月份: 2021 年 1 月

  • 用隊列實現棧,用棧實現隊列,聽起來有點繞,都搞懂了就掌握了精髓!

    用隊列實現棧,用棧實現隊列,聽起來有點繞,都搞懂了就掌握了精髓!

    目錄

    • 一、背景
    • 二、概念
      • 2.1 棧
      • 2.2 隊列
    • 三、棧和隊列的相互實現
      • 3.1 用隊列實現棧
      • 3.2 用棧實現隊列
    • 四、總結

    一、背景

    棧和隊列是數據結構中最常用到的兩種結構,有非常廣泛的運用,該篇文章將通過動畫的手段,展示棧和隊列相互實現的底層原理,讓我們真正搞懂棧和隊列的特性。

    二、概念

    2.1 棧

    棧[Stack]:是一種限定僅在表尾進行插入和刪除操作的線性表;即後進先出(LIFO-last in first out),最後插入的元素最先出來

    • 入棧(push)
    • 出棧 (pop)
    2.2 隊列

     隊列[Queue]:是一種限定僅在表頭進行刪除操作,僅在表尾進行插入操作的線性表;即先進先出(FIFO-first in first out):最先插入的元素最先出來。

    • 入隊(enqueue)
    • 出隊(dequeue)

    三、棧和隊列的相互實現

    3.1 用隊列實現棧
    • 模擬入棧的實現原理
      — 棧的特性是新加入的元素出現在棧頂,保證後進先出。
      — 隊列的特性為新加入的元素出現在隊尾,隊列的隊尾元素最後出隊。
      按以上兩個前提,我們可以讓隊頭至隊尾前的其它所有元素依次出隊再入隊,直至在隊尾新加入的元素被移到隊頭,也即實現了讓新壓入的元素保留在棧頂

    • 模擬出棧的實現原理
      — 由於在入棧時保證隊列中新加入隊尾的元素被移到了隊頭,出棧只需彈出隊頭元素即可。

    • 完整代碼實現

    /**
     * 用隊列模擬實現棧
     *
     * @author zhuhuix
     * @date 2020-06-09
     */
    public class QueueImplStack {
    
        // 定義隊列
        private Queue<Integer> queue;
    
        public QueueImplStack() {
            queue = new LinkedList();
        }
    
        // 入棧--在隊尾加入元素后,讓其他元素按順序出隊再入隊,保持新加入的元素永遠在隊頭
        public void push(Integer e) {
            queue.offer(e);
            int size = queue.size();
            int i = 0;
            while (i < size - 1) {
                queue.offer(queue.poll());
                i++;
            }
        }
    
        // 出棧--將隊尾前的其它所有元素出隊再入隊,直至隊尾元素移到隊頭
        public Integer pop() {
            return queue.poll();
        }
    
        // 查看棧頂元素--即隊頭元素
        public Integer peek() {
            return queue.peek();
        }
    
        // 是否為空
        public boolean isEmpty() {
            return queue.isEmpty();
        }
    
        public static void main(String[] args) {
            QueueImplStack stack = new QueueImplStack();
            stack.push(1);
            System.out.println(stack.peek());
            stack.push(2);
            System.out.println(stack.peek());
            stack.push(3);
            System.out.println(stack.peek());
            System.out.println("=============");
            System.out.println(stack.pop());
            System.out.println(stack.pop());
            System.out.println(stack.pop());
            System.out.println(stack.isEmpty());
    
        }
    }
    
    
    3.2 用棧實現隊列
    • 模擬入隊的實現原理
      — 隊列的特性最新入隊的元素需排在隊尾,最先入隊的元素排在隊頭,按隊頭到隊尾的順序依次出隊。
      — 對應到棧的數據結構上,也即需將新加入的元素保留在棧頂,保證先進先出。
      按以上兩個前提,需在存放數據的棧的基礎上再增加一個輔助棧,在每次入隊時,先將存放數據的棧彈入輔助棧,再把需加入的新元素壓入數據棧底,最後把輔助棧中的元素彈出依次壓入數據棧,這樣保證了新加入的元素,沉在棧底。

      模擬出隊的實現原理
      — 由於在入隊時,通過數據棧與輔助棧的交換,實現了后加入的元素沉在棧底,先進入的元素保留在棧頂,直接通過出棧彈出即可。

      • 完整代碼實現
    /**
     * 用棧模擬實現隊列
     *
     * @author zhuhuix
     * @date 2020-06-09
     */
    public class StackImplQueue {
        // 數據棧
        private Stack<Integer> stack;
        // 輔助棧
        private Stack<Integer> aux;
    
        StackImplQueue() {
            stack = new Stack<>();
            aux = new Stack<>();
        }
    
        // 入隊--通過數據棧與輔助棧相互交換,保證新加入的元素沉在數據棧底
        public void enqueue(Integer e) {
            while (!stack.isEmpty()) {
                aux.push(stack.pop());
            }
            stack.push(e);
            while(!aux.isEmpty()){
                stack.push(aux.pop());
            }
    
