实现网络智能的方法、智能设备和系统与流程 专利技术说明

电子通信装置的制造及其应用技术1.本公开涉及无线通信领域，特别涉及一种实现网络智能的方法、智能设备和系统。背景技术：2.在未来网络中，网络智能是重要研究方向。在一些相关技术中，网络智能服务的流程是“智能请求—智能回复”。例如，智能设备1(智能订阅者)向智能设备2(智能提供者)请求智能服务，智能设备2(智能提供者)根据其获取的数据，进行一次智能分析，并将智能分析结果回复给智能设备1(智能订阅者)。3.发明人发现，随着智能网络的发展，多种网络设备具有数据存储和智能分析的能力，而且由于功能、位置的不同，不同网络设备拥有不同的数据，而上述相关技术，只利用了智能设备2所能获取的数据和智能分析能力，没有充分利用智能设备1所能获取的数据和智能分析能力。技术实现要素：4.本公开实施例所要解决的一个技术问题是：如何充分利用各个网络设备的数据和智能分析能力，整体提升网络中各个网络设备的智能分析能力。5.本公开实施例，第一智能设备向第二智能设备发送智能请求，以使得第二智能设备根据第二智能设备所能获取到的所述智能请求相关的数据针对所述智能请求进行第一智能分析，接收第二智能设备发送的基于第一智能分析所作出的智能回复，根据所述智能回复和第一智能设备所能获取到的所述智能请求相关的数据针对所述智能请求进行第二智能分析。通过利用第一智能设备和第二智能设备各自的数据和智能分析能力，提升了智能设备的智能分析能力。6.本公开一些实施例提出一种实现网络智能的方法，包括：7.第一智能设备向第二智能设备发送智能请求，以使得第二智能设备根据第二智能设备所能获取到的所述智能请求相关的数据针对所述智能请求进行第一智能分析；8.第一智能设备接收第二智能设备发送的基于第一智能分析所作出的智能回复；9.第一智能设备根据所述智能回复和第一智能设备所能获取到的所述智能请求相关的数据针对所述智能请求进行第二智能分析。10.在一些实施例中，第一智能设备根据所述智能回复和第一智能设备所能获取到的所述智能请求相关的数据针对所述智能请求进行第二智能分析包括：第一智能设备判断所述智能回复与第一智能设备所能获取到的所述智能请求相关的数据是否相匹配，如果匹配，接受所述智能回复，如果不匹配，拒绝所述智能回复。11.在一些实施例中，第一智能设备如果拒绝所述智能回复，向第二智能设备发送重新提供智能回复的智能反馈，其中携带拒绝原因，所述拒绝原因根据第一智能设备所能获取到的所述智能请求相关的数据作出。12.在一些实施例中，所述拒绝原因包括以下中的至少一项：第一智能设备所能获取到的所述智能请求相关的数据，第一智能设备根据第一智能设备所能获取到的所述智能请求相关的数据作出的智能分析结果。13.在一些实施例中，第一智能设备根据所述智能回复和第一智能设备所能获取到的所述智能请求相关的数据针对所述智能请求进行第二智能分析包括：第一智能设备根据所述智能回复和第一智能设备所能获取到的所述智能请求相关的数据，采用预设的第一智能分析模型，针对所述智能请求进行第二智能分析。14.在一些实施例中，还包括：第一智能设备向第二智能设备发送基于第二智能分析所作出的智能反馈，以便第二智能设备对所述智能反馈进行整合。15.在一些实施例中，所述智能反馈包括以下中的至少一项：第一智能设备所能获取到的所述智能请求相关的数据，第一智能设备进行智能分析所采用的第一智能分析模型的参数。16.在一些实施例中，第二智能设备对所述智能反馈进行整合包括：17.第二智能设备根据第一智能设备所能获取到的所述智能请求相关的数据和第二智能设备所能获取到的所述智能请求相关的数据，重新训练本地的第二智能分析模型；或者18.第二智能设备根据第一智能设备进行智能分析所采用的第一智能分析模型的参数和第二智能设备进行智能分析所采用的第二智能分析模型的参数，采用联邦学习的方法，更新第二智能分析模型的参数。19.在一些实施例中，第一智能设备所能获取到的所述智能请求相关的数据与第二智能设备所能获取到的所述智能请求相关的数据具有差异。20.