6. 涉及人工智能、大数据等包含算法特征或商业规则和方法特征的发明专利申请审查相关规定
涉及人工智能、“互联网+”、大数据以及区块链等的发明专利申请，一般包含算法或商业规则和方法等智力活动的规则和方法特征，本节旨在根据专利法及其实施细则，对这类申请的审查特殊性作出规定。
6.1 审查基准
审查应当针对要求保护的解决方案，即权利要求所限定的解决方案进行，必要时应当针对说明书的内容进行审查。在审查中，不应当简单割裂技术特征与算法特征或商业规则和方法特征等，而应将权利要求记载的所有内容作为一个整体，对其中涉及的技术手段、解决的技术问题和获得的技术效果进行分析。
6.1.1 根据专利法第五条第一款的审查
对于包含算法特征或商业规则和方法特征的发明专利申请，如果其中的数据采集、标签管理、规则设置、推荐决策等含有违反法律、社会公德或者妨害公共利益的内容，则根据专利法第五条第一款的规定，不能被授予专利权。
6.1.2 根据专利法第二十五条第一款第(二)项的审查
如果权利要求涉及抽象的算法或者单纯的商业规则和方法，且不包含任何技术特征，则这项权利要求属于专利法第二十五条第一款第(二)项规定的智力活动的规则和方法，不应当被授予专利权。例如，一种基于抽象算法且不包含任何技术特征的数学模型建立方法，属于专利法第二十五条第一款第(二)项规定的不应当被授予专利权的情形。再如，一种根据用户的消费额度进行返利的方法，该方法中包含的特征全部是与返利规则相关的商业规则和方法特征，不包含任何技术特征，属于专利法第二十五条第一款第(二)项规定的不应当被授予专利权的情形。
如果权利要求中除了算法特征或商业规则和方法特征，还包含技术特征，该权利要求就整体而言并不是一种智力活动的规则和方法，则不应当依据专利法第二十五条第一款第(二)项排除其获得专利权的可能性。
6.1.3 根据专利法第二条第二款的审查
如果要求保护的权利要求作为一个整体不属于专利法第二十五条第一款第(二)项排除获得专利权的情形，则需要就其是否属于专利法第二条第二款所述的技术方案进行审查。
对一项包含算法特征或商业规则和方法特征的权利要求是否属于技术方案进行审查时，需要整体考虑权利要求中记载的全部特征。如果该项权利要求记载了对要解决的技术问题采用了利用自然规律的技术手段，并且由此获得符合自然规律的技术效果，则该权利要求限定的解决方案属于专利法第二条第二款所述的技术方案。如果权利要求中涉及算法的各个步骤体现出与所要解决的技术问题密切相关，如算法处理的数据是技术领域中具有确切技术含义的数据，算法的执行能直接体现出利用自然规律解决某一技术问题的过程，并且获得了技术效果，则通常该权利要求限定的解决方案属于专利法第二条第二款所述的技术方案。
如果权利要求的解决方案涉及深度学习、分类、聚类等人工智能、大数据算法的改进，该算法与计算机系统的内部结构存在特定技术关联，能够解决如何提升硬件运算效率或执行效果的技术问题，包括减少数据存储量、减少数据传输量、提高硬件处理速度等，从而获得符合自然规律的计算机系统内部性能改进的技术效果，则该权利要求限定的解决方案属于专利法第二条第二款所述的技术方案。
如果权利要求的解决方案处理的是具体应用领域的大数据，利用分类、聚类、回归分析、神经网络等挖掘数据中符合自然规律的内在关联关系，据此解决如何提升具体应用领域大数据分析可靠性或精确性的技术问题，并获得相应的技术效果，则该权利要求限定的解决方案属于专利法第二条第二款所述的技术方案。
6.1.4 新颖性和创造性的审查
对包含算法特征或商业规则和方法特征的发明专利申请进行新颖性审查时，应当考虑权利要求记载的全部特征，所述全部特征既包括技术特征，也包括算法特征或商业规则和方法特征。
对既包含技术特征又包含算法特征或商业规则和方法特征的发明专利申请进行创造性审查时，应将与技术特征功能上彼此相互支持、存在相互作用关系的算法特征或商业规则和方法特征与所述技术特征作为一个整体考虑。“功能上彼此相互支持、存在相互作用关系”是指算法特征或商业规则和方法特征与技术特征紧密结合、共同构成了解决某一技术问题的技术手段,并且能够获得相应的技术效果。
如果权利要求中的算法应用于具体的技术领域，可以解决具体技术问题，那么可以认为该算法特征与技术特征功能上彼此相互支持、存在相互作用关系，该算法特征成为所采取的技术手段的组成部分，在进行创造性审查时，应当考虑所述的算法特征对技术方案作出的贡献。
如果权利要求中的算法与计算机系统的内部结构存在特定技术 关联，实现了对计算机系统内部性能的改进，提升了硬件的运算效率 或执行效果，包括减少数据存储量、减少数据传输量、提高硬件处理 速度等，那么可以认为该算法特征与技术特征功能上彼此相互支持、 存在相互作用关系，在进行创造性审查时，应当考虑所述的算法特征 对技术方案作出的贡献。
如果权利要求中的商业规则和方法特征的实施需要技术手段的调整或改进，那么可以认为该商业规则和方法特征与技术特征功能上彼此相互支持、存在相互作用关系，在进行创造性审查时，应当考虑所述的商业规则和方法特征对技术方案作出的贡献。
如果发明专利申请的解决方案能够带来用户体验的提升，并且该用户体验的提升是由技术特征带来或者产生的，或者是由技术特征以及与其功能上彼此相互支持、存在相互作用关系的算法特征或商业规则和方法特征共同带来或者产生的，在创造性审查时应当予以考虑。
6.2审查示例
以下，根据上述审查基准，给出包含算法特征或商业规则和方法特征的发明专利申请的审查示例。
（1）包含算法特征或商业规则和方法特征的发明专利申 请，如果违反了法律、社会公德或者妨害了公共利益，不能 被授予专利权。 ::: info 【例1】
一种基于大数据的商场内床垫销售辅助系统
- 申请内容概述
发明专利申请的解决方案是一种基于大数据的商场内床垫销售辅助系统，其通过摄像模块和人脸识别模块完成顾客 面部特征信息的采集并得到顾客的身份识别信息，对收集到的信息进行数据分析，评估顾客对床垫的真实偏好，帮助商家精准营销。
- 申请的权利要求
一种基于大数据的商场内床垫销售辅助系统，包括床垫展示设备和管理中心，其特征在于：所述床垫展示设备包括控制模块和信息采集模块，用于展示和辅助销售床垫产品并收集顾客数据；所述控制模块用于与管理中心进行数据交互；所述信息采集模块包括摄像模块和人脸识别模块，用于采集顾客的面部特征信息，利用关键点检测算法调整面部姿态以获得归一化人脸图像，将归一化人脸图像通过人脸检测算法定位待识别的人脸区域，并结合主成分分析法提取人脸区域内的人脸特征，进而得到顾客的身份识别信息； 所述管理中心包括管理服务器和分析辅助系统；所述管理服务器对多个床垫展示设备进行管理；所述分析辅助系统根据顾客的身份识别信息，利用床垫展示设备收集的数据分析得到顾客的真实偏好，并向管理中心反馈分析结果。
