发明创造名称：实时控制系统管理
外观设计名称：
决定号：182836
决定日：2019-07-04
委内编号：1F258806
优先权日：2012-10-22
申请（专利）号：201310495006.6
申请日：2013-10-21
复审请求人：波音公司
无效请求人：
授权公告日：
审定公告日：
专利权人：
主审员：宋艳杰
合议组组长：彭齐治
参审员：高芳
国际分类号：G05B23/02
外观设计分类号：
法律依据：专利法第22条第3款
决定要点
：如果一项权利要求与作为最接近现有技术的对比文件相比存在区别技术特征，而这些区别技术特征是本领域的常规技术手段，并且该权利要求的技术方案并没有由于这些区别技术特征而具有预料不到的技术效果，则该项权利要求相对于上述对比文件和本领域常规技术手段的结合没有突出的实质性特点和显著的进步，不具备创造性。
全文：
本复审请求涉及申请号为201310495006.6，名称为“实时控制系统管理”的发明专利申请（下称本申请），本申请的申请日为2013年10月21日，优先权日为2012年10月22日，公开日为2014年05月07日，申请人为波音公司。
经实质审查，国家知识产权局原审查部门于2018年05月03日发出驳回决定，驳回了本发明专利申请，其理由是：权利要求1、3-6、8-9不具备专利法第22条第2款规定的新颖性，权利要求2、7-9不具备专利法第22条第3款规定的创造性。驳回决定中引用如下1篇对比文件：
对比文件1：US2007/0028220A1，公开日为2007年02月01日。
驳回决定所依据的文本为：申请日2013年10月21日提交的说明书摘要、说明书第1-52段、摘要附图、说明书附图图1A-1B,2-3、2017年12月28日提交的权利要求第1-9项 。驳回决定所针对的权利要求书如下：
“1. 一种用于实时嵌入式控制系统行为监控和异常检测的基于计算机的方法，其包含：
生成用于所述嵌入式控制系统和用于训练储存器计算网络的行为训练集，其中所述行为训练集在训练过程中将所述嵌入式控制系统的输入与来自所述嵌入式控制系统的输出相关联，以限定所述嵌入式控制系统的行为指纹；
在所述嵌入式控制系统的操作期间，在执行所述储存器计算网络的处理器处，实时监控所述嵌入式控制系统的输入和来自所述嵌入式控制系统的输出；以及
在实时操作中当进入所述嵌入式控制系统的输入中的一个或更多个或者当从所述嵌入式控制系统收集的一个或更多个输出表现异常时在所述处理器处生成警报，
其中生成用于所述嵌入式控制系统并且用于训练所述储存器计算网络的行为训练集包含使用至少一个储存器计算参数调试所述行为训练集。
2. 根据权利要求1所述的基于计算机的方法，其中所述至少一个参数选自一组参数，所述一组参数包含：
储存器大小参数，其限定所述储存器计算网络中节点的数量；
输入定标参数，其对所述嵌入式控制系统的输入属性进行加权；
输出反馈定标参数，其限定用于所述储存器计算网络的反馈量；
储存器权重矩阵参数，其控制所述储存器计算网络中的一个或更多个脉冲响应；
耗散率参数，其控制所述储存器计算网络中对噪声行为和时间扭曲行为的灵敏度；以及
噪声定标参数，其控制所述储存器计算网络中的一个或更多个噪声积分器。
3. 根据权利要求1所述的基于计算机的方法，其中当从所述嵌入式控制系统收集的一个或更多个输出为异常时生成警报包含：
将从所述嵌入式控制系统收集的所述一个或更多个输出与所述训练过程 中收集的一个或更多个输出进行比较；以及
当从所述嵌入式控制系统收集的所述一个或更多个输出与所述训练过程中收集的所述一个或更多个输出之间的偏差超过阈值时，将从所述嵌入式控制系统收集的所述一个或更多个输出表征为异常。
4. 根据权利要求3所述的基于计算机的方法，其进一步包含：
确定与所述警报相关联的异常的严重程度。
5. 根据权利要求1所述的基于计算机的方法，其进一步包含：
向耦合到所述嵌入式控制系统的一个或更多个应用程序发布所述警报。
6. 根据权利要求5所述的基于计算机的方法，其进一步包含：
