- 综合排序
- 最热优先
- 最新优先
- 来自专栏芯片工艺技术
扒一扒苏州度亘激光
这就是度亘激光技术(苏州)有限公司。亘读音Gen，我读了半天的恒。 该公司成立于2017年的度亘激光技术（苏州）有限公司坐落在苏州工业园区纳米城。 再看看杨国文的简历 陈良惠院士（驻度亘）工作站揭牌落户在度亘激光，应该也是有杨博士的关系。 陈良惠（1939.10.28）半导体光电子学家。1939年生，福建省福州人。 2019.11.15 A+轮 , 未披露 投资方：元禾控股、致道资本 2020.4.7 Pre-B轮，未披露 投资方：理成资产 2020.12.10 B轮 , 过亿人民币 投资方：启高资本，架桥资本， 赵卫东 人物简介： 赵卫东， 担任度亘激光技术(苏州)有限公司、天勤证券经纪有限公司、度亘光电科技(南通)有限公司 等法定代表人， 担任璞浆工坊粮油制品(上海)有限公司、上海度亘信息技术咨询中心(有限合伙 )、苏州度亘光电技术中心(有限合伙) 等股东， 担任度亘激光技术(苏州)有限公司、江苏天元激光科技有限公司、天勤证券经纪有限公司等高管。
6.9K20编辑于 2022-06-08 - 来自专栏DeepHub IMBA
孪生网络：使用双头神经网络进行元学习
深度神经网络有一个大问题-他们一直渴望数据。当数据太少时（无法到达算法可以接受的数量）深度神经网络很难推广。这种现象突出了人类和机器认知之间的差距。 正式名称是元学习，通常称为“学习如何学习”。 元学习和自然语言处理中常用的术语是“少次学习”或“零次学习”。这些指的是能够用很少或没有（分别）预先训练模型的数据来识别新概念。 孪生网络的名称来自于连体双胞胎，或双胞胎在出生时相连的双胞胎，看起来好像有两个头。考虑到孪生网络的出现，这是有道理的。 部分原因可以归因于嵌入的结构性；另一方面，在庞大的卷积网络的广阔区域中，微小的的特征往往被过滤掉了。 通常，答案是简单地使卷积神经网络变大，但是网络的持续超大型化已成为现实的极限。 元学习旨在让AI学习学习。 孪生网络采用两个输入，使用与嵌入相同的权重对其进行编码，解释嵌入的差异，并输出两个输入属于同一类的概率。
1.6K30发布于 2020-10-19 - 来自专栏边缘计算
元宇宙对网络技术的挑战
作为网络领域的从业者，我尝试着理解到底什么是元宇宙、以及元宇宙对网络技术的发展是否带来了什么新的挑战和机遇。 对于元宇宙向网络技术提出的新需求，互联网也会通过同样的方式来应对。 3.元宇宙对网络技术的新挑战 如果说元宇宙对网络技术带来了 “新挑战”的话，一定是有某些需求给互联网技术带来了较大的麻烦甚至“挑战”到了互联网技术的设计原则；否则的话，靠现有的互联网技术就可以支撑，谈不上 元宇宙要实现“虚实融合”甚至“虚实互动”，一定要求网络是真实可信的。网络空间存在诸多安全问题的根源之一，在于网络恶意行为难以溯源，因此作恶成本低。 在元宇宙虚实融合的应用环境中，用户需要找到与物理空间相同的网络空间体验。
1.1K20发布于 2021-12-02 - 来自专栏算法进阶
从神经元谈到深度神经网络
科学家发现，原因在于人体的神经网络，而神经网络的基本组成就是神经元： 1、外部刺激通过神经元的神经末梢，转化为电信号，传导到神经元。 二、神经元 既然智慧的基础是神经元，而正因为神经元这些特点才使大脑具有强大的 “运算及决策的能力”，科学家以此为原理发明了人工神经元数学模型，并以神经元为基础而组合成人工神经网络模型。 激活函数的作用是在神经元上实现一道非线性的运算，以通用万能近似定理——“如果一个前馈神经网络具有线性输出层和至少一层隐藏层，只要给予网络足够数量的神经元，便可以实现以足够高精度来逼近任意一个在 ℝn 的紧子集 四、逻辑回归到深度神经网络 基于前面的介绍可以知道，神经网络也就是神经元按层次连接而成的网络，逻辑回归是单层的神经网络，当我们给仅有输入层及输出层的单层神经网络中间接入至少一层的隐藏层，也就是深度神经网络了 深度神经网络包含了三种网络层：输入层、隐藏层及输出层。 输入层：为数据特征输入层，输入数据特征个数就对应着网络的神经元数。
65840编辑于 2022-06-01 - 来自专栏网络带宽