- 分析及结论
《中华人民共和国个人信息保护法》相关条款规定，在公共场所安装图像采集、个人身份识别设备，应当为维护公共安全所必需，遵守国家有关规定，并设置显著的提示标识。所收集的个人图像、身份识别信息只能用于维护公共安全的目的，不得用于其他目的；取得个人单独同意的除外。
从该发明创造请求保护的解决方案可知，将图像采集和人脸识别手段用于商场等经营场所进行床垫的精准营销，不属于维护公共安全所必需。此外，为了获取和分析顾客对床垫的真实偏好，对顾客的面部信息进行采集并获取其身份识别信息显然是在顾客未察觉的情况下进行的，申请中也未表明数据获取或者信息采集合法、合规。因此，该发明创造与法律相违背，根据专利法第五条第一款的规定，不能被授予专利权。
:::
::: info 【例2】
一种无人驾驶车辆应急决策模型的建立方法
- 申请内容概述
发明专利申请的解决方案是一种无人驾驶车辆应急决策模型的建立方法，以行人的性别和年龄作为障碍物数据，通过训练出的决策模型来确定无法避让障碍物情况下的被保护对象和被撞对象。
- 申请的权利要求
一种无人驾驶车辆应急决策模型的建立方法，其特征在于，包括： 获取无人驾驶车辆的历史环境数据和历史障碍物数据，所述历史环境数据包括车辆的行驶速度、与所在车道上障碍物的距离、与相邻车道上障碍物的距离、所在车道上障碍物的运动速度和运动方向、相邻车道上障碍物的运动速度和运动方向；所述历史障碍物数据包括行人的性别和年龄；
对所述历史环境数据和历史障碍物数据进行特征提取，作为决策模型的输入数据，将无法避让障碍物时车辆的历史行驶轨迹作为决策模型的输出数据，根据历史数据训练决策模型，所述决策模型为深度学习模型；
获取实时环境数据和实时障碍物数据，当无人驾驶车辆遇到无法避让障碍物的情况时，利用训练后的决策模型确定无人驾驶车辆的行驶轨迹。
- 分析及结论
该发明创造涉及一种无人驾驶车辆应急决策模型的建立方法。人的生命具有同等的价值和尊严，无论其年龄和性别如何，无人驾驶车辆的应急决策模型在无法避让的事故中，如果基于行人的性别和年龄进行被保护对象和被撞对象的选择，这与公众对于生命面前人人平等的伦理道德观念相违背。
此外，这种决策方式会强化社会中存在的性别和年龄偏见，还会引发公众对公共出行安全性的担忧，破坏公众对科技和社会秩序的信任。因此，该发明创造含有违反社会公德的内容，根据专利法第五条第一款的规定，不能被授予专利权。
:::
（2）属于专利法第二十五条第一款第（二）项范围之内的包含算法特征或商业规则和方法特征的发明专利申请，不属于专利保护的客体。
::: info 【例3】
一种建立数学模型的方法
- 申请内容概述
发明专利申请的解决方案是一种建立数学模型的方法，通过增加训练样本数量，提高建模的准确性。该建模方法将与第一分类任务相关的其他分类任务的训练样本也作为第一分类任务数学模型的训练样本，从而增加训练样本数量，并利用训练样本的特征值、提取特征值、标签值等对相关数学模型进行训练，并最终得到第一分类任务的数学模型，克服了由于训练样本少导致过拟合而建模准确性较差的缺陷。
- 申请的权利要求
一种建立数学模型的方法，其特征在于，包括以下步骤：
根据第一分类任务的训练样本中的特征值和至少一个第二分类任务的训练样本中的特征值，对初始特征提取模型进行训练，得到目标特征提取模型，其中，所述第二分类任务是与所述第一分类任务相关的其他分类任务；
根据所述目标特征提取模型，分别对所述第一分类任务的每个训练样本中的特征值进行处理，得到所述每个训练样本对应的提取特征值；
将所述每个训练样本对应的提取特征值和标签值组成提取训练样本，对初始分类模型进行训练，得到目标分类模型；
将所述目标分类模型和所述目标特征提取模型组成所述第一分类任务的数学模型。
- 分析及结论
该解决方案不涉及任何具体的应用领域，其中处理的训练样本的特征值、提取特征值、标签值、目标分类模型以及目标特征提取模型都是抽象的通用数据，利用训练样本的相关数据对数学模型进行训练等处理过程是一系列抽象的数学方法步骤，最后得到的结果也是抽象的通用分类数学模型。该方案是一种抽象的模型建立方法，其处理对象、过程和结果都不涉及与具体应用领域的结合，属于对抽象数学方法的优化，且整个方案并不包括任何技术特征，该发明专利申请的解决方案属于专利法第二十五条第一款第（二）项规定的智力活动的规则和方法，不属于专利保护客体。
:::
（3）为了解决技术问题而利用技术手段并获得技术效果的包含算法特征或商业规则和方法特征的发明专利申请，属于专利法第二条第二款规定的技术方案，因而属于专利保护的客体。
::: info 【例4】
一种卷积神经网络模型的训练方法
- 申请内容概述
发明专利申请的解决方案是，在各级卷积层上对训练图像进行卷积操作和最大池化操作后，进一步对最大池化操作后得到的特征图像进行水平池化操作，使训练好的CNN模型在识别图像类别时能够识别任意尺寸的待识别图像。
- 申请的权利要求
一种卷积神经网络CNN模型的训练方法，其特征在于，所述方法包括：
获取待训练CNN模型的初始模型参数，所述初始模型参数包括各级卷积层的初始卷积核、所述各级卷积层的初始偏置矩阵、全连接层的初始权重矩阵和所述全连接层的初始偏置向量；
获取多个训练图像；
在所述各级卷积层上，使用所述各级卷积层上的初始卷积核和初始偏置矩阵，对每个训练图像分别进行卷积操作和最大池化操作，得到每个训练图像在所述各级卷积层上的第一特征图像；
对每个训练图像在至少一级卷积层上的第一特征图像进行水平池化操作，得到每个训练图像在各级卷积层上的第二特征图像；
根据每个训练图像在各级卷积层上的第二特征图像确定每个训练图像的特征向量；
根据所述初始权重矩阵和初始偏置向量对每个特征向量进行处理，得到每个训练图像的类别概率向量；
根据所述每个训练图像的类别概率向量及每个训练图像的初始类别，计算类别误差；
基于所述类别误差，对所述待训练CNN模型的模型参数进行调整；
基于调整后的模型参数和所述多个训练图像，继续进行模型参数调整的过程，直至迭代次数达到预设次数；
将迭代次数达到预设次数时所得到的模型参数作为训练好的CNN模型的模型参数。
