社區生活資訊情報站論文書籍站
國立臺北大學 資訊工程學系 戴志華所指導 陳方擎的 在社群影響力下限期收益最大化之智能迭代訂價策略 （2015），提出INITA關鍵因素是什麼，來自於社群影響力、社群網路、影響力最大化、收益最大化。
而第二篇論文國立雲林科技大學 電子與資訊工程研究所 許明華所指導 李仁傑的 軟硬體共同設計之影像物件分割 （2006），提出因為有 軟硬體整合的重點而找出了 INITA的解答。
INITA進入發燒排行的影片
在社群影響力下限期收益最大化之智能迭代訂價策略
為了解決INITA 的問題，作者陳方擎 這樣論述：
研究表明，利用社群影響力（也被稱為口碑效應），可以在社交網絡帶來更智能的營業，如新事物的推廣和病毒式營銷。從以前的研究中，我們注意到，社群影響力的效果不僅有助於推廣產品給更多的人，同時也增加了人們對產品的估值。然後在這篇論文中，我們感興趣的是一個問題：\當社群影響力傳播時，是否可以透過仔細調整產品訂價以賺取更高的收益"，並研究在一個時間區段內從社群網路帶來最大收益的迭代訂價策略。繼之前的作品後，我們研究了這個問題基於合併貨幣概念的Linear Threshold（M-LT）擴散模型。為了解決這個問題，我們導出一個基於M-LT 擴散的理論型模型，稱之為LAW model，並提出了兩種可行的演算
法|AP-CDS 和Special AP-CAP|來在每個時間情況找最佳產品訂價。藉由在真實的社群網絡進行模擬，並與傳統的定價方法如固定訂價和貪婪訂價比較，其結果證明了AP-CDS 和Special AP-CAP 在選擇導致的最大收益的一個連續訂價的效用。
軟硬體共同設計之影像物件分割
為了解決INITA 的問題，作者李仁傑 這樣論述：
目前影像處理的技術顯得越來越重要，在眾多的影像處理技術中，二值化處理為影像處理中最為常用的處理技巧，然而傳統的二值化處理容易受到光線影響而且目前的影像處理過程往往基於軟體處理，因此如何改善固有的影像處理技術以及將常用的處理技術採用硬體實現變得更為重要。本論文主要提出一改善的自動門檻值演算法來增強傳統演算法上處理效能不足的問題，並透過VLSI 電路設計兩種基於除法器以及乘法器的架構來實現該演算法，經由.18 製程實現後的電路其效能分別可達100Mhz 以及250Mhz。而為了驗証其功能的完整度，我們採用ARM 科技公司所提供的ARM Integrator AP 驗証平台來實現軟硬體共同設計之概
念。並依AMBA 匯流排規格設計符合AMBA 規格的AHB Slaver 以及Master 介面，搭配我們自行設計的自動門檻值計算電路、記憶體管理電路以及其他影像輸入輸出裝置，而為了最佳化系統，我們在影像輸入方面採用DMA 的技術來增加系統效能。在軟體方面，我們採用了U-Boot 作為開機前程式載入的bootloader，以及使用BusyBox 與SystemV Init 作為作業系統基本指令與初始化的程式，並使用Embedded Linux 作業系統來作為驗証平台的作業系統，並自行撰寫符合我們自行設計硬體的Linux 驅動程式。為了完整驗証成效，我們將前段計算出來的自動門檻值搭配後段影像處理
程序製作一動態物件偵測系統，其每秒可達7 張訊框輸出。