هدف این پژوهش شناسایی روش تعیین اصالت کدهای QR مبتنی بر تکنیک های یادگیری ماشین می باشد. در روند اجرای تحقیق، ابتدا به مطالعات کتابخانه ای در زمینه موضوع پرداخته و سپس به بررسی تحقیقات صورت گرفته و روش‌های ارائه شده پیشین خواهیم پرداخت و نقاط قوت و ضعف هر روش را مورد مطالعه قرار خواهیم داد. پس از انجام مطالعات اولیه، به طراحی روش پیشنهادی خواهیم پرداخت. در این مقاله الگوریتم بکار رفته به طور دقیق کدهای QR را با انواع مختلف نویز حذف کرد. ظرفیت ذخیره سازی کدهای QR برای سیستمی از n شبکه (400 × n ) که در آن n تعداد شبکه هایی است که به صورت موازی استفاده می شوند. همچنین، بسیار سریعتر از یک شبکه هاپفیلد منفرد با ظرفیت یکسان است، به طوری که اگر شبکه ما دارای 3249 گره و ظرفیت 400 × n باشد، یک شبکه هاپفیلد منفرد دارای 3249 × n گره خواهد بود که ظرفیت یک شبکه هاپفیلد به صورت خطی مقیاس می شود. این بدان معناست که الگوریتم ما در این مقاله به دستاوردهای بزرگی در سرعت و نیازهای ذخیره‌سازی نسبت به شبکه‌های معمولی منجر می‌شود و آنها را برای اهداف متنوع‌تری امکان‌پذیر می‌کند. همانطور که در نتایج مشاهده می شود، می توان مقادیر زیادی نویز را با روش حذف نویز ما حذف نمود. الگوریتم ما برای توزیع کدهای QR در چندین شبکه هاپفیلد و انتخاب صحیح، به افزایش ظرفیت ذخیره سازی کدهای QR توسط شبکه ها کمک می کند و بنابراین استفاده از آن در سیستم های بزرگ برای تشخیص کد QR امکان پذیر است.

اصالت کدهای QR تکنیک های یادگیری یادگیری تحت نظارت