在一些实施例中，第一智能设备和第二智能设备属于不同网络层级的网络设备，或者属于不同地域的网络设备，或者属于不同隐私要求的网络设备。21.本公开一些实施例提出一种实现网络智能的方法，包括：22.第二智能设备接收第一智能设备发送的智能请求，根据第二智能设备所能获取到的所述智能请求相关的数据针对所述智能请求进行第一智能分析，并向第一智能设备发送基于第一智能分析所作出的智能回复，以便第一智能设备根据所述智能回复和第一智能设备所能获取到的所述智能请求相关的数据针对所述智能请求进行第二智能分析；23.第二智能设备接收第一智能设备发送的基于第二智能分析所作出的智能反馈，对所述智能反馈进行整合。24.在一些实施例中，所述智能反馈包括第一智能设备所能获取到的所述智能请求相关的数据，所述第二智能设备对所述智能反馈进行整合包括：第二智能设备根据第一智能设备所能获取到的所述智能请求相关的数据和第二智能设备所能获取到的所述智能请求相关的数据，重新训练本地的第二智能分析模型。25.在一些实施例中，所述智能反馈包括第一智能设备进行智能分析所采用的第一智能分析模型的参数，所述第二智能设备对所述智能反馈进行整合包括：第二智能设备根据第一智能设备进行智能分析所采用的第一智能分析模型的参数和第二智能设备进行智能分析所采用的第二智能分析模型的参数，采用联邦学习的方法，更新第二智能分析模型的参数。26.本公开一些实施例提出一种智能设备，是第一智能设备，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行由第一智能设备执行的实现网络智能的方法。27.本公开一些实施例提出一种智能设备，是第二智能设备，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行由第二智能设备执行的实现网络智能的方法。28.本公开一些实施例提出一种实现网络智能的系统，包括：第一智能设备和第二智能设备。29.本公开一些实施例提出一种非瞬时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现实现网络智能的方法的步骤。附图说明30.下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍。根据下面参照附图的详细描述，可以更加清楚地理解本公开。31.显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。32.图1示出本公开一些实施例的实现网络智能的方法的流程示意图。33.图2示出本公开一些实施例的进行了两次智能分析的实现网络智能的方法的示意图。34.图3示出本公开一些实施例的进行了三次智能分析的实现网络智能的方法的示意图。35.图4示出本公开一些实施例的第一智能设备的示意图。36.图5示出本公开一些实施例的第二智能设备的示意图。37.图6示出本公开一些实施例的实现网络智能的系统的示意图。具体实施方式38.下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述。39.除非特别说明，否则，本公开中的“第一”“第二”等描述用来区分不同的对象，并不用来表示大小或时序等含义。40.图1示出本公开一些实施例的实现网络智能的方法的流程示意图。41.如图1所示，该实施例的实现网络智能的方法包括步骤110-130，根据控制需要还可以包括步骤140-150。42.在步骤110，第一智能设备向第二智能设备发送智能请求，以请求第二智能设备针对某项业务进行智能分析。43.其中，第一智能设备和第二智能设备可属于不同网络层级的网络设备，或者属于不同地域的网络设备，或者属于不同隐私要求的网络设备。例如，第一智能设备和第二智能设备可属于云层级的核心网设备、边缘层级的基站、终端层级的手机等。例如，第一智能设备和第二智能设备可属于不同地域的同种网络设备，如不同地域的基站、或者不同地域的核心网设备等。例如，第一智能设备和第二智能设备可属于运营商自建的基站和共建共享的基站，自建的基站和共建共享的基站具有不同的隐私要求。