将进入所述嵌入式控制系统的所述一个或更多个输入和/或从所述嵌入式控制系统收集的所述一个或更多个输出存储在存储器中；以及
使用所述存储器中进入所述嵌入式控制系统的所述一个或更多个输入和/或从所述嵌入式控制系统收集的所述一个或更多个输出更新所述行为训练集。
7. 根据权利要求1所述的基于计算机的方法，其中生成用于所述嵌入式控制系统的行为训练集包含使用选自一组参数的至少两个参数调试所述行为训练集，所述一组参数包含：
储存器大小参数，其限定所述储存器计算网络中节点的数量；
输入定标参数，其对所述嵌入式控制系统的输入属性进行加权；
输出反馈定标参数，其限定用于所述储存器计算网络的反馈量；
储存器权重矩阵参数，其控制所述储存器计算网络中的一个或更多个脉冲响应；
耗散率参数，其控制所述储存器计算网络中对噪声行为和时间扭曲行为的灵敏度；以及
噪声定标参数，其控制所述储存器计算网络中的一个或更多个噪声积分器。
8. 一种用于实时嵌入式控制系统行为监控和异常检测的基于计算机的系统，其包含：
处理器；以及
存储在耦合到所述处理器的有形计算机可读介质中的逻辑指令，所述逻辑指令在被所述处理器执行时将所述处理器配置为执行如权利要求1至7中任一项所述的方法。
9. 一种包含指令的永久性计算机可读介质，所述指令在被所述处理器执行时将所述处理器配置为执行如权利要求1至7中任一项所述的方法。”
驳回决定认为：对比文件1公开了独立权利要求1的全部技术特征，两者属于相同的技术领域，采用相同的技术方案，解决相同的技术问题，达到相同的技术效果，因此，权利要求1不具备专利法第22条第2款规定的新颖性。从属权利要求3-6、8-9的附加技术特征也被对比文件1公开，因此从属权利要求3-6、8-9也不具备专利法第22条第2款规定的新颖性。从属权利要求2和7的附加技术特征是本领域技术人员在对比文件1的基础上结合公知常识即可获得的，因此从属权利要求2和7相对于对比文件1和本领域常规技术手段的结合不具备专利法第22条第3款规定的创造性。独立权利要求8请求保护一种用于实时嵌入式控制系统行为监控和异常检测的基于计算机的系统，其包含处理器，配置为执行如权利要求1至7中任一项所述的方法；当权利要求8采用权利要求1、3-6所述方法时，不具备专利法第22条第2款规定的新颖性；当权利要求8采用权利要求2和7所述方法时，不具备专利法第22条第3款规定的创造性。独立权利要求9请求保护一种包含指令的永久性计算机可读介质，指令在被所述处理器执行时将所述处理器配置为执行如权利要求1-7中任一项所述的方法。当权利要求9采用权利要求1、3-6所述方法时，不具备专利法第22条第2款规定的新颖性；当权利要求9采用权利要求2和7所述方法时，不具备专利法第22条第3款规定的创造性。
申请人波音公司（下称复审请求人）对上述驳回决定不服，于2018年08月20日向国家知识产权局提出了复审请求，提交了权利要求书的替换页，但未对权利要求第1-9项的内容进行修改。
复审请求人认为：（1）对比文件1未公开“生成用于所述嵌入式控制系统和用于训练储存器计算网络的行为训练集”以及“使用至少一个储存器计算参数调试所述行为训练集”，因此权利要求1具有新颖性；（2）相比于其他类型的网络，储存器计算网络的优点在于该储存器计算网络使用富集的动态输入输出映射改进性能，调试储存器计算网络的参数能够实现期望水平的灵敏度，基于对比文件1，本领域技术人员不会想到采用储存器计算网络，也不会想到使用至少一个储存器计算参数调试所述行为训练集。本领域技术人员没有动机修改对比文件1描述的方法以实现本申请权利要求1所述的技术方案。因此本申请具备创造性。
经形式审查合格，国家知识产权局于2018年08月30日依法受理了该复审请求，并将其转送至原审查部门进行前置审查。
原审查部门在前置审查意见书中，仍以本申请权利要求不具备新颖性或创造性为由坚持原驳回决定。
随后，国家知识产权局成立合议组对本案进行审理。
