对比文件名称：JP2017509978A_Description_20260309_2135
目标专利名称：用于随机尖峰贝叶斯网络的基于事件的推断和学习CN106030620B
本次调用的模型名称：基于事件的贝叶斯推断和学习模型
### 特征比对表格
| 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：包括：在多个计算节点中的每个计算节点处接收输入事件，其中所述输入事件是经由相机提供的输入流 《直接公开》 | [00108]段：図１２において示されるように、ＡＥＲセンサ１２０２ａおよび１２０２ｂ（総じてＡＥＲセンサ１２０２と呼ばれる）は、事象をキャプチャすることができる。<br>[00109]段：一例において、ＡＥＲセンサ１２０２ａ−１２０２ｂは、カメラを備えることができる。カメラは、例えば、ある所定の空間におけるオブジェクトの存在をキャプチャするように構成することができる。<br>[00107]段：フィーチャーモジュール１２０４は、ＡＥＲセンサ１２０２ａ−１２０２ｂから入力事象ストリームを受け取り... | 对比文件明确公开了使用AER传感器（包括相机）捕捉事件，并将输入事件流提供给模块（例如特征模块1204）。这直接对应于在计算节点（如特征模块中的节点）处接收由相机提供的输入事件流。因此，技术特征A被直接公开。 | |||
| 技术特征B：将偏置权重或连接权重中的至少一者应用于所述输入事件以获得中间值 《直接公开》 | [0004]段：方法は、中間値を得るために入力事象にバイアス重みおよび／または結合重みを加えることも含む。<br>[0083]段：バイアス重み（１００８の最上行）および／または結合おもみ（１００８の残りの行）は、重みが付けられた入力を形成するために入力トレース１００６に加えることができる。 | 对比文件在概述和具体实施方式中均明确记载了将偏置权重和/或连接权重应用于输入事件（或其踪迹）以获得经加权的输入（即中间值）。因此，技术特征B被直接公开。 | |||
| 技术特征C：至少部分地基于所述中间值来确定节点状态 《直接公开》 | [0004]段：さらに、方法は、中間値に基づいてノード状態を決定することを含む。<br>[0086]段：ノード状態１０１０（例えば、ｖ１、ｖｋ、およびｖＫ）を決定するために各列内の重み付き入力を合計することができる。幾つかの態様において、ノード状態１０１０は、膜電位を備えることができる。 | 对比文件明确说明了基于中间值（即经加权的输入之和）来确定节点状态（如膜电位）。因此，技术特征C被直接公开。 | |||
| 技术特征D：以及至少部分地基于所述节点状态来计算表示后验概率的输出事件率以根据随机点过程来生成输出事件，其中所述输出事件是给定空间中的对象的具体位置 《直接公开》 | [0004]段：方法は、確率論的点過程により出力事象を生成するためにノード状態に基づいて事後確率を表す出力事象率を計算することをさらに備える。<br>[00103]段：従って、例示的なアーキテクチャ１０００を用いて数多くの用途を実現することができる。該用途は、パターン認識、空間的パターンの時間的系列の学習を含むことができ...<br>[00111]-[00113]段：カメラ...所定の空間内のオブジェクトの位置（例えば、ｘ、ｙおよびｚ座標）は...決定することができる。 | 对比文件核心内容就是基于节点状态计算表示后验概率的输出事件率，并根据随机点过程生成输出事件。同时，对比文件详细描述了将该架构应用于3D视觉，从相机输入事件推断空间中对象的3D坐标（即具体位置）。这完全公开了技术特征D的全部内容。因此，技术特征D被直接公开。 | |||
| 技术特征E：其中所述方法进一步包括：供应所述输出事件作为反馈以提供附加的输入事件 《直接公开》 | [00118]段：Ｘ＾出力は、フィードバック経路または反復結合１４５８を介してのモジュールへの入力であることもできる。<br>図１４Ｂ， 図１５：明確に出力から入力へのフィードバック経路が示されている。 | 对比文件在描述用于隐马尔可夫模型（HMM）的架构时，明确公开了将输出事件作为反馈提供以形成附加的输入事件。因此，技术特征E被直接公开。 | |||
| 技术特征F：将第二组连接权重应用于所述附加的输入事件以获得第二组中间值 《直接公开》 | [00123]段：幾つかの態様において、結合重み｛ｗｋｋ’｝...は、全体として、遷移確率行列として働くことができる。幾つかの態様において、結合重み｛ｗｋｋ’｝は、以下によって与えることができる対数遷移確率を備えることができる。<br>図１５：フィードバックされた入力事象ストリーム１５１６に接続された結合重みブロック１５０８の行が存在する。 | 对比文件图15中，反馈的输入事件流（对应附加输入事件）连接到一组连接权重（｛ｗｋｋ’｝），这些权重被描述为转移概率矩阵。应用这些权重必然获得中间值，以用于后续计算。因此，技术特征F被直接公开。 | |||
