**对比文件名称**：2012-07-05_US2012173471A_发明申请_US20120173471A1 SYNAPTIC WEIGHT NORMALIZED SPIKING NEURONAL NETWORKS
**目标专利名称**：208动态空间目标选择CN106796667B
**本次调用的模型名称**：Hunzinger Cold模型
### **特征比对表格**
| 技术特征描述及公开性判断结果 | 对比文件原文引用 | 公开性论述 |
| **技术特征A《未公开》**<br>包括：将多个目标中的每个目标映射到目标地图中的不同位置， | 无相应内容。 | 对比文件涉及通用的神经元网络稳定性维护，其背景和具体实施方式均未提及“目标”、“目标地图”或“将目标映射到位置”的概念。该特征未被公开。 |
| **技术特征B《未公开》**<br>所述目标地图包括空间环境中相对于机器人设备的位置的多个位置， | 无相应内容。 | 对比文件未涉及任何“空间环境”、“机器人设备”或“相对于设备的位置”的概念。其网络是抽象的，不承载空间语义。该特征未被公开。 |
| **技术特征C《直接公开》**<br>每个位置由所述人工神经网络中的神经元表示 | [0020]段：“The term electronic neuron as used herein represents an architecture configured to simulate a biological neuron. An electronic neuron creates connections between processing elements that are roughly functionally equivalent to neurons of a biological brain. As such, a neuromorphic and synaptronic system comprising electronic neurons according to embodiments of the invention may include various electronic circuits that are modeled on biological neurons.” | 对比文件明确公开了人工神经网络（neuromorphic and synaptronic systems）包含电子神经元（electronic neurons）。技术特征C描述的是“位置由神经元表示”这一结构组成关系。本领域技术人员能毫无疑义地从对比文件中得出人工神经网络的基本组成单元是神经元。尽管对比文件中的神经元不用于表示空间位置，但作为网络基本单元的“神经元”这一结构实体已被直接公开。 |
| **技术特征D《未公开》**<br>以及通过控制至所述人工神经网络的神经元的失衡量来动态地修改目标选择函数以使所述机器人设备偏向或偏离候选目标地移动， | [0024]段：“...such that the total weight of all synapse devices to and from a particular electronic neuron is maintained at a predetermined range by performing synaptic weight normalization for neural network stability.” | 对比文件公开了“通过控制突触权重进行归一化以维持网络稳定性”。但其中“控制权重”的目的是防止网络不稳定（过活跃/不活跃），而非“动态修改目标选择函数”；其应用场景是通用的神经网络稳定性维护，而非“使机器人设备偏向或偏离候选目标地移动”。两者目的、功能和应用上下文完全不同，该特征未被公开。 |
| **技术特征E《隐含公开》**<br>所述失衡量基于偏置准则来激励至所述神经元的连接或抑制至所述神经元的连接， | [0060]-[0067]段，例如关系式(3)(4)(5)(7)描述了基于当前总权重（Win, Wout）与目标值（ωt, ωs）的比较，通过归一化因子（αt, αs）调整各个突触权重（wij）。 | 对比文件公开了基于“使总权重归一化到目标值”这一内部准则来调整连接（突触）的权重。权重的增加可类比为“激励”，减少可类比为“抑制”。尽管该“准则”的具体内容（归一化 vs 目标选择偏置）和目的（稳定性 vs 行为控制）与目标专利不同，但“基于一个准则来调整连接权重（可理解为激励或抑制）”这一抽象的动作逻辑模式在对比文件中存在。根据宽松的隐含公开判断标准，该特征被隐含公开。 |