        }
    
        // 出隊--彈出數據棧元素
        public Integer dequeue(){
            return stack.pop();
        }
    
        // 查看隊頭元素
        public Integer peek(){
            return stack.peek();
        }
    
        // 是否為空
        public boolean isEmpty(){
            return stack.isEmpty();
        }
    
        public static void main(String[] args) {
            StackImplQueue queue = new StackImplQueue();
            queue.enqueue(1);
            System.out.println(queue.peek());
            queue.enqueue(2);
            System.out.println(queue.peek());
            queue.enqueue(3);
            System.out.println(queue.peek());
            System.out.println("=============");
            System.out.println(queue.dequeue());
            System.out.println(queue.dequeue());
            System.out.println(queue.dequeue());
    
        }
    }
    
    

    四、總結

    通過以上棧和隊列相互交叉的實踐,我們對棧和隊列的重大特性有了深入了解:

    • 棧和隊列都是線性連續結構,增加和刪除元素不會影響破此連續性
    • 棧通過棧頂的操作實現元素的增加與刪除,也即只能在一端進行操作
    • 隊列通過隊尾增加元素,隊頭刪除元素,也即可以在兩端操作

    本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理

    【其他文章推薦】

    ※為什麼 USB CONNECTOR 是電子產業重要的元件?

    網頁設計一頭霧水該從何著手呢? 台北網頁設計公司幫您輕鬆架站!

    ※台北網頁設計公司全省服務真心推薦

    ※想知道最厲害的網頁設計公司"嚨底家"!

    ※推薦評價好的iphone維修中心

    網頁設計最專業,超強功能平台可客製化

    ※別再煩惱如何寫文案,掌握八大原則!

  • 10_隱馬爾可夫模型

    10_隱馬爾可夫模型

      今天是2020年3月13日星期五。不知不覺已經在家待了這麼多天了,從上一節EM算法開始,數學推導越來越多,用mathtype碼公式真的是太漫長了。本來該筆記是打算把《統計學習方法》這本書做詳細的解讀,起初面對書里大量的數學推導,感到非常恐懼。假期“空窗”時間不少,才有了細嚼慢咽學習的機會。其實很大的原因是自己掌握的東西太少,知道的算法太少,所以才對這本書恐懼。買了一直放着不願意學。現在到隱馬爾可夫模型,再有一章條件隨機場,監督學習部分就結束了。這一個月來,最大的收穫是知道了“怎麼學”。

      新的章節拋出一個新的算法模型,往往丈二和尚摸不着頭腦,什麼都是新的。越是拖延進度越慢,更不能一口吃個胖子指望看一遍就能懂。書讀百遍,其意自見,一遍不懂就再看一遍,一遍有一遍的收穫。但這個過程千萬不要盯着一本書看,一定要多找博客,多看知乎、CSDN,保持審視的態度,保留自己的見解。另外,我是喜歡直接看文字,實在不懂了才去翻視頻看,覺得這種模式挺適合我。

      學到第十章,發現書中的很多東西,沒必要面面俱到,要適當的取捨和放過。因為畢竟這本書不是一次性消耗品,是值得深究和研習的。第一次不懂的東西,完全可以學習完所有章節,建立大的思維格局后,再重新考慮小細節。

      接下來的所有章節,從例子出發,引入各個概念;手寫推導過程;圖解算法流程;最後實現代碼。掰扯開來,其實也就是三個問題:該模型是什麼樣子的(考慮如何引入);該模型為什麼可以這樣做(考慮如何理解推導過程);該模型怎麼應用(考慮代碼實現和應用場景)。

     GitHub:https://github.com/wangzycloud/statistical-learning-method

     隱馬爾科夫模型

    引入

      隱馬爾科夫模型描述由隱藏的馬爾可夫鏈隨機生成觀測序列的過程,屬於生成模型。把這句話倒着思考一下:(1)該模型屬於生成模型,會不會類似EM算法中考慮的,一個觀測數據y的生成,中間需要經過一個隱藏狀態z。(2)很明顯這裏生成的不是單個數據,而是單個數據構成的一個序列,並存在時序關係。(3)馬爾可夫鏈是什麼?在生成數據序列的過程中扮演什麼角色?

      先區分兩個概念,“狀態and觀測”。在我的理解里,“狀態”也好,“觀測”也罷,不過是表達隨機變量的一個說法。狀態會有多個狀態,觀測會有多個觀測,但同時只允許一個狀態或者一個觀測出現。例如,現在有四個盒子(灰、黃、綠、藍),李華在五天內選盒子取球,規定每天只能取一個盒子(每個盒子被選的概率一樣大)。問,李華這五天可能會有多少種取盒子的序列,並問取到某種序列的概率是多少?如下:

      你知道的,這個組合數不小。因為每個盒子被選到的概率一樣大,所以每個序列出現的概率相同。李華每天在盒子里取球(紅、白),現在限制每個盒子紅球、白球數目相同(紅、白球各有五個)。問,李華五天內取到球的顏色的序列有多少種,並問取到某種序列的概率是多少?