腾讯云CVM购买价格
CVM 实例包括硬件（CPU、内存），磁盘（系统盘、数据盘），网络。在购买时，购买页都提供了对应资源。在这里首先对 CVM 实例硬件（即 CPU 和内存）的价格、购买和变配进行说明。 注意事项： 计费单位为 元/月。 自 2016 年 11 月 1 日起，云服务器包年包月预付费可根据时长享受对应的折扣： 6-11 个月 1 年 2 年 3 年 88 折 83 折 7 折 5 折 按量计费实例价格 本章节说明云服务器按量计费的价格规则 注意事项： 计费单位为 元/小时。 腾讯云服务器阶梯方案只涉及 CPU 和内存费用，不包含网络和磁盘费用。
25.9K30发布于 2019-07-17 - 来自专栏石云升
元宇宙：虚实相生的网络世界
今天混沌学园上线了一门直播课，是由上海万向区块链股份公司董事⻓兼总经理肖风博士讲的《元宇宙：虚实相生的网络世界》 元宇宙的预言和趋势分析 已来的未来 元宇宙的雏形其实已经出现，只是我们没有深思。 所以，我们在谈元宇宙的时候，并不是今天才出现的概念。 元宇宙必然到来的五个理由 一、从上网到”在线“再到”在场“ 元宇宙会帮助我们从移动互联网的”在线“过度到元宇宙的”在场“。 元宇宙的本质和内在结构 说了这么多，元宇宙到底是什么呢？ 老师用了四个特征描述元宇宙。 一、虚拟社会 技术是为人类服务的，从人的角度说，元宇宙就是一个虚拟的人类社会。 三、意识的世界 元宇宙是人类意识的世界。 四、可编程的世界 元宇宙是一个可编程的世界。元宇宙是基于通讯网络、信息网络和价值网络，通过计算机编程来构建和改造的。 以上就是元宇宙的一个大致结构。通过这样一个结构，企业可以看到在元宇宙中自己能有何种作为，可以分析有哪些现有经验可以延展到元宇宙中。
49710编辑于 2022-08-25 - 来自专栏大数据文摘
元数据杀人？我们已被网络空间绑架
作者：王小瑞 摘自：虎嗅 政府情报机构和企业通常会在人们不知情或说无需通过人们同意的情况下，对公民在网络空间中留下的海量数据进行存储和分析。 好，我们来看看美国斯坦福大学做过的一项分析电话元数据的实验，这次实验在几个月的时间里收集了500个志愿者的元数据。 背景常常比内容显示更多的信息，尤其是把元数据集合起来的时候。当你监视一个人的某次具体行动时，他的谈话内容、手机短信和电子邮件的确比元数据重要。 君不见，美国参议院以罕见的神速通过《网络空间安全信息共享法》方案了吗？票数是14:1。 相关信息 美国参议院情报委员会于3月上旬通过《网络空间安全信息共享法》，其内容是对企业的信息共享行为增加法律上的照顾，以鼓励美国企业把信息安全漏洞信息共享给其它企业以及政府部门。
1.1K110发布于 2018-05-21 - 来自专栏音视频技术
【专题介绍】客户端建设及调优实践
结合硬件和算法模型优化的推理库 陆元亘 Speaker 哔哩哔哩 资深开发工程师 陆元亘，B站资深开发工程师，2020年加入B站，专注于使用数据与算法提升用户播放视频的体验，主导构建了bilibili 但由于用户诉求的千人千面、网络环境的多变复杂，如何给用户提供更好的播放体验，这给B站的播放能力基础建设提出了更多的挑战。 本次分享将分为三个部分，第一部分介绍B站基于用户评分实验得出的动态QoE模型，该模型对指导业务演进方向有重要意义，第二部分介绍点播视频体验优化中的重点和痛点问题，主要从用户倾向和网络传输两方面展开，第三部分介绍
1.2K30编辑于 2022-04-18 - 来自专栏SDNLAB
万亿蓝海：确定性网络与元宇宙
另一方面，新兴的时间敏感的场景与应用，比如车联网、元宇宙、全息通信、远程遥操作、远程诊疗、远程驾驶、远程设备维护、沉浸式实时旅游、交互式远程教育、线上交互演奏音乐会、触觉互联网，激发了人们对未来互联网更大的想象空间 以元宇宙应用为例，从技术发展历史来看，互联网正从传递信息的app应用向与生产、生活、健康、娱乐深度融合的元宇宙演进。 年至今，新一轮产业技术变革开始，Facebook更名为Meta，谷歌Map推出沉浸式实景三维地图，微软收购游戏巨头动视暴雪，字节收购VR创业公司Pico，腾讯发力XR全真互联网，国内外巨头纷纷布局抢占“元宇宙 未来十年，网络基础设施能否实现海量“人-机-物”实时互联互操作将是中国能否率先孕育出元宇宙的关键。 确定性、灵活性、可扩展性 三者只能取二 在早期技术演进中，有ATM和以太网之争，ATM通过建立连接传递信元的类似电路交换的方式是可以严格保证服务质量的，但其没有得到广泛应用。