44.由于第一智能设备和第二智能设备所属网络层级或所属地域的不同或隐私要求的不同，使得第一智能设备所能获取到的所述智能请求相关的数据与第二智能设备所能获取到的所述智能请求相关的数据具有差异。45.在步骤120，第二智能设备接收第一智能设备发送的智能请求，根据第二智能设备所能获取到的所述智能请求相关的数据针对所述智能请求进行第一智能分析，并向第一智能设备发送基于第一智能分析所作出的智能回复。46.第二智能设备是具有智能分析能力的网络设备，例如nwdaf(network data analytics function，网络数据分析功能)网元、核心网网元、或基站等设备，但不限于所举示例。本公开并不限定第二智能设备所采用的智能分析方法。47.智能回复例如包括第一智能分析的结果。48.在步骤130，第一智能设备接收第二智能设备发送的基于第一智能分析所作出的智能回复，根据所述智能回复和第一智能设备所能获取到的所述智能请求相关的数据针对所述智能请求进行第二智能分析。49.如前所述，第一智能设备所能获取到的所述智能请求相关的数据与第二智能设备所能获取到的所述智能请求相关的数据具有差异。50.在一些实施例中，第一智能设备进行第二智能分析包括：第一智能设备判断所述智能回复与第一智能设备所能获取到的所述智能请求相关的数据是否相匹配，如果匹配，接受所述智能回复，如果不匹配，拒绝所述智能回复。该判决式的智能分析方法可以适用于运算力受限的第一智能设备。51.在另一些实施例中，第一智能设备进行第二智能分析包括：第一智能设备根据所述智能回复和第一智能设备所能获取到的所述智能请求相关的数据，采用预设的第一智能分析模型，针对所述智能请求进行第二智能分析。其中，第一智能分析模型例如是人工智能算法或机器学习模型，考虑到分析效率，可以采用轻量化的人工智能算法或简化的机器学习模型。第一智能分析模型例如包括回归模型、分类模型、神经网络模型、决策树、贝叶斯等，但不限于所举示例。第一智能设备可以根据业务分析需要和运算能力选择具体的模型。复杂的智能分析方法可以适用于运算力较强的第一智能设备。52.在步骤140，第一智能设备向第二智能设备发送基于第二智能分析所作出的智能反馈。53.在一些实施例中，第一智能设备如果拒绝所述智能回复，向第二智能设备发送重新提供智能回复的智能反馈，其中携带拒绝原因，所述拒绝原因根据第一智能设备所能获取到的所述智能请求相关的数据作出。所述拒绝原因例如包括以下中的至少一项：第一智能设备所能获取到的所述智能请求相关的数据，第一智能设备根据第一智能设备所能获取到的所述智能请求相关的数据作出的智能分析结果。54.在另一些实施例中，所述智能反馈包括以下中的至少一项：第一智能设备所能获取到的所述智能请求相关的数据，第一智能设备进行智能分析所采用的第一智能分析模型的参数。55.通过智能反馈，使得第二智能设备获得第一智能设备的偏好、环境、能力等信息。56.在步骤150，第二智能设备接收第一智能设备发送的基于第二智能分析所作出的智能反馈，对所述智能反馈进行整合。57.在一些实施例中，所述智能反馈包括第一智能设备所能获取到的所述智能请求相关的数据，第二智能设备对所述智能反馈进行整合包括：第二智能设备根据第一智能设备所能获取到的所述智能请求相关的数据和第二智能设备所能获取到的所述智能请求相关的数据，重新训练本地的第二智能分析模型。58.在另一些实施例中，所述智能反馈包括第一智能设备进行智能分析所采用的第一智能分析模型的参数，第二智能设备对所述智能反馈进行整合包括：第二智能设备根据第一智能设备进行智能分析所采用的第一智能分析模型的参数和第二智能设备进行智能分析所采用的第二智能分析模型的参数，采用联邦学习的方法，更新第二智能分析模型的参数。联邦学习方法可以参考相关技术，这里不再赘述。59.上述实施例，第一智能设备向第二智能设备发送智能请求，以使得第二智能设备根据第二智能设备所能获取到的所述智能请求相关的数据针对所述智能请求进行第一智能分析，接收第二智能设备发送的基于第一智能分析所作出的智能回复，根据所述智能回复和第一智能设备所能获取到的所述智能请求相关的数据针对所述智能请求进行第二智能分析。