       顯然,這個組合數要小一些。因為每個盒子中紅白球數目相同,且此時盒子的選擇(狀態)對球的選取無影響,所以每個序列出現的概率相同。可是如果每個盒子中,紅白球的數量不是五五開,各不相同呢?李華五天內取球的某個序列的概率,就不再相同了。另外,除了受到盒子內紅白球的概率分佈影響,還要受到某天會抽到哪個盒子的概率分佈影響。

      在上述例子中,把可能取到的盒子情況,稱作“狀態”;把可能會取到的球的情況,稱作“觀測”。在隱馬爾科夫模型中,盒子會取到的各種狀態,我們是觀測不到的。而球的各種情況我們是知道的,可以被觀測到。

      取球要受到盒子所在狀態的影響,示意圖如下:

      此時,還不能叫做隱馬爾可夫模型的示例。需要繼續給“取盒子->取球->得到觀測序列”的過程施加限制條件。比如說,t時刻取到某個盒子,要受到t-1時刻盒子的狀態影響。一個簡單的例子,t-1時刻盒子是綠盒子,t時刻一定取灰色盒子,且t-1時刻取到綠盒子不對t+1、t+2、…、T時刻產生影響。具體一點,就是讓“當前時刻隱藏狀態”只受上一時刻“隱藏狀態”影響,且與所處的時刻t無關

      通過一步步施加的各個條件,此時可以稱作隱馬爾可夫模型的示例了。

    隱馬爾科夫模型的基本概念

      先上例子,盒子和球模型。

      在這個例子中有兩個隨機序列,一個是盒子的序列(狀態序列),也就是每次選取到的盒子序列,這個過程是隱藏的,觀測不到從哪個盒子取球;一個是球的顏色序列(觀測序列),我們只能知道取出來的各個球的顏色。

      先分析一下取盒子環節,這是一個環環相扣的過程。從當前t-1時刻的盒子出發,考慮t時刻會取到哪個盒子,要符合規則。如當前盒子是1,根據上述規則,下一個盒子一定是盒子2。考慮t+2時刻會取到哪個盒子,要站在t+1時刻的盒子狀態上,決定取哪一個盒子。所謂的馬爾可夫性,很重要的一點,就是t-1時刻的狀態只決定t時刻的狀態(盒子1之後一定會取到盒子2),並不能決定t+1時刻狀態的取值(盒子1之後,決定不了盒子2之後會取哪個盒子)。

      再看一下取球環節,對應着描述中的從盒子中隨機取球的過程。每個盒子裡邊紅、白球的數目不同,不同的盒子取到紅色球的概率不同。當前盒子有屬於自己的概率分佈,取球的概率不盡相同。

      用數學語言完善完善以下過程:盒子可以構成一個集合;當前時刻的盒子如何確定下一個盒子,需要有狀態轉移概率;球可以夠成一個集合;從不同盒子裡邊取球,需要知道每個盒子的概率分佈;取了多少個球,需要有序列長度;最開始怎麼選第一個盒子。

      根據所給的條件,有以下:

      重點看一下狀態轉移矩陣。

      熟悉了這個例子,再來理解數學上的各個概念。

      這裏的狀態隨機序列就是每次取到盒子組成的序列,觀測序列就是球顏色的序列。隱馬爾科夫模型由狀態的初始概率分佈、狀態中間的轉移概率分佈以及觀測概率分佈組成。

      對應着看,Q就是例子中盒子的集合,V就是球顏色的集合,I是盒子序列,O是顏色序列。

      令A為狀態轉移矩陣:

      這裏的變量i有點混亂,注意區分。公式10.2中,(1)aij中的i是狀態轉移矩陣A中的第i行的意思,aij也就是矩陣A中的第i行第j個元素,該值表示從第i個元素轉移到第j個元素的概率;(2)it+1it中的i是指該狀態序列中的第t+1、第t個狀態,這裏i是序列的意思;(3)qi中的i是在狀態集合中取到哪個狀態的意思。

      t+1時刻能夠取到哪個狀態,要受到t時刻狀態的影響。也就是在t時刻狀態取某個值的條件下,t+1時刻才會有什麼樣的取值。矩陣A維度為N*N,也就是要知道該時刻每個狀態對下一時刻每個狀態的影響。

      觀測有M種,vk可以理解為觀測集合V中的第k個觀測。在盒子和球的例子中,可以看到每個觀測的取值,是由隱變量的狀態->哪個盒子決定的,並且只與當前的盒子有關係,每個盒子有各自取球的概率分佈。用概率符號表示就是公式10.4,表示在狀態為第j個盒子的情況下,觀測到vk的概率。

      用π來表示初始概率向量,也就是t=1序列起始時,根據一定的概率分佈選擇第一個盒子。

      在這裏,狀態轉移概率矩陣A與初始狀態概率向量π確定了隱藏的馬爾可夫鏈,可生成不可觀測的狀態序列。觀測概率矩陣B確定了如何從狀態生成觀測,與狀態序列綜合確定了如何產生觀測序列。

      從上述描述及定義10.1可以看到,隱馬爾科夫模型做了兩個基本假設:

      (1)再次回顧盒子和球模型,盒子的選擇是不是只規定了時序上前後相鄰的盒子該怎麼選;而沒有第一次選盒子1,第三次一定會選到盒子3這樣的規定。也就是在任意時刻t的狀態只依賴於其前一時刻t-1的狀態,這就是馬爾科夫鏈“齊次”的重要性質。

      (2)觀測獨立性假設是指我們觀測到的每一次現象(紅球、白球),只與該球所在盒子的概率分佈有關,與其它盒子的概率分佈沒有一點關係!與其它時刻的觀測沒有一點關係!

