关于物流和电子商务的对话

(2004-06-28 08:57:45)   逍遥
现在是想看看物流怎么样,老兄有什么建议?你以前应该做过的
(2004-06-28 08:57:51)   青润
一定。
技术应用在国内的推广真的有点困难。希望能有机会做下去。
(2004-06-28 08:58:09)   青润
我以前关注过物流,不过,主要还是侧重于电子商务的实现。
(2004-06-28 08:58:54)   逍遥
哦,注重技术实现还是商业模式?
(2004-06-28 09:00:01)   青润
不过,后来我感觉到几点:
一、电子商务仍然是商务。不能因为电子这个概念而费商务,这就是国内电子商务很难做大的一个原因,过于强调概念,而失掉了本质。
二、电子商务必须有配套的高效物流系统才能做大作强。否则,电子商务就失去了商务的本质。
三、中国目前信誉体系的匮乏,是电子商务推行的一个大的绊脚石。
(2004-06-28 09:00:26)   青润
我觉得技术实现现在已经不是大问题了,可能更困难的在于如何商业应用。
(2004-06-28 09:02:14)   逍遥
同意,我就是想把这方面做实,却是能给行业界带来收益,选择物流是因为我们目前有类似的项目。
(2004-06-28 09:04:00)   青润
国内实际上最好的物流体系就是我们的邮政。但是,邮政又因为本身国有特性,使得员工本身的素质不够高,积极性也存在很大的问题。
如果要做好物流,现成的最好方式是改革邮政体系。如果改革不了,物流的投入成本将是非常高的。远远高于电子商务本身的其他成本的总和。
(2004-06-28 09:08:03)   逍遥
我是这么想,因为邮政是垄断的,它改进的意愿就比较小,发改委想拆它,估计暂时还不可能。
(2004-06-28 09:09:31)   青润
不要拆,我一直觉得拆掉,就失去完整性了,物流本身是个非常耗费资源的体系,拆掉,将来如何做,那就是真的很难了。
但是一定要改,不该是不行的。官僚体制和传统的国有概念,以及员工的素质和责任心,都是需要彻底转变的。这些转变了,邮政还是可用的,将是一个非常好的大企业。
(2004-06-28 09:10:03)   逍遥
我想看看中小企业这块怎么样?因为它的技术改进带来的收益会比较明显。
(2004-06-28 09:10:36)   逍遥
对,首先是专营权的问题,估计会先拿掉的。
(2004-06-28 09:13:06)   青润
中小企业这块存在的主要问题是管理问题,和一个企业的长远目标的问题。否则,企业将永远也大不了。
 
先拿掉,唉!这就不是我们能管的事情了吧?如果你哪里能直接给发改委提建议就好了。呵呵,毕竟是国家的财产,损失了,我们心里也不舒服呀。
(2004-06-28 09:15:50)   逍遥
首先把技术逻辑给企业能说清楚,然后领域内的竞争又比较激烈就比较好,现在只是个想法,逐渐落实吧,会多向老兄请教的。发改委肯定想拿掉了,我参加会议时听他们一个处长说的,不过这个权在国务院,邮政的实力也是很强的。
(2004-06-28 09:16:39)   青润
唉!总是一个心疼的事情。希望早点改好就是了。呵呵
(2004-06-28 09:17:45)   逍遥
是啊,有机会再和老兄细聊,最好见面聊,哈哈
(2004-06-28 09:18:01)   青润
那是,我也希望这样。N
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

青润

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值