对比文件名称：2012-10-04_发明申请_US20120253479A1 System and Method for Creating a Graphical Control Programming Environment
目标专利名称：216神经元形态模型开发的上下文实时反馈CN106104586B
本次调用模型名称：特征比对与创造性评估模型
| 技术特征描述以及公开性判断结果 | 对比文件原文引用 | 公开性论述 |
| **技术特征A**：所述方法包括：生成神经元形态模型的上下文反馈<br>**《隐含公开》** | [0012] “The present invention relates a system and method for generating modeling software for processing control, such as power plant control or other industrial control, using models such as expert systems, fuzzy logic, genetic optimization algorithms, and **neural networks** to convert sensor data into actionable data, information and/or diagnostics.”<br>[0039] “The GPE may have the feature of **active feedback upon executing logic**. When active, the connecting logic may change color (or other indication) reflecting a state of operation... The GPE may display the values at one, some, or all elements in the work environment... thus providing the user **real-time feedback** on the values in the system.” | 对比文件公开了一种用于生成建模软件（包括神经网络模型）以进行过程控制的系统和方法（[0012]）。该系统具有在逻辑执行时提供**主动反馈**的功能，例如通过改变连接线颜色、显示工作环境中元素的值等方式，向用户提供关于系统值的**实时反馈**（[0039]）。虽然对比文件的应用领域（工业过程控制）与目标专利（神经元形态模型开发）不同，但其核心在于为包含神经网络在内的模型开发提供实时反馈。本领域技术人员可以理解，为“神经网络模型”开发提供上下文反馈，与为“神经元形态模型”开发提供上下文反馈，在“为模型开发提供实时反馈”这一核心概念和功能上是相通和等同的。因此，对比文件隐含公开了生成模型（包含神经网络模型）上下文反馈的技术特征。 |
| **技术特征B**：，所述神经元形态模型包括在所述神经元形态模型的开发期间被监视的资产，<br>**《隐含公开》** | [0007] “Process control therefore requires the representation and movement of data or information, **a model of the data**, and a way to evaluate the success of achieving the goal or objective.”<br>[0050] “In one possible embodiment, a user may use the GPE to model a combustion process in a power plant, **reading in values of air and fuel flow, along with reading for temperature and pressure** for the combustion gases and water/steam points, it may use a model component to train a model...” | 对比文件明确其系统用于构建和处理模型（[0007]），并在具体实施例中描述了建模过程需要读取和监视各种过程参数（资产），如空气和燃料流量、温度、压力等（[0050]）。在模型开发期间，这些被读取和用于训练模型的参数实质上就是在开发期间被监视的“资产”。虽然对比文件中的“资产”是工业过程参数，而目标专利中的“资产”特指神经元形态模型的构成元素，但两者在“模型开发过程中被监视的对象”这一抽象功能和概念上是一致的。本领域技术人员能够合理推断，在神经元形态模型开发环境中，被监视的资产（如神经元参数、突触权重等）起到了与对比文件中被监视的过程参数相同的作用——即作为模型输入、状态或输出被观察以用于开发和调试。因此，该特征被对比文件隐含公开。 |
| **技术特征C**：所述资产包括神经元、突触或神经元网络中的至少一者<br>**《直接公开》** | [0012] “...using models such as expert systems, fuzzy logic, genetic optimization algorithms, and **neural networks**...” | 对比文件直接公开了其建模软件所使用的模型类型包括**神经网络**（[0012]）。根据本领域公知常识，神经网络由人工神经元（神经元）通过连接（突触）构成。因此，“神经网络”这一表述本身已经毫无疑义地包含了“神经元”和“突触”这些基本组成元素。权利要求中“资产包括神经元、突触或神经元网络中的至少一者”的技术方案，已被对比文件明确公开的“神经网络”模型所直接覆盖。 |