      觀測序列的生成過程可以由算法10.1描述。

       HMM和CRF,與之前學習的各個模型,差別是比較大的,學習思路是要換一換。理解了隱馬爾科夫模型的基本概念,下一步就是要考慮該模型可以做什麼?怎麼做?這裏我接觸的不多,只能順着書本的思路,學習隱馬爾可夫模型的三個基本問題。

      1)概率計算問題。很自然的,考慮一下某個觀測序列O出現的概率P(O|λ)

      2)學習問題。已知觀測序列,用極大似然估計的方法估計模型參數λ=(A,B,π)

      3)預測問題,也稱解碼問題。知道模型參數,給定觀測序列,求最有可能的對應的狀態序列。

    概率計算算法

    1)直接計算

      已知模型參數λ=(A,B,π)和觀測序列O=(o1,o2,…,oT),計算觀測序列O出現的概率P(O|λ)。很容易想到,可以按照概率公式直接進行計算。把得到觀測數據的過程,想象成兩個階段:選取狀態和生成觀測。第一步得到狀態序列,第二步得到觀測序列,可以應用乘法原理。不同的觀測序列可以得到不同的觀測序列,可以應用加法原理。類似於全概率公式,通過列舉所有可能的狀態序列I,求各個狀態序列I上生成觀測O的概率(也就是I,O的聯合概率),然後對所有可能的狀態序列求和,得到P(O|λ)

      容易理解,公式(10.10)為全部狀態序列中某個狀態序列I的概率計算公式;公式(10.11)為在該狀態序列I條件下,觀測序列為O時的條件概率計算方法;公式(10.12)為聯合概率公式;公式(10.13)對所有可能的狀態I求和,也就是求O的邊緣概率(考慮在I出現的所有情況條件下,O出現的概率)。簡單分析下,若狀態數目為N,一共有T個狀態序列,所以狀態序列的可能性為NT。每一種狀態序列都要相應乘T個觀測概率,所以最後的時間複雜度為O(TNT)。用這種方法計算觀測序列O出現的概率,是非常低效的。接下來介紹高效的計算方式,前向-後向算法。

    2)前向算法

      先來看一個新概念“前向概率”:

      放在示意圖上如藍色虛線框α3(i)=P(o1,o2,o3,it=qi|λ),可以從聯合概率的角度理解。具體為 αt=3(灰色盒子)=P(o1=紅球,o2=白球,o3=紅球,it=3=灰色盒子|λ)

      在前向概率的基礎上,定義前向算法為:

      步驟(1),計算初值。注意這裏α1(i)應用向量來表示,在t=1,觀測取到o1時,各個隱藏狀態i都有到達o1的概率。計算分兩步,從初始概率πi到隱狀態qi,再從qi經發射矩陣到觀測o1,需要對每個隱藏狀態i計算。

      步驟(2),前向算法遞推公式。αt(i)遞推到αt+1(i),公式(10.16)中的bi(ot+1)可以理解為下圖第二步,由所在的狀態qi經發射矩陣得到觀測ot+1aji可以理解為下圖中的第一步,也就是由t時刻狀態qj經轉移矩陣在t+1時刻狀態為qi的過程。

      公式(10.16)中的求和符號,實際上反映的是t+1時刻取qi時,其實t時刻的任何一個狀態都可以轉移到qi,因此要把t時刻的每種狀態都考慮到。

      步驟(3),終止。公式(10.17)的求和符號挺好理解的,因為,對iT=qi求和,實際上相當於求觀測序列O的邊緣概率。

      再來看一下書中的詳細解釋:

       通過畫圖,是不是要好理解一些~前向算法高效就高效在利用先前的局部計算結果,通過路徑結構將局部結果“遞推”到全局。

      看一下例10.2,基本上就可以理解這個計算過程了。

    3)後向算法

      相應的,後向算法先了解“後向概率”這個概念。

       放在示意圖上,如綠色虛線框β2(i)=P(o3,…,oT-1,oT,it=qi|λ),可從條件概率的角度理解。具體為βt=2(綠色盒子)=P(o3=紅球,oT-1=紅,oT=紅球|it=2=綠色盒子,λ)

        在後向概率的基礎上,定義後向算法為:

      步驟(1),初始化後向概率。這裏將最終時刻的所有狀態qi規定為βT(i)=1以下示意圖簡單分析。

      這就好像是βt(i)=P(ot+1,ot+2,…,oT|it=qi, λ)變成了βt(i)=P(it=qi, λ),此時對於it的所有取值,it=qi,是一個不爭的事實。

      步驟(2),後向算法遞推公式。這裏的遞推方向是反向由T+1遞推到T,圖示如下:

      這裏由T+1遞推到T,仍然需要①②兩處的連接。①是公式(10.20)中的aij,②是公式(10.20)中的bj(ot+1)。求和符號是t時刻qi到t+1時刻qj所有情況的匯總。取(qi=灰色盒子,ot+1=白球)進行分析:

       T+1遞推到T,我覺得圖畫的應該差不多了…①②部分是怎樣起到連接作用的…大概就是上圖這樣吧…我解釋不出來…當然了,知乎也好CSDN也好,有詳細推導公式,我就不班門弄斧了。書面解釋如下:

      於是,利用前向概率和後向概率的定義,可以將觀測序列概率P(O|λ)同一寫成:

      示意圖好像是這個樣子:

      公式(10.22)中,先來看前向概率的求和部分,i=1時,αt(1)是t時刻盒子為灰盒子,觀測序列為(o1,o2,…ot,it=q1)的概率;相應的,αt(2)是t時刻盒子為黃盒子,觀測序列為(o1,o2,…ot,it=q2)的概率;αt(3)是t時刻盒子為綠盒子,觀測序列為(o1,o2,…ot,it=q3)的概率;αt(4)是t時刻盒子為藍盒子,觀測序列為(o1,o2,…ot,it=q4)的概率。那麼求和自然就代表着,不考慮盒子的影響,觀測序列為(o1,o2,…ot)的邊緣概率。對應示意圖,也就是消除了t時刻狀態的影響。

      同理,後向概率的求和部分,在示意圖中相當於消除了t+1時刻狀態的影響。①對應着公式(10.22)中的aij,建立連接。②對應着公式(10.22)中的bj(ot+1),將ot+1時刻的觀測計入統計。

    4)一些概率與期望值的計算

      利用前向概率和後向概率,可以得到關於單個狀態和兩個狀態概率的計算公式。頭幾遍看這幾個公式的時候,丈二和尚摸不着頭腦,不知道這幾個概率計算有什麼用,就沒怎麼好好看。編寫這部分代碼的時候,發現這幾個公式挺重要的。在學習算法小結,對估計模型參數非常有用。公式介紹的挺具體的,這裏就不在畫圖了…學習的時候隨手畫畫圖,就能理解了~

      1)求單個狀態的條件概率:

      還是畫吧,這裏γt(i)反映是在給定觀測序列O條件下,t時刻處於狀態qi的概率。如下圖,γt(i=灰色盒子)

      2)求兩個連續狀態的條件概率:

       如下圖所示ξt(i,j)反映的是,在給定觀測序列O的條件下,t時刻狀態為灰色盒子、t+1時刻狀態為綠色盒子的條件概率。

      3)一些有用的期望,在學習算法小節可以看到用處:

    學習算法

      書中提到,我們進行隱馬爾可夫模型的學習,也就是對模型參數進行估計。根據訓練數據是包括觀測序列和對應的狀態序列,還是只有觀測序列,可以分別由監督學習和無監督學習實現,這裏監督學習方法實際上就是利用極大似然估計。

      1)監督學習方法。書中直接給出了參數估計公式,這裏簡單摘抄下~

       2)無監督學習方法。顧名思義,無監督方法也就是只有觀測序列,進行參數估計的方法。由於監督學習需要使用標註的訓練數據,而人工標註訓練數據往往代價很高。因此有時候就會利用無監督學習的方法。我們可以將觀測序列數據看作EM算法中的不完全數據,狀態序列數據看作EM算法中不可觀測的隱數據,那麼隱馬爾可夫模型就可以看作是含有隱變量的概率模型。於是,可以通過EM算法求解。

      詳細過程如下:

      1.確定完全數據的對數似然函數

      2.EM算法的E步:求Q函數Q(λ,λ^)

      3.EM算法的M步:極大化Q函數Q(λ,λ^)求模型參數A,B,π

      書本上有詳細的推導公式,看懂了2/3,先不摘抄了。有空了把理解了的整理上來,參數估計公式如下:

      於是,有以下Baum-Welch算法,從這裏可以發現一些期望的用處:

    預測算法  

      預測算法,也就是根據已知的觀測序列,找到概率最大的狀態序列(最有可能的對應的狀態序列)。

      應用維特比算法,相當於有向無環圖求最短路徑,網上有大量詳細的資料,暫不整理了~

    代碼效果

    本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理

    【其他文章推薦】

    USB CONNECTOR掌控什麼技術要點? 帶您認識其相關發展及效能

    台北網頁設計公司這麼多該如何選擇?

    ※智慧手機時代的來臨,RWD網頁設計為架站首選

    ※評比南投搬家公司費用收費行情懶人包大公開

    ※回頭車貨運收費標準

    網頁設計最專業,超強功能平台可客製化

    ※別再煩惱如何寫文案,掌握八大原則!

