歡迎來到演算法、軟體和硬體三位一體的未來世界論文書籍站
國立成功大學 水利及海洋工程學系 張駿暉所指導 李昆芳的 以數值方法提升河川水位機器學習模式之預報精度 （2020），提出新大直711關鍵因素是什麼，來自於數值方法、機器學習、梯度提升決策樹、支撐向量回歸、洪水預報。
而第二篇論文國立中央大學 企業管理學系 李憶萱所指導 王冠尹的 吃軟不吃硬：三種領導類型直播主如何影響觀眾忠誠度？以觀眾自我建構類型為調節 （2018），提出因為有 直播、直播主、魅力型領導、威權型領導、服務型領導、忠誠度、認知忠誠、情感忠誠、意圖忠誠、行動忠誠、自我建構、獨立型自我、依賴型自我的重點而找出了 新大直711的解答。
以數值方法提升河川水位機器學習模式之預報精度
為了解決新大直711 的問題，作者李昆芳 這樣論述：
全球極端氣候日益嚴重，台灣受到颱風與豪雨的影響的規模與強度也更加嚴峻，在豐沛的雨量與降雨時間與空間不均的情形下，如何降低河川淹水災害備受重視。基隆河貫穿首都生活圈北北基三大縣市，為台灣經濟與政治扮演舉足輕重的腳色，本研究主要提供一全新的預報方法，可以減少時間成本並同時提升預報精度，以減少颱風或豪雨事件帶來的損失與衝擊，給予決策者更合理與準確的預測資訊。近年來，國內外學者紛紛利用各種方法進行河川水位預報。為了追求更高的精度與預報時長，本研究開發新型河川水位預測方法，結合機器學習模型與數值方法（Numerical ML）進行水位預測，並與單純使用機器學習的方法（Original ML）進行比較，
以基隆河流域作為研究模擬區域，針對不同測站進行水位預報，作為洪水預警、災前準備、防災應變之參考。研究成果顯示，在受潮位影響較小的測站，Numerical ML 預測模式比OriginalML 表現更佳。在水位峰值的預報上，Numerical ML 可以明顯提升水位預報的準確性，隨著預報時間增加，Numerical ML 有效降低誤差的程度也大幅上升。除此之外，Numerical ML 在水位預測上所花費的時間更少，能夠節省時間成本。故本研究結果可在颱風或豪雨期間，提供更精準的水位預測資訊。
吃軟不吃硬：三種領導類型直播主如何影響觀眾忠誠度？以觀眾自我建構類型為調節
為了解決新大直711 的問題，作者王冠尹 這樣論述：
本研究從過去關於直播議題的文獻中發現，對於直播主的探討大多聚焦於特定直播片段，或者特定直播主的特徵、性別等，對於觀眾所產生的影響，卻鮮少對於直播主的類型進行著墨，然而這是在直播關係中非常重要的一個要素；在觀眾方面，大多聚焦討論觀眾觀看直播之內外部動機、產生的行為，或者觀看時間等，卻鮮少探討觀眾心理層面以及個人特徵，而這也是觀眾在直播關係中，會促使他們產生訂閱、捐贈、關注的重要因素之一。因此本研究主要研究方向為：「當觀眾觀看不同領導類型的直播主時，會對其忠誠度產生怎樣的影響」，並且以觀眾之自我建構類型做為調節變項。 本研究透過兩種方式進行研究，實驗法以及一般問卷法，在實驗法中，一共拍攝製
作6部直播片段，由一位男性直播主與女性直播主分別詮釋三種領導類型的直播風格，並回收246份有效問卷，透過ANOVA進行分析；而一般問卷法，則以時下知名直播主為主，對大眾發放問卷，回收308份有效問卷，並運用階層線性模型進行跨層次分析。 本研究進行兩個部分的探討，第一部分探討當觀眾面對不同領導類型的直播主時，會對其忠誠度產生何種影響，結果顯示，當觀眾面對服務型直播主與魅力型直播主時，對其忠誠度會有顯著的影響，但面對威權型直播主時，則無法產生顯著的影響；第二部分則探討，不同自我建構類型的觀眾，在面對不同領導類型的直播主時，會對其忠誠度產生何種影響，結果顯示，不同自我建構的觀眾，在面對不同領導
類型的直播主時，會有不一樣的忠誠度展現，具有調節效果。 本研究之研究貢獻共分成五個部分：第一個部分，率先運用三種領導者類型的特質，將時下直播主分成三大類型直播主，以填補直播主相關研究議題的理論缺口；第二部分，運用忠誠度的概念來衡量觀當眾面對不同類型直播主時，展現出來的反應，填補「觀眾在觀看直播時所產生的心理變化」之相關理論缺口；第三部分，透過觀眾的自我建構類型作為調節變數，探討面對不同類型直播主時，對忠誠度產生的影響，以填補「觀眾在觀看直播時所產生的心理變化」之相關理論缺口；第四部分，提供直播產業中的直播主得到觀眾注意力、忠誠度，甚至是訂閱、捐贈的實務建議；第五部分，運用階層線性模型進行
跨層次分析，來衡量直播主與觀眾之間的關係，並且對「直播主類型」、「觀眾忠誠度」、「觀眾自我建構」三項變數的關聯性提供階層線性模型（HLM）分析的實證研究。