用手机预先点菜

餐馆预订平台OrderAhead:用手机预先点菜

http://www.sina.com.cn  2012年08月15日 14:46  新浪科技 微博
OrderAhead让用户能够用手机从附近的餐馆中快速订餐 OrderAhead让用户能够用手机从附近的餐馆中快速订餐
它的功能非常简单,却很好地解决了订餐麻烦、长时间坐等的难题 它的功能非常简单,却很好地解决了订餐麻烦、长时间坐等的难题

  订餐并不是一件令人愉快的事情。你需要打电话给饭店预订,而预订时间通常必须提前。当你前往饭店取外卖时,常常会像傻瓜一样排队很长时间。因此,许多人都希望有一种服务能解决这样的痛苦。在这种情况下,一家名为OrderAhead的公司应运而生。

  OrderAhead来自创业孵化器Y Combinator。该公司提供一款免费的iPhone应用,帮助用户向本地饭店快速点餐。用户只要关联信用卡,在应用中点餐,随后就可凭姓名和电话号码取餐。而整个服务都是免费的。

  需要注意的是,OrderAhead面向美国市场,因此它的订餐模式很不适合中国。美国人有时会打电话给餐馆,让他们准备几道好菜,然后开车去取。而对于大多数中国人而言,“订餐”的含义是打个电话,让饭馆送餐上门,绝不会自己跑过去取餐。

  但OrderAhead的意义在于,它能够让你不必长时间坐等。如果一个饭馆很火,现场等座、点菜需要花费很长时间,那么就可以通过OrderAhead预先点菜,缩短在餐馆等待的时间。

  目前,OrderAhead主要关注饭店,尤其是提供外卖的饭店。该公司有着更远大的目标:帮助用户通过手机向本地商户预订各种各样的商品。

  除了为消费者提供增值服务以外,OrderAhead也努力为商户创造价值。该公司希望成为面向实体店铺的亚马逊(微博),把实体店铺的菜单和商品库存情况都发布到网上。

  OrderAhead从加州Palo Alto起家,目前已将业务拓展至旧金山,其网络中已有200家商户。其中,过去4周仅旧金山就有约100家商户与OrderAhead签约。该公司周二宣布,今年早些时候完成了230万美元的种子融资,投资方包括Facebook联合创始人Adam D’Angelo、谷歌(微博)董事长Eric Schmidt等。

  OrderAhead创始人Jeff Byun表示,在科技行业的创业企业中,混合式B2B2C服务已成为一个大的趋势,而类似Zillow和Groupon的模式并不是非常受欢迎。对于OrderAhead的差异点,Byun认为主要是突出移动服务和设计,而成功的关键因素在于提供清爽、对用户友好的界面,并解决搜索、商品发现、下订单和支付过程中的麻烦之处。

  尽管大部分饭店已有自己的网站,但这类网站大多没有针对移动设备优化,饭店也没有在网站上提供完整的菜单。Foursquare已大举进军这一业务,但OrderAhead有些不同,例如允许饭店自己修改菜单,并提供更方便的支付服务等。

  此外,许多商户不希望自己的商品被淹没在大量的商品信息中,OrderAhead也有应对措施,例如提供了更好的搜索和商品发现机制。该服务目前需要做的是平衡消费者和商户的需求。

  OrderAhead目前仅提供iPhone应用和网页版服务,不过Android应用也将在未来几个月中推出。

  OrderAhead网址:OrderAhead

  iOS版OrderAhead下载地址:OrderAhead

  (李玮)

转载自:http://tech.sina.com.cn/i/csj/2012-08-15/14467508000.shtml

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
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
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