- 综合排序
- 最热优先
- 最新优先
- 来自专栏晓枫说
晓枫说：你做不好公关，是你不懂公关也可以精准化
很多做公关的，尤其是初创公司的公关人员，常常会遇到无话可说、无传播点可谈的尴尬境地，事实上，这很大程度上源于没有针对所在企业可能辐射的圈层，制定针对性的内容框架和传播策略。 三、合适的时机，做合适的事情 让我们把视线拉回到创业公司这个维度，正如前文所说，很多初创公司公关人员囷于找不到传播点，而无法有效发挥公关的价值。 事实上，现阶段的创业公司，至少面临着三大公关困境，分别是——没有传播点、没有媒体资源、没有钱。 而这对应着三大纲领，即如何寻找传播点，如何找资源以及如何省钱。我想，这也算是公关精准化的另一个视角。 创业公司如何做公关？第一思路依然在于如何确定传播点。不管是创始人还是做公关的或营销的人，我觉得这是一个基础的逻辑。从大环境来看，2018年是IPO大年，大家会比较关注这些企业重大的动态。 因此在明确好企业差异化的传播点之后，在广度和深度上进行权衡，筛选出领域内适宜的媒体平台，既要能分辨传播度高的媒体，也要根据传播情况考虑要不要在广度上做更多覆盖。
50330发布于 2019-04-11 - 来自专栏深度学习|机器学习|歌声合成|语音合成
第9节:BP反向传播网络及其numpy实现
文章目录 BP BP算法步骤 numpy复现 BP 对于输入信号，要先向前传播到隐含层，经过作用函数后，再把隐含神经元的输出信息传播到输出神经元，最后输出结果。 = self.initWeight(self.hidden_n+1,self.output_n) def forwardPropagation(self,X): '''前向传播
85910编辑于 2021-12-29 - 来自专栏TensorFlow从0到N + Rust
TensorFlow从0到1 - 9 “驱魔”之反向传播大法
然而要驱动那一堆首尾相连的神经元，让其“活”起来，还有最后一个步骤，就像圣经中神造人时吹的那口生气，即本篇要说的反向传播大法（Back Propagation）。 ? 反向传播 从二十世纪40、50年代人工神经元被发明，那一堆首尾相接的神经元沉寂了长达三十年的漫漫长夜。直到1986年，心理学家David Rumelhart，在深度学习的守护者Geoffrey E. Hinton等人的协助下发现了“反向传播”终极大法，它们就要“活”起来了。 贴出大法秘诀一饱眼福: ? BP1 ? BP2 ? BP3 ? 而这就是反向传播的核心目的。 至此，6 解锁梯度下降算法中的随机梯度下降算法（Mini-batch SGD）所缺失的梯度值计算终于补上了。 一次完整的参数更新步骤如下： 确定一个小批量样本； 通过网络获得输出并计算损失； 反向传播计算损失的梯度； 利用梯度更新网络中的参数； 就这样循环上述步骤，直至让损失降到最低，我们的网络就训练好了。
95650发布于 2018-04-11 - 来自专栏科技向令说
公关战之下，分裂的今日头条
从上周三开始，今日头条和腾讯的战争进入白热化，一系列的公关战和诉讼，都宣示着移动互联网时代最后一战打响。 1 感谢今日头条，让我看到公关的“超限战”如何进行——假借核心党媒，对竞争对手的游戏业务发起“大字报”一样的攻击，并在拥有数亿用户的产品上进行全量推送。 ? 去年9月，人民网连续三天发表署名“羽生”的评论文章，指出以今日头条的三大问题。在这之后，今日头条的估值下跌了20%。 所以，盛大游戏公关总监赵继文称：“头条赚游戏的钱，又砸游戏的牌子，（对这种操作）整体游戏行业应该都比较反感。” 4月9日，今日头条被暂时下架。 4月10日,国家广电总局责令今日头条永久关停“内涵段子”等低俗视听产品,并要求该公司举一反三,全面清理类似视听节目产品。
55530发布于 2018-08-21 - 来自专栏人称T客
联想“投票门”事件 看危机公关的处理
联想的危机公关可谓一错再错，没有表现出一个国际型大企业的危机处理意识，倒是有可能被写进教材永垂青史，不过有可能是一部反面教材。 一错：一招“急于澄清”变成了“越描越黑”。 在华为这份声明中，有一句话耐人寻味，“绝不敲诈其他任何公司或社会”，不知道华为为何在声明中用这一词语，按理说华为是一家国际化大公司，应对危机公关有自已的一套理论和方法，特别是在公关用语方面。 虽然联想第一时间由公关部发布辟谣声明，但是明显办法不多，联想的公关团队显然高估了自已的危机处理能力，根本就没有意识到事态发展的严重性，认为不停的对媒体进行公关删稿或者雇佣水军影响网友言论导向，没想到“中兴芯片事件 一招“高估了自已”的本想靠公关团队就能灭火的傲慢之举变成了“错估了形势”的引火自焚。下面的联想的回应就很能说明问题。 ? ? 不过通过联想的事件，也给很多企业上了一堂危机公关课。 第一、不要一味的在危机公关中标榜自己的产品和自已的功绩，你是危机公关还是在宣扬自已呢？ 第二、也不要试图瞒天过海，遇到问题就要解决问题，诚实是最好的危机公关。