| **技术特征D**：显示互动上下文面板以便至少部分地基于在所述神经元形态模型的开发期间的所述上下文反馈来示出表示<br>**《直接公开》** | [0039] “The GPE may have the feature of active feedback upon executing logic... The GPE may **display the values** at one, some, or all elements in the work environment... thus providing the user real-time feedback on the values in the system.”<br>[0063] “FIG. 11 shows a **display of active logic and values**. The red line shows the last logic activated in the last execution cycle... logic is updated and reflected in the **real-time display screen** above.” | 对比文件明确描述了其图形编程环境（GPE）具有**显示**工作环境中元素**值**的功能，以此提供实时反馈（[0039]）。附图11及其说明进一步展示了**显示活动逻辑和值**的实时显示屏幕（[0063]）。这个显示屏幕基于系统执行逻辑（即模型开发/运行期间）产生的反馈（值）来示出信息（表示），并且是用户与系统交互的一部分（互动）。这直接对应于目标专利中“显示互动上下文面板以便基于上下文反馈示出表示”的技术特征，两者作用相同，都是为用户提供模型状态的实时可视化反馈。 |
| **技术特征E**：以及使用所述互动上下文面板来修改所述神经元形态模型的输入曲线。<br>**《未公开》** | （对比文件中未见允许通过显示面板直接修改模型输入曲线的相关描述） | 目标专利说明书（图9及相关描述）强调了一种特定交互：通过上下文面板中的图表直接操纵（如拖放点）来修改驱动神经元的**输入曲线**。对比文件虽然允许用户修改逻辑、模型参数并通过刷新生效（[0040], [0064]），但并未提及任何通过显示面板（如图11所示的显示）以图形化方式直接修改“输入曲线”的功能。修改通用参数或逻辑与针对性地图形化修改“输入曲线”是不同的技术手段。对比文件没有公开这一具体特征。 |
| **技术特征F**：其特征在于，进一步包括基于执行所述模型来更新所述互动上下文面板。<br>**《直接公开》** | [0064] “After saving a file, pressing the refresh button updates all logic and calculated values, which on the next scheduled execution cycle updates the control system...”<br>[0039] “... logic is updated and reflected in the real-time display screen...” | 对比文件明确说明，在用户保存文件并按下刷新按钮后，所有逻辑和计算值被更新，并在下一个计划执行周期反映出来（[0064]）。这意味着显示（即互动上下文面板）是基于模型的最新执行（计算值）来更新的。此外，[0039]也指出逻辑更新会反映在实时显示屏上。这直接公开了“基于执行模型来更新互动上下文面板”的特征，其作用与目标专利相同，都是为了确保显示内容与模型当前状态同步。 |
| **技术特征G**：其特征在于，所述表示实时地发生。<br>**《直接公开》** | [0039] “... providing the user **real-time feedback** on the values in the system.”<br>[0063] “... logic is updated and reflected in the **real-time display screen** above.” | 对比文件多次强调其反馈和显示是**实时**的（[0039], [0063]）。这意味着面板所示的“表示”是实时发生和更新的。该特征被对比文件直接公开。 |
| **技术特征H**：其特征在于，进一步包括操纵所述互动上下文面板以便更新所述神经元形态模型的代码。<br>**《直接公开》** | [0040] “In this embodiment, the user would simply add the element to the design area and click on a save or refresh type operation to make the logic active.”<br>[0064] “After saving a file, pressing the refresh button updates all logic and calculated values...” | 对比文件描述了用户可以在设计区域添加元素，并通过保存/刷新操作使逻辑生效（[0040], [0064]）。用户通过图形界面（即一种互动上下文面板）进行“添加元素”等操纵，实质上就是在更新控制系统的逻辑（即模型的“代码”）。按下“刷新”按钮是使更改生效的触发动作。这直接对应于通过操纵互动面板来更新模型代码的技术特征，其作用都是允许用户直观地修改模型定义。 |