  • 地球第六次大滅絕正在加速 研究:500種野生動物將在20年內消失

    環境資訊中心綜合外電;姜唯 編譯;林大利 審校

    本站聲明:網站內容來源環境資訊中心https://e-info.org.tw/,如有侵權,請聯繫我們,我們將及時處理

    【其他文章推薦】

    ※廣告預算用在刀口上,台北網頁設計公司幫您達到更多曝光效益

    ※別再煩惱如何寫文案,掌握八大原則!

    ※教你寫出一流的銷售文案?

    ※超省錢租車方案

    ※廣告預算用在刀口上,台北網頁設計公司幫您達到更多曝光效益

    ※產品缺大量曝光嗎?你需要的是一流包裝設計!

    ※回頭車貨運收費標準

  • 風力發電機噪音 芬蘭研究:「次聲波」不影響健康

    摘錄自2020年6月23日自由時報

    根據《Science alert》報導,根據研究人員的說法,因為許多國家的民眾把頭痛、噁心、耳鳴和心血管疾病等症狀,都歸咎於次聲波,所以研究團隊接受芬蘭政府的委託,耗時2年研究次聲波對於人體的影響。

    研究人員期間透過訪談、錄音和實驗室實驗等方式,試圖找出風力發電機的次聲波,是否會影響周圍20公尺範圍內的居民健康。

    研究人員表示,結果皆無法證實上述假設,影響健康的因素反而跟「預期症狀」(symptom expectancy)等有關。值得注意的是,研究團隊也沒有發現風力發電機的聲音會影響心律的證據。

    能源議題
    再生能源
    能源轉型
    國際新聞
    芬蘭
    風力發電
    噪音

    本站聲明:網站內容來源環境資訊中心https://e-info.org.tw/,如有侵權,請聯繫我們,我們將及時處理

    【其他文章推薦】

    ※別再煩惱如何寫文案,掌握八大原則!

    網頁設計一頭霧水該從何著手呢? 台北網頁設計公司幫您輕鬆架站!

    ※超省錢租車方案

    ※教你寫出一流的銷售文案?

    網頁設計最專業,超強功能平台可客製化

    ※產品缺大量曝光嗎?你需要的是一流包裝設計!

    台中搬家遵守搬運三大原則,讓您的家具不再被破壞!

  • Amazon設立20億美元氣候承諾基金

    摘錄自2020年6月24日iThome報導

    Amazon在23日宣布設立氣候承諾基金(The Climate Pledge Fund),初期將以20億美元的資金來推動各種能夠符合「氣候承諾」的技術與服務。

    Amazon與Global Optimism在去年9月共同發起「氣候承諾」(Climate Pledge),計畫在2040年實現淨零碳(net zero carbon),比《巴黎協議》(Paris Agreement)訂定的2050年目標還早了10年。

    Amazon創辦人暨執行長貝佐斯(Jeff Bezos)表示,氣候承諾基金將會投資那些有願景的企業家與創新者,讓他們建置能協助企業減少碳排放影響、而且能持久經營的產品及服務。該基金的投資對象涵蓋各個領域,從運輸、能源、儲存、製造與材料、循環經濟,到食物及農業。

    此外,Amazon也揭露了目前該公司對於改善氣候變遷的成效,表示可能會提前5年,於2025年達到全數使用再生能源的目標。

    能源議題
    再生能源
    能源轉型
    國際新聞
    亞馬遜
    氣候基金

    本站聲明:網站內容來源環境資訊中心https://e-info.org.tw/,如有侵權,請聯繫我們,我們將及時處理

    【其他文章推薦】

    ※教你寫出一流的銷售文案?

    ※廣告預算用在刀口上,台北網頁設計公司幫您達到更多曝光效益

    ※回頭車貨運收費標準

    ※別再煩惱如何寫文案,掌握八大原則!

    ※超省錢租車方案

    ※產品缺大量曝光嗎?你需要的是一流包裝設計!

    ※推薦台中搬家公司優質服務,可到府估價

  • 俄羅斯西伯利亞飆高溫 北極圈小鎮38度破紀錄

    摘錄自2020年6月22日中央社報導

    根據氣象數據網站的資料顯示,過去曾出現零下68°C極端低溫的俄羅斯西伯利亞小鎮維爾霍揚斯克(Verkhoyansk),竟在昨天(21日)測得38°C高溫。

    美聯社報導,彙整俄羅斯氣象數據網站Pogoda i Klimat的資料指出,維爾霍揚斯克鎮20日高溫達到38°C。

    俄羅斯薩哈共和國(Sakha Republic)的維爾霍揚斯克鎮在北極圈內,位於首都莫斯科(Moscow)東北方大約4660公里處。

    全球變遷
    溫室氣體
    氣候變遷
    國際新聞
    北極
    高溫

    本站聲明:網站內容來源環境資訊中心https://e-info.org.tw/,如有侵權,請聯繫我們,我們將及時處理

    【其他文章推薦】

    ※超省錢租車方案

    ※別再煩惱如何寫文案,掌握八大原則!