- 分析及结论
该解决方案是一种卷积神经网络CNN模型的训练方法，其中明确了模型训练方法的各步骤中处理的数据均为图像数据以及各步骤如何处理图像数据，体现出神经网络训练算法与图像信息处理密切相关。该解决方案所解决的是如何克服CNN模型仅能识别具有固定尺寸的图像的技术问题，采用了在不同卷积层上对图像进行不同处理并训练的手段，利用的是遵循自然规律的技术手段，获得了训练好的CNN模型能够识别任意尺寸待识别图像的技术效果。因此，该发明专利申请的解决方案属于专利法第二条第二款规定的技术方案，属于专利保护客体。
:::
::: info 【例5】
一种共享单车的使用方法
- 申请内容概述
发明专利申请提出一种共享单车的使用方法，通过获取用户终端设备的位置信息和对应一定距离范围内的共享单车的状态信息，使用户可以根据共享单车的状态信息准确地找到可以骑行的共享单车进行骑行，并通过提示引导用户进行停车，该方法方便了共享单车的使用和管理，节约了用户的时间，提升了用户体验。
- 申请的权利要求
一种共享单车的使用方法，其特征在于，包括以下步骤：
步骤一，用户通过终端设备向服务器发送共享单车的使用请求；
步骤二，服务器获取用户的第一位置信息，查找与所述第一位置信息对应一定距离范围内的共享单车的第二位置信息，以及这些共享单车的状态信息，将所述共享单车的第二位置信息和状态信息发送到终端设备，其中第一位置信息和第二位置信息是通过GPS信号获取的；
步骤三，用户根据终端设备上显示的共享单车的位置信息，找到可以骑行的目标共享单车；
步骤四，用户通过终端设备扫描目标共享单车车身上的二维码，通过服务器认证后，获得目标共享单车的使用权限；
步骤五，服务器根据骑行情况，向用户推送停车提示，若用户将车停放在指定区域，则采用优惠资费进行计费，否则采用标准资费进行计费；
步骤六，用户根据所述提示进行选择，骑行结束后，用户进行共享单车的锁车动作，共享单车检测到锁车状态后向服务器发送骑行完毕信号。
- 分析及结论
该解决方案涉及一种共享单车的使用方法，所要解决的是如何准确找到可骑行共享单车位置并开启共享单车的技术问题，该方案通过执行终端设备和服务器上的计算机程序实现了对用户使用共享单车行为的控制和引导，反映的是对位置信息、认证等数据进行采集和计算的控制，利用的是遵循自然规律的技术手段，实现了准确找到可骑行共享单车位置并开启共享单车等技术效果。因此，该发明专利申请的解决方案属于专利法第二条第二款规定的技术方案，属于专利保护的客体。
:::
::: info 【例6】
一种区块链节点间通信方法及装置
- 申请内容概述
发明专利申请提出一种区块链节点通信方法和装置，区块链中的业务节点在建立通信连接之前，可以根据通信请求中携带的CA证书以及预先配置的CA信任列表，确定是否建立通信连接，从而减少了业务节点泄露隐私数据的可能性，提高了区块链中存储数据的安全性。
- 申请的权利要求
一种区块链节点通信方法，区块链网络中的区块链节点包括业务节点，其中，所述业务节点存储证书授权中心CA发送的证书，并预先配置有CA信任列表，所述方法包括：
第一区块链节点接收第二区块链节点发送的通信请求，其中，所述通信请求中携带有第二区块链节点的第二证书；
确定所述第二证书对应的CA标识；
判断确定出的所述第二证书对应的CA标识，是否存在于所述CA信任列表中；
若是，则与所述第二区块链节点建立通信连接；
若否，则不与所述第二区块链节点建立通信连接。
- 分析及结论
本申请要解决的问题是联盟链网络中如何防止区块链业务节点泄露用户隐私数据的问题，属于提高区块链数据安全性的技术问题，通过在通信请求中携带CA证书并预先配置CA信任列表的方式确定是否建立连接，限制了业务节点可建立连接的对象，利用的是遵循自然规律的技术手段，获得了业务节点间安全通信和减少业务节点泄露隐私数据可能性的技术效果。因此，该发明专利申请的解决方案属于专利法第二条第二款规定的技术方案，属于专利保护的客体。
:::
::: info 【例7】
一种深度神经网络模型的训练方法
- 申请内容概述
发明专利申请提出一种深度神经网络模型的训练方法，针对某一大小的训练数据，从多个候选训练方案中选取训练耗时最小的方案用于模型训练，以解决固定地采用同一种单处理器或多处理器训练方案不适用于所有大小的训练数据而导致训练速度慢的问题。
- 申请的权利要求
一种深度神经网络模型的训练方法，包括：
当训练数据的大小发生改变时，针对改变后的训练数据，分别计算所述改变后的训练数据在预设的候选训练方案中的训练耗时；
从预设的候选训练方案中选取训练耗时最小的训练方案作为所述改变后的训练数据的最佳训练方案，所述候选训练方案包括单处理器训练方案和基于数据并行的多处理器训练方案；
将所述改变后的训练数据在所述最佳训练方案中进行模型训练。
- 分析及结论
该解决方案是一种深度神经网络模型的训练方法，该模型训练方法为解决训练速度慢的问题，针对不同大小的训练数据，选择适配具有不同处理效率的单处理器训练方案或多处理器训练方案，该模型训练方法与计算机系统的内部结构存在特定技术关联，提升了训练过程中硬件的执行效果，从而获得符合自然规律的计算机系统内部性能改进的技术效果。因此，该发明专利申请的解决方案属于专利法第二条第二款规定的技术方案，属于专利保护的客体。
:::
::: info 【例8】
一种电子券使用倾向度的分析方法
- 申请内容概述
为吸引用户，商家会向用户发放各类电子券。但是无目的地投放电子券，不但无法吸引真正有需要的用户，反而给用户增加了浏览和筛选的负担。发明专利申请提供一种电子券使用倾向度的分析方法，通过分析电子券的种类、用户行为等，能够准确地建立电子券使用倾向度识别模型，以更加精确地判断用户对电子券的使用倾向，使投放的电子券更加满足用户实际需要，提升电子券的利用率。
- 申请的权利要求
一种电子券使用倾向度的分析方法，其特征在于，包括：根据电子券的信息对电子券进行归类以得到电子券种类；根据电子券的应用场景获取用户样本数据；
根据用户行为，从所述用户样本数据中提取用户行为特征，所述用户行为包括：浏览网页、搜索关键词、加关注、加入购物车、购买以及使用电子券；
以用户样本数据作为训练样本，以用户行为特征作为属性标签，
针对不同种类的电子券来训练电子券使用倾向度识别模型；
通过训练后的电子券使用倾向度识别模型对电子券的被使用概率进行预测，得到用户对于不同种类电子券的使用倾向度。