合议组于2019 年02 月20 日向复审请求人发出复审通知书，指出：独立权利要求1与对比文件1的区别在于：（1）行为训练集用于训练储存器计算网络；（2）行为训练集包含使用至少一个储存器计算参数调试所述行为训练集。上述区别特征均是本领域的常规技术手段，因此权利要求1相对于对比文件1和本领域常规技术手段的结合不具备专利法第22条第3款规定的创造性。从属权利要求2-7的附加技术特征或被对比文件1公开，或属于本领域的常规技术手段，因此当其直接或间接引用的权利要求不具备创造性时，从属权利要求2-7也不具备专利法第22条第3款规定的创造性。独立权利要求8与对比文件1的区别在于所述逻辑指令在被所述处理器执行时将所述处理器配置为执行如权利要求1至7任一项所述方法，权利要求9与对比文件1的区别在于所述指令在被所述处理器执行时将所述处理器配置为执行如权利要求1至7任一项所述方法，当权利要求1-7不具备创造性时，因此权利要求8-9相对于对比文件1和本领域常规技术手段的结合不具备专利法第22条第3款规定的创造性。
针对上述复审通知书，复审请求人于2019年04月03日提交了意见陈述书，同时提交了权利要求书全文修改替换页。其中在复审通知书所针对文本的基础上，将权利要求1至2合并形成新的独立权利要求1，并对其余权利要求的序号和引用关系进行适应性修改。修改后的权利要求书如下：
“1. 一种用于实时嵌入式控制系统行为监控和异常检测的基于计算机的方法，其包含：
生成用于所述嵌入式控制系统和用于训练储存器计算网络的行为训练集，其中所述行为训练集在训练过程中将所述嵌入式控制系统的输入与来自所述嵌入式控制系统的输出相关联，以限定所述嵌入式控制系统的行为指纹；
在所述嵌入式控制系统的操作期间，在执行所述储存器计算网络的处理器处，实时监控所述嵌入式控制系统的输入和来自所述嵌入式控制系统的输出；以及
在实时操作中当进入所述嵌入式控制系统的输入中的一个或更多个或者当从所述嵌入式控制系统收集的一个或更多个输出表现异常时在所述处理器处生成警报，
其中生成用于所述嵌入式控制系统并且用于训练所述储存器计算网络的行为训练集包含使用至少一个储存器计算参数调试所述行为训练集；
其中所述至少一个参数选自一组参数，所述一组参数包含：
储存器大小参数，其限定所述储存器计算网络中节点的数量；
输入定标参数，其对所述嵌入式控制系统的输入属性进行加权；
输出反馈定标参数，其限定用于所述储存器计算网络的反馈量；
储存器权重矩阵参数，其控制所述储存器计算网络中的一个或更多个脉冲响应；
耗散率参数，其控制所述储存器计算网络中对噪声行为和时间扭曲行为的灵敏度；以及
噪声定标参数，其控制所述储存器计算网络中的一个或更多个噪声积分器。
2. 根据权利要求1所述的基于计算机的方法，其中当从所述嵌入式控制系统收集的一个或更多个输出为异常时生成警报包含：
将从所述嵌入式控制系统收集的所述一个或更多个输出与所述训练过程中收集的一个或更多个输出进行比较；以及
当从所述嵌入式控制系统收集的所述一个或更多个输出与所述训练过程 中收集的所述一个或更多个输出之间的偏差超过阈值时，将从所述嵌入式控制系统收集的所述一个或更多个输出表征为异常。
3. 根据权利要求2所述的基于计算机的方法，其进一步包含：
确定与所述警报相关联的异常的严重程度。
4. 根据权利要求1所述的基于计算机的方法，其进一步包含：
向耦合到所述嵌入式控制系统的一个或更多个应用程序发布所述警报。
5. 根据权利要求4所述的基于计算机的方法，其进一步包含：
将进入所述嵌入式控制系统的所述一个或更多个输入和/或从所述嵌入式控制系统收集的所述一个或更多个输出存储在存储器中；以及
使用所述存储器中进入所述嵌入式控制系统的所述一个或更多个输入和/或从所述嵌入式控制系统收集的所述一个或更多个输出更新所述行为训练集。
6. 根据权利要求1所述的基于计算机的方法，其中生成用于所述嵌入式控制系统的行为训练集包含使用选自一组参数的至少两个参数调试所述行为训练集，所述一组参数包含：
储存器大小参数，其限定所述储存器计算网络中节点的数量；
输入定标参数，其对所述嵌入式控制系统的输入属性进行加权；
输出反馈定标参数，其限定用于所述储存器计算网络的反馈量；
储存器权重矩阵参数，其控制所述储存器计算网络中的一个或更多个脉冲响应；
