亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

基于BP神經(jīng)網(wǎng)絡(luò)的二維碼防偽預(yù)測(cè)裝置和方法與流程

文檔序號(hào):12158556閱讀:來(lái)源:國(guó)知局

技術(shù)特征:

1.基于BP神經(jīng)網(wǎng)絡(luò)的二維碼防偽預(yù)測(cè)裝置,其特征在于,包括按信號(hào)流向依次連接的數(shù)據(jù)存取模塊、掃碼模塊、數(shù)據(jù)分析模塊、學(xué)習(xí)訓(xùn)練模塊和算法應(yīng)用模塊;所述BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層和輸出層構(gòu)成;

數(shù)據(jù)存取模塊,用于存取產(chǎn)品數(shù)據(jù)建立防偽數(shù)據(jù)庫(kù);

掃碼模塊,用于獲取掃碼數(shù)據(jù);

數(shù)據(jù)分析模塊,用于調(diào)用防偽數(shù)據(jù)庫(kù)對(duì)掃碼獲得的數(shù)據(jù)進(jìn)行處理分析,獲得產(chǎn)品的屬性特征值;

學(xué)習(xí)訓(xùn)練模塊,由實(shí)際產(chǎn)品真?zhèn)吻闆r所獲得的特征值數(shù)據(jù)作為網(wǎng)絡(luò)輸入,產(chǎn)品造假概率作為輸出,在輸入的刺激下不斷改變網(wǎng)絡(luò)的連接權(quán)值,以使網(wǎng)絡(luò)的輸出不斷地接近期望的輸出,從而構(gòu)建出BP神經(jīng)網(wǎng)絡(luò)算法;

算法應(yīng)用模塊,使用BP神經(jīng)網(wǎng)絡(luò)算法對(duì)掃碼產(chǎn)品進(jìn)行防偽預(yù)測(cè)。

2.根據(jù)權(quán)利要求1所述的基于BP神經(jīng)網(wǎng)絡(luò)的二維碼防偽預(yù)測(cè)裝置,其特征在于,所述數(shù)據(jù)存取模塊用于將企業(yè)的加工產(chǎn)品質(zhì)量信息、經(jīng)銷商信息、零售商信息、消費(fèi)者掃碼驗(yàn)證信息和包裝二維碼信息均進(jìn)行存儲(chǔ)并建立防偽數(shù)據(jù)庫(kù)。

3.根據(jù)權(quán)利要求1所述的基于BP神經(jīng)網(wǎng)絡(luò)的二維碼防偽預(yù)測(cè)裝置,其特征在于,所述產(chǎn)品屬性特征值包括掃碼信息一致x1、掃碼指定地點(diǎn)一致x2、知名度x3、造假利益x4、風(fēng)險(xiǎn)代價(jià)x5;掃碼產(chǎn)品的信息與防偽數(shù)據(jù)庫(kù)對(duì)應(yīng)的信息是否完全相同構(gòu)成掃碼信息一致x1;掃碼地點(diǎn)與指定銷售地點(diǎn)的變動(dòng)構(gòu)成掃碼指定地點(diǎn)一致x2;所述知名度x3由生活水平不同導(dǎo)致對(duì)產(chǎn)品的質(zhì)量要求存在差異構(gòu)成;根據(jù)不同區(qū)域?qū)Ξa(chǎn)品造假的處罰程度不同,造假風(fēng)險(xiǎn)程度不同,構(gòu)成造假利益x4;因不同品牌產(chǎn)品生產(chǎn)成本不同,產(chǎn)品利潤(rùn)高低不同構(gòu)成風(fēng)險(xiǎn)代價(jià)x5。

4.根據(jù)權(quán)利要求1所述的基于BP神經(jīng)網(wǎng)絡(luò)的二維碼防偽預(yù)測(cè)裝置,其特征在于,所述數(shù)據(jù)分析模塊利用S型函數(shù)將掃碼獲得的數(shù)據(jù)結(jié)合防偽數(shù)據(jù)庫(kù)進(jìn)行歸一化處理,將掃碼獲得的值轉(zhuǎn)換成[0,1]區(qū)間內(nèi),用于為BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)提供原始數(shù)據(jù);其中S型函數(shù)公式為:

輸入

net=x1,w1+w2,w1w2+…+xnwn

輸出

<mrow> <mi>y</mi> <mo>=</mo> <mi>f</mi> <mrow> <mo>(</mo> <mi>n</mi> <mi>e</mi> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mn>1</mn> <mo>+</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>n</mi> <mi>e</mi> <mi>t</mi> </mrow> </msup> </mrow> </mfrac> </mrow>

其中xn為第n個(gè)輸入信號(hào);Wn為權(quán)系數(shù)。

5.根據(jù)權(quán)利要求1所述的基于BP神經(jīng)網(wǎng)絡(luò)的二維碼防偽預(yù)測(cè)裝置,其特征在于,所述學(xué)習(xí)訓(xùn)練模塊是根據(jù)輸入信號(hào)Xi通過(guò)中間節(jié)點(diǎn)作為輸出節(jié)點(diǎn),經(jīng)過(guò)非線形變換,產(chǎn)生輸出信號(hào)Zk,網(wǎng)絡(luò)訓(xùn)練的每個(gè)樣本包括輸入向量X和期望輸出量d,網(wǎng)絡(luò)輸出值Z與期望輸出值d之間的偏差,通過(guò)調(diào)整輸入節(jié)點(diǎn)與隱層節(jié)點(diǎn)的連接權(quán)值Wij和隱層節(jié)點(diǎn)與輸出節(jié)點(diǎn)之間的連接強(qiáng)度Tjk以及閾值,使誤差沿梯度方向下降,經(jīng)過(guò)反復(fù)學(xué)習(xí)訓(xùn)練,確定與最小誤差相對(duì)應(yīng)的網(wǎng)絡(luò)參數(shù),即權(quán)值和閾值,訓(xùn)練即結(jié)束。

