[发明专利]一种基于BP神经网络的移动支付风险预警方法在审
| 申请号： | 201910444142.X | 申请日： | 2019-05-27 |
| 公开（公告）号： | CN110163616A | 公开（公告）日： | 2019-08-23 |
| 发明（设计）人： | 李培峦;李沛谕;闫金玲 | 申请（专利权）人： | 河南科技大学 |
| 主分类号： | G06Q20/40 | 分类号： | G06Q20/40;G06N3/04;G06N3/08 |
| 代理公司： | 洛阳公信知识产权事务所(普通合伙) 41120 | 代理人： | 宋晨炜 |
| 地址： | 471000 河*** | 国省代码： | 河南;41 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于BP神经网络的移动支付风险预警方法，包括：S1、初始化BP神经网络，设定连接权值初始值、节点阈值初始值和误差预设精度值，并且搜集训练样本和预测样本；S2、利用训练样本对BP神经网络进行训练；S3、计算预测样本的在BP神经网络中隐含层和输出层的输入值与实际输出值；S4、计算BP神经网络的预测误差实际值；S5、若预测误差实际值小于或者等于误差预设精度值则训练过程结束，否则返回S2；S6、对连接权值训练值进行转换，得到影响因素对移动支付交易规模的影响权重；S7、采集影响因素分析值，并且结合影响权重得到移动支付交易规模分析值。本发明能够准确地对移动支付交易规模进行预测，进而对移动支付风险进行预警。 | ||
| 搜索关键词： | 移动支付 交易规模 风险预警 训练样本 影响权重 预测误差 预设 样本 预测 影响因素分析 权值训练 实际输出 训练过程 影响因素 初始化 输出层 隐含层 采集 搜集 预警 返回 转换 分析 | ||
【主权项】：
1.一种基于BP神经网络的移动支付风险预警方法，所述BP神经网络包括输入层、隐含层和输出层，其特征在于：所述方法包括如下步骤：S1、初始化BP神经网络，设定连接权值初始值、节点阈值初始值和误差预设精度值，并且搜集训练样本和预测样本，训练样本和预测样本均包含移动支付交易规模和若干个影响因素；S2、利用训练样本对BP神经网络进行训练，训练过程中连接权值初始值转化为连接权值训练值，节点阈值初始值转化为节点阈值训练值；S3、计算预测样本在BP神经网络中隐含层和输出层的输入值与实际输出值；S4、计算BP神经网络的预测误差实际值；S5、若预测误差实际值小于或者等于误差预设精度值则训练过程结束，并且输出连接权值训练值、节点阈值训练值和预测误差实际值，否则返回S2；S6、对连接权值训练值进行转换，得到影响因素对移动支付交易规模的影响权重；S7、采集影响因素分析值，并且结合影响权重得到移动支付交易规模分析值。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于河南科技大学，未经河南科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910444142.X/，转载请声明来源钻瓜专利网。