    ※回頭車貨運收費標準

    ※教你寫出一流的銷售文案?

    ※產品缺大量曝光嗎?你需要的是一流包裝設計!

    ※廣告預算用在刀口上,台北網頁設計公司幫您達到更多曝光效益

    網頁設計最專業,超強功能平台可客製化

  • 香港環署縱容 回收亂龍

    摘錄自2020年6月22日東方日報香港報導

    歷時一年多的反送中條例加上疫情衝擊,雖然近日稍為平息,卻凸顯出香港政府環保政策漏洞。回收玻璃瓶行業開始恢復,但卻屢發越區搶收違規行為,環境保護署袖手旁觀。

    政府按港九新界地區批出三份玻璃管理合約,由兩個承辦商承辦免市場壟斷,然而近期九龍區接連發生跨區「插旗」收瓶,更有承辦商司機越區偷瓶事件,負責監管的環保署卻沒介入糾正,使得分區收瓶制度名存實亡。

    另外,廢棄塑膠回收業在沒有管理規劃下,近期大批回收店關門,令大批廢棄塑膠沒人要。有地方議員批評,署方監管不力,默許發生打擊對手的行為,長遠恐怕出現市場壟斷惡果,窒礙本地環保業發展。

    公害污染
    污染治理
    國際新聞
    香港
    回收
    玻璃回收
    廢棄物

    本站聲明:網站內容來源環境資訊中心https://e-info.org.tw/,如有侵權,請聯繫我們,我們將及時處理

    【其他文章推薦】

    網頁設計最專業,超強功能平台可客製化

    ※自行創業缺乏曝光? 網頁設計幫您第一時間規劃公司的形象門面

    ※回頭車貨運收費標準

    ※推薦評價好的iphone維修中心

    ※教你寫出一流的銷售文案?

    台中搬家公司教你幾個打包小技巧,輕鬆整理裝箱!

    台中搬家公司費用怎麼算?

  • 英醫學權威警告政界 小心出現第二波疫情

    摘錄自2020年6月24日中央廣播電台報導

    路透社今天(24日)報導,資深醫界人士警告英國各政黨,當地俗稱武漢肺炎的2019年冠狀病毒疾病(COVID-19)疫情可能升溫,而且第二波疫情有實質風險。

    這些醫學界人士在一封寫給英國政界領袖的公開信中說:「雖然這場疫情未來在英國的情勢難以預估,現有證據顯示,當地爆發疫情的可能性愈來愈大,而第二波(疫情)有實質風險。」

    在「英國醫學期刊」(British Medical Journal, BMJ)上簽署這封公開信的人士,包含英國皇家外科醫學院(Royal College of Surgeons)院長奧德森(Derek Alderson)、皇家內科醫學院(Royal College of Physicians)院長戈達(Andrew Goddard),以及皇家緊急醫藥大學院長韓德森(Katherine Henderson)。

    他們表示:「遏止病毒必備的許多基礎要素已準備就緒,但重大的挑戰依然存在。」

    生活環境
    國際新聞
    英國
    武漢肺炎
    疫情
    新冠肺炎疫情
    公共衛生

    本站聲明:網站內容來源環境資訊中心https://e-info.org.tw/,如有侵權,請聯繫我們,我們將及時處理

    【其他文章推薦】

    ※產品缺大量曝光嗎?你需要的是一流包裝設計!

    ※自行創業缺乏曝光? 網頁設計幫您第一時間規劃公司的形象門面

    ※回頭車貨運收費標準

    ※推薦評價好的iphone維修中心

    ※超省錢租車方案

    台中搬家遵守搬運三大原則,讓您的家具不再被破壞!

    ※推薦台中搬家公司優質服務,可到府估價

  • 封城後空氣污染大減 增印度德里太陽能產電量達 8%

    摘錄自2020年6月24日立場新聞報導

    武漢肺炎(COVID-19)下,幾乎全球國家都史無前例封城停擺,經濟發展停滯,但卻拯救了無數生命免受感染,也間接令空氣污染大幅減輕,造成意料不到的連鎖效應。最新刊於 Joule 的研究指,空氣污染減輕,令更多陽光直達太陽能電池板,增加了電力產量。

    由德國基爾亥姆霍茲可再生能源研究所物理學家 Ian Marius Peters 領導的團隊,分析了疫情期間印度德里的太陽能發電量變化。團隊在疫情前已在多個城市研究霧霾和空氣污染如何阻擋陽光到達地面,以及其對太陽能電池板輸出的影響。

    團隊以全天太陽輻射計(pyranometer)測量指定太陽光波長的輻射強度,並使用過去的研究數據,計算了德里到達地面的日照量變化。印度德里是全世界其中一個污染最嚴重的城市,團隊發現,與 2017 年至 2019 年同一段時間數據相比,德里 3 月 24 日封城後,空氣污染量下跌 45%–50% ,而3月下旬德里太陽能電池板接收到的陽光量增加了約 8% , 4 月則增加了 6% ,團隊推斷,污染減少是更多陽光照射電池板的主要原因。

    公害污染
    空氣污染
    污染治理
    國際新聞
    印度德里
    太陽能
    COVID-19

    本站聲明:網站內容來源環境資訊中心https://e-info.org.tw/,如有侵權,請聯繫我們,我們將及時處理

    【其他文章推薦】

    ※回頭車貨運收費標準

    ※產品缺大量曝光嗎?你需要的是一流包裝設計!