1.2K50发布于 2018-06-06 - 来自专栏罗超频道
蓝色光标进军大数据，这个世界怎么了？
摘要：蓝色光标走大数据和科技路线的核心在于，它不是一家公关公司，而是一家营销传播公司，营销大于传播。 蓝色光标，中国最大的营销传播公司在上周对外发布了大数据战略，宣称要成为一家“科技公司”。 凭借给联想、百度等互联网（3C）巨头做PR起家，蓝标与中国互联网一起成长，成为中国最大公关公司，并成功登陆创业板上市。在数次并购和多年转型之后，蓝标从公关公司转型为营销传播公司。 但不论是公关还是营销传播公司，均没有像互联网巨头、运营商或者产业企业一样掌握着海量用户进而掌握海量数据，将大数据作为战略，这个世界怎么了？ 据蓝标公司网站上的不完全统计，自2010年上市以来，蓝色光标已经并购及投资了9家公司，蓝标的业务结构也随之发生变化，蓝标首席数字官熊剑在大数据战略发布现场透露了这样的一组数字： 2011年集团的公关和广告业务收入比例差不多是 去年，广告的收入已经超过了公关收入，成为目前蓝标收入最重要的来源之一。 正是在公关业务占比不断缩小的背景之下，蓝标的营销属性愈发强烈。官方介绍为“营销传播公司”，实际是“营销公司”+“公关公司”。
1.8K150发布于 2018-04-28 - 来自专栏xiaosen
反向传播算法
反向传播算法的过程如下： 1.前向传播 输入数据通过网络的每一层前向传播，直到最后一层产生输出。 3.反向传播 通过链式法则从输出层反向逐层计算损失函数对每个参数（权重和偏置）的梯度。这涉及到对损失函数关于网络输出的导数，以及网络输出关于网络参数的导数的计算。 在深入探讨神经网络反向传播算法之后，我们可以清晰地认识到这一机制在现代深度学习领域中的核心地位。反向传播不仅为神经网络提供了自我学习和优化的能力，更是推动了人工智能技术的飞速发展。 通过不断地迭代和调整网络参数，反向传播使得神经网络能够逐渐逼近复杂的非线性函数，从而在各种应用场景中展现出强大的性能。 未来，随着计算能力的提升和算法的不断改进，反向传播算法将继续引领神经网络的发展，为人工智能的普及和应用奠定坚实基础。
47510编辑于 2024-06-13 - 来自专栏机器学习算法与Python学习
反向传播算法
反向传播算法 目录 关键词 损失函数 反向传播算法 BP算法伪代码 上一篇----》神经网络 》点击查看 1 关键词 反向传播算法 Backpropagation Algorithm 批量梯度下降法 batch 我们现在来讲一下反向传播算法，它是计算偏导数的一种有效方法 3 反向传播算法 首先来讲一下如何使用反向传播算法来计算下式： ? 反向传播算法的思路如下：给定一个样例 (x, y)，我们首先进行“前向传导”运算，计算出网络中所有的激活值，包括h[W,b](x)的输出值。 以上的逐步反向递推求导的过程就是“反向传播”算法的本意所在。 4 计算我们需要的偏导数，计算方法如下： ? 最后，我们用矩阵-向量表示法重写以上算法。 4 BP算法伪代码 反向传播算法可表示为以下几个步骤。 1 进行前馈传导计算，利用前向传导公式，得到L2, L3, ... 直到输出层Lnl 的激活值。
1.6K50发布于 2018-04-08 - 来自专栏图像处理与模式识别研究所
前反向传播
#32*2的矩阵 Y=[[int(x0+x1<1)] for (x0,x1) in X] print("X:\n",X) print("Y:\n",Y) #步骤2：定义神经网络的输入，参数和输出，定义前向传播过程 tf.Variable(tf.random_normal([3,1],stddev=1,seed=1)) a=tf.matmul(x,w1) y=tf.matmul(a,w2) #步骤3：定义损失函数和反向传播方法 ] [-2.3402493 -0.14641273 0.58823055]] w2: [[-0.06024271] [ 0.9195618 ] [-0.06820712]] 算法：前反向传播是准备数据集 ，前向传播，反向传播，生成会话的过程。
78930编辑于 2022-05-29 - 来自专栏涓流
spring事务传播
Spring 事务的传播级别 Spring 事务传播级别与数据库事务隔离级别不同，传播分为 7 种级别: PROPAGATION_REQUIRED：Spring的默认传播级别，如果上下文中存在事务则加入当前事务 PROPAGATION_MANDATORY：该传播级别要求上下文中必须存在事务，否则抛出异常 PROPAGATION_REQUIRES_NEW：该传播级别每次执行都会创建新事务，并同时将上下文中的事务挂起 PROPAGATION_NEVER：该传播级别要求上下文中不能存在事务，否则抛出异常。 PROPAGATION_REQUIRED 在UserService中申明事务的传播级别为PROPAGATION.REQUIRED: @Service public class UserServiceImpl Propagation.REQUIRES_NEW传播级别下会开启自己的事务，独立运行 外围开启事务 方法一: @Transactional(propagation = Propagation.REQUIRED