耗散率参数，其控制所述储存器计算网络中对噪声行为和时间扭曲行为的灵敏度；以及
噪声定标参数，其控制所述储存器计算网络中的一个或更多个噪声积分器。
7. 一种用于实时嵌入式控制系统行为监控和异常检测的基于计算机的系统，其包含：
处理器；以及
存储在耦合到所述处理器的有形计算机可读介质中的逻辑指令，所述逻辑指令在被所述处理器执行时将所述处理器配置为执行如权利要求1至6中任一项所述的方法。
8. 一种包含指令的永久性计算机可读介质，所述指令在被所述处理器执行时将所述处理器配置为执行如权利要求1至6中任一项所述的方法。”
复审请求人认为：本申请解决的技术问题是如何改善用于实时嵌入式控制系统行为监测和异常检测的方法，而基于对比文件1，本领域技术人员不会想到采用如本申请权利要求1中所述的至少一个储存器计算参数来调试行为训练集，因为对比文件1未指示其中所述的网络可被权利要求1中的任何参数调试，并且也没有证据表明本领域技术人员容易想到使用至少一个储存器计算参数来调试行为训练集。
在上述程序的基础上，合议组认为本案事实已经清楚，可以依法作出审查决定。
二、决定的理由
（一）、审查文本的认定
在复审程序中，复审请求人于2019年04月03日提交了权利要求书全文的修改替换页，经审查，所作修改符合专利法第33条和专利法实施细则第61条第1款的规定。因此，本复审决定针对的文本是：复审请求人于2019年04月03日提交的权利要求第1-8项，申请日2013年10月21日提交的说明书摘要、说明书第1-52段、摘要附图、说明书附图图1A-1B,2-3。
（二）、关于创造性
专利法第22条第3款规定：创造性，是指与现有技术相比，该发明有突出的实质性特点和显著的进步，该实用新型有实质性特点和进步。
如果一项权利要求与作为最接近现有技术的对比文件相比存在区别技术特征，而这些区别技术特征是本领域的常规技术手段，并且该权利要求的技术方案并没有由于这些区别技术特征而具有预料不到的技术效果，则该项权利要求相对于上述对比文件和本领域常规技术手段的结合没有突出的实质性特点和显著的进步，不具备创造性。
具体到本案：
1、权利要求1不符合专利法第22条第3款有关创造性的规定。
对比文件1公开了一种异常识别系统，并具体公开了以下技术特征（参见说明书第9-13、55-56、63-70、77、91-92、148、198-200、212-269、290-292、310、图2、5、25、27、28、29、30、34、37）：本发明可以实现为计算机处理，并且图2公开了计算系统具有一个处理器。异常检测代理302相对于测试系统以分级级别配置。一个异常检测代理302可以监视整个测试的系统输入和输出。图34示出了异常检测器3400的逻辑流程图。操作流程从开始终端3402开始。输出操作3404将当前输出及其相应的输入和初始条件分配到操作区域中。计算操作3406计算量化误差。误差模块3408确定量化误差是否小于预设阈值，该预设阈值是从观测矢量或输入和初始条件到SOM中的最佳匹配单元的距离。如果误差模块3408确定量化误差不小于预定阈值，则操作流程分支“否”，指示存在新观察到的操作条件。操作流程进行到学习模块3413，其触发与上述公开内容一致的异常模型或分布的额外开发。没有触发警报，因为在新观察到的输入和初始条件矢量附近的区域不存在模型。如果错误模块3408确定量化误差较小，则操作流程将“是”分支到异常操作3410并且在输出模块3412中触发异常检测警报。操作流程在终点3414处结束。图35示出了系统3500，其中诊断代理所处的最低级别位于发动机控制子系统处。在系统3500中，异常检测器可以通过确定诊断代理3502是否检测到异常来确定在所示子系统中是否发生系统异常。图37是根据特定实施例的异常检测系统3700的示例流程图。异常检测系统3700可以用于例如错误检测系统的多个方面，例如诊断代理中或用于上述故障模式根本原因检测。操作流程从起点3702开始。分区操作3704将运行时环境分配到至少一个操作区域中。此分区可称为区域化。学习操作3706学习在操作区域内操作的已知行为。这种学习可以称为训练。监视操作3708监视当前行为。比较操作3710将已知行为与当前操作行为进行比较。当前操作行为与已知操作行为之间存在偏差时，检测操作3712检测行为模式。追踪操作3714可以通过链接将未知行为模式追踪回集成开发环境。识别操作3716基于异常的追踪识别集成开发环境中的未知异常。学习模型采用采用自组织映射（SOM），构建与系统输入和输出相关的模型。
