初涉交互设计一

    最近突然开窍了,想学习一些用户交互设计方面的东西。最近在新浪看到一个大神A的博客,对于他博客中的一些观点,也在此提出自己的一些意见。

支付宝支付流程:

1、 用户账户有余额但不足的情况:博主A的观点如下

但是就我个人的使用习惯来看,淘宝的勾选余额其实正是满足人们的心理需求。现实生活中,我们在现金不足的情况下会选择银行卡等方式全款支付,而不使用现金加银行卡的方式。

原因应该有如下:

①、太麻烦,需要二次计算自己银行卡刷卡的金额。

②、有人真的会把自己身上的现金花的精光么?

③、支付方式的多样化,因为生活中还有很多需要现金支付的地方。刷卡可以避免我们去取现的麻烦,全额刷卡就省去了一个步骤(取现),大家肯定都希望省事。

为什么人们希望先消费余额?

①、支付宝作为第三方支付平台,和银行系统在人们心目中的地位是有差别的(包括安全问题,心理关系,虽然银行也不是很安全,但是他给人的安全感是大于支付宝的)。

②、支付范围关系,现金支付>刷卡支付>支付宝付款。支付宝的余额用处也就在支付宝结算和提现的时候能使用,此时不用难道待其发芽?

③、心理原因。大部分的人会觉得支付宝的余额是不属于自己的,属于自己的只是个数字,只有当它去支付或者提到银行卡的时候,才能体现其价值和归属感。

(这里顺便提一下余额宝,每天都要去看一下,但是看的真的是每天的结算利息吗?其实人们首要关心的还是余额宝的钱在吗?然后才是每天涨的利息,一点小利息不会让我们欣喜若狂,但是money的消失却是会让人恼怒抓狂。)

2、 红包支付:博主A认为:

     这三种支付方式是有类别区分的,红包和余额的关系太过于密切,是我所不能认同的。相反我认为在支付的时候,红包、余额、网银是属于一个层级的关系,他们是并列的。不过他们之间确实存在优先级的,红包>余额>网银。博主A喜欢用现实生活中的一些例子来说明问题也是有欠妥当的,因为互联网支付是旨在改变人类的生活方式,它给人带来的心理感受是有区别的。


     但是如图的这个设计确实是有缺陷的。这样的交互让用户很困惑,不清楚自己在选择网银支付时是否可以使用红包。

     我个人认为的交互应该是这样的,红包作为一个独立的部分存在。

①支付宝余额足够支付剩余部分时,不需要给用户提供其他支付方式。支付宝提供的是快捷的支付方式,而不是多样化的选择。(这里不提供的原因在于,方便快捷。)

②余额不足以支付的时候,默认勾选使用余额(这个部分的展示就需要弱化掉),给用户展示网银支付的选择。

 

以上仅是个人在初次接触交互的一些心得体会,如果有不同的意见可以留言给我。希望能在交互的路上越走越远。

 

【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
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。
1、资源项目源码均已通过严格测试验证,保证能够正常运行;、 2项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
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