    ※自行創業缺乏曝光? 網頁設計幫您第一時間規劃公司的形象門面

    ※推薦評價好的iphone維修中心

    ※教你寫出一流的銷售文案?

    台中搬家公司教你幾個打包小技巧,輕鬆整理裝箱!

    台中搬家遵守搬運三大原則,讓您的家具不再被破壞!

  • 1.5T超大空間只要6.98萬起的自主SUV車主滿意嗎

    1.5T超大空間只要6.98萬起的自主SUV車主滿意嗎

    9萬首先我是五菱的忠實粉絲,第一輛車就是五菱,跑了20萬公里發動機和變速箱還沒動過,這質量是我選擇560的原因,其次我要經常拉點貨,後排放倒后空間完全可以滿足我,而且一家人出去玩也方便很多,1。8L+5AMT開起來比手動擋省力得多,雖然有時候會有些頓挫感,但畢竟不是全自動,也能接受了。

    前言

    有什麼車上市不到一年,就可以做到超過330000輛的銷量成績呢,沒錯它就是自主SUV陣型中的又一神車-寶駿560,對於任何品牌和車型來說,這都是一個了不起的成績,從全系沒有自動擋,到增加了5AMT,隨後又推出了1.5T的車型,為了更適應消費者需求一直在改進,那麼車主對它的評價如何呢,一起來探討一下。

    上汽通用五菱-寶駿560

    指導價:6.98-9.48萬

    車主:菜鳥凌凌漆

    購買車型:2016款 1.8L 手動精英型

    裸車價格:7.68萬

    五菱的車子實用性是經過市場的長時間考驗的,性價比也是較高的,圓潤飽滿的外觀是非常耐看的,雖說沒什麼太大的亮點,內飾中控布局也趨向轎車化的設計水平,無論是前後排,空間都非常寬敞,後排想怎麼坐就怎麼坐,1.8L的動力還是挺不錯的,起油比較快,操控性精準,尤其是在鄉村道路,底盤高的優勢就很明顯。

    10月份提的車,目前行駛了2000多公里,油耗7.5L左右,續航能力很好。

    車主:三石哥

    購買車型:2016款 1.8L AMT智能手動豪華型

    裸車價格:8.9萬

    首先我是五菱的忠實粉絲,第一輛車就是五菱,跑了20萬公里發動機和變速箱還沒動過,這質量是我選擇560的原因,其次我要經常拉點貨,後排放倒后空間完全可以滿足我,而且一家人出去玩也方便很多,1.8L+5AMT開起來比手動擋省力得多,雖然有時候會有些頓挫感,但畢竟不是全自動,也能接受了。

    11月份提的車,目前走了1800公里,市區油耗7.8左右,高速6.7左右,比之前麵包車要省油。

    車主:青春的奧秘

    購買車型:2016款 1.5T 手動豪華型

    裸車價格:8.88萬

    首先外觀時尚大氣,寶駿560 1.5T手動豪華版配置很齊全,功能強大,無鑰匙進入/啟動、倒車影像、定速巡航什麼的都有配備,動力非常充足,渦輪介入得比較早,加速很順暢,後排空間秒殺同級,北京癱什麼的隨便坐,電動助力的方向盤很輕盈,一個手也可以輕鬆操控,轉向很精準,這麼低的價格買到這麼好的車子,超值了。

    9月份提的車,目前行駛4000公里,綜合油耗6.7,還是非常省油的。

    總結:寶駿560一上市的歡迎程度就非常誇張,從單一的動力總成擴展到兩個,從純手動擋車型發展到增加了5AMT,現在唯一欠缺的就是全自動擋車型,上升的空間還有很大,逐步完善後再創銷量奇迹也是指日可待。本站聲明:網站內容來源於http://www.auto6s.com/,如有侵權,請聯繫我們,我們將及時處理

    【其他文章推薦】

    ※帶您來了解什麼是 USB CONNECTOR  ?

    ※自行創業缺乏曝光? 網頁設計幫您第一時間規劃公司的形象門面

    ※如何讓商品強力曝光呢? 網頁設計公司幫您建置最吸引人的網站,提高曝光率!

    ※綠能、環保無空污,成為電動車最新代名詞,目前市場使用率逐漸普及化

    ※廣告預算用在刀口上,台北網頁設計公司幫您達到更多曝光效益

    ※教你寫出一流的銷售文案?

    ※別再煩惱如何寫文案,掌握八大原則!