权利要求1与对比文件1公开的内容对比，对比文件1中公开的“本发明可以实现为计算机处理”、“诊断代理所处的最低级别位于发动机控制子系统处。在系统3500中，异常检测器可以通过确定诊断代理3502是否检测到异常来确定在所示子系统中是否发生系统异常”，由于发动机控制子系统为嵌入式控制系统，相当于公开了本申请权利要求1中“用于实时嵌入式控制系统行为监控和异常检测的基于计算机的方法”；对比文件1中公开的“学习操作3706学习在操作区域内操作的已知行为。这种学习可以称为训练”，相当于包含“生成用于所述嵌入式控制系统的行为训练集”；对比文件1中公开的“学习模型采用采用自组织映射（SOM），构建与系统输入和输出相关的模型”，相当于公开了本申请权利要求1中“所述行为训练集在训练过程中将所述嵌入式控制系统的输入与来自所述嵌入式控制系统的输出相关联，以限定所述嵌入式控制系统的行为指纹”；对比文件1中公开的“一个异常检测代理302可以监视整个测试的系统输入和输出”，“输出操作3404将当前输出及其相应的输入和初始条件分配到操作区域中。计算操作3406计算量化误差”，“如果错误模块3408确定量化误差较小，操作流程将“是”分支到异常操作3410并且在输出模块3412中触发异常检测警报”，由于对比文件1公开了本发明可以实现为计算机处理，计算系统具有一个处理器，具有自组织映射（SOM）学习模型，因此相当于隐含公开了在执行学习模型的处理器出实时监控嵌入式控制系统的输出，相当于公开了本申请权利要求1中“在所述嵌入式控制系统的操作期间，实时监控来自所述嵌入式控制系统的输入和来自所述嵌入式控制系统的输出”、“在实时操作中当进入所述嵌入式控制系统的输入中的一个或更多个或者当从所述嵌入式控制系统收集的一个或更多个输出表现异常时在所述处理器处生成警报”。
因此，本申请权利要求1的技术方案与对比文件1的区别在于：（1）行为训练集用于训练储存器计算网络；（2）行为训练集包含使用至少一个储存器计算参数调试所述行为训练集；其中所述至少一个参数选自一组参数，所述一组参数包含：储存器大小参数，其限定所述储存器计算网络中节点的数量；输入定标参数，其对所述嵌入式控制系统的输入属性进行加权；输出反馈定标参数，其限定用于所述储存器计算网络的反馈量；储存器权重矩阵参数，其控制所述储存器计算网络中的一个或更多个脉冲响应；耗散率参数，其控制所述储存器计算网络中对噪声行为和时间扭曲行为的灵敏度；以及噪声定标参数，其控制所述储存器计算网络中的一个或更多个噪声积分器。
基于上述区别特征，权利要求1实际解决的技术问题是：如何获得富集的动态输入输出映射性能并提升学习网络的灵敏度。
对于上述区别特征（1)，对比文件1公开了学习模型采用采用自组织映射（SOM），构建与系统输入和输出相关的模型。而储存器计算网络是本领域技术人员所公知的一种神经网络，这一大规模递归网络，计算简单，训练速度快，具有富集的输入输出映射，对于本领域技术人员来说，为了获得富集的动态输入输出映射性能，而采用储存器计算网络代替自组织映射（SOM），是根据实际需要即可做出的常规选择，不需要付出创造性劳动。
对于上述区别特征（2），对学习网络的参数进行调整优化从而提升学习网络的灵敏度，对学习网络进行优化是本领域的常规技术手段，因此为了提升存储器计算网络的灵敏度而行为训练集包含使用至少一个储存器计算参数调试所述行为训练集也是本领域技术人员根据实际需要所容易想到的常规技术手段，该区别特征中的参数是调试储存器计算网络，提高其灵敏度的常用参数，属于本领域技术人员根据实际需要即可做出的常规设置不需要付出创造性劳动。