- 分析及结论
该解决方案涉及一种电子券使用倾向度的分析方法，该方法处理的是电子券相关的大数据，通过对电子券进行归类、获取样本数据、确定行为特征及进行模型训练，挖掘出用户行为特征与电子券使用倾向度之间的内在关联关系，浏览时间长、搜索次数多、使用电子券频繁等行为特征表示对相应种类电子券的使用倾向度高，这种内在关联关系符合自然规律，据此解决了如何提升分析用户对电子券使用倾向度的精确性的技术问题，并且获得了相应的技术效果。因此，该发明专利申请的解决方案属于专利法第二条第二款规定的技术方案，属于专利保护的客体。
:::
::: info 【例9】
一种知识图谱推理方法
- 申请内容概述
知识图谱在许多自然语言处理应用中有非常重要的作用，例如问答系统、语义搜索等。但由于知识获取的不确定性，基于实体识别和关系抽取技术构建的知识图谱，会导致知识图谱的不完整。如果知识图谱中存在错误，会导致应用返回错误的结果。发明专利申请提出了一种基于关系注意力的知识图谱推理方法。
- 申请的权利要求
一种基于关系注意力的知识图谱推理方法，所述方法包括：
获取知识图谱中节点的初始嵌入表示，将所述初始嵌入表示转换到高维空间，得到高维嵌入表示，所述节点为知识图谱中的实体，所述知识图谱是对知识进行实体识别和关系抽取构建的，所述知识是问答系统、语义搜索中相关联的知识，所述实体是利用命名实体识别工具从自然语言文本中获取的文本数据，所述初始嵌入表示是所述文本数据通过词嵌入模型得到的向量；
获取所述知识图谱中目标节点的邻居节点集合，根据所述目标节点与所述邻居节点集合中邻居节点的关系类型，构建邻居子图；
根据所述目标节点的高维嵌入表示和所述邻居子图中邻居节点的高维嵌入表示，得到所述目标节点嵌入邻居子图中信息的邻居嵌入表示；
将所述目标节点的高维嵌入表示与所述邻居嵌入表示进行聚合，
得到目标节点的聚合嵌入表示；
根据每个所述邻居子图的第一注意力分值，对所述聚合嵌入表示进行融合，得到所述目标节点的融合嵌入表示；
根据所述融合嵌入表示，计算所述目标节点对应三元组的得分，根据得分进行三元组推理。
- 分析及结论
该解决方案是一种基于关系注意力的知识图谱推理方法，该方法各步骤中处理的数据是自然语言中的文本数据或者语义信息等技术数据，通过对问答系统、语义搜索中相关联的知识进行实体识别和关系抽取构建知识图谱，从而进行知识图谱推理。该解决方案所解决的是文本嵌入及语义搜索过程中如何丰富语义信息、提高推理准确性的技术问题，利用的是遵循自然规律的技术手段，获得了相应的技术效果。因此，该发明专利申请的解决方案属于专利法第二条第二款规定的技术方案，属于专利保护的客体。
:::
（4）未解决技术问题，或者未利用技术手段，或者未获得技术效果的包含算法特征或商业规则和方法特征的发明专利申请，不属于专利法第二条第二款规定的技术方案，因而不属于专利保护的客体。
::: info 【例10】
一种消费返利的方法
- 申请内容概述
发明专利申请提出一种消费返利的方法，通过计算机执行设定的返利规则给予消费的用户现金券，从而提高了用户的消费意愿，为商家获得了更多的利润。
- 申请的权利要求
一种消费返利的方法，其特征在于，包括以下步骤：
用户在商家进行消费时，商家根据消费的金额返回一定的现金券，具体地，
商家采用计算机对用户的消费金额进行计算，将用户的消费金额R划分为M个区间，其中，M为整数，区间1到区间M的数值由小到大，将返回现金券的额度F也分为M个值，M个数值也由小到大进行排列；
根据计算机的计算值，判断当用户本次消费金额位于区间1时，返利额度为第1个值，当用户本次消费金额位于区间2时，返利额度为第2个值，依次类推，将相应区间的返利额度返回给用户。
- 分析及结论
该解决方案涉及一种消费返利的方法，该方法是由计算机执行的，其处理对象是用户的消费数据，所要解决的是如何促进用户消费的问题，不构成技术问题，所采用的手段是通过计算机执行人为设定的返利规则，但对计算机的限定只是按照指定的规则根据用户消费金额确定返利额度，不受自然规律的约束，因而未利用技术手段，该方案获得的效果仅仅是促进用户消费，不是符合自然规律的技术效果。因此，该发明专利申请不属于专利法第二条第二款规定的技术方案，不属于专利保护的客体。
:::
::: info 【例11】
一种基于用电特征的经济景气指数分析方法
- 申请内容概述
发明专利申请通过统计各项经济指标和用电指标，来评估待检测地区的经济景气指数。
- 申请的权利要求
一种基于地区用电特征的经济景气指数分析方法，其特征在于，包括以下步骤：
根据待检测地区的经济数据和用电数据，选定待检测地区的经济景气指数的初步指标，其中，所述初步指标包括经济指标和用电指标；
通过计算机执行聚类分析方法和时差相关分析法，确定所述待检测地区的经济景气指标体系，包括先行指标、一致指标和滞后指标；
根据所述待检测地区的经济景气指标体系，采用合成指数计算方法，获取所述待检测地区的经济景气指数。
- 分析及结论
该解决方案是一种经济景气指数的分析和计算方法，该方法是由计算机执行的，其处理对象是各种经济指标、用电指标，解决的问题是对经济走势进行判断，不构成技术问题，所采用的手段是根据经济数据和用电数据对经济情况进行分析，仅是依照经济学规律采用经济管理手段，不受自然规律的约束，因而未利用技术手段，该方案最终可以获得用于评估经济的经济景气指数，不是符合自然规律的技术效果，因此该解决方案不属于专利法第二条第二款规定的技术方案，不属于专利保护的客体。
:::
::: info 【例12】
一种金融产品的价格预测方法
- 申请内容概述
现有的金融产品价格预测方法，大多由专家根据经验给出建议，预测的准确性和时效性不高。发明专利申请提供一种金融产品的价格预测方法，通过金融产品的历史价格数据对神经网络模型进行训练，从而对金融产品的未来价格走势进行预测。
- 申请的权利要求
一种金融产品的价格预测方法，其特征在于，所述方法包括：
使用金融产品的N+1个日指标历史价格数据对神经网络模型进行训练得到价格预测模型，其中，前N个日指标历史价格数据作为样本输入数据，最后1个日指标历史价格数据作为样本结果数据；
使用所述价格预测模型和最近N个日指标历史价格数据来预测未来一天金融产品的价格数据。
- 分析及结论