通过利用第一智能设备和第二智能设备各自的数据和智能分析能力，提升了智能设备的智能分析能力。60.上述实现网络智能的方法中，进行了多次智能分析。本领域技术人员可以理解，多次智能分析并不局限于两次智能分析，还可以是三次智能分析，四次智能分析，甚至更多。下面以两次智能分析和三次智能分析为例说明。61.图2示出本公开一些实施例的进行了两次智能分析的实现网络智能的方法的示意图。62.如图2所示，智能设备1(订阅者)拥有数据d，而且可以从设备1获取数据e，智能设备2(提供者)拥有数据c，而且可以从设备2获取数据a，从设备3获取数据b，智能设备1和智能设备2都具备智能分析能力。63.如图2所示，该实施例的实现网络智能的方法包括步骤210-230，根据控制需要还可以包括步骤240-250。64.在步骤210，智能设备1(订阅者)向智能设备2(提供者)发送智能请求。65.在步骤220，智能设备2接收智能设备1发送的智能请求，根据智能设备2所能获取到的所述智能请求相关的数据a、b、c，针对所述智能请求进行第一智能分析，并向智能设备1发送基于第一智能分析所作出的智能回复，设为f(a，b，c)，表示智能设备2采用智能分析模型f对数据a、b、c进行的智能分析。66.在步骤230，智能设备1接收智能设备2发送的基于第一智能分析所作出的智能回复f(a，b，c)，根据所述智能回复f(a，b，c)和智能设备1所能获取到的所述智能请求相关的数据d、e，针对所述智能请求进行第二智能分析，设为g(d，e，f(a，b，c))，表示智能设备1采用智能分析模型g对数据d，e，f(a，b，c)进行的智能分析。67.在步骤240，智能设备1向智能设备2发送基于第二智能分析所作出的智能反馈。68.在步骤250，智能设备2接收智能设备1发送的基于第二智能分析所作出的智能反馈，对所述智能反馈进行整合，以调整本地的智能分析模型，提高智能分析的准确性。69.上述实施例，利用了智能设备1和智能设备2各自的数据和智能分析能力，提升了智能设备1的智能分析能力，整合后有利于提升智能设备2的智能分析能力。70.图2实施例例如可以应用于跨地域(例如跨公共陆地移动网(public land mobile network，plmn)漫游、跨省漫游)、跨网络(例如共建共享基站)的智能设备具有不同的数据和智能能力，需要有方法让双方都可以获取对方的智能，同时又可以保证数据一定的隐私性。71.下面列举一个图2实施例应用于智能定位系统的示例。在智能定位系统中，设备1是卫星定位系统，智能设备1为智能终端，智能设备2为智能基站，设备2和设备3是另外两个基站，数据a、b、c是智能终端相对3个基站的位置信息，数据d是智能终端根据自身传感器获得的高度信息，数据e是来自卫星定位系统的智能终端的定位信息。智能基站接收到智能终端的定位请求后，根据智能终端相对3个基站的位置信息(即数据a、b、c)，利用例如基站三角定位方法可以推算得出智能终端的位置信息f(a，b，c)，并发送给智能终端。智能终端可以根据自身传感器获得的高度信息(即数据d)和来自卫星定位系统的定位信息(即数据e)，采用增强的定位模型对位置信息进行修正。例如，如果智能终端高度较高的情况下(如在高楼、山上等)，根据高度信息e以及智能终端到三个基站的位置信息a、b、c得出智能终端到三个基站的水平距离a’，b’，c’，然后结合卫星定位信息d，得出修正的位置信息g(d，e，f(a，b，c))反馈给智能基站，智能基站根据智能反馈的智能终端位置信息g(d，e，f(a，b，c))，结合后续通过基站定位持续获得的该智能终端的位置信息，对本地的定位模型进行调整，最终可以得出智能整合后的智能终端的位置信息a”，b”，c”。72.图3示出本公开一些实施例的进行了三次智能分析的实现网络智能的方法的示意图。73.