-
9.1.7 成熟战略
9.1.7 成熟战略 在这一阶段的PLC战略普遍转向保持市场份额，而不是扩张。定价战略限于根据市场意愿定价。这一阶段有一个重要的维度——避免发动没有赢家的价格战。价格战实际上将生产者盈余全都转为消费者盈余——结果对所有参与公司都没有好处。对于公司来说，承认成熟阶段的开始，通过推迟降价，延缓产品市场中的私有品牌竞争也同样重要。第3阶段的终极定价战略取决于产... -
13.3 缺点
13.3 缺点 尽管VCA有很多优点，但是它的实用性遭到了信息技术带来的根本变革的挑战。一个不断成长的管理思想学派断言，围绕纵向联系的传统价值链无法以成功的战略执行所需要的速度不断发现价值，满足客户对响应能力的要求。 传统的VCA用于帮助理解物理资产和流程。它可能不适用于以知识资产和服务为基础的竞争。尽管如此，学术界中正在开发更新的概念。它们可以不断地... -
11.3.3 直通车报表
11.3.3 直通车报表 11.3.3 直通车报表 直通车报表是典型的OLAP报表需求如图11-8所示，包含如下几个方面： 图 11-8 直通车报表查询页面 ●数据定期导入：每天凌晨将Hadoop分析结果导入OceanBase。 ●报表查询：按照用户、推广计划、宝贝、关键词等多种维度分组，统计展现量、财务花费等数据，响应前端的实时查询... -
3.3 多维数组的运算
3.3 多维数组的运算 3.3.1 多维数组 3.3.2 矩阵乘法 3.3.3 神经网络的内积 3.3 多维数组的运算 如果掌握了 NumPy 多维数组的运算，就可以高效地实现神经网络。因此，本节将介绍 NumPy 多维数组的运算，然后再进行神经网络的实现。 3.3.1 多维数组 简单地讲，多维数组就是“数字的集合”，数字排成一列的集合、排成... -
3.4 3 层神经网络的实现
3.4 3 层神经网络的实现 3.4.1 符号确认 3.4.2 各层间信号传递的实现 3.4.3 代码实现小结 3.4 3 层神经网络的实现 现在我们来进行神经网络的实现。这里我们以图 3-15 的 3 层神经网络为对象，实现从输入到输出的（前向）处理。在代码实现方面，使用上一节介绍的 NumPy 多维数组。巧妙地使用 NumPy 数组，可以用很... -
7.5 CNN的实现
7.5 CNN的实现 7.5 CNN的实现 我们已经实现了卷积层和池化层，现在来组合这些层，搭建进行手写数字识别的 CNN。这里要实现如图 7-23 所示的 CNN。 图 7-23 简单 CNN 的网络构成 如图 7-23 所示，网络的构成是“Convolution - ReLU - Pooling -Affine - ReLU - Affi...