一种基于区块链智能合约的神经网络训练方法及系统

文档序号:487941 发布日期:2022-01-04 浏览:25次 >En<

阅读说明:本技术 一种基于区块链智能合约的神经网络训练方法及系统 (Neural network training method and system based on block chain intelligent contracts ) 是由 王宏俊 于 2021-09-15 设计创作,主要内容包括:本发明公开了一种基于区块链智能合约的神经网络训练方法及系统,包括包括代币模块、出价模块、信息模块、拟合模块,所述出价模块与信息模块、拟合模块电连接;所述代币模块用于管理代币的充值与退回,所述出价模块用于对竞买人的出价进行收集与运算,所述信息模块用于对竞买人进行信息提供,所述拟合模块用于对竞买人们的出价进行拟合,所述代币模块包括代币充值模块、保证金收取模块、保证金退回模块、代币支付模块,所述出价模块包括出价选择模块、出价统计模块、出价差值记录模块、出价排序模块,所述信息模块包括信息发送模块、信息显示模块、信息有效性计算模块、信息排序模块,本发明,具有保护艺术家隐私、减少不理性抬价的特点。(The invention discloses a neural network training method and a system based on a block chain intelligent contract, which comprises a token module, a bid module, an information module and a fitting module, wherein the bid module is electrically connected with the information module and the fitting module; the system comprises a token module, a bid module, an information module, a fitting module and a bid sorting module, wherein the token module is used for managing recharging and returning of tokens, the bid module is used for collecting and calculating bids of bidders, the information module is used for providing information for the bidders, the fitting module is used for fitting the bids of the bidders, the token module comprises a token recharging module, a guaranteed fund receiving module, a guaranteed fund returning module and a token payment module, the bid module comprises a bid selection module, a bid counting module, a bid difference value recording module and a bid sorting module, and the information module comprises an information sending module, an information display module, an information effectiveness calculating module and an information sorting module.)

一种基于区块链智能合约的神经网络训练方法及系统

技术领域

本发明涉及神经网络技术领域,具体为一种基于区块链智能合约的神经网络训练方法及系统。

背景技术

智能合约是一种基于区块链以数字形式定义的协议,在互联网交易中提供了安全可信赖的交易模式,目前,智能合约已被运用到保险、金融等多个领域。神经网络是一种机器学习算法,已被用于各种任务,包括数据拟合、计算机视觉、语音识别、机器翻译等任务。

电子艺术品是一种在互联网上流通的电子版艺术品,以数据的形式存储,因此人人都可以下载,但其所有权只属于一个人,其所有权可用来拍卖。在电子艺术品的拍卖过程中,艺术品的相关信息公布在互联网中极易被泄露,从而侵害了艺术家的隐私。然而,竞买人通常想掌握更多关于艺术品的信息,以此来做出更理性的决策,如何平衡这两点之间的矛盾成为了电子艺术品交易中的难点。因此,设计保护艺术品信息的一种基于区块链智能合约的神经网络训练方法及系统是很有必要的。

发明内容

本发明的目的在于提供一种基于区块链智能合约的神经网络训练方法及系统,以解决上述背景技术中提出的问题。

为了解决上述技术问题,本发明提供如下技术方案:一种基于区块链智能合约的神经网络训练方法及系统,包括代币模块、出价模块、信息模块、拟合模块,所述出价模块与信息模块、拟合模块电连接;

所述代币模块用于管理代币的充值与退回,所述出价模块用于对竞买人的出价进行收集与运算,所述信息模块用于对竞买人进行信息提供,所述拟合模块用于对竞买人们的出价进行拟合。

根据上述技术方案,所述代币模块包括代币充值模块、保证金收取模块、保证金退回模块、代币支付模块,所述保证金收取模块与保证金退回模块电连接;

所述代币充值模块用于让竞买人充值代币,所述保证金收取模块用于让竞买人缴纳代币作为保证金,所述保证金退回模块用于在拍卖结束后退回保证金,所述代币支付模块用于竞拍成功的竞买人支付费用。

根据上述技术方案,所述出价模块包括出价选择模块、出价统计模块、出价差值记录模块、出价排序模块,所述出价统计模块与出价差值记录模块、出价排序模块电连接;

所述出价选择模块用于让竞买人选择出价,所述出价统计模块用于统计所有竞买人的出价,所述出价差值记录模块用于记录竞买人每次出价的差值,所述出价排序模块用于根据出价的高低对竞买人进行排序。

