品牌戰(zhàn)略AI理論與技術(shù)

目錄
前言　
第一篇　品牌及人工智能綜述　
第1章　品牌及品牌價值　3　
1.1　品牌的界定　3　
1.1.1　品牌及其相關(guān)概念　4　
1.1.2　與品牌相關(guān)的專業(yè)術(shù)語　9　
1.1.3　品牌可識別性、知名度、美譽度、忠誠度　13　
1.2　品牌的價值　16　
1.2.1　品牌價值描述　16　
1.2.2　品牌定價　17　
1.2.3　品牌的使用價值　19　
1.2.4　品牌財務(wù)價值　22　
1.3　品牌發(fā)展戰(zhàn)略是國家經(jīng)濟發(fā)展和改革戰(zhàn)略　24　
1.3.1　黨和國家領(lǐng)導(dǎo)人重視和關(guān)心品牌發(fā)展　24　
1.3.2　國家政府部門對品牌建設(shè)高度重視　24　
1.3.3　實施品牌發(fā)展戰(zhàn)略需要全社會的關(guān)注　26　
1.3.4　品牌發(fā)展戰(zhàn)略的實施現(xiàn)狀　26　
1.4　品牌研究的三個層面　27　
第2章　人工智能算法綜述　31　
2.1　人工智能概覽　31　
2.1.1　人工智能在品牌研究中的應(yīng)用前景　32　
2.1.2　人工智能的五大核心技術(shù)　33　
2.2　機器學習的定義與常見任務(wù)　36　
2.2.1　機器學習的定義　36
2.2.2　機器學習的常見任務(wù)　40　
2.3　機器學習算法的分類　42　
2.3.1　分類與回歸　42　
2.3.2　監(jiān)督學習與無監(jiān)督學習　43　
2.4　機器學習發(fā)展歷程　44　
2.4.1　監(jiān)督學習　44　
2.4.2　聚類　46　
2.4.3　數(shù)據(jù)降維　47　
2.4.4　概率圖模型　48　
2.4.5　深度學習　49　
2.4.6　強化學習　50　
2.5　性能度量　51　
2.5.1　分類任務(wù)　51　
2.5.2　回歸任務(wù)　52　
2.6　幾種常見機器學習算法介紹　52　
2.6.1　監(jiān)督學習算法　52　
2.6.2　無監(jiān)督學習算法　57　
第二篇　神經(jīng)網(wǎng)絡(luò)算法在品牌發(fā)展戰(zhàn)略中的應(yīng)用　
第3章　神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識　65　
3.1　神經(jīng)網(wǎng)絡(luò)算法的起源與特征　65　
3.1.1　神經(jīng)網(wǎng)絡(luò)的生物學起源　65　
3.1.2　神經(jīng)網(wǎng)絡(luò)特征　67　
3.2　神經(jīng)網(wǎng)絡(luò)算法的歷史沿革　68　
3.2.1　1970　年以前　69　
3.2.2　1970年至1982年　71　
3.2.3　1982年至2006年　71　
3.2.4　2006年至今　73　
3.3　神經(jīng)網(wǎng)絡(luò)算法數(shù)學基礎(chǔ)　75　
3.3.1　泰勒級數(shù)展開　75　
3.3.2　梯度、黑塞矩陣、方向?qū)?shù)　77　
3.4　性能指標優(yōu)化算法　78　
3.4.1　*速下降法　79　
3.4.2　牛頓法　80
3.4.3　共軛梯度法　81　
3.5　感知器與S型感知器　81　
3.5.1　感知器　81　
3.5.2　S型感知器　84　
3.5.3　感知器的梯度下降算法　85　
3.5.4　感知器算法設(shè)計　88　
3.6　相關(guān)算法的Python實現(xiàn)　89　
3.6.1　感知器算法的Python實現(xiàn)　89　
3.6.2　*速下降法的Python實現(xiàn)　89　
3.6.3　牛頓法的Python代碼實現(xiàn)　91　
3.6.4　共軛梯度法的Python實現(xiàn)　93　
第4章　多層前饋神經(jīng)網(wǎng)絡(luò)在品牌發(fā)展戰(zhàn)略中的應(yīng)用　95　
4.1　多層前饋神經(jīng)網(wǎng)絡(luò)　95　
4.1.1　深度學習與多層前饋神經(jīng)網(wǎng)絡(luò)　95　
