使用SWOT分析方法Muhammad Rizki 1 *,Afdal Ghifari 2,Wang Ling Hui 3,Ekie Gilang Permata 4,MHD确定LPP TVRI RIAU的营销策略。dany Siregar 5,Muhammad Isnaini Hadiyul Umam 6,Harpito 7 Univeritas Islam Negeri Sultan Sultan Syarif Kasim Riau 1,4,5,6,7,Hochschule Bremen 2,National Bremen 2,National Taiwan Science Assical Assical Assience Ardience Andecents 3 Muhammad.rizki.rizki@uin@uin@uin@uin@uin@uin@uin@uin@uin@uin@uin@uin@uin@uin@uin.ack.acka.incka.incka.incka.idca.idca.idecka.ind.ind.idca。 aghifari@stud.hs-bremen.de 2 , m10101203@mail.ntust.edu.tw 3 , ekiegp@yahoo.com 4 , mhddanny@gmail.com 5 , muhammad.isnaini@uin-suska.ac.id 6 , harpito@uin-suska.ac.id 7 Received : 06 October 2021, Revised: 26 December 2021年,接受:2021年12月26日 * corespending作者摘要这项研究的目的是使用SWOT方法评估LPP TVRI RIAU的营销策略。这项研究的重点是在SWOT分析中找出内部和外部因素。这项研究使用了描述性定量方法。通过使用概率抽样方法进行采样,总共来自RIAU省的6,394,087名人群的400名受访者。问卷是通过确定重要性水平和评估当前条件的设计而设计的。根据SWOT汇编的结果,有5个优势,5个劣势,4个机会和5个威胁。此外,在IFAS和EFAS阶段还进行了加权,评分和分数,以在公司方面进行加权评估。公司的职位是在象限II中,这意味着公司具有更大的优势和威胁,因此公司应支持多元化战略政策。关键字:营销策略,SWOT分析,IFAS,EFAS。,可以进行SWOT矩阵映射以生成四个战略政策替代方案,即ST,WO,WT。1。简介
摘要:肌电图 (EMG) 是肌肉收缩产生的电活动的量度。基于非侵入性表面肌电图 (sEMG) 的模式识别方法已显示出上肢假肢控制的潜力。然而,它仍然不足以进行自然控制。深度学习的最新进展表明生物信号处理取得了巨大进步。已经提出了多种架构,可为离线分析提供高精度 (> 95%),但由于系统优化而导致的延迟仍然是实时应用的挑战。由此产生了对基于微调超参数的优化深度学习架构的需求。尽管实现收敛的机会是随机的,但重要的是要注意,所获得的性能提升足以证明额外的计算是合理的。在本研究中,我们利用卷积神经网络 (CNN) 解码 18 位受试者记录的 sEMG 数据中的手势,以研究超参数对每个手势的影响。结果表明,将学习率设置为 0.0001 或 0.001,并进行 80-100 次训练,其效果显著优于其他考虑因素 (p < 0.05)。此外,我们还观察到,无论网络配置如何,某些动作(握紧手、屈手、伸手和细握)在整个研究过程中表现更好(分别为 83.7% ± 13.5%、71.2% ± 20.2%、82.6% ± 13.9% 和 74.6% ± 15%)。因此,可以根据表现最佳的手部动作设计出稳健稳定的肌电控制。随着识别能力的提高和性能的统一提升,基于深度学习的方法有可能成为传统机器学习算法的更强大的替代方案。
