[发明专利]基于BP神经网络的二维码防伪预测装置和方法

摘要

本发明公开了一种基于BP神经网络的二维码防伪预测装置和方法，该装置包括按信号流向依次连接的用于存取产品数据建立防伪数据库的数据存取模块、用于获取扫码数据的扫码模块、用于调用防伪数据库对扫码获得的数据进行处理分析，获得产品的属性特征值的数据分析模块、用于构建BP神经网络算法的学习训练模块和使用BP神经网络算法对扫码产品进行防伪预测的算法应用模块；实现让消费者先扫码判断真伪，再决定是否购买，这样能够解决消费者必须先购买产品才能扫码的缺陷。

主权项

一种基于BP神经网络的二维码防伪预测装置，其特征在于，包括按信号流向依次连接的数据存取模块、扫码模块、数据分析模块、学习训练模块和算法应用模块；所述BP神经网络由输入层、隐含层和输出层构成；数据存取模块，用于存取产品数据建立防伪数据库；扫码模块，用于获取扫码数据；数据分析模块，用于调用防伪数据库对扫码获得的数据进行处理分析，获得产品的属性特征值；学习训练模块，由实际产品真伪情况所获得的特征值数据作为网络输入，产品造假概率作为输出，在输入的刺激下不断改变网络的权系数，以使网络的输出不断地接近期望的输出，从而构建出BP神经网络方法；根据公式计算逐层的实际输出值，公式如下：其中j＝0,1,...,M‑1，Z1=f(Σj=0M-1WjkYj-θ1)]]>式中Xi‑输入层第i个节点的输出值，Yj‑隐含层第j个节点的输出值，Wij‑输入层第i个节点到隐含层第j个节点的权系数，Wjk‑隐含层第j个节点到输出层第k个节点的权系数，θj‑隐含层第j个节点的内部阈值，θ1‑输出层第1个节点的内部阈值，Z1‑输出层第1个节点的实际输出值，输入层有N个输入节点，隐含层有M个隐层节点，输出层有1个输出节点；所述学习训练模块是根据输入信号Xi通过隐层节点作用于输出节点，经过非线形变换，产生输出信号Zk，网络训练的每个样本包括输入向量X、期望输出量d、网络输出值Z与期望输出量d之间的偏差；通过调整输入节点与隐层节点的权系数Wij、隐层节点与输出节点之间的权系数Wjk以及内部阈值，使误差沿梯度方向下降，经过反复学习训练，确定与最小误差相对应的网络参数，学习训练即结束；算法应用模块，使用BP神经网络方法对扫码产品进行防伪预测。