【技术实现步骤摘要】
基于区块链与模糊认知映射融合的B-F神经网络可追溯算法
本专利技术涉及区块链
，尤其涉及基于区块链与模糊认知映射融合的B-F神经网络可追溯算法。
技术介绍
区块链是一个带有时间戳的分布式数据库，每项事务都采用点对点的方式进行，区块链技术将大量事务中产生的数据信息都结合在一起。然而，当区块链中一个新的交易节点启动时，区块链挖掘必须验证和重新存储所有事务的历史数据，这导致在区块链中产生了不相关的数据问题和进一步优化的可跟踪性，在区块链操作中，由于链的要求，需要一个可追溯机制将事务流和参与者节点信息联系起来，由此，提出了基于区块链与模糊认知映射融合的B-F神经网络可追溯算法。
技术实现思路
本专利技术的目的在于：为了解决现有区块链中的一个新的交易节点启动时，区块链挖掘必须验证和重新存储所有事务的历史数据，导致在区块链中产生了不相关的数据问题和进一步优化的可跟踪性的问题，而提出的基于区块链与模糊认知映射融合的B-F神经网络可追溯算法。为了实现上述目的，本专利技术采用了如下技术方案：基于区块链...
【技术保护点】
1.基于区块链与模糊认知映射融合的B-F神经网络可追溯算法，其特征在于，包括以下步骤：/nS1、通过跟踪链算法将深度学习网络转换为区块链网络，将T-S模糊推理网络定义为块，从事务数据中直接获取T-S模糊神经网络；/nS2、构建由输入层、输出层和隐藏层组成的模糊推理机制，模拟一个非线性的变换；/nS3、根据模糊推理机制，对当前块采用多层非线性隐藏法，构建模糊综合算法，得到基于区块链与模糊认知映射融合的B-F神经网络可追溯算法。/n
【技术特征摘要】
1.基于区块链与模糊认知映射融合的B-F神经网络可追溯算法，其特征在于，包括以下步骤：
S1、通过跟踪链算法将深度学习网络转换为区块链网络，将T-S模糊推理网络定义为块，从事务数据中直接获取T-S模糊神经网络；
S2、构建由输入层、输出层和隐藏层组成的模糊推理机制，模拟一个非线性的变换；
S3、根据模糊推理机制，对当前块采用多层非线性隐藏法，构建模糊综合算法，得到基于区块链与模糊认知映射融合的B-F神经网络可追溯算法。
2.根据权利要求1所述的基于区块链与模糊认知映射融合的B-F神经网络可追溯算法，其特征在于，在步骤S2中的所述输入层包括当前块的前一个块(e1)和所有的历史块(e2)。
3.根据权利要求2所述的基于区块链与模糊认知映射融合的B-F神经网络可追溯算法，其特征在于，在步骤S2中，隐藏层的块通过对3Vs特征进行加权，来模拟一个非线性变换。
4.根据权利要求3所述的基于区块链与模糊认知映射融合的B-F神经网络可追溯算法，其特征在于，所述3Vs特征包括：散列值、临时标志、比特币地址、公钥/私钥、请求消息、交易业务活动、数字签名和用户名，这些特征在交易行为中都作用于T-S模糊状态转移算法的结果上。
5.根据权利要求4所述的基于区块链与模糊认知映射融合的B-F神经网络可追溯算法，其特征在于，在步骤S2中的所述输出层中，推断的影响既作为当前块的输出层，也作为下一个块的输入层。
6.根据权利要求5所述的基于区块链与模糊认知映射融合的B-F神经网络可追溯算法，其特征在于，在步骤S3中所述多层非线性隐藏法由第一特征图法、第二层状态转移法和第三层状态关联法构成。
7.根据权利要求6所述的基于区块链与模糊认知映射融合的B-F神经网络可追溯算法，其特征在于，第一层特征图法是推理机制，推理向量被定义为一组输入向量IVg或输出向量OVg，
IVg＝[if1,if2,if3,if4,if5,if6,if7,if8],g＝1,2,…,8
OVg＝[of1,of2,of3,of4,of5,of6,of7,of8],g＝1,2,…,8，
此外，对于3Vs，邻接矩阵M包含散列值、临时标志、比特币地址、公钥/私钥、请求消息、交易业务活动、数字签名和用户名8个特征，测量多个特征变化所产生的效果，当前块...
【专利技术属性】
技术研发人员：庞凯，杨军，张立新，李芳超，戚晓明，
申请(专利权)人：浙江专线宝网阔物联科技有限公司，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。