4.1.2　多層前饋神經(jīng)網(wǎng)絡(luò)的特點　97　
4.2　反向傳播算法　98　
4.2.1　兩個階段　98　
4.2.2　性能度量指標　98　
4.3　反向傳播算法的數(shù)理推導(dǎo)　100　
4.3.1　基本原理　100　
4.3.2　輸出層神經(jīng)元的梯度求解過程　103　
4.3.3　中間層神經(jīng)元的梯度求解過程　104　
4.3.4　反向傳播算法小結(jié)　105　
4.4　反向傳播算法計算過程實例　108　
4.4.1　品牌競爭力評估網(wǎng)絡(luò)模型　108　
4.4.2　前向計算過程　109　
4.4.3　反向計算過程　110　
4.5　應(yīng)用案例分析：品牌競爭力評估　111　
4.5.1　傳統(tǒng)評估方法　112　
4.5.2　品牌競爭力評估的神經(jīng)網(wǎng)絡(luò)模型構(gòu)建　113　
4.6　反向傳播算法的Python實現(xiàn)　119　
第5章　神經(jīng)網(wǎng)絡(luò)的擴展　125　
5.1　卷積運算和卷積神經(jīng)網(wǎng)絡(luò)　125　
5.1.1　什么是卷積　126　
5.1.2　卷積神經(jīng)網(wǎng)絡(luò)　127
5.2　社交網(wǎng)絡(luò)模型算法　129　
5.2.1　社交網(wǎng)絡(luò)模型的定義和表示方法　129　
5.2.2　社交網(wǎng)絡(luò)的度量　133　
5.3　卷積神經(jīng)網(wǎng)絡(luò)的Python　代碼實現(xiàn)　135　
第三篇　動態(tài)隨機一般均衡模型在品牌發(fā)展戰(zhàn)略中的應(yīng)用　
第6章　動態(tài)隨機一般均衡模型理論基礎(chǔ)　145　
6.1　動態(tài)隨機一般均衡模型簡介　146　
6.1.1　歷史沿革　146　
6.1.2　模型特征　147　
6.2　動態(tài)隨機一般均衡模型的分類　148　
6.2.1　RBC模型　149　
6.2.2　新凱恩斯DSGE模型　152　
6.3　RBC模型的構(gòu)建方法　154　
6.3.1　家庭　154　
6.3.2　Hansen不可分勞動模型　155　
6.3.3　企業(yè)　155　
6.3.4　RBC與貨幣　156　
6.3.5　真實摩擦　158　
6.4　新凱恩斯模型的構(gòu)建方法　160　
6.4.1　壟斷競爭　160　
6.4.2　價格剛性　161　
6.4.3　工資剛性　164　
6.4.4　對新凱恩斯模型的總結(jié)　166　
6.5　對新凱恩斯模型的擴展　167　
6.5.1　金融摩擦——金融加速器　167　
6.5.2　搜尋–匹配模型　170　
6.5.3　新開放宏觀經(jīng)濟學　173　
6.6　線性方程組的求解　174　
6.6.1　對數(shù)線性化　174　
6.6.2　方程的求解　174　
6.7　參數(shù)的貝葉斯估計　176　
第7章　品牌發(fā)展戰(zhàn)略研究——基于動態(tài)隨機一般均衡視角　178　
7.1　包含品牌資產(chǎn)特征的動態(tài)隨機一般均衡模型構(gòu)建過程　179
7.1.1　家庭　179　
7.1.2　交錯工資定價　181　
7.1.3　*終產(chǎn)品生產(chǎn)企業(yè)　183　
7.1.4　品牌資產(chǎn)生產(chǎn)企業(yè)　184　
7.1.5　商品生產(chǎn)企業(yè)　185　
7.1.6　商品生產(chǎn)企業(yè)的Calvo定價規(guī)則　186　
7.1.7　政府部門　186　
7.1.8　市場出清　187　
7.1.9　外生沖擊　187　
7.1.10　模型的對數(shù)線性化形式　187　
7.2　模型參數(shù)校準　189　
7.3　貝葉斯估計與模型有效性分析　191　
7.3.1　參數(shù)的貝葉斯估計　191　
7.3.2　模型有效性檢驗　193　
7.4　模型動力學分析　196　
7.4.1　商品部門技術(shù)沖擊　196　
7.4.2　投資專有技術(shù)沖擊　198　
7.4.3　品牌部門技術(shù)沖擊　200　
