Bayesian strategies for dynamic pricing in e‐commerce

E‐commerce platforms afford retailers unprecedented visibility into customer purchase behavior and provide an environment in which prices can be updated quickly and cheaply in response to changing market conditions. This study investigates dynamic pricing strategies for maximizing revenue in an Internet retail channel by actively learning customers' demand response to price. A general methodology is proposed for dynamically pricing information goods, as well as other nonperishable products for which inventory levels are not an essential consideration in pricing. A Bayesian model of demand uncertainty involving the Dirichlet distribution or a mixture of such distributions as a prior captures a wide range of beliefs about customer demand. We provide both analytic formulas and efficient approximation methods for updating these prior distributions after sales data have been observed. We then investigate several strategies for sequential pricing based on index functions that consider both the potential revenue and the information value of selecting prices. These strategies require a manageable amount of computation, are robust to many types of prior misspecification, and yield high revenues compared to static pricing and passive learning approaches. © 2006 Wiley Periodicals, Inc. Naval Research Logistics, 2007     

无监督特征学习的人体活动识别

针对人的局限性可能会导致在提取特征中丢失重要信息,从而影响最终的识别效果问题,提出无监督特征学习技术的惯性传感器特征提取方法。其核心思想是使用无监督特征学习方法学习多个特征映射,再将所有特征映射拼接起来形成最终的特征计算方法。其优点是不会造成重要信息的损失,而且可以显著减少所使用的无监督特征学习模型的规模。为了验证所提出的特征提取方法在活动识别中的有效性,运用一个公开的活动识别数据集,使用三种常用无监督模型进行特征提取,并使用支持向量机进行活动识别。实验结果表明,特征提取方法取得了良好的效果,与其他方法相比具有一定的优势。     

矩阵变换特征与码序列联合学习的卷积码识别方法

现有基于深度学习的卷积码识别方法仍存在参数规模较大、识别性能较弱等不足。针对该问题,提出了一种基于矩阵变换特征与码序列联合学习的卷积码识别方法。将接收到的码字序列排列成矩阵形式,利用软信息剔除可靠性较低的码字,通过一种新的矩阵变换算法得到特征矩阵。在识别时,将原始码字矩阵和特征矩阵输入到具有多模态数据联合学习能力的网络模型,在神经网络中完成特征的提取融合与卷积码的识别。仿真结果表明,所提方法性能明显优于现有基于深度学习的识别方法,特别是对于高码率卷积码;当码率较低时,同样优于传统识别方法。当信噪比达到5 dB时,25种不同参数卷积码的识别率均可达到100%。     

火箭发动机故障检测的快速增量单分类支持向量机算法

为解决液体火箭发动机故障诊断正负样本不平均问题,以及实现发动机稳态工作段自适应故障检测,建立了基于快速增量单分类支持向量机的异常检测模型。采取特征工程方法,对传感器获得的多变量时间序列进行特征提取。通过增量学习方法,对单分类支持向量机模型进行改进,并应用于液体火箭发动机异常检测,使单分类支持向量机检测模型具备对不同台次、不同工况的自适应性,提高了模型的计算速度。对多台次热试车数据的分析结果表明,该模型十分有效,训练速度快,具备实用价值。     

结合多视角学习与一致性表征的人脸伪造检测

现有的人脸伪造检测方法通常在已知域上表现较好,但面临过拟合的风险,在应对未知场景时无法保持良好的检测能力。为解决此问题,提出一种结合多视角学习与一致性表征的人脸伪造检测框架。为捕获更全面的伪造痕迹,将输入图像转换为两种互补视角并采用双流骨干网络进行多视角特征学习。引入一致性度量,以补丁级监督的方式明确约束不同视角输出的局部特征的相似度。为提高检测精度,采用特征分解策略进一步优化伪造特征,减少不相关因素的干扰,并以伪造特征空间的决策作为最终的预测结果。在基准数据集上进行的大量实验表明,所提出的方法优于现有的主流模型,具备良好的跨域泛化能力。     

如何提高学生《英语听力》课程的自主学习能力和效果

听、说、读、写是语言学习者必备的技能,而位居首位的听力,往往成为许多学生的绊脚石。仅仅靠有限的《英语听力》课堂时间,无法从根本上提高学生的听力水平。根据建构主义理论,听力的提高很大程度上要靠学生课后自主学习。而学生《英语听力》课程自主学习能力和效果的提高,取决于教师的课堂指导、书面作业及口头作业的选择。     

河南省F高中学生学习倦怠研究

研究通过《中学生学习倦怠问卷》使用问卷调查的方法,对河南省一个县级高中高一至高三的学生的学习倦怠程度进行调查。调查反映出高中生的学习倦怠情况在程度、性别、年级等方面的特点。在对问卷结果的数据处理上,首先通过描述统计对被研究者的学习倦怠情况进行说明,然后进一步使用独立样本T检验或方差分析的方法对调查数据中高中生的学习倦怠得分在文理科别,安全感受,心情不好时的处理方式,父母或监护人对学生的态度,总体健康状况几个因素上的差异性做了分析。最后,根据研究结果,就如何尽量避免高中生学习倦怠情况,如何降低高中生学习倦怠水平提出对策。     

多媒体教学在学前教育中的应用

多媒体技术在全世界范围内引起了教育界的广泛关注,其在大学、中学、小学的应用成果丰硕,在学前教育领域却是刚刚起步。我们应抓住机遇,及时地把多媒体技术引进学前教育领域。采用与21世纪教育发展相适应的多媒体技术是学前教育现代化的任务之一,是学前教育改革的一项重要内容。     

高职新生外语学习风格调查分析

本研究通过问卷形式,对155名高职新生的感知学习风格进行调查,以了解学生外语学习风格总体倾向,不同民族、性别、专业及外语学习年限不同学生学习风格的差异,并分析其学习风格与外语学习成绩间的相关性。此研究目的是帮助高职外语教师了解学生感知学习风格偏好,使教师在教学过程中因材施教并指导学生重塑外语学习风格,以便提高高职学生外语学习效率。     

高中英语学困生的困境分析

学困生是所有学校普遍存在的一个群体,这些学生主要表现为学习成绩差、厌学、心理焦虑、烦躁、易怒等。英语学困生问题近年来得到了广泛关注,困境的成因和如何帮助他们摆脱困境已然成为一个我们不容忽视的问题,本文旨在阐述英语学困生面临的困境,分析困境的成因以及提出改善困境的措施。