《网页设计心理学》一2.2 网上求助的旁观者效应

本节书摘来自异步社区《网页设计心理学》一书中的第2章,第2.2节,作者【美】Susan M. Weinschenk,更多章节内容可以访问云栖社区“异步社区”公众号查看

2.2 网上求助的旁观者效应

在比较近的关于旁观者效应的研究(Markey,2000)中,Markey探索了旁观者效应是否也会作用于聊天室。

当你在聊天室提问时,性别是否会决定获得回应的时长?
聊天室的人数(旁观者)是否会影响获得回应的时长?
最后,如果你向某个特定的人提问并叫他的名字,会更快获得回应吗?
结论是什么?性别不会产生影响,但聊天室的人越多,获得回应的时间就越长。每增加一个人就会增加3秒获得回应的时间。

比如,如果聊天室只有2个人,需要30秒获得回应。如果聊天室有19个人,需要超过65秒获得回应。如果你向某个特定的人提问,不管有没有其他人在聊天室,都只需要30秒就可以获得回应。

MATLAB代码实现了个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归化:使用mapminmax将输入和输出归化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值