6.基于BP神經(jīng)網(wǎng)絡(luò)的二維碼防偽預(yù)測(cè)方法,其特征在于,包括:

步驟1:建立現(xiàn)有防偽數(shù)據(jù)庫(kù);

步驟2:掃碼獲得產(chǎn)品信息;

步驟3:結(jié)合防偽數(shù)據(jù)庫(kù)和掃碼信息,獲得產(chǎn)品屬性特征值;

步驟4:BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練;

步驟5:使用BP神經(jīng)網(wǎng)絡(luò)算法對(duì)掃碼產(chǎn)品進(jìn)行防偽預(yù)測(cè)。

7.根據(jù)權(quán)利要求6所述的基于BP神經(jīng)網(wǎng)絡(luò)的二維碼防偽預(yù)測(cè)方法,其特征在于,所述步驟3中所述的產(chǎn)品屬性特征值由掃碼數(shù)據(jù)結(jié)合防偽數(shù)據(jù)庫(kù)對(duì)輸入數(shù)據(jù)進(jìn)行歸一化處理,經(jīng)過(guò)計(jì)算后獲得數(shù)值在[0,1]區(qū)間中的產(chǎn)品屬性特征值。

8.根據(jù)權(quán)利要求6所述的基于BP神經(jīng)網(wǎng)絡(luò)的二維碼防偽預(yù)測(cè)方法,其特征在于,所述步驟4中的BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練過(guò)程的具體算法如下:

(1)給網(wǎng)絡(luò)賦一組隨機(jī)初始權(quán)值,其值在0到1之間;

(2)將輸入數(shù)據(jù)歸一化處理,并根據(jù)實(shí)際確定期望輸出信號(hào)d1;

(3)根據(jù)公式計(jì)算逐層的實(shí)際輸出值,公式如下:

<mrow> <msub> <mi>Y</mi> <mi>j</mi> </msub> <mo>=</mo> <mi>f</mi> <mrow> <mo>(</mo> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>N</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <msub> <mi>W</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <msub> <mi>X</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>&theta;</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> <mo>,</mo> <mi>j</mi> <mo>=</mo> <mn>0</mn> <mo>,</mo> <mn>1</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>M</mi> <mo>-</mo> <mn>1</mn> </mrow>

<mrow> <msub> <mi>Z</mi> <mn>1</mn> </msub> <mo>=</mo> <mi>f</mi> <mrow> <mo>(</mo> <munderover> <mi>&Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>M</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <msub> <mi>W</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <msub> <mi>Y</mi> <mi>j</mi> </msub> <mo>-</mo> <msub> <mi>&theta;</mi> <mn>1</mn> </msub> <mo>)</mo> </mrow> </mrow>

式中

Xi-輸入層第i個(gè)節(jié)點(diǎn)的輸出值;

Yj-隱含層第j個(gè)節(jié)點(diǎn)的輸出值;

Wij-輸入層第i個(gè)節(jié)點(diǎn)到隱含層第j個(gè)節(jié)點(diǎn)的權(quán)系數(shù);

Wjk-隱含層第j個(gè)節(jié)點(diǎn)到輸出層第k個(gè)節(jié)點(diǎn)的權(quán)系數(shù);

θj-隱含層第j個(gè)節(jié)點(diǎn)的內(nèi)部閾值;

θ1-輸出層第1個(gè)節(jié)點(diǎn)的內(nèi)部閾值;

Z1-輸出層第1個(gè)節(jié)點(diǎn)的實(shí)際輸出值;

輸入層有N個(gè)輸入節(jié)點(diǎn),隱含層有M個(gè)中間層節(jié)點(diǎn),輸出層有1個(gè)輸出節(jié)點(diǎn)。

(4)從輸出層開始,加入動(dòng)量α,其中0<α<1,反向調(diào)整權(quán)值,其調(diào)整公式如下:

Wjk+ηδkYj→Wjk

Wij+ηδjXi→Wij

δj=Y(jié)j(1-Yj)·δ1·Wjk

式中δ1=(d1-Z1)·Z1·(1-Z1)。

(5)計(jì)算總的誤差E,即d1和Z1之間的誤差值,若E≤ε,其中ε為預(yù)先設(shè)定的學(xué)習(xí)結(jié)束的絕對(duì)誤差,學(xué)習(xí)停止,否則轉(zhuǎn)到步驟(3)中重新計(jì)算。

9.根據(jù)權(quán)利要求6或8所述的基于BP神經(jīng)網(wǎng)絡(luò)的二維碼防偽預(yù)測(cè)方法,其特征在于,若步長(zhǎng)η較小則學(xué)習(xí)速度較慢,而η較大會(huì)引起網(wǎng)絡(luò)出現(xiàn)擺動(dòng),則在步驟(4)中加入一個(gè)動(dòng)量α,其中0<α<1,即

Wjk+ηδkYj+α·ΔWjk→Wjk

Wij+ηδjXi+α·ΔWij→Wij

式中ΔWjk-連續(xù)兩次Wjk之差;

ΔWij-連續(xù)兩次Wij之差。

當(dāng)前第2頁(yè)1 2 3 
網(wǎng)友詢問(wèn)留言 已有0條留言
  • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1