如图3所示，智能设备1(订阅者)拥有数据e，而且可以从设备4获取数据f，智能设备2拥有数据c，而且可以从设备5获取数据d，智能设备3(提供者)拥有数据b，而且可以从设备6获取数据a，智能设备1、智能设备2和智能设备3都具备智能分析能力。74.如图3所示，该实施例的实现网络智能的方法包括步骤310-350。75.在步骤310，智能设备1(订阅者)通过智能设备2向智能设备3(提供者)发送智能请求。76.在步骤320，智能设备3接收智能请求，根据智能设备3所能获取到的所述智能请求相关的数据a、b，针对所述智能请求进行第一智能分析，通过智能设备2向智能设备1返回基于第一智能分析所作出的智能回复，设为f(a，b)，表示智能设备3采用智能分析模型f对数据a、b进行的智能分析。77.在步骤330，智能设备1接收智能回复f(a，b)，根据所述智能回复f(a，b)和智能设备1所能获取到的所述智能请求相关的数据e、f，针对所述智能请求进行第二智能分析，设为g1(e，f，f(a，b))，表示智能设备1采用智能分析模型g1对数据e，f，f(a，b)进行的智能分析，智能设备1向智能设备2发送基于第二智能分析所作出的智能反馈g1(e，f，f(a，b))。78.在步骤340，智能设备2根据智能反馈g1(e，f，f(a，b))和智能设备2所能获取到的所述智能请求相关的数据c、d，针对所述智能请求进行第三智能分析，设为g2(c，d，g1(e，f，f(a，b)))，表示智能设备2采用智能分析模型g2对数据c，d，g1(e，f，f(a，b))进行的智能分析，智能设备2向智能设备3发送基于第三智能分析所作出的智能反馈g2(c，d，g1(e，f，f(a，b)))。79.在步骤350，智能设备3接收智能设备2发送的基于第三智能分析所作出的智能反馈，对所述智能反馈进行整合，以调整本地的智能分析模型，提高智能分析的准确性。80.上述实施例，利用了智能设备1、智能设备2、智能设备3各自的数据和智能分析能力，提升了智能设备1、智能设备2的智能分析能力，整合后有利于提升智能设备3的智能分析能力。81.图3实施例例如可以应用于同种网络设备中的不同网元，还可以应用于网络中不同层级的网络设备。例如，智能设备1、智能设备2、智能设备3分别是终端层级的手机、边缘层级的基站、云层级的核心网设备，这些网络设备都具有一定智能能力，而且由于地理位置、网络层级的不同，这些设备拥有的数据和信息情况不尽相同。位于终端层级和边缘层级的网络设备向位于云层级的网络设备请求智能分析的结果后，可以结合自身拥有的数据和智能分析能力，进行二次、三次智能分析并反馈给位于云层级的网络设备，以供位于云层级的网络设备增加信息来源、调整智能分析模型或算法，以提高后续智能分析的准确度。82.图4示出本公开一些实施例的第一智能设备的示意图。83.如图4所示，该实施例的第一智能设备400包括存储器410以及耦接至该存储器410的处理器420，处理器420被配置为基于存储在存储器410中的指令，执行前述任意一些实施例中的实现网络智能的方法。84.例如，第一智能设备向第二智能设备发送智能请求，以使得第二智能设备根据第二智能设备所能获取到的所述智能请求相关的数据针对所述智能请求进行第一智能分析；第一智能设备接收第二智能设备发送的基于第一智能分析所作出的智能回复；第一智能设备根据所述智能回复和第一智能设备所能获取到的所述智能请求相关的数据针对所述智能请求进行第二智能分析。85.第一智能设备根据所述智能回复和第一智能设备所能获取到的所述智能请求相关的数据针对所述智能请求进行第二智能分析包括：第一智能设备判断所述智能回复与第一智能设备所能获取到的所述智能请求相关的数据是否相匹配，如果匹配，接受所述智能回复，如果不匹配，拒绝所述智能回复。86.第一智能设备如果拒绝所述智能回复，向第二智能设备发送重新提供智能回复的智能反馈，其中携带拒绝原因，所述拒绝原因根据第一智能设备所能获取到的所述智能请求相关的数据作出。87.所述拒绝原因包括以下中的至少一项：第一智能设备所能获取到的所述智能请求相关的数据，第一智能设备根据第一智能设备所能获取到的所述智能请求相关的数据作出的智能分析结果。