针对复审请求人的意见陈述，合议组认为：本领域技术人员知晓，本申请中的储存器计算网络，即reservoir computing network，是人工神经网络（Neural Network）的一种拓展框架，而为了获得合适的神经网络模型需要反复对神经网络的结构和参数进行选择、调试，以及使用训练数据集合对神经网络进行训练，是本领域技术人员所公知的。因此，应用参数对训练集进行训练调试是本领域的常规技术手段，对比文件1也公开了更新模型参数，例如权重向量进行调试（参见对比文件1的说明书第264段）。因此当采用储存器计算网络作为控制系统模型时，根据这一网络特性，选择适当参数来提升网络的灵敏度，这是本领域技术人员根据实际需要即可做出的常规技术手段，并不需要付出创造性劳动。因此，复审请求人认为权利要求具备创造性的理由不成立。
因此，在对比文件1的基础上结合本领域常规技术手段，得到权利要求1所请求保护的技术方案，对本领域技术人员来说是显而易见的，权利要求1不具备突出的实质性特点和显著的进步，不具备专利法第22条第3款规定的创造性。
2、权利要求2-6不符合专利法第22条第3款有关创造性的规定。
从属权利要求2进一步限定权利要求1为“其中当从所述嵌入式控制系统收集的一个或更多个输出为异常时生成警报包含：将从所述嵌入式控制系统收集的所述一个或更多个输出与所述训练过程中收集的一个或更多个输出进行比较；以及当从所述嵌入式控制系统收集的所述一个或更多个输出与所述训练过程中收集的所述一个或更多个输出之间的偏差超过阈值时，将从所述嵌入式控制系统收集的所述一个或更多个输出表征为异常”，已被对比文件1公开（参见说明书第289-291段）：“一旦模型完全训练，异常检测器可用于准确地将实际输出与建模输出进行比较”， “图34示出了异常检测器3400的逻辑流程图。操作流程从开始终端3402开始。输出操作3404将当前输出及其相应的输入和初始条件分配到操作区域中。计算操作3406计算量化误差误差模块3408确定量化误差是否小于预设阈值，该预设阈值是从观测矢量或输入和初始条件到SOM中的最佳匹配单元的距离。如果错误模块3408确定量化误差较小，则操作流程将“是”分支到异常操作3410并且在输出模块3412中触发异常检测警报。操作流程在终点3414处结束”。因此，在其引用的权利要求不具备创造性时，权利要求2也不具备专利法第22条第3款规定的创造性。
从属权利要求3进一步限定权利要求2为“其进一步包含：确定与所述警报相关联的异常的严重程度”，其已被对比文件1公开（参见说明书第55段）：找到异常的最佳方法是比较相同行为方式下的信号，并且当前信号与正常信号的偏差是异常严重性的指示。因此，在其引用的权利要求不具备创造性时，权利要求3也不具备专利法第22条第3款规定的创造性。
从属权利要求4进一步限定权利要求1为“其进一步包含：向耦合到所述嵌入式控制系统的一个或更多个应用程序发布所述警报”，其已被对比文件1公开（参见说明书第212-214段）：读操作2716从链路读取故障信息，故障被读入IDE；图8-9公开了IDE包括多个嵌入式系统，传输故障诊断信息。在此基础上，根据实际需要，本领域技术人员容易想到由嵌入式控制系统的一个或多个应用程序发布警报。因此，在其引用的权利要求1不具备创造性时，权利要求4也不具备专利法第22条第3款规定的创造性。
从属权利要求5进一步限定权利要求4为“其进一步包含：将进入所述嵌入式控制系统的所述一个或更多个输入和/或从所述嵌入式控制系统收集的所述一个或更多个输出存储在存储器中；以及使用所述存储器中进入所述嵌入式控制系统的所述一个或更多个输入和/或从所述嵌入式控制系统收集的所述一个或更多个输出更新所述行为训练集”，已被对比文件1公开（参见说明书第269、289/291段）：“异常检测模块可以包括一个或多个存储器3012”，“当SOM通过确定预期的建模误差进行训练时，分布或模型更新，因此更新区域内的预期误差或方差阈值。随着系统收集更多正常数据，预期的建模误差或方差减小，SOM收敛到相对稳定的状态。一旦模型完全训练，异常检测器可用于准确地将实际输出与建模输出进行比较”，“图34示出了异常检测器3400的逻辑流程图。操作流程从开始终端3402开始。输出操作3404将当前输出及其相应的输入和初始条件分配到操作区域中”。因此，在其引用的权利要求不具备创造性时，权利要求5也不具备专利法第22条第3款规定的创造性。