根据上述技术方案,所述信息模块包括信息发送模块、信息显示模块、信息有效性计算模块、信息排序模块,所述信息发送模块与信息显示模块电连接,所述信息有效性计算模块与信息排序模块、出价差值记录模块电连接;

所述信息发送模块用于发送艺术品的有关信息给竞买人,所述信息显示模块用于显示艺术品的有关信息,所述信息有效性计算模块用于根据竞买人每次出价的差值判断信息的,所述信息排序模块用于根据信息的有效性对信息进行排序。

根据上述技术方案,所述拟合模块包括数据获取模块、运算模块、预测模块,所述运算模块与预测模块电连接;

所述数据获取模块用于获取竞买人们的出价数据,所述运算模块用于对出价数据进行拟合运算,所述预测模块用于预测合理的出价。

根据上述技术方案,该系统的主要工作流程为:

S0、在电子艺术品拍卖开始前,竞买人需要先通过代币充值模块充值代币,并通过保证金收取模块用充值好的代币缴纳保证金,代币作为保证金,是竞买人所做的一种担保形式,防止竞买人无故不参加约定的拍卖活动,弥补其违约行为对委托人各方面所造成的损失;

S1、最初,所有竞买人对被拍卖的艺术品的信息的掌握程度都相同,第一轮出价,竞买人凭个人意愿出价,通过出价选择模块给出价格,系统通过出价统计模块统计所有竞买人的出价,再通过出价排序模块根据出价高低对竞买人进行排序,出价高的竞买人可以获得更多与艺术品有关的信息,信息通过信息发送模块提供给竞买人,竞买人可通过信息显示模块查看;

S2、第二轮出价,竞买人根据上一轮出价后系统提供的艺术品的相关信息进行价格调整,系统通过出价差值记录模块下记录竞买人出价的差值,再通过信息有效性计算模块,根据竞买人出价的差值来判断什么信息更吸引竞买人,并通过信息排序模块将这些信息根据有效性进行排序,系统对竞买人的第二轮出价排序,优先将有效性更高的信息提供给竞买人;

S3、系统通过数据获取模块收集竞买人两次出价的数据,通过运算模块对数据进行拟合,通过预测模块预测出艺术品的合理价格;

S4、第三轮出价,竞买人根据第二轮出价后提供的信息和经过拟合预测的数据,进行最后一次出价;

S5、第三轮出价最高的竞买人竞拍成功,其将通过代币支付模块支付剩余应支付的代币,其余人将通过保证金退回模块退回保证金。

根据上述技术方案,上述步骤S1中,信息分享的规则为:

系统对出价更高的竞买人会提供更多信息,对出价低的竞买人会提供少量信息,具体的方法为;

某电子艺术品有m条信息,有n个竞买人参与竞拍,第一轮出价时每个竞买人的出价为Ai,第二轮出价时每个竞买人的出价为Bi,其中i∈[1,n],则第一轮竞买人的平均出价为

竞买人第一轮出价与他第一轮出价后所获得信息的关系为

其中q为竞买人在第一轮出价后所获得的信息数,μ为调节系数,q条信息将从总的m条信息中随机抽取。

根据上述技术方案,上述步骤S2中,信息的有效性计算的具体方法为:

每条信息的初始有效性为100%,每个竞买人在第二轮出价前收到了qi条信息,并根据信息给出了新的出价Bi,则每个竞买人对他所收到的信息的总的有效性的评价为

信息随机提供给竞买人,一条信息被提供给竞买人的次数不定,一条信息的有效性表现为对所有收到此条信息的竞买人的总有效性评价取平均值,一条信息的有效性为

其中W为信息的有效性,为对收到此条信息的所有竞买人的总有效性评价的总和,k为收到此条信息的所有竞买人的人数。

根据上述技术方案,上述步骤S3中,拟合的具体方法为:

将第二轮出价的数据按从低到高排列,构建出以出价位次为横轴、出价为纵轴的坐标系,通过运算模块将数据拟合成一条连续的曲线,以供竞买人参考;

当最高出价的数据高于拟合出的曲线,那么此最高出价则不够理性,可以适当降低价格;当最高出价的数据与拟合出的曲线重叠,那么此最高出价比较合适;当最高出价的数据低于拟合出的曲线,那么此最高出价较低,在下一轮出价中竞拍失败的概率较高。