7.5　品牌發(fā)展戰(zhàn)略傳導(dǎo)機制分析　203　
7.5.1　品牌生產(chǎn)技術(shù)沖擊標準差　204　
7.5.2　品牌資產(chǎn)產(chǎn)出彈性　205　
7.5.3　傳導(dǎo)機制分析　205　
7.6　關(guān)于建模的幾點思考　206　
7.7　外生沖擊與信號識別　209　
7.8　本章動態(tài)模型求解MATLAB代碼　210　
第8章　品牌發(fā)展戰(zhàn)略研究——向金融市場與開放經(jīng)濟擴展　221　
8.1　金融加速器機制的發(fā)展　222　
8.2　金融加速器　224　
8.2.1　資本生產(chǎn)者　225　
8.2.2　企業(yè)家　226　
8.2.3　外生沖擊　231　
8.3　資本品市場和信貸市場分析　231　
8.3.1　資本品市場　231　
8.3.2　信貸市場　232　
8.3.3　金融系統(tǒng)影響宏觀經(jīng)濟的兩個途徑　233
8.4　封閉經(jīng)濟環(huán)境擴展為開放經(jīng)濟環(huán)境　234　
8.4.1　家庭　234　
8.4.2　品牌資產(chǎn)生產(chǎn)企業(yè)　237　
8.4.3　生產(chǎn)企業(yè)　239　
8.4.4　政府　241　
8.4.5　國際　243　
8.4.6　市場出清　244　
8.5　參數(shù)校準　245　
8.5.1　金融加速器相關(guān)參數(shù)　245　
8.5.2　開放經(jīng)濟相關(guān)參數(shù)　247　
8.6　參數(shù)的貝葉斯估計結(jié)果　249　
8.7　模型的有效性分析　252　
8.7.1　MCMC多變量診斷圖　252　
8.7.2　真實值與模擬值對比　253　
8.8　脈沖響應(yīng)分析　254　
8.8.1　美國財政支出沖擊　254　
8.8.2　美國稅收沖擊　258　
8.8.3　美國政策性沖擊對我國宏觀經(jīng)濟的影響總結(jié)　261　
8.9　金融加速器模型的動態(tài)方程組　263　
8.10　開放經(jīng)濟模型的動態(tài)方程組　269　
第四篇　累積法在人工智能算法參數(shù)估計中的應(yīng)用　
第9章　累積和計算通式及其統(tǒng)計學特征　283　
9.1　累積法概覽　283　
9.2　累積和、計算通式及其應(yīng)用　286　
9.3　累積和的遞推公式　289　
9.4　基本累積和　291　
9.5　k階累積算子的統(tǒng)計學特征　292　
9.6　樣本的k階累積廣義樣本均值　295　
9.7　樣本的k階累積廣義均值估計量　298　
第10章　累積法參數(shù)估計理論　302　
10.1　普通累積法方程組　302　
10.2　兩種模型的關(guān)系　308　
10.3　β　的普通累積法估計及幾何中心估計法　310
10.4　普通累積法估計的性質(zhì)及誤差方差估計　314　
10.5　樣本的l階累積廣義均值的幾何中心與經(jīng)驗回歸函數(shù)　320　
第11章　廣義累積法估計和累積法的工具變量法　324　
11.1　*小二乘法估計與廣義*小二乘法　324　
11.2　累積法線性模型與高斯–馬爾可夫模型　327　
11.3　累積法線性模型是廣義高斯–馬爾可夫模型　331　
11.4　工具變量法與累積法估計　332　
第12章　聯(lián)立方程組參數(shù)估計的累積法體系建立　336　
12.1　間接普通累積法估計理論　336　
12.1.1　間接普通累積法估計的基本步驟　337　
12.1.2　間接普通累積法估計的使用范圍　338　
12.1.3　間接普通累積法估計量的特性　338　
12.1.4　實例　339　
12.2　二階段普通累積法估計　343　
12.2.1　二階段普通累積法的建立　344　
12.2.2　二階段普通累積法估計法的步驟　345　
12.2.3　二階段普通累積法估計量的特征　345　
12.2.4　二階段累積法估計法的使用前提　346　
12.2.5　實例　346　
12.3　三階段普通累積法估計　351　
12.3.1　三階段普通累積法估計法的使用前提　351　
12.3.2　三階段普通累積法估計法參數(shù)估計量的特性　352　
12.3.