该解决方案涉及一种金融产品的价格预测方法，该方法处理的是金融产品相关的大数据，利用神经网络模型挖掘过去一段时间内金融产品的价格数据与未来价格数据之间的内在关联关系，但是，金融产品的价格走势遵循经济学规律，由于历史价格的高低并不能决定未来价格的走势，因此，金融产品的历史价格数据与未来价格数据之间不存在符合自然规律的内在关联关系，该方案所要解决的是如何预测金融产品价格的问题，不构成技术问题，获得的相应的效果不是技术效果。因此，该发明专利申请不属于专利法第二条第二款规定的技术方案，不属于专利保护的客体。
:::
（5）在进行创造性审查时，应当考虑与技术特征在功能上彼此相互支持、存在相互作用关系的算法特征或商业规则和方法特征对技术方案作出的贡献。
::: info 【例13】
一种基于多传感器信息仿人机器人跌倒状态检测方法
- 申请内容概述
现有对仿人机器人步行时跌倒状态的判定主要利用姿态信息或ZMP点位置信息，但这样判断是不全面的。发明专利申请提出了基于多传感器检测仿人机器人跌倒状态的方法，通过实时融合机器人步态阶段信息、姿态信息和ZMP点位置信息，并利用模糊决策系统，判定机器人当前的稳定性和可控性，为机器人下一步动作提供参考。
- 申请的权利要求
一种基于多传感器信息仿人机器人跌倒状态检测方法，其特征在于包含如下步骤：
（1）通过对姿态传感器信息、零力矩点ZMP传感器信息和机器人步行阶段信息进行融合，建立分层结构的传感器信息融合模型；
（2）分别利用前后模糊决策系统和左右模糊决策系统来判定机器人在前后方向和左右方向的稳定性，具体步骤如下：
①根据机器人支撑脚和地面之间的接触情况与离线步态规划确定机器人步行阶段；
②利用模糊推理算法对ZMP点位置信息进行模糊化；
③利用模糊推理算法对机器人的俯仰角或滚动角进行模糊化；④确定输出隶属函数；
⑤根据步骤①~步骤④确定模糊推理规则；
⑥去模糊化。
- 分析及结论
对比文件1公开了仿人机器人的步态规划与基于传感器信息的反馈控制，并根据相关融合信息对机器人稳定性进行判断，其中包括根据多个传感器信息进行仿人机器人稳定状态评价，即对比文件1公开了发明专利申请的解决方案中的步骤（1），该解决方案与对比文件1的区别在于采用步骤（2）的具体算法的模糊决策方法。
基于申请文件可知，该解决方案有效地提高了机器人的稳定状态以及对其可能跌倒方向判断的可靠性和准确率。姿态信息、ZMP点位置信息以及步行阶段信息作为输入参数，通过模糊算法输出判定仿人机器人稳定状态的信息，为进一步发出准确的姿势调整指令提供依据。因此，上述算法特征与技术特征在功能上彼此相互支持、存在相互作用关系，相对于对比文件1，确定发明实际解决的技术问题为：如何判断机器人稳定状态以及准确预测其可能的跌倒方向。上述模糊决策的实现算法及将其应用于机器人稳定状态的判断均未被其他对比文件公开，也不属于本领域公知常识，现有技术整体上并不存在使本领域技术人员改进对比文件1以获得要求保护发明的启示，要求保护的发明技术方案相对于最接近的现有技术是非显而易见的，具备创造性。
:::
::: info 【例14】
基于合作协同进化和多种群遗传算法的多机器人路径规划系统
- 申请内容概述
现有的多移动机器人运动规划控制结构通常采用集中式规划方法，该方法将多机器人系统视为一个具有多个自由度的复杂机器人，由系统中的一个规划器来统一完成对所有机器人的运动规划，其缺点在于计算时间较长，实用性不佳。发明专利申请提供了一种基于合作协同进化和多种群遗传算法的多机器人路径规划系统。机器人的每一条路径都采用一个染色体表示，将最短距离、平滑度、安全距离作为设计路径适应度函数的三个目标，通过Messy遗传算法对每个机器人的路径进行优化得到最佳路径。
- 申请的权利要求
一种基于合作协同进化和多种群遗传算法的多机器人路径规划系统，其特征在于：
（1）机器人的一条路径采用一个染色体表示，染色体就表示成节点的链表形式，即[（x，y），time]，（x，y，time∈R），（x，y）表示机器人的位置坐标，time表示从前一个节点移动本节点需要的时间消耗，开始节点的time等于0，每个机器人个体的染色体除了初始节点的初始位置，结束节点的目标位置固定以外，中间节点和节点个数都是可变的；
（2）每个机器人Robot（i）的路径path（j）的适应度函数表示成Φ（Pi，j）：
||Pi，j||＝Distance（Pi，j）＋ws×smooth（Pi，j）＋wt×Time（Pi，j）
其中||Pi，j||是距离、平滑度和时间消耗的线性组合，ws是平滑加权因子，wt是时间加权因子；Distance（Pi，j）表示路径长度，smooth（Pi，j）表示路径的平滑度，Time（Pi，j）是路径的时间消耗；每个机器人采用所述适应度函数，通过Messy遗传算法优化得到最优路径。
- 分析及结论
对比文件1公开了一种基于合作协同进化的多机器人路径规划方法，其中采用适应度函数，通过混沌遗传算法来获得最优路径。发明专利申请的解决方案与对比文件1的区别在于通过Messy遗传算法来实现多机器人路径规划。
在该解决方案中，采用Messy遗传算法优化后得到机器人的前进路径，该解决方案的算法特征与技术特征在功能上相互支持、存在相互作用关系，实现了对机器人前进路径的优化。相对于对比文件1，确定发明实际解决的技术问题为：如何基于特定的算法使机器人以最优路径前进。对比文件2已经公开了包括所述混沌遗传算法在内的多种遗传算法都可被用来进行路径优化，同时采用Messy遗传算法可以解决其他算法的弊端，从而获得更合理的优化结果。基于对比文件2给出的启示，本领域技术人员有动机将对比文件1与对比文件2结合得到发明专利申请的技术方案。因此，要求保护的发明技术方案相对于对比文件1和对比文件2的结合是显而易见的，不具备创造性。
:::
::: info 【例15】
一种物流配送方法
- 申请内容概述
在货物配送过程中，如何有效提高货物配送效率以及降低配送成本，是发明专利申请所要解决的问题。在物流人员到达配送地点后，可以通过服务器向订货用户终端推送消息的形式同时通知特定配送区域的多个订货用户进行提货，达到了提高货物配送效率以及降低配送成本的目的。
- 申请的权利要求
一种物流配送方法，其通过批量通知用户取件的方式来提高物流配送效率，该方法包括：
当派件员需要通知用户取件时，派件员通过手持的物流终端向服务器发送货物已到达的通知；
服务器批量通知派件员派送范围内的所有订货用户；接收到通知的订货用户根据通知信息完成取件；
