Air Cargo tracking的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列地圖、推薦、景點和餐廳等資訊懶人包

推薦機制對於網購消費者購買意願影響之研究：以網路服裝產業為例

為了解決Air Cargo tracking的問題，作者王君慈 這樣論述：

由於COVID-19新冠肺炎病毒危機席捲全球，影響了我們生活的方方面面。本研究旨在通過提升推薦平台的信息質量，客觀地探討在線購物者在各在線電子商務平台的服裝行業參與以及購買意願的增長情況。本研究的目的是實證研究在 COVID-19 大流行下社交媒體服裝廣告中的在線消費者如何影響購買意願,對線上顧客的消費行為的了解是對於電商來說一直是必不可少的，因為它有助於獲取市場佔比率並培養線上消費者的忠誠度。營銷的有效性在很大程度上取決於將相關廣告定向到​​適當的接收者。大流行病毒引起了許多變化，並影響了世界上人們的生活。這種行為最顯著的變化之一是在線購買產品的轉變，這種轉變比前幾年猛增。然而 COVID

-19 影響了服裝購買行為,消費者避免去實體店嘗試新款式的產品；因此，消費者認為在線購買新產品是避免感染病毒的有效方法。如今，廣告質量對於在電子忠誠度之間建立強大的客戶信任聯繫至關重要。

人工智能技術在船舶柴油機故障診斷的應用

為了解決Air Cargo tracking的問題，作者鍾昀恩 這樣論述：

本研究針對船舶柴油機系統在運轉時，可能發生的常見故障進行研究，通過對其故障特點、故障模式部位、常見故障等方面的統一分析，歸納出發生該故障的異常現象並分析故障原因，為系統故障診斷與故障排除。本研究藉由某船提供之2800 TEU 貨櫃船 (Container Vessel) 實際運轉的方式進行各種故障分析包含燃油系統、空氣系統、滑油系統、冷卻水系統、排氣系統。首先利用故障樹分析(Fault Tree Analysis,FTA)方法結合專家知識與常見故障類型進行預處理，對其做故障樹分析，統整後繪製出樹狀圖，找出底事件即是故障原因，並將其設定標籤，作為故障的特徵參數，彙整成系統故障的數據集，再由K-

means演算法進行集群分析，找出相關的特徵或模式，第一種方法使用倒傳遞類神經網路(Back Propagation Neural Network)對故障特徵參數進行訓練和識別診斷，另一種方法使用主成分分析(Principal Component Analysis,PCA)對資料進行降維和特徵提取，不僅降低了計算量同時也提高了分類器的診斷精度。接著使用支持向量機(Support Vector Machine,SVM)訓練模型去進行分類與故障診斷，能夠有效提高診斷的準確率，具有很好的理論和實用價值。最後透過徑向基函數(Radial Basis Function,RBF)進行參數優化產生懲罰因子(

C)與核參數(gamma,σ)，實驗結果顯示確實提高支持向量機的準確率。