80910编辑于 2022-05-31 - 来自专栏星融元
星融元：浅谈RDMA与低时延网络
网络的发展好像在各方面都是滞后于计算和存储，时延方面也不例外，网络传输时延高，逐渐成为了数据中心高性能的瓶颈。 在不需要任何内核内存参与的条件下，RDMA请求从用户空间发送到本地网卡，再通过网络发送给远程网卡，这就减少了在处理网络传输流时内核内存空间与用户空间之间环境切换的次数，降低了网络时延。 基于对“HPC高性能计算的网络需求”和“RDMA技术”的分析和理解，星融元Asterfusion推出了CX-N系列超低时延云交换机使用RoCEv2，降低传输协议时延目前RDMA的网络层协议有三种选择，分别是 星融元Asterfusion CX-N系列云交换机搭建的超低时延无损以太网能够很好地承载RoCEv2，并基于RoCEv2打造一张低时延、零丢包、高性能的HPC高性能计算网络。 图片超低时延交换芯片，降低网络转发时延星融元Asterfusion CX-N系列云交换机，具备业界领先的超低时延能力，可满足高性能计算三大典型场景的低时延网络的需求以及对紧耦合场景中“对于各计算节点间彼此工作的协调
2.1K30编辑于 2023-04-06 - 来自专栏DeepHub IMBA
具有异构元数据的卷积神经网络：CNN元数据处理方式回顾
在自动驾驶中，卷积神经网络是用于各种感知任务的必备工具。尽管CNN擅长从摄像机图像（或视频剪辑形式的序列）中提取信息，但我们毕竟不断遇到各种不适合卷积神经网络的元数据。 ? 对于点云数据，人们已经开发了特定的神经网络体系结构，例如PointNet或图形神经网络（GNN），可以直接使用点云数据，这超出了本文的范围。 下面我们回顾一下最近文献中提出的使用卷积神经网络处理元数据的不同方式。 相机参数 深度学习在SLAM的许多方面都取得了重大进展，其中之一是单眼深度估计。 图像中像素的方位角和仰角（改编自src） 实际上，CoordConv本身可以看作是将坐标信息编码到卷积神经网络的一种情况。它为卷积神经网络提供了平移方差的功能，对于学习位置敏感的数据非常有用。 总结 注意元数据通常是无序的，并且不位于常规网格上。每个图像的元数据数量通常也是不确定的，因此难以使用具有固定输入维度的固定神经网络结构。
1.6K40发布于 2020-05-09 - 来自专栏联远智维
有限元以及神经网络的相似性
——前言 No.1 何为有限元 很多人都采用过有限元方法计算具体工程问题，不知道你计算过程中是否想过有限元背后蕴含的原理？ No.2 神经网络 近些年来人工智能、神经网络等引起社会广泛的关注，你有没有想过他们背后的数学原理呢？ 例如：搭建好神经网后，对神经网络进行训练的过程，从本质上来说等效为求取每个神经元的最优参数，其中优化的目标为：采用神经网络模型预测的结果和实验真实值偏差最小，通过数值迭代算法（梯度下降——类似有限元）得到优化变量具体的取值大小 ： No.3 数学上相似性 有限元以及神经网络都可以看做优化问题，通过数值迭代算法（牛顿法、拟牛顿法以及梯度下降法等）求得自变量具体的数值，从宏观表象上理解为系统处于均衡状态的过程，其中，优化目标以及自变量如下表所示 神经元作为神经网络基本的单元，具体的含义为： 我们以战士打靶为例，根据前期大量试验数据，训练出一个神经网络模型，建立枪摆放位置(x,y)与射击结果之间的关系，进而给算法输入一个点的坐标（射击姿势），
1.6K30编辑于 2022-01-20 - 来自专栏秋枫学习笔记
WSDM22「微信」在线推荐：图神经网络+元学习->长短期时序元学习