其中，服务器进行批量通知具体实现方式为，服务器根据物流终端发送的到货通知中所携带的派件员ID、物流终端当前位置以及对应的配送范围，确定该派件员ID所对应的、以所述物流终端的当前位置为中心的配送距离范围内的所有目标订单信息，然后将通知信息推送给所有目标订单信息中的订货用户账号所对应的订货用户终端。
- 分析及结论
对比文件1公开了一种物流配送方法，其由物流终端对配送单上的条码进行扫描，并将扫描信息发送给服务器以通知服务器货物已经到达；服务器获取扫描信息中的订货用户信息，并向该订货用户发出通知；接收到通知的订货用户根据通知信息完成取件。
发明专利申请的解决方案与对比文件1的区别在于批量通知用户订货到达，为实现批量通知，方案中服务器、物流终端和用户终端之间的数据架构和数据通信方式均做出了相应调整，取件通知规则和具体的批量通知实现方式在功能上彼此相互支持、存在相互作用关系。相对于对比文件1,确定发明实际解决的技术问题是如何提高订单到达通知效率进而提高货物配送效率。由此可以使物流派送人员的操作更便利、订货用户接收取货通知更及时，提高了取送货双方的用户体验。本申请的解决方案能够获得提高订单到达通知效率进而提高货物配送效率的技术效果以及用户体验的提升，这种用户体验的提升是由功能上彼此相互支持、存在相互作用关系的数据架构和数据通信方式的调整以及取件通知规则和具体的批量通知实现方式共同带来的。由于现有技术并不存在对上述对比文件1做出改进从而获得发明专利申请的技术方案的技术启示，要求保护的发明技术方案具备创造性。 :::
::: info 【例16】
一种动态观点演变的可视化方法
- 申请内容概述
近年来人们越来越多地通过社交平台发表他们的意见和想法，人们在社交平台上发表的带有情感的内容反映了人们观点的演变，并可以由此看出事件的发展、变化和趋势。发明专利申请通过自动采集社交平台人们发表的信息并对其中的情感进行分析，通过计算机绘制情感可视化图来帮助人们更好地理解情感在不同时间的强度变化和随时间而演变的趋势。
- 申请的权利要求
一种动态观点演变的可视化方法，所述方法包括：
步骤一，由计算设备确定所采集的信息集合中信息的情感隶属度和情感分类，所述信息的情感隶属度表示该信息以多大概率属于某一情感分类；
步骤二，所述情感分类为积极、中立或消极，具体分类方法为：如果点赞的数目p除以点踩的数目q的值r大于阈值a，那么认为该情感分类为积极，如果值r小于阈值b，那么认为该情感分类为消极，如果值b≤r≤a，那么情感分类为中立，其中a>b；
步骤三，基于所述信息的情感分类，自动建立所述信息集合的情感可视化图形的几何布局，以横轴表示信息产生的时间，以纵轴表示属于各情感分类的信息的数量；
步骤四，所述计算设备基于所述信息的情感隶属度对所建立的几何布局进行着色，按照信息颜色的渐变顺序为各情感分类层上的信息着色。
- 分析及结论
对比文件1公开了一种基于情感的可视化分析方法，其中时间被表示为一条水平轴，每条色带在不同时间的宽度代表一种情感在该时间的度量，用不同的色带代表不同的情感。
发明专利申请的解决方案与对比文件1的区别在于步骤二中设定的情感的具体分类规则。从申请内容中可以看出，即使情感分类规则不同，对相应数据进行着色处理的技术手段也可以是相同的，不必作出改变，即上述情感分类规则与具体的可视化手段并非功能上彼此相互支持、存在相互作用关系。与对比文件1相比，发明专利申请只是提出了一种新的情感分类的规则，没有实际解决任何技术问题，也没有针对现有技术作出技术贡献。因此，要求保护的发明技术方案相对于对比文件1不具备创造性。 :::
::: info 【例17】
一种用于适配神经网络参数的方法
- 申请内容概述
针对不同的应用场景需设计不同的神经网络架构，并且需在某一类型的计算架构上使用一系列的运算来实现，因此期望能够通过较低的硬件成本高效地实现神经网络中的运算。发明专利申请提出了用于适配神经网络参数的方法，通过获得具有规范形式的神经网络参数，将神经网络中的运算映射到计算架构所支持的运算中，简化神经网络相关硬件的设计和实现。
- 申请的权利要求
一种用于适配神经网络参数的方法，所述方法包括：
针对神经网络至少一层中的每一层的权重参数，选择多个维度；确定所述权重参数在所述多个维度中每个维度上的尺寸；
基于支持神经网络计算的硬件的使用率，确定所述权重参数在所述多个维度中每个维度上的目标尺寸的候选值集合；
选取所述候选值集合中大于或等于对应维度上的尺寸的所有候选值子集，确定所述候选值子集中的最小值为对应维度上的目标尺寸；
如果所述权重参数在多个维度中的至少一个维度上的尺寸小于对应维度上的目标尺寸，则在所述维度上对权重参数进行填充，使得填充之后获得的权重参数在每个维度上的尺寸等于对应维度上的目标尺寸。
- 分析及结论
对比文件1公开了面向神经网络处理器的设计方法，该方法根据神经网络拓扑结构、神经网络层中各层的权重参数和维度参数，以及硬件资源约束参数等，从已构建的神经网络组件库中查找单元库，并依据单元库生成对应于神经网络模型的神经网络处理器的硬件描述语言代码，进而将所述硬件描述语言代码转化为所述神经网络处理器的硬件电路。其中将神经网络特征数据和权重数据划分为适当的数据块集中存储和访问。发明专利申请的解决方案与对比文件1的区别在于确定神经网络每一层权重参数在每个维度上的尺寸，基于硬件使用率确定权重参数在每个维度上的目标尺寸的候选值集合，选取对应维度上的候选值子集并确定其中最小值为目标尺寸，如果权重参数在至少一个维度上的尺寸小于目标尺寸则对所述维度上的权重参数进行填充。
基于申请文件可知，该解决方案通过将权重参数的尺寸填充为等于目标尺寸，当支持神经网络的硬件对神经网络的数据进行运算时，硬件能够高效处理所述数据，该解决方案中的算法提升了硬件的运算效率。因此，上述用于适配神经网络参数的算法特征与技术特征在功能上彼此相互支持、存在相互作用关系。相对于对比文件1,确定发明实际解决的技术问题是如何使硬件高效地执行神经网络中的运算。上述通过适配神经网络参数以提升硬件运算效率的内容未被其他对比文件公开，也不属于本领域的公知常识，现有技术整体上并不存在对上述对比文件1进行改进以获得发明专利申请的技术方案的启示，要求保护的发明技术方案具备创造性。
:::
::: info 【例 18】
一种识别船只数量的方法
- 申请内容概述
发明专利申请提出了一种识别船只数量的方法，其获取船只图片数据，通过深度学习训练出检测数据模型，解决准确识别当前海域内船只数量的技术问题。
- 申请的权利要求