从属权利要求6进一步限定权利要求1为“其进一步包含：将进入所述嵌入式控制系统的所述一个或更多个输入和/或从所述嵌入式控制系统收集的所述一个或更多个输出存储在存储器中；以及 使用所述存储器中进入所述嵌入式控制系统的所述一个或更多个输入和/或从所述嵌入式控制系统收集的所述一个或更多个输出更新所述行为训练集”，上述附加技术特征中的参数均是神经网络中用于优化网络的常规参数，因此使行为训练集使用选自上述参数组中的至少两个参数调试是本领域技术人员根据实际需要即可做出的常规技术手段。因此，在其引用的权利要求不具备创造性时，权利要求6也不具备专利法第22条第3款规定的创造性。
3、权利要求7不符合专利法第22条第3款有关创造性的规定。
权利要求7请求保护一种用于实时嵌入式控制系统行为监控和异常检测的基于计算机的系统，其中对比文件1公开的（参见说明书第9-13段，附图2）：本发明可以实现为计算机过程；计算系统，可以是分布式的；或作为诸如计算机程序产品之类的制品。计算机程序产品可以是计算机系统可读的计算机存储介质，并且编码用于执行计算机过程的指令的计算机程序。计算机程序产品还可以是计算系统可读的载体上的传播信号，并且编码用于执行计算机过程的指令的计算机程序。并且图2公开了计算系统具有一个处理器；相当于公开了本申请权利要求7中“包含：处理器；以及存储在耦合到所述处理器的有形计算机可读介质中的逻辑指令”。
因此对比文件1与权利要求7的区别在于所述逻辑指令在被所述处理器执行时将所述处理器配置为执行如权利要求1至6任一项所述方法。而参见针对权利要求1-6的评述，权利要求1-6请求保护的方法相对于对比文件1和本领域常规技术手段的结合不具备创造性。因此逻辑指令将处理器配置为执行权利要求1-6请求保护的方法对本领域技术人员来说也是根据实际需要即可做出的常规技术手段。
因此，在对比文件1的基础上结合本领域常规技术手段，得到权利要求7所请求保护的技术方案，对本领域技术人员来说是显而易见的，权利要求7不具备突出的实质性特点和显著的进步，不具备专利法第22条第3款规定的创造性。
4、权利要求8不符合专利法第22条第3款有关创造性的规定。
权利要求8请求保护一种保护指令的永久性计算机可读介质，其中对比文件1公开的（参见说明书第9-13段，附图2）：本发明可以实现为计算机过程；计算系统，可以是分布式的；或作为诸如计算机程序产品之类的制品。计算机程序产品可以是计算机系统可读的计算机存储介质，并且编码用于执行计算机过程的指令的计算机程序。计算机程序产品还可以是计算系统可读的载体上的传播信号，并且编码用于执行计算机过程的指令的计算机程序。并且图2公开了计算系统具有一个处理器；相当于公开了本申请权利要求8中一种保护指令的永久性计算机可读介质。
因此对比文件1与权利要求8的区别在于所述指令在被所述处理器执行时将所述处理器配置为执行如权利要求1至6任一项所述方法。而参见针对权利要求1-6的评述，权利要求1-6请求保护的方法相对于对比文件1和本领域常规技术手段的结合不具备创造性。因此指令将处理器配置为执行权利要求1-6请求保护的方法对本领域技术人员来说也是根据实际需要即可做出的常规技术手段。
因此，在对比文件1的基础上结合本领域常规技术手段，得到权利要求8所请求保护的技术方案，对本领域技术人员来说是显而易见的，权利要求8不具备突出的实质性特点和显著的进步，不具备专利法第22条第3款规定的创造性。
综上所述，本申请权利要求1-8均不符合专利法第22条第3款的规定。
三、决定
维持国家知识产权局于2018年05月03日对本申请作出的驳回决定。
如对本复审请求审查决定不服,根据专利法第41条第2款的规定,请求人自收到本决定之日起三个月内向北京知识产权法院起诉。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