88.第一智能设备根据所述智能回复和第一智能设备所能获取到的所述智能请求相关的数据针对所述智能请求进行第二智能分析包括：第一智能设备根据所述智能回复和第一智能设备所能获取到的所述智能请求相关的数据，采用预设的第一智能分析模型，针对所述智能请求进行第二智能分析。89.第一智能设备向第二智能设备发送基于第二智能分析所作出的智能反馈，以便第二智能设备对所述智能反馈进行整合。90.所述智能反馈包括以下中的至少一项：第一智能设备所能获取到的所述智能请求相关的数据，第一智能设备进行智能分析所采用的第一智能分析模型的参数。91.图5示出本公开一些实施例的第二智能设备的示意图。92.如图5所示，该实施例的第二智能设备500包括存储器510以及耦接至该存储器510的处理器520，处理器520被配置为基于存储在存储器510中的指令，执行前述任意一些实施例中的实现网络智能的方法。93.例如，第二智能设备接收第一智能设备发送的智能请求，根据第二智能设备所能获取到的所述智能请求相关的数据针对所述智能请求进行第一智能分析，并向第一智能设备发送基于第一智能分析所作出的智能回复，以便第一智能设备根据所述智能回复和第一智能设备所能获取到的所述智能请求相关的数据针对所述智能请求进行第二智能分析；第二智能设备接收第一智能设备发送的基于第二智能分析所作出的智能反馈，对所述智能反馈进行整合。94.所述智能反馈包括第一智能设备所能获取到的所述智能请求相关的数据，所述第二智能设备对所述智能反馈进行整合包括：第二智能设备根据第一智能设备所能获取到的所述智能请求相关的数据和第二智能设备所能获取到的所述智能请求相关的数据，重新训练本地的第二智能分析模型。95.所述智能反馈包括第一智能设备进行智能分析所采用的第一智能分析模型的参数，所述第二智能设备对所述智能反馈进行整合包括：第二智能设备根据第一智能设备进行智能分析所采用的第一智能分析模型的参数和第二智能设备进行智能分析所采用的第二智能分析模型的参数，采用联邦学习的方法，更新第二智能分析模型的参数。96.其中，存储器410，510例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(boot loader)以及其他程序等。97.第一智能设备400和第二智能设备500还可以包括输入输出接口、网络接口、存储接口等，这些接口以及存储器和处理器之间例如可以通过总线连接。其中，输入输出接口为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口为各种联网设备提供连接接口。存储接口为sd卡、u盘等外置存储设备提供连接接口。98.图6示出本公开一些实施例的实现网络智能的系统的示意图。99.如图6所示，该实施例的实现网络智能的系统600包括第一智能设备400和第二智能设备500。100.本公开一些实施例提出一种非瞬时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求1-13中任一项所述的实现网络智能的方法的步骤。101.本领域内的技术人员应当明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机程序代码的非瞬时性计算机可读存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。102.本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。103.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。104.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。105.以上所述仅为本公开的较佳实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!