一种识别船只数量的方法，其特征在于，包括： 获取船只图片数据集，并对数据集中的图片信息进行预处理，标记出图片信息中船只的位置和边界信息，并把所述数据集划分为训练数据集与测试数据集； 采用所述训练数据集进行深度学习，构建训练模型； 基于所述测试数据输入训练模型中训练，以获得船只测试结果数据； 根据所述船只测试结果数据与预设误差参数相乘，以确定出实际船只数量。
- 分析及结论
对比文件 1 公开了一种识别树上果实数量的方法，并具 体公开了获取图片信息、标记图片上果实的位置和边界、划分数据集、模型训练和确定实际果实数量的步骤。
发明专利申请的解决方案与对比文件 1 的区别仅在于识 别对象的不同。虽然船只和果实本身在外观、体积和存在环境等方面存在差异，但是对于所属技术领域的技术人员而言，识别出实际数量所需的信息标记、数据集划分、模型训练等步骤，其针对的都是图片上待识别对象的位置关系，权利要求中也未体现出因识别对象不同，在深度学习、模型训练过程中对训练方式、模型层级等做出的改变，对图片上的船只数据进行标记与对图片上的果实数据进行标记以获得用于训练的数据集并进行模型训练，没有对深度学习、模型构建或者训练过程等做出调整或者改进。因此，要求保护的发明技术方案不具备创造性。
:::
::: info 【例 19】
一种建立废钢等级划分神经网络模型的方法
- 申请内容概述
废钢在收储时需要根据钢料的平均尺寸进行等级划分，但其存放时杂乱无章、相互堆叠，人工进行尺寸测量和等级判定时效率低且等级划分准确率不高。发明专利申请提出一种建立废钢等级划分神经网络模型的方法，通过卷积神经网络学习形成具有等级分类输出的等级划分神经网络模型，能够提高废钢等级划分的效率和准确率。
- 申请的权利要求
一种建立废钢等级划分神经网络模型的方法，所述模型用于对收储的废钢进行等级划分，包括： 获取多个图像，确定多个图像的不同废钢等级，对所述图像进行预处理，提取不同等级的图像数据特征，对提取的不同等级的图像数据特征进行卷积神经网络学习形成具有等级分类输出的等级划分神经网络模型； 所述图像数据特征的提取是对图像画面像素点矩阵数据 进行卷积神经网络卷积计算的集合进行提取，包括：对卷积层或者卷积层加池化层构成的多条线路的输出集合来实现对图像中物体颜色、边缘特征和纹理特征的提取，以及对图像中物体边缘、纹理之间关联特征的提取；
其中，所述对图像中物体颜色、边缘特征的提取由卷积层加池化层构成的三条线路的输出集合来实现，包括从左至右的第一条线路一层池化层、第二条线路二层卷积层和第三条线路四层卷积层；所述对图像中纹理特征的提取是对上述图像中物体颜色、边缘特征的提取结果进行集合后，由卷积层构成的三条线路的输出集合来实现，包括从左至右的第一条线路 0 卷积层、第二条线路二层卷积层和第三条线路三层卷积层；所述对边缘、纹理之间关联特征提取的卷积层计算的线路数大于对图像中物体颜色、边缘和纹理特征提取的卷积层计算的线路数。
- 分析及结论
对比文件1为解决再生资源来源复杂、种类多、材质差 异大，需要准确识别出废钢属于料豆、冲压料余料、面包铁或者其他种类以提高再生资源回收利用率的问题，提供了一种基于卷积神经网络模型对废钢种类进行识别的方法，并具体公开了获取多个已经确定废钢种类的图像数据，对所述图像数据进行预处理以进行特征提取，利用卷积神经网络进行训练并获得产品模型的相关步骤。
发明专利申请的解决方案与对比文件1的区别在于训练的数据和提取的特征不同、卷积层和池化层的线路数量和层级设置也不同。相对于对比文件1， 确定发明实际解决的技 术问题是如何提升废钢等级划分的准确性。对比文件1是利用已经确定种类的废钢图像数据进行特征提取并进行模型训练，发明专利申请为了根据废钢的平均尺寸进行等级划分，需要针对杂乱无章、相互叠压的废钢图像识别出废钢的形状、厚度，为了提取图像中废钢的颜色、边缘和纹理等特征，在模型训练的过程中对卷积层和池化层的线路数量和层级设置等均进行了调整，上述算法特征与技术特征功能上彼此相互支持、存在相互作用关系，能够提升废钢等级划分的准确性，
应当考虑所述算法特征对技术方案作出的贡献。上述对卷积层和池化层线路数量和层级设置进行调整等内容未被其他对比文件公开，也不属于本领域的公知常识，现有技术整体上并不存在对上述对比文件1进行改进以获得发明专利申请的技术方案的启示，要求保护的发明技术方案具备创造性。
:::
6.3 说明书及权利要求书的撰写
6.3.1 说明书的撰写
包含算法特征或商业规则和方法特征的发明专利申请的说明书应当清楚、完整地描述发明为解决其技术问题所采用的解决方案。所述解决方案在包含技术特征的基础上，可以进一步包含与技术特征功能上彼此相互支持、存在相互作用关系的算法特征或商业规则和方法特征。如果涉及在具体领域或者场景中应用人工智能模型或者算法，则一般需要在说明书中清楚记载模型或者算法如何与具体领域或者场景相结合，算法或者模型的输入、输出数据如何设置以表明其内在关联关系等，使得所属技术领域的技术人员按照说明书记载的内容，能够实现该发明的解决方案。
说明书中应当写明技术特征和与其功能上彼此相互支持、存在相互作用关系的算法特征或商业规则和方法特征如何共同作用并且产生有益效果。例如，包含算法特征时，应当将抽象的算法与具体的技术领域结合，至少一个输入参数及其相关输出结果的定义应当与技术领域中的具体数据对应关联起来;包含商业规则和方法特征时，应当对解决技术问题的整个过程进行详细描述和说明，使得所属技术领域的技术人员按照说明书记载的内容，能够实现该发明的解决方案。
说明书应当清楚、客观地写明发明与现有技术相比所具有的有益效果，例如质量、精度或效率的提高，系统内部性能的改善等。如果从用户的角度而言，客观上提升了用户体验，也可以在说明书中进行说明，此时，应当同时说明这种用户体验的提升是如何由构成发明的技术特征，以及与其功能上彼此相互支持、存在相互作用关系的算法特征或商业规则和方法特征共同带来或者产生的。
6.3.2 权利要求书的撰写
包含算法特征或商业规则和方法特征的发明专利申请的权利要求应当以说明书为依据，清楚、简要地限定要求专利保护的范围。权利要求应当记载技术特征以及与技术特征功能上彼此相互支持、存在相互作用关系的算法特征或商业规则和方法特征。
6.3.3 审查示例
::: info 【 例20 】
一种用于生成人脸特征的方法
- 申请内容概述