根据上述技术方案,上述步骤S2中,将有效性更高的信息提供给出价更高的竞买人的具体方法为:第二轮出价后竞买人可获得的信息数为对所有信息按有效性从高到低进行排序,优先将有效性最高的信息提供给竞买人,即每个竞买人能获得有效性第一高到有效性第pi高的信息。

与现有技术相比,本发明所达到的有益效果是:本发明,信息的发送数量与竞买人的出价有关,有效避免了信息泄漏给对艺术品竞拍意愿较低的人。在所有信息中,有效性较高的信息会被大多数人看到,有效性较低的信息几乎不会被人看到,这就保护了与艺术品拍卖无关的信息不被多数人获取。在拍卖中,出价更高的竞买人能看到更全面的信息,有益于他做出更理性的决策,防止竞买人因为信息掌握片面而导致对艺术品的价值产生误判。通过设置了拟合模块,将竞买人的出价数据拟合成曲线,让竞买人对自身的出价有更直观的评估,可帮助竞买人在最后一轮出价中给出更为合理的价格。

附图说明

附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:

图1是本发明的整体模块结构示意图;

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。

如图1,本发明提供技术方案:一种基于区块链智能合约的神经网络训练方法及系统,包括代币模块、出价模块、信息模块、拟合模块,所述出价模块与信息模块、拟合模块电连接;

所述代币模块用于管理代币的充值与退回,所述出价模块用于对竞买人的出价进行收集与运算,所述信息模块用于对竞买人进行信息提供,所述拟合模块用于对竞买人们的出价进行拟合;

所述代币模块包括代币充值模块、保证金收取模块、保证金退回模块、代币支付模块,所述保证金收取模块与保证金退回模块电连接;

所述代币充值模块用于让竞买人充值代币,所述保证金收取模块用于让竞买人缴纳代币作为保证金,所述保证金退回模块用于在拍卖结束后退回保证金,所述代币支付模块用于竞拍成功的竞买人支付费用;

所述出价模块包括出价选择模块、出价统计模块、出价差值记录模块、出价排序模块,所述出价统计模块与出价差值记录模块、出价排序模块电连接;

所述出价选择模块用于让竞买人选择出价,所述出价统计模块用于统计所有竞买人的出价,所述出价差值记录模块用于记录竞买人每次出价的差值,所述出价排序模块用于根据出价的高低对竞买人进行排序;

所述信息模块包括信息发送模块、信息显示模块、信息有效性计算模块、信息排序模块,所述信息发送模块与信息显示模块电连接,所述信息有效性计算模块与信息排序模块、出价差值记录模块电连接;

所述信息发送模块用于发送艺术品的有关信息给竞买人,所述信息显示模块用于显示艺术品的有关信息,所述信息有效性计算模块用于根据竞买人每次出价的差值判断信息的,所述信息排序模块用于根据信息的有效性对信息进行排序;

所述拟合模块包括数据获取模块、运算模块、预测模块,所述运算模块与预测模块电连接;

所述数据获取模块用于获取竞买人们的出价数据,所述运算模块用于对出价数据进行拟合运算,所述预测模块用于预测合理的出价;

该系统的主要工作流程为:

S0、在电子艺术品拍卖开始前,竞买人需要先通过代币充值模块充值代币,并通过保证金收取模块用充值好的代币缴纳保证金,代币作为保证金,是竞买人所做的一种担保形式,防止竞买人无故不参加约定的拍卖活动,弥补其违约行为对委托人各方面所造成的损失;

S1、最初,所有竞买人对被拍卖的艺术品的信息的掌握程度都相同,第一轮出价,竞买人凭个人意愿出价,通过出价选择模块给出价格,系统通过出价统计模块统计所有竞买人的出价,再通过出价排序模块根据出价高低对竞买人进行排序,出价高的竞买人可以获得更多与艺术品有关的信息,信息通过信息发送模块提供给竞买人,竞买人可通过信息显示模块查看;

S2、第二轮出价,竞买人根据上一轮出价后系统提供的艺术品的相关信息进行价格调整,系统通过出价差值记录模块下记录竞买人出价的差值,再通过信息有效性计算模块,根据竞买人出价的差值来判断什么信息更吸引竞买人,并通过信息排序模块将这些信息根据有效性进行排序,系统对竞买人的第二轮出价排序,优先将有效性更高的信息提供给竞买人;

