人工智能营销的机器学习算法谱系及实践域

近年来,人工智能营销算法的发展与应用取得长足进步,得到市场与学界的广泛关注,成为营销领域的研究热点,相关研究日益丰富。本研究针对人工智能营销的机器学习相关文献展开系统分析,全面梳理主流的算法谱系,分析不同算法与营销应用间的技术匹配与实践案例,明晰算法在人工智能营销中的实践域,进而提出推动人工智能营销实践的启示及未来研究指向。研究发现,监督学习、非监督学习、强化学习中的诸类算法,对特定营销活动与目标有着鲜明的技术匹配性,较好地实现了“算法—营销”匹配。算法在营销中的实践主要体现于人机互动、认知&识别、分析&挖掘、监测评价、辅助决策5个方面,并渗透于不同的行业领域。不同行业情境下,机器学习算法的多样性,顺应于特定行业领域的营销活动需要。

人工神经网络图像匹配技术

论述了人工神经图象匹配技术的基本原理，讨论了人工神经网络图象匹配技术的相关技术、方法，存在问题及研究方向。

采用能源区块链技术的综合能源服务技术研究

为了提高综合能源服务模式的服务效率及能源利用率,该研究通过设计分布式测控系统,建立起最佳的评价体系。通过设计主-从区块链结构模型,能够根据用户需求进行能源服务的匹配,提高服务效率,使用户得到最佳能源使用过程。利用标签推荐(FolkRank)匹配算法分别对能源和用户设定标签,利用算法编程完成匹配推荐过程。结果是提高通过IES VE软件模拟能源服务的过程,实验表明,该研究区块链综合能源服务模式能源消耗量为3845.2KWh,服务效率为56人/h,满意度平均为98.6%,提高了综合能源服务评估能力。