[发明专利]内置增强模块的税控盘

权利要求书

1.一种外置税控盘附加装置，其特征在于，所述附加装置通过可插拔的连接方式与PC主机相连接，所述PC主机还与税控盘相连接，所述附加装置包括：

定位模块，用于获取开票时的开具地理位置信息；

标记信息模块，用于根据发票的开具时间和所述开具地理位置信息生成标记信息；

二维码生成模块，用于根据所述标记信息生成标记二维码，并将所述标记二维码通过所述PC主机发送至所述税控盘以生成具有所述标记二维码的发票图像；

所述定位模块通过以下方式获取所述开具地理位置信息：

获取多个相互独立的定位信息源的定位数据；

基于所获取的多组定位数据，利用预先设置的定位优化神经网络模型计算定位信息的最佳取值；

其中，所述定位优化神经网络模型通过以下方式构建：

建立训练样本集，所述训练样本集包括多组训练数据，每组训练数据包括多个相互独立的定位信息源获取的同一位置的定位数据以及对应的真实位置数据；

设置神经网络模型的模型参数，所述模型参数包括归一化参数、激活函数、代价函数和隐藏层的层数；

基于所述训练样本集对神经网络模型进行训练，得到定位优化神经网络模型；

所述激活函数为

其中，x隐藏层或输出层中每个节点的输入值，f(x)为该节点的输出值，α为经验值，0＜α≤1；

定位优化神经网络模型的实现过程包括：

对待定位目标给定一类定位信息源，设该目标的真实坐标为x，该类定位信息源包含N组相互独立的定位坐标数据[x₁, x₂, …, x_N]，此处N为一个常数，N≥2，由实际采用的定位传感器类别数决定；

建立一个神经网络模型，该神经网络由输入层、隐藏层和输出层组成，上述神经网络模型的每一层均有若干节点，隐藏层节点与其上层或下层节点是全连接的，即任意一个第k层节点i都与第k-1层的任意一个节点j存在一个连接，设其权重为；对于该神经网络，其输入为归一化的传感器定位信息源[x₁, x₂, …, x_N]，输出为目标的真实坐标x；该神经网络的训练过程包括：

（1）设置神经网络参数，包括归一化参数、激活函数、代价函数、隐藏层数；

（2）准备训练数据，即传感器定位信息源[x₁, x₂, …, x_N]和与其对应的目标的真实坐标x；

（3）归一化输入数据[x₁, x₂, …, x_N]；

（4）执行训练，获得神经网络权重配置；

该神经网络的测试过程如下：

（5）准备测试数据，即传感器定位信息源[x₁, x₂, …, x_N]；

（6）归一化输入数据[x₁, x₂, …, x_N]；

（7）获取步骤4中获得的神经网络配置，并输入归一化的测试数据；

（8）获得神经网络模型的输出结果，并进行反归一化；

在经典深度神经网络学习应用中，隐藏层和输出层节点的输入和输出之间具有函数关系，这个函数称为激活函数；衡量神经网络模型预测值与真实值之间差异的函数称为代价函数。在经典深度神经网络配置中，通常将激活函数选取为线性整流函数（RectifiedLinear Unit, ReLU），代价函数选取均方误差；其中，线性整流函数定义为：

上式中的x是神经网络中的每个节点的输入值，节点根据激活函数求取x的函数值，并将输出值传递给下一层；x取值为归一化的传感器定位信息源[x₁, x₂, …, x_N];

均方误差定义为：

其中表示真值的估计值，E表示数学期望。

2.根据权利要求1所述的附加装置，其特征在于，所述定位模块包括以下至少一种位置传感器：

WiFi、蓝牙、RFID、北斗卫星、GPS、移动通信基站定位以及AGPS。