S3、系统通过数据获取模块收集竞买人两次出价的数据,通过运算模块对数据进行拟合,通过预测模块预测出艺术品的合理价格;

S4、第三轮出价,竞买人根据第二轮出价后提供的信息和经过拟合预测的数据,进行最后一次出价;

S5、第三轮出价最高的竞买人竞拍成功,其将通过代币支付模块支付剩余应支付的代币,其余人将通过保证金退回模块退回保证金;

通过如上步骤,有效避免了信息泄漏给对艺术品竞拍意愿较低的人,有益于让竞买人做出更理性的决策;

上述步骤S1中,信息分享的规则为:

系统对出价更高的竞买人会提供更多信息,对出价低的竞买人会提供少量信息,具体的方法为;

某电子艺术品有m条信息,有n个竞买人参与竞拍,第一轮出价时每个竞买人的出价为Ai,第二轮出价时每个竞买人的出价为Bi,其中i∈[1,n],则第一轮竞买人的平均出价为

竞买人第一轮出价与他第一轮出价后所获得信息的关系为

其中q为竞买人在第一轮出价后所获得的信息数,μ为调节系数,q条信息将从总的m条信息中随机抽取;

上述步骤S2中,信息的有效性计算的具体方法为:

每条信息的初始有效性为100%,每个竞买人在第二轮出价前收到了qi条信息,并根据信息给出了新的出价Bi,则每个竞买人对他所收到的信息的总的有效性的评价为

信息随机提供给竞买人,一条信息被提供给竞买人的次数不定,一条信息的有效性表现为对所有收到此条信息的竞买人的总有效性评价取平均值,一条信息的有效性为

其中W为信息的有效性,为对收到此条信息的所有竞买人的总有效性评价的总和,k为收到此条信息的所有竞买人的人数;

上述步骤S3中,拟合的具体方法为:

将第二轮出价的数据按从低到高排列,构建出以出价位次为横轴、出价为纵轴的坐标系,通过运算模块将数据拟合成一条连续的曲线,以供竞买人参考;

当最高出价的数据高于拟合出的曲线,那么此最高出价则不够理性,可以适当降低价格;当最高出价的数据与拟合出的曲线重叠,那么此最高出价比较合适;当最高出价的数据低于拟合出的曲线,那么此最高出价较低,在下一轮出价中竞拍失败的概率较高;

通过设置了拟合模块,将竞买人的出价数据拟合成曲线,让竞买人对自身的出价有更直观的评估,可帮助竞买人在最后一轮出价中给出更为合理的价格;

上述步骤S2中,将有效性更高的信息提供给出价更高的竞买人的具体方法为:第二轮出价后竞买人可获得的信息数为对所有信息按有效性从高到低进行排序,优先将有效性最高的信息提供给竞买人,即每个竞买人能获得有效性第一高到有效性第pi高的信息。

实施例:

竞买人A在拍卖前首先需要充值代币,缴纳保证金。此艺术品共有20条信息,有10名竞买人参与竞拍。在第一轮出价中,竞买人A给出出价为10000,所有竞买人的平均出价为6000,竞买人A的出价最高。假设调节系数μ=3,根据公式可得在第一轮出价后竞买人A能随机获得10条信息。

第二轮出价,竞买人A进行了价格调整,给出了出价10500,所有竞买人的平均出价为7000,竞买人A的出价最高。根据公式在竞买人A出价后,他所获得的10条信息的有效性变为了120%。其中某一条信息被提供给了4个竞买人,根据公式这条信息的有效性为对这四个竞买人给出的有效性评分取平均值。所有信息按有效性从高到低排序,竞买人A在第二轮出价后能获得有效性第一到有效性第9的9条信息。

系统通过对出价数据进行拟合,竞买人A发现自己的出价10500高于曲线,出价过高。因此在第三轮出价中,竞买人A根据所提供的信息和供参考的拟合曲线,给出出价9000,竞拍成功。

需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

12页详细技术资料下载
上一篇:一种医用注射器针头装配设备
下一篇:基于完全同态加密的智能合约账单记录与处理方法

网友询问留言

已有0条留言

还没有人留言评论。精彩留言会获得点赞!

精彩留言,会给你点赞!