| 技术特征G：以及至少部分地基于所述节点状态和所述第二组中间值来计算至少一个隐藏节点状态。 《直接公开》 | [00120]段：ノード１５１０に関するノード状態を決定するためにバイアス重みおよび／または結合重みを入力トレースに加えて合計することができる。<br>（注：此处的“入力トレース”包括来自原始输入和反馈输入的两部分）<br>[00124]段：このようにして、事象に基づく推論および学習のためのアーキテクチャは、隠れ変数の状態を決定するように構成することができ... | 在对比文件的HMM架构（图15）中，节点状态（如v_k）的计算公式（对比文件公式17，目标专利公式17）实质上综合了来自原始输入的加权和（第一组中间值）与来自反馈输入的加权和（第二组中间值）。计算出的节点状态即对应于隐藏变量X_t的状态。因此，技术特征G被直接公开。 | |||
| 技术特征H：其特征在于，进一步包括对所述输入事件进行滤波以将所述输入事件转换成脉冲。 《直接公开》 | [0081]段：幾つかの態様において、入力事象ストリーム１００２は、例えば、時間の持続性を提供するためにフィルタ１００４ａ乃至１００４Ｎを介してフィルタリングすることができる。フィルタ１００４ａ乃至１００４Ｎは、例えば、方形パルスフィルタ、興奮性シナプス後電位（ＥＰＳＰ）フィルタ、またはいずれかのその他のフィルタであることができる。 | 对比文件明确公开了使用滤波器（如矩形脉冲滤波器、EPSP滤波器）对输入事件流进行滤波，以提供时间持续性。滤波后的信号（输入踪迹）可被视为将离散事件转换为具有时间宽度的脉冲形式。因此，技术特征H被直接公开。 | |||
| 技术特征I：其特征在于，所述输入事件对应于来自输入分布的样本。 《直接公开》 | [0081]段：入力事象ストリーム内の各スパイクまたはスパイク事象は、観測された変数Ｙのサンプルに対応することができる。 | 对比文件明确指出输入事件流中的每个尖峰或事件对应于观测变量Y的样本，而观测变量Y在贝叶斯网络中即代表输入随机变量，其样本即来自输入分布。因此，技术特征I被直接公开。 | |||
| 技术特征J：其特征在于，所述偏置权重对应于先验概率，并且所述连接权重表示对数似然性。 《隐含公开》 | [0086]段：ここで、ｋは、間隔であり、ｗ０ ｋ は、間隔ｋに関するバイアス重みである。<br>[00121]段：幾つかの態様において、結合重み｛ｗｎ ｋ｝は、以下によって与えることができる対数出力確率を備えることができる。 (式24: w_n^k = log P(Y_t=n | X_t=k) + C)<br>（注：对数发射概率P(Y\ | X)即是对数似然性） | 对比文件公开了偏置权重w_0^k，并在贝叶斯网络框架下（图9）将连接权重解释为对数发射概率（即给定隐藏状态X下观测Y的对数似然性，log P(Y\ | X)）。在贝叶斯推断中，偏置项通常用于表示先验信息或偏置。虽然没有明确写出“偏置权重对应于先验概率”，但本领域技术人员在知晓该网络用于贝叶斯推断（如对比文件[0004]所述）且连接权重表示对数似然性的前提下，能够毫无疑义地理解，为了正确计算后验，偏置权重应被设置或学习以对应于隐藏变量X的先验概率的对数（log P(X)）。因此，技术特征J被隐含公开。 |
| 技术特征K：其特征在于，所述节点状态是归一化的。 《直接公开》 | [0087]段：幾つかの態様において、ノード状態は、例えば、ウィナー・テーク・オール（ＷＴＡ）またはソフトＷＴＡ方式で正規化を用いて決定することができる。１つの例示的な態様において、ノード状態１０１０は、次の正規化式によって正規化することができる。 (式18) | 对比文件明确公开了节点状态可以通过赢者通吃（WTA）或软WTA方式进行归一化，并给出了具体的归一化公式。因此，技术特征K被直接公开。 | |||
| 技术特征L：其特征在于，所述计算节点包括神经元。 《直接公开》 | [0004]段：方法は、１つのグループのノードの各々において入力事象を受信することを含む。<br>[0091]段：幾つかの態様において、ノードは、ニューロンであることができる。 | 对比文件在描述节点时，明确指出节点可以是神经元。因此，技术特征L被直接公开。 | |||
| 技术特征M：其特征在于，所述输入事件包括尖峰序列，并且所述输出事件率包括激发率。 《直接公开》 | [0081]段：入力事象ストリーム１００２は、スパイクまたはスパイク事象を備えることができる。<br>[0091]段：すなわち、ニューロンは、ニューロン状態（例えば、膜電位）の関数である発火の確率を有するスパイクを発火させることができる。例えば、出力ノード...に関する発火率は以下によって与えることができる。 (式19) | 对比文件明确说明输入事件流包括尖峰或尖峰事件，并且输出事件率是神经元的激发率（firing rate）。因此，技术特征M被直接公开。 | |||