发明专利申请通过将设有空间变换网络的第一卷积神经网络所生成的特征区域图像集合，对各第二卷积神经网络实现信息共享，据此可以减少内存资源占用，同时提高人脸图像生成结果的准确度。
- 申请的权利要求
一种用于生成人脸特征的方法，包括：
获取待识别人脸图像；
将所述待识别人脸图像输入第一卷积神经网络生成所述待识别人脸图像的特征区域图像集合，其中，所述第一卷积神经网络用于从人脸图像中提取特征区域图像；
将所述特征区域图像集合中的每个特征区域图像输入对应的第二卷积神经网络生成该特征区域图像的区域人脸特 征，其中，所述第二卷积神经网络用于提取对应的特征区域 图像的区域人脸特征；
根据所述特征区域图像集合中的各特征区域图像的区域人脸特征生成所述待识别人脸图像的人脸特征集合；
其中，所述第一卷积神经网络中还设置有空间变换网络， 用于确定人脸图像的特征区域；以及 将所述待识别人脸图像输入第一卷积神经网络，生成所 述待识别人脸图像的特征区域图像集合，包括：将所述待识 别人脸图像输入所述空间变换网络，确定所述待识别人脸图 像的特征区域；将所述待识别人脸图像输入所述第一卷积神 经网络，根据确定的特征区域，生成所述待识别人脸图像的 特征区域图像集合。
- 说明书相关段落
本申请实施例提供的用于生成人脸特征的方法，首先通过将获取的待识别人脸图像输入第一卷积神经网络，可以生成待识别人脸图像的特征区域图像集合。第一卷积神经网络可以用于从人脸图像中提取特征区域图像。然后，可以将特征区域图像集合中的每个特征区域图像输入对应的第二卷积神经网络，从而生成该特征区域图像的区域人脸特征。第二卷积神经网络可以用于提取对应的特征区域图像的区域人脸特征。之后，根据特征区域图像集合中的各特征区域图像的区域人脸特征，可以生成待识别人脸图像的人脸特征集合。 也就是说，第一卷积神经网络所生成的特征区域图像集合， 对于各第二卷积神经网络可以实现信息共享。这样可以减少数据量，从而降低内存资源的占用，同时有助于提高生成效率。
为了提高生成结果的准确度，第一卷积神经网络中还可 以设置有空间变换网络，用于确定人脸图像的特征区域。此时，电子设备可以将待识别人脸图像输入空间变换网络，以确定待识别人脸图像的特征区域。这样，第一卷积神经网络对输入的待识别人脸图像，可以根据空间变换网络确定出的特征区域，提取特征层上与特征区域匹配的图像，以生成待识别人脸图像的特征区域图像集合。空间变换网络在第一卷积神经网络中的具体设置位置在本申请中并不限制。空间变换网络可以通过不断地学习来确定不同人脸图像的不同特征 的特征区域。
- 分析及结论
发明专利申请请求保护一种用于生成人脸特征的方法，为了提高人脸图像生成结果的准确度，第一卷积神经网络中可以设置有空间变换网络，用于确定人脸图像的特征区域，但是说明书中并未记载该空间变换网络在第一卷积神经网络 中的具体设置位置。 所属技术领域的技术人员知晓，空间变换网络作为一个整体，可以插入到第一卷积神经网络中的任意位置，形成卷积神经网络嵌套的结构，例如该空间变换网络可以作为第一 卷积神经网络的第一层，也可以作为第一卷积神经网络的中间 层，上述位置并不影响其识别图像的特征区域的能力。通过训练，空间变换网络能够确定不同人脸图像的不同特征所在特征区域。由此，空间变换网络不仅可以指导第一卷积神经网络进行特征区域切割，还可以对输入数据进行简单的空间变换，以便提高第一卷积神经网络的处理效果。据此，发明专利申请所采用的模型的层级清楚，各层级之间的输入/输出及其之间的关系清楚，其中，卷积神经网络和空间变换网络都是公知的算法，所属技术领域的技术人员根据上述记载能够构建相应的模型架构。因此，发明专利申请请求保护的解决方案在说明书中已被充分公开，符合专利法第二十六 条第三款的规定。
:::
::: info 【 例21 】
一种基于生物信息预测癌症的方法
- 申请内容概述
发明专利申请提供了一种基于生物信息预测癌症的方法，通过训练好的恶性肿瘤增强筛查模型，将血常规、血生化检测指标和人脸图像特征共同作为筛查模型的输入，得到恶性肿瘤患病预测值，由此解决提升恶性肿瘤预测准确性的技术问题。
- 申请的权利要求
一种基于生物信息预测癌症的方法，其特征在于，包括：
获取待筛查者的血常规化验单、血生化化验单，识别血 常规、血生化化验单中的检测指标、年龄、性别；
获取待筛查者正面的素颜人脸图像，提取人脸图像特征； 基于恶性肿瘤增强筛查模型，预测出相应待筛查者中恶性肿瘤患病预测值；
其中，恶性肿瘤增强筛查模型的训练过程为：构建大规模人群样本集合，样本中包含同一人的血常规、血生化和人脸图像；利用血常规、血生化和人脸图像特征建立学习样本；利用学习样本训练机器学习算法模型，得到恶性肿瘤增强筛查模型。
- 说明书相关段落
且前采用肿瘤标志物识别恶性肿瘤时，肿瘤标志物的标准在大于阈值的情况下，并不能确定为恶性肿瘤，在小于阈值的情况下，也不能排除恶性肿瘤，根据肿瘤标志物预测癌症，其准确性不高。本申请利用血常规、血生化检测指标、人脸图像来提高多种恶性肿瘤的识别准确性。本申请在利用血项化验数据的同时，参考人脸图像所反映出的待筛查者的 健康状况，可以更加准确的预测恶性肿瘤的患病概率，其中恶性肿瘤增强筛查模型计算特征的选取，可以利用血常规数据和血生化的部分指标或者全部指标。
- 分析及结论
发明专利申请要解决的技术问题是如何提高恶性肿瘤预测的准确性，为解决上述技术问题，该解决方案利用训练好 的恶性肿瘤增强筛查模型，将血常规、血生化检测指标和人 脸图像特征共同作为筛查模型的输入，以期得到恶性肿瘤患病预测值。然而，血常规和血生化这两种常见的生化检测项且各包含了几十个检测指标。但是，说明书中并未记载具体 哪些指标是与肿瘤预测准确度相关的关键指标，或者是参考了所有指标、对各指标赋予不同权重进行预测，所属技术领域的技术人员也无法确定哪些指标能够用于判断恶性肿瘤。
同时，基于目前的科学研究，除了面部皮肤癌等少数几种肿瘤外，人脸特征与罹患恶性肿瘤之间是否存在关联尚不确定， 说明书中也未记载或者证明“判断的依据因素”与“判断的结果”两者之间的因果关系。此外，说明书中也没有提供任何验证数据证明采用该解决方案识别多种恶性肿瘤的准确率比采用肿瘤标志物识别的准确率更高，或者明显高于随机判断恶性肿瘤患病概率的准确率水平。所属技术领域的技术人员仅根据说明书公开的内容，无法确定本申请的解决方案可以解 决其要解决的技术问题。因此，发明专利申请请求保护的技术方案在说明书中未被充分公开，说明书不符合专利法第二 十六条第三款的规定。
:::