| **技术特征F《未公开》**<br>所述神经元代表与所述候选目标相对应的位置。 | 无相应内容。 | 对比文件中的神经元是通用的处理单元，不代表空间位置，更不代表与候选目标相对应的位置。该特征未被公开。 |
| **技术特征G《未公开》**<br>其特征在于，所述连接包括耦合在每一对输入和输出神经元之间的中间神经元，并且所述动态地修改包括以下至少一者：动态地修改所述中间神经元的可兴奋性、动态地修改所述中间神经元与相应的输入和输出神经元对之间的突触权重的功效、或其组合。 | 无相应内容。对比文件图1、3描述了神经元之间的直接突触连接。 | 对比文件详细描述了神经元之间的直接突触连接及权重调整，但从未提及在“每一对输入和输出神经元之间”插入“中间神经元”的架构，也未提及修改中间神经元可兴奋性。该特征未被公开。 |
| **技术特征H《未公开》**<br>其特征在于，所述动态地修改包括用外部输入来动态地修改。 | 无相应内容。 | 对比文件中的权重归一化是基于内部状态（当前权重总和）计算的自动化过程，未提及或暗示通过“外部输入”来触发或指导该修改过程。该特征未被公开。 |
| **技术特征I《直接公开》**<br>其特征在于，所述动态地修改包括以下至少一者：动态地修改所述神经元的可兴奋性、动态地修改突触权重的功效、或其组合。 | [0060]-[0067]段，例如关系式(3): “wij' = wij * ωt / Σwij” 直接对权重进行重新缩放；关系式(5)(7)结合STDP与归一化因子调整权重Δw。 | 对比文件的核心操作就是“动态地修改突触权重的功效”（即权重值）。这是其实现权重归一化的基本手段。本领域技术人员能毫无疑义地从对比文件中得出该技术手段。因此，“动态地修改突触权重的功效”这一选项被直接公开。对比文件未公开“动态地修改所述神经元的可兴奋性”。 |
| **技术特征J《直接公开》**<br>其特征在于，所述突触权重是至少针对输入突触、神经元之间的连接、或其组合的。 | [0033]段：“Accordingly, normalization of synaptic weights may comprise: (a) dendritic normalization which imposes restrictions on weights of the synapses viewed from the input side of a neuron and (b) axonal normalization which restricts the weights of the synapses that are on the output side of a neuron.” | 对比文件明确区分了针对神经元输入侧（树突，即输入突触）和输出侧（轴突，即神经元之间的连接）的突触权重，并分别进行归一化。本领域技术人员能毫无疑义地得出其处理的突触权重覆盖了输入突触和神经元之间的连接。该特征被直接公开。 |
| **技术特征K《未公开》**<br>其特征在于，所述目标选择函数基于以下至少一者：回报的抑制、选择了所述目标的对象的行为状态、时间段、所指派的任务、时间复用函数、从与多个人工神经网络相对应的多个任务中选择任务的事件、或其组合。 | 无相应内容。 | 对比文件中用于调整权重的准则是单一的、内部的“权重归一化准则”。未提及任何与目标选择、机器人行为、任务相关的准则，如回报、行为状态、任务等。该特征未被公开。 |
| **技术特征L《未公开》**<br>其特征在于，每个任务对应于所述多个人工神经网络中的一个，并且每个人工神经网络是静态网络或动态网络。 | 无相应内容。 | 对比文件仅讨论了一个神经元网络及其稳定性维护，未涉及多个网络对应多个任务以及在其间切换的概念。该特征未被公开。 |
| **技术特征M《隐含公开》**<br>其特征在于，进一步包括基于对所述人工神经网络的输入、来自所述人工神经网络的输出、或其组合中的至少一者来控制所述人工神经网络中的失衡量。 | [0057]-[0058]段描述了STDP规则：根据突触前神经元（输入）和突触后神经元（输出）的尖峰时间差来改变权重Δwij。 [0064]-[0067]段描述了结合STDP与归一化（第二方法），权重调整Δw的触发和计算直接依赖于神经元的尖峰事件（输入/输出）以及当前输入/输出总权重（Win/Wout）。 | 对比文件公开的STDP结合归一化的方法中，权重调整（即控制连接强度/失衡量）的触发直接依赖于神经元的输入和输出事件（尖峰）。计算所使用的归一化因子也基于当前的输入或输出总权重，这些权重是网络活动（输入/输出）累积的结果。因此，控制权重的过程是基于对网络的输入和/或来自网络的输出。根据宽松的隐含公开判断标准，该特征被隐含公开。 |
<<<C>>><<<I>>><<<J>>><<<e>>><<<m>>>