همایش آروین البرز CAUJR 1 3 2025 12 09 Identifying a Method for Determining the Authenticity of QR Codes Based on Machine Learning Techniques شناسایی روش تعیین اصالت کدهای QR مبتنی بر تکنیک های یادگیری ماشین 137 151 10.22051/jera.2021.31891.2698 FA مونس کارشناس ارشد رشته عمران گرایش سازه، موسسه آموزش عالی لیان بوشهر. (کارشناس املاک شهرداری). مرتضی کارشناس ارشد رشته حسابداری، موسسه آموزش عالی خرد بوشهر. 2025 12 07 The aim of this research is to identify a method for determining the authenticity of QR codes based on machine learning techniques. In the process of conducting the research, we will first study the library studies on the subject and then review the research and previously presented methods and study the strengths and weaknesses of each method. After conducting the initial studies, we will design the proposed method. In this paper, the algorithm used accurately removed QR codes with different types of noise. The storage capacity of QR codes for a system of n networks (400 × n ) where n is the number of networks used in parallel. Also, it is much faster than a single Hopfield network with the same capacity, so that if our network has 3249 nodes and a capacity of 400 × n, a single Hopfield network will have 3249 × n nodes, which scales linearly. This means that our algorithm in this paper leads to large gains in speed and storage requirements over conventional networks, making them feasible for a wider variety of purposes. As can be seen in the results, large amounts of noise can be removed with our noise removal method. Our algorithm for distributing QR codes across multiple Hopfield networks and selecting the correct one helps to increase the storage capacity of QR codes by the networks, and therefore it is feasible to use it in large-scale systems for QR code recognition. 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. /downloadfilepdf/418054