| 技术特征N：其特征在于，所述点过程包括定义所述输出事件率的强度函数。 《直接公开》 | [0089]段：幾つかの態様において、確率論的過程または点過程は、出力事象率に対応する強度関数を備えることができる。 | 对比文件明确指出了点过程包括与输出事件率对应的强度函数。因此，技术特征N被直接公开。 | |||
| 技术特征O：其特征在于，所述计算是在时间基础上执行的。 《直接公开》 | [0089]段：幾つかの態様において、出力事象率は、時間に基づいて計算することができる。 | 对比文件明确说明输出事件率可以在时间基础上计算。因此，技术特征O被直接公开。 | |||
| 技术特征P：其特征在于，所述计算是在事件基础上执行的。 《直接公开》 | [0089]段：代替として、幾つかの態様において、出力事象率は、事象に基づいて計算することができる。 | 对比文件明确说明输出事件率可以在事件基础上计算。因此，技术特征P被直接公开。 | |||
| 技术特征Q：其特征在于，所述确定包括对所述中间值进行加总以形成所述节点状态。 《直接公开》 | [0085]段：各列内の重み付き入力を合計することができる。 | 对比文件明确指出通过对各列中加权输入（即中间值）进行加总（合計）来确定节点状态。因此，技术特征Q被直接公开。 | |||
| 技术特征R：其特征在于，所述输入事件基于所定义的空间中的三维3D对象的二维2D表示，并且所述输出事件对应于所述所定义的空间中的所述3D对象的第三坐标。 《直接公开》 | [00111]段：図１３Ｂおよび１３Ｃにおいて、３Ｄオブジェクト１３０２の２Ｄ（例えば、ｘおよびｙ座標のみ）表現（１３１０および１３２０）が事象ストリーム内で表現される。<br>[00113]段：例えば、...２つの６４ｘ６４入力を...推論エンジンモジュール１２０６ａ乃至２０６ｃによって受信される。推論エンジンモジュール...は...幾つかの座標、例えば、各次元において４つ、に出力を量子化することができる。このようにして、２Ｄ ＡＥＲカメラのみを用いて３Ｄビジョンを実現することができる。 | 对比文件详细描述了应用实例：从两个相机（2D AER）获取对象的2D表示作为输入事件流，通过推断引擎模块处理后，输出被量化为每个维度的坐标（包括第三维，即深度或z坐标），从而实现3D视觉。这直接公开了技术特征R。因此，技术特征R被直接公开。 | |||
| 技术特征S：其特征在于，所述输入事件是从至少一个传感器供应的。 《直接公开》 | [00107]段：ＡＥＲセンサ１２０２ａおよび１２０２ｂ...は、事象をキャプチャすることができる。 | 对比文件明确说明输入事件由AER传感器捕捉和供应。因此，技术特征S被直接公开。 | |||
| 技术特征T：其特征在于，所述至少一个传感器是地址事件表示相机。 《直接公开》 | [00107]段：ＡＥＲセンサ...<br>[00109]段：一例において、ＡＥＲセンサ１２０２ａ−１２０２ｂは、カメラを備えることができる。 | 对比文件明确公开了传感器是地址事件表示（AER）相机。因此，技术特征T被直接公开。 | |||
| 技术特征U：其特征在于，进一步包括对所述附加的输入事件进行滤波，以使得所述附加的输入事件是经时延的。 《直接公开》 | [00122]段：幾つかの態様において、入力フィルタη（τ）...は、ε（τ）の時間遅延バージョンとして構成することができ、従って、η（τ−１）＝ε（τ）である。従って、入力トレース｛ｕｋ｝...は...１つの時間ステップだけ遅延されることがある。 | 对比文件在描述HMM架构时，明确指出对反馈的输出事件（即附加的输入事件）应用滤波器η(τ)，该滤波器被配置为原始输入滤波器ε(τ)的时延版本，使得附加的输入踪迹被延迟一个时间步长。因此，技术特征U被直接公开。 | |||
| 技术特征V：其特征在于，所述连接权重包括发射概率，并且所述第二组连接权重包括转移概率。 《直接公开》 | [00121]段：幾つかの態様において、結合重み｛ｗｎ ｋ｝は、以下によって与えることができる対数出力確率を備えることができる。 (式24)<br>[00123]段：幾つかの態様において、結合重み｛ｗｋｋ’｝は、以下によって与えることができる対数遷移確率を備えることができる。 (式25) | 对比文件明确公开了（第一组）连接权重｛w_n^k｝包括对数发射概率（即发射概率），而应用于反馈输入的第二组连接权重｛w_kk’｝包括对数转移概率（即转移概率）。因此，技术特征V被直接公开。 |
<<<A>>><<<B>>><<<C>>><<<D>>><<<E>>><<<F>>><<<G>>><<<H>>><<<I>>><<<K>>><<<L>>><<<M>>><<<N>>><<<O>>><<<P>>><<<Q>>><<<R>>><<<S>>><<<T>>><<<U>>><<<V>>><<<j>>>