降训练预测模型，但这不是针对发射和接收神经网络的权重。该特征未被公开。 |
| 技术特征I：<br>其中所述损失函数与块错误率有关。<br>**未公开** | （无对应公开内容） | 对比文件未涉及用于训练发射/接收神经网络的损失函数，更未提及其与块错误率的关系。该特征未被公开。 |
| 技术特征J：<br>其中每个符号经由信道从所映射的所述发射器接收器神经网络对的所述发射器神经网络被传输到所述接收器神经网络。<br>**未公开** | （无对应公开内容） | 对比文件中的传输是通过无线信道在基站与UE之间进行的，但并未使用发射器神经网络和接收器神经网络。该特征未被公开。 |
| 技术特征K：<br>其中所述信道对于所述多个发射器和接收器神经网络对中的每个发射器和接收器神经网络对是公共的。<br>**未公开** | （无对应公开内容） | 对比文件的无线信道对于小区内各UE是共享的，但由于对比文件不存在多个发射器-接收器神经网络对，因此无法认定其公开了信道对于这些神经网络对是公共的。该特征未被公开。 |
| 技术特征L：<br>其中所述信道是包括一个或多个计算层的模型。<br>**未公开** | （无对应公开内容） | 对比文件中的信道是实际的无线传播信道，并未将其建模为具有可训练或不可训练计算层的模型。该特征未被公开。 |
| 技术特征M：<br>还包括优化所述传输块中的每个传输块到所述发射器接收器神经网络对的所述映射。<br>**未公开** | （无对应公开内容） | 对比文件通过调度算法优化资源块到UE的分配，但未涉及优化传输块到神经网络对的映射。该特征未被公开。 |
| 技术特征N：<br>其中所述传输块中的每个传输块的所述映射使用增强学习而被优化。<br>**未公开** | （无对应公开内容） | 对比文件未提及使用增强学习来优化任何映射。该特征未被公开。 |
| 技术特征O：<br>还包括跨不同符号的数据比特的交织。<br>**未公开** | （无对应公开内容） | 对比文件全文未涉及数据比特的交织操作。该特征未被公开。 |
| 技术特征P：<br>还包括使用载波频率偏移神经网络模块来校正载波频率偏移。<br>**未公开** | （无对应公开内容） | 对比文件未公开任何载波频率偏移校正，更未公开使用神经网络模块来实现该校正。该特征未被公开。 |
| 技术特征Q：<br>还包括使用信道均衡神经网络模块来执行信道均衡。<br>**未公开** | （无对应公开内容） | 对比文件未公开使用神经网络模块进行信道均衡。该特征未被公开。 |
| 技术特征R：<br>其中所述多载波传输系统是正交频分复用系统。<br>**《直接公开》** | [0002] “在长期演进（LTE）通信网络中，采用正交频分复用（OFDM）调制……”（原文：In Long-Term Evolution (LTE) communications networks, orthogonal frequency-division multiplexing (OFDM) modulation is employed…） | 对比文件明确记载了其通信网络采用OFDM调制，并多处描述了OFDM资源块、子载波等（例如[0002]、[0003]、[0035]），直接且毫无疑义地公开了多载波传输系统为正交频分复用系统。 |
| 技术特征S：<br>其上存储有计算机可读指令，当所述计算机可读指令由计算装置执行时使所述计算装置执行根据权利要求1至13中任一项所述的方法。<br>**未公开** | （无对应公开内容） | 对比文件虽然提到计算机程序产品（[0017]），但其存储的指令用于执行对比文件自身的方法（预测资源调度），而非执行目标专利权利要求1-13所述的方法。该特征未被公开。 |
<<<R>>>