| **技术特征I**：其特征在于，进一步包括更新所述神经元形态模型的代码以便更新所述互动上下文面板。<br>**《直接公开》** | [0064] “After **saving a file**, pressing the refresh button updates all logic and calculated values, which on the next scheduled execution cycle updates the control system...” | 对比文件说明，用户**保存文件**（即更新了代码/逻辑定义）后，按下刷新按钮，计算值和显示随之更新（[0064]）。这清晰地揭示了“更新代码”是导致“互动上下文面板更新”的原因和前提。该特征被直接公开，其逻辑关系与目标专利所述一致。 |
| **技术特征J**：其特征在于，所述互动上下文面板示出与所述神经元形态模型的动态相关的参数的上下文信息。<br>**《直接公开》** | [0039] “The GPE may display the **values** at one, some, or all elements in the work environment...”<br>[0063] “FIG. 11 shows a display of active logic and **values**.” | 对比文件中互动显示面板所展示的“值”（values）正是系统运行（模型动态执行）时各个元素的当前数值（[0039], [0063]）。这些值就是与模型动态直接相关的参数信息。因此，该特征被对比文件直接公开。 |
| **技术特征K**：其特征在于，所述表示包括所述神经元形态模型中的一个或多个神经元的布局或所述神经元形态模型中的神经元的连通性中的至少一者的视觉显示。<br>**《未公开》** | （对比文件中未见显示神经元、突触的布局或神经元之间连通性地图的相关描述） | 目标专利中的该特征特指对神经元形态模型**内部结构**的视觉化，例如神经元在空间中的布局或它们之间的连接（连通性）（参见说明书[0127]-[0139]，图10B）。对比文件的显示（如图11）聚焦于逻辑流、数据值和活动状态，属于**功能和行为层面的可视化**，并未涉及任何类似神经元网络拓扑结构、布局或连通性关系的视觉显示。两者可视化对象和作用不同，对比文件未公开此特征。 |
| **技术特征L**：其特征在于，所述上下文反馈包括相对于所述神经元形态模型的硬件布局的信息。<br>**《隐含公开》** | [0035] “Additionally, the user may specify if the program, task, or application is to remain local or may have its computations done remotely over other computers, or other processing units, such as, **GPU’s (graphics processing units)**, GPGPU’s ... **PPU’s (physics processing units)**...”<br>[0041] “... load sharing, load shedding, distribution of computations...” | 对比文件允许用户指定计算任务是在本地还是远程计算机、或其他处理单元（如GPU、PPU）上执行（[0035]），并涉及负载共享、计算分布等（[0041]）。这包含了与计算资源分布和利用相关的“硬件布局”信息。虽然目标专利特指“神经元形态模型的硬件布局”，而对比文件是针对通用控制模型的硬件资源分配，但本领域技术人员能够合理推断，在部署和优化计算密集型模型（如神经网络模型）时，考虑其在不同硬件单元（如GPU）上的分布和负载情况，是自然而然的扩展，其作用都是为了优化模型执行性能。因此，该特征被对比文件隐含公开。 |
| **技术特征M**：其特征在于，所述信息包括功耗或计算负荷中的至少一者。<br>**《隐含公开》** | [0035] “... **load balancing**, prioritization, cloud computing, divergent computing, usage of GPUs, PPUs, and other methods that distribute or manage **the load on computers or controllers**.”<br>[0041] “... **load sharing, load shedding**, distribution of computations...” | 对比文件明确提到了**负载均衡**、优先级设置以及管理**计算机或控制器上的负载**的方法（[0035]），以及**负载共享、负载卸载**（[0041]）。这里管理的“负载”直接对应于“计算负荷”。虽然未明确提及“功耗”，但计算负荷是影响功耗的关键因素，且负载管理通常与能效优化相关。因此，对比文件至少直接公开了“计算负荷”相关信息。本领域技术人员可以理解，在提供硬件布局或资源管理信息时，包含计算负荷信息是惯用手段。因此，该特征被对比文件隐含公开。 |
<<<C>>><<<D>>><<<F>>><<<G>>><<<H>>><<<I>>><<<J>>><<<a>>><<<b>>><<<l>>><<<m>>>