@devilogic 2017-07-22T10:10:52.000000Z 字数 2331 阅读 1623

玩命的销售日志 2017.7.21

devilogic 日志

今年 $6$ 月本人开始接手管理公司的销售部门。虽然这并不是如我所愿。但是实属无奈，鸠家中有事，朱哥哥忙于联系战略合作。本人一技术屌丝，开始去全国各地出差跑销售，做售前。时常早晨5点起床搭最早航班去见客户，又搭最晚航班回京。原来真心没觉得销售，售前工作轻松，无非就是动动嘴。如今自己管理销售团队才觉得痛苦，才明白销售售前人员的不易。在这里向娜迦赚钱团队致敬，你们真的很辛苦，一方面要应付我这种不讲道理的CTO，一方面又要应付竞争厂商这群流氓。
今天早上飞来上海和客户见面，差点又像三年前一样骂了客户。好在这次没带脏字，只是理直气壮的给客户科普了一下https并不是加个s就加密了，加密和签名是两个东西等等等等。。。好在客户深明大义不和我一般计较。BB完毕后，晚上准备回京，行政小妹通知我去的虹桥。当我到了虹桥，一个短信告知我航班晚点，但是短信中的机场是从浦东出发。在确定信息之后，当我赶到浦东时，航班以延误。无奈来到朱老板订的酒店留宿一宿。正好有个项目的文档要写，其中遇到一个关于数值计算的问题。本人觉的可以设计一个数学模型来解决，所以就有了以下的东西。

这个问题大体可以描述为，有不同的场景，每个场景都有一些自设定的元素。最终在这个场景中可以通过这些元素得到一个分数。然而每个场景都有一定联系。但是这个场景的存在顺序并且顺序固定。最终的场景会得到一个最终分数。

我的想法是场景的元素计算得出的值可以用一个单层前向网络做计算权和运算，考虑到场景切换，其实是一个时序问题，但是顺序是固定的。我这里想给客户设计成场景切换是由当前场景因素影响的，并且当前场景所做的对下一个场景是有影响的，所以考虑用邻接图来表示场景切换。

使用前向网络模型，计算一组特征元素得到的结果。使用此结果来当前状态对下一个状态的转移值，通过此值来同转移矩阵中的目标值做比较，与哪个状态更接近，则转移的状态就选定那个状态（这里的思想借鉴马尔可夫模型的设计，将概率值换成目标值）。而转移后的状态又受到上一个状态的影响从而反向通过上一个状态的输出值来影响当前状态的权值。从而达到上一状态影响当前状态的效果。

我们需要首先设定模型的几个要素：

状态集合 $S$ 描述了这个模型中存在的多少个状态。
转移函数 $\pi()$ 用于判断从上一个状态转移到哪个状态
状态的目标转移矩阵 $T$ 描述了转移矩阵的目标值，上一个状态的输出与此目标值越接近则选定哪个转移状态
当前状态的输入 $x_{ij}$ 表示第 $i$ 个状态的第 $j$ 个输入元素
当前状态的权值 $w_{ij}$ 表示第 $i$ 个状态的第 $j$ 个输入元素的权值
映射函数 $f()$ 表示单个节点输出的挤压函数，将节点的输出更加平滑，这里选取 $sigmod$ 函数
当前状态输出 $o_{i}$ 第 $i$ 个状态的输出值

状态的目标转移矩阵

$\begin{bmatrix}t_{11}&t_{12}&t_{13}&\cdots&t_{1n}\\t_{21}&t_{22}&t_{23}&\cdots&t_{2n}\\\vdots&\vdots&\vdots&\ddots&\vdots\\t_{n1}&t_{n2}&t_{n3}&\cdots&t_{nn}\end{bmatrix}$

上述矩阵，行表示源，列表示目的，其中的 $t$ 表示了从源转到目的的目标值。

单状态的输出

$o_1 = f(w_{11}x_{11} + w_{12}x_{12} + \cdots + w_{1m}x_{1m})$

$f(u) = \frac{1}{1+e^{-cu}}$

$c$ 为倾斜参数（其变化会影响sigmoid函数的形状）。sigmoid函数的特点如下：对应值区间

$(0,1)$ ，函数呈非线性递归光滑变化，但当输入

$u \rightarrow \pm \infty$ 时，函数一致逼近于幅值

$(0, 1)$ 。该函数是全局可微的。

选定下一个状态

$E(o_i)=\frac{1}{2}(o_i-t_j)^2$
在

$\pi()$ 中会依次遍历目的节点，并选取其中误差最小的节点作为目的节点。

修订权值

这里想用梯度下降法的思想来修订权，但是由于其实这是两个独立的运算，上一个状态的输入与下一个状态并无直接联系。而误差的修订也不是因为当前输出引起的，再者还有两个状态输入向量维度的不同。所以这里不考虑当前状态的输入对输出影响，直接使用上一个状态与下一个状态的标准差乘以一个学习速率来修订。

$\delta w_c = \sqrt{\frac{1}{2}(o_p-t_c)^2}$ 下标

$c$ 表示当前的状态，

$p$ 表示前一个状态。
修订公式：

$w_c = w_c -\eta \cdot \delta w_c$

一些还没考虑清楚的问题

由于单个状态的输出只是计算了一个线性组合，最后用挤压函数映射到 $(0,1)$ 范围内，这个线性组合其实逼近能力很有限，可能会造成与目标值误差过大。
在修订权值时，由于是考虑上一个状态对当前状态的修订，并且忽略了当前层输入对输出的影响。这种修订完全没有考虑当前状态节点输入与上一个状态节点输入之间的联系。而如果这两种输入之间没有任何联系，那么这种修订则失去了意义。如何让上一个状态影响下一个状态并且这个影响也是同样与下一个状态的输入有所关联是这个问题的关键。
目标值的设定，如何设定转移矩阵的目的目标值可以平均分布到输入状态权值向量张成的空间内。并保证这个设定也是容易的。
权值初始值的设定，这要考虑到目标值的选取以及输入样本空间的问题。
貌似还有很多。。。

小结

纯属苦中做乐，准备看看我要出多少次差，可以把这个模型完善成我想要的样子。在还没写完这篇日志时，朱哥哥顺利通知我早上改签的航班也取消了，看来北京的雨真的好大。周5的剑道练习又参加不上了，感觉武功要废掉了。
真好的好久好久，没有搞破解逆向了。这几家傻逼竞争厂商绝对是在逼我日他们菊花。