93920编辑于 2022-06-28 - 来自专栏文武兼修ing——机器学习与IC设计
CNN的反向传播DNN中的反向传播卷积神经网络中的反向传播
池化层的梯度 池化层用于削减数据量，在这一层上前向传播的数据会有损失，则在反向传播时，传播来的梯度也会有所损失。一般来说，池化层没有参数，于是仅需要计算梯度反向传播的结果。 result.data) print(test.grad) Variable containing: (0 ,0 ,.,.) = 0 1 2 3 4 5 6 7 8 9 {31}&\nabla a_{32}&\nabla a_{33} \end{array} \right)$ 代码验证 data = pt.autograd.Variable(pt.arange(0, 9) 21}\ \nabla w_{12}&\nabla w_{11} \end{array} \right)$ 代码验证 data = pt.autograd.Variable(pt.arange(0, 9) cdot \cfrac{dz{l}}{dbl}= \sum\limits_{u,v}(\delta^l)_{u,v}$$ data = pt.autograd.Variable(pt.arange(0, 9)
1.6K90发布于 2018-04-27 - 来自专栏blog-技术博客
反向传播详解
反向传播 下降的幅度与斜率大小成正比,越到最小点时,每步应越来越小,防止调过头 某一点导数大小即可表现为 w的变化幅度 w - k * ▽J(w) ▽J(w)为正表示向左走 w变小 ,为负表示向右走
82630发布于 2020-05-11 - 来自专栏技术随笔
深度学习 — 反向传播(BP)理论推导BP Math Principle前向传播反向传播应用实例Reference
前向传播 首先分析神经元h1： ![][01] [01]:http://latex.codecogs.com/png.latex? J_{o2}%20=%20\frac{1}{2}(output(o2)-y2)^2 反向传播 【输出层】 对于w5，想知道其改变对总误差有多少影响，于是求Jtotal对w5的偏导数，如下： ! 在有新权重导入隐藏层神经元（即，当继续下面的反向传播算法时，使用原始权重，而不是更新的权重）之后，执行神经网络中的实际更新。 Jo2 = 1/2 * (0.772928465 - 0.99)^2 = 0.023560026 综合所述，可以得到总误差为：Jtotal = Jo1 + Jo2 = 0.321931135 然后反向传播 当最初前馈传播时输入为0.05和0.1，网络上的误差是0.298371109。 在第一轮反向传播之后，总误差现在下降到0.291027924。 它可能看起来不太多，但是在重复此过程10,000次之后。
1.3K60发布于 2018-05-16 - 来自专栏诡途的python路
BP反向传播
targets_train, features_test, targets_test # *************************************** """ GRE带隐藏层反向传播案例 ) def gre_bp_answer(features_train, targets_train, features_test, targets_test): """ gre反向传播函数 # 构建遍历数据集的循环 for x, y in zip(features_train.values, targets_train): # 5、正向传播 hidden_input) output = sigmoid(np.matmul(hidden_output, weights_hidden_output)) # 6、反向传播 print('Epoch:{} — Train Loss:{}'.format(e, loss)) last_loss = loss # 9、
68210编辑于 2021-12-30 2025年TOP10舆情系统，TOP10实战工具，2025主流舆情系统TOP榜单解析
公关团队最需要的是在负面信息形成**“病毒式传播”之前，获得“黄金6小时”**的干预窗口。行业的头部玩家，正通过AI技术的深度融合，解决这些积弊。 优秀的系统在识别风险后，能够即时利用知识图谱和传播动力学算法，描绘出事件可能的扩散路径、影响的关键KOL和潜在的爆发平台。这种**“预知未来”的能力，正是为企业决策层争夺“黄金行动时间”**的关键。 以毫秒级抓取、高精度AI情感识别和知识图谱驱动的传播预测模型，重新定义了“危机前置”管理。2.人民在线9.5分★★★★☆权威数据与政府服务。 8.上海9c舆情8.3分★★★灵活的定制化报告。服务响应速度快，能够根据客户需求提供高度个性化的监测方案与分析报告。9.鸿宝舆情8.1分★★★垂直行业深耕。 选型逻辑：匹配你的“公关战术”企业在选择舆情系统时，必须跳出“功能罗列”的误区，转而思考其是否能匹配自身的公关战略与风险结构。
68010编辑于 2025-10-10- 来自专栏科技向令说
响铃：从苗寨失火事件看公关借势的正确姿势
面对灾难等敏感性话题，企业或组织行动之前就得首先确定这事能不能去掺和，比如有明显政治元素在内的人祸就最好不要碰，只有符合品牌调性又较为安全的传播话题才是我们借势公关的基点。 而且它的传播原则首先是真实可信，绝不能有任何虚假。当然，公共关系信息传播也要讲究引人注目，但“引人注目”是从属于真实性，是为真实性服务的。 最后，还得建立开放“参与感”式的主动传播机制。原来社会性公关的信息传播路径主要是新闻传播的手段，如新闻稿、新闻发布会、报纸、杂志等。 陷阱一、公关传播没有一劳永逸 公共借势是一项长期的工作，需要贯穿在经营管理的全过程中且处于全局性的地位，急功近利的方式是很难奏效的。而且这种传播形式的整体效益是难于通过利润的尺度来直接衡量的。 总之，当传统PR依赖的传统传播方式正在死亡，新媒体营销模式正在前行，对于公关借势，我们还有更多的事情要做。
37930发布于 2018-08-20 - 来自专栏Alter聊科技
“拿钱消灾”到“自产自销”，起底删帖产业链演变史
依托网络媒体及社交平台作为载体的网络黑公关攻击，以其较大的信息容量、快速的传播速度、广泛的辐射范围及较低的成本等特点，深受部分幕后操盘手欢迎。 明晃晃地利用网络信息传播漏洞。 2020年9月，艺人张馨予发微博称某营销号先是刊发了关于她的恶意内容，再发私信至其工作室，索要删帖费用300元。张馨予工作室在向对方提出删除相关恶意内容不果后，决定提告。 除了利用网络信息传播漏洞变相实施敲诈的“有偿删帖”黑产业链应该尽快被叫停，与之相辅相成的“黑公关”产业链也急需加强管控。 只有从源头上解决“黑公关”恶意造谣，才能真正更好地保障网络空间上消息的准确性。 也只有这样，一些有价值的、值得大众关注的报道，才能更好地被呈现到大众眼前，真正发挥监督及传播的用途。
42320编辑于 2023-01-12 - 来自专栏大数据文摘
快讯 | 纽约时报爆料：FB雇人写公关稿黑谷歌苹果
但是，小扎一直想消除这些负面影响，除了做出了一些技术改变之外，他还一直非常注重公关层面的努力。 即，找公关公司写苹果，谷歌等竞争对手的黑稿。 据纽约时报的报道，Facebook在去年就与一家总部位于华盛顿的公关公司走的非常近。 于是在2017年10月加强了与这家公关公司的关系。 该公关公司撰写的文章抨击谷歌和苹果的同时，也在一定程度上淡化了俄罗斯干预对Facebook的影响。 另外，这些文章是在NTK Network上发表的，NTK Network是该公关公司旗下媒体，其内容往往迎合政治保守派主张。 Facebook与这家公关公司之间的关系，是纽约时报揭露Facebook近几年一系列丑闻报道之一。
64220发布于 2018-12-13 - 来自专栏wOw的Android小站
反向传播Back Propagation
反向传播的理解 知乎看到一个例子,的确有助于理解,摘抄整理下来. 如何直观地解释 back propagation 算法？ - 胡逸夫的回答 - 知乎 ? 隐藏层的信号传播,Wmn是第m到第n个神经元的权重 ? ? 输出层的计算 ? 到这里就是前向传播. 这时就要提到反向传播了,想法是,将错误信号d返回给所有神经元,输出信号是被讨论神经元的输入信号. ? ? 用于传播错误的权重系数$W_{mn}$等于在计算输出值期间使用的系数（就是反向计算的时候使用和之前一样的权重）。只是计算方向变了。对所有的网络层都按这个方式进行。 ? ? ? 详细介绍参见[MachineLearning] 超参数之LearningRate 有一篇通过代码介绍BP的文章也很推荐： 一文弄懂神经网络中的反向传播法——BackPropagation
1.1K10发布于 2018-09-18 - 来自专栏全栈数据化营销
营销传播案例：肯德基早餐现熬好粥传播方案
这个案例在渠道和渠道内容上可以借鉴的地方很多，特别是如何在线下做大规模的全方面推广的方式，以及在做渠道时候如何通过内容来传递洞察的方式是很值得称道的。
1.1K10发布于 2018-08-03
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号