本文提出长短期时间元学习框架LSTTM，利用图结构发掘多源用户行为中的关系，并结合元学习来发掘用户的实时兴趣。 2. 方法 定义1：用户内部行为是目标推荐任务中，用户的一系列行为。 定义3：时间元学习是将不同时间段的推荐看做不同的任务，通过元学习专注于不同时间的用户行为的快速适应，以适应短期兴趣。 2.1 总体框架 如图所示为LSTTM的总体框架图。 结合元学习，异步优化长期兴趣和短期兴趣。 p(i,j)=DeepFM(u_i,d_j^s,c) 2.5 时间元学习优化 及时的模型更新在在线推荐中很重要，而在现实世界的系统中存在两个挑战。 2.5.1 时间元学习 时间元学习可以快速适应用户的短期兴趣，相比于传统的元学习，本文所用的方式是将一个时间段看成一个任务。
41320编辑于 2022-09-19 - 来自专栏用户7358413的专栏
比特元是怎样的一条区块链网络
比特元，一种简单稳定拓展性强的区块链！他是全球第一条实现了平行链技术的公有链网络。比特元发行于2013年12月，代币BTY,英文名Bityuan。采用SPOS安全权益制证明算法，流通量约为3.9亿。 01比特元核心技术 平行链架构 比特元平行公链是一条独立的应用链，可自由组建超级节点网络，编写个性化智能合约。平行公链共享比特元主网共识。 合约多语言 目前比特元公链网络，兼容支持多个虚拟机，包括EVM、WASM、JSVM、JVM、大幅降低区块链应用开发者门槛。 钱包找回 依托国内首个区块链专利，有效避免用户因个人信息被盗、私钥丢失。 DEFI 比特元公链网络可构建稳定高效的Defi应用生态，并支持链间协同交互，为Defi生态提供价值基石。 预言机 实现区块链和真实世界的链接。 这些平行链使用比特元共识，有独立的钱包和服务，5-10个节点即可部署，开发应用 05跨链原子交易 比特元采用哈希锁定（Hash Locking）实现跨链原子交易，极大地提升了比特元生态网络的交易处理能力
82930编辑于 2022-02-14 - 来自专栏镁客网
小米之后，昂瑞微电子再获华为哈勃投资｜ 镁客网每周硬科技领域投融资汇总（10.24-10.30）
傅利叶智能 傅利叶智能完成一亿人民币C轮融资，由元璟资本领投，前海母基金跟投。 核心业务包括基于全场景商品识别的快消渠道管理、线上线下零售大数据平台、互联网图片大数据应用，依托海量图片数据库，独创Retail-Net商品识别网络等强大智能科技。 亘喜生物 亘喜生物完成C轮融资，投资方为Wellington Management、OrbiMed Advisors、晨兴创投、维梧资本Vivo Capital、Temasek淡马锡、礼来亚洲基金、KingStarCapital 亘喜生物是一家细胞治疗服务提供商，通过自有技术平台解决CAR-T细胞治疗法对实体瘤无效或无法监控患者体内CAR蛋白表达来预防副作用等问题，同时进行干细胞疗法等相关研究，并利用已有资源为医疗机构提供细胞库服务 新材料 一影医疗 一影医疗完成3500万元的A轮融资，由复兴医药领投，老股东蓝湾资本持续加持，另有厦门赛欣跟投。
1.2K30发布于 2020-11-06 - 来自专栏机器之心
ICLR 2019 | 与胶囊网络异曲同工：Bengio等提出四元数循环神经网络
选自 openreview 作者：Titouan Parcollet 机器之心编译 近日，Yoshua Bengio 等人提出了一种新型的循环神经网络，其以四元数来编码序列输入，称为四元循环神经网络。 与传统的同构表征相反，胶囊网络和四元网络将特征集捆绑在一起。 深度四元网络（Parcollet et al., 2016; 2017a;b）、深度四元卷积网络（Gaudet & Maida, 2018; Parcollet et al., 2018）或深度复杂卷积网络 然而，这些应用不包括运算由四元代数决定的循环神经网络。 本文提出将局部谱特征整合到四元循环神经网络（QRNN）及其门控型扩展即四元长短期记忆网络（QLSTM）中。 本文提出一种新的四元循环神经网络（QRNN）以及相应的四元长短期记忆网络（QLSTM），将四元代数的外部关系和内部架构依赖性皆考虑在内。
1.4K20发布于 2019-04-29 - 来自专栏DrugOne
元学习和图神经网络的结合：方法与应用
文章对目前新兴的元学习与图神经网络组合这个方向做出了详细的介绍。 1 元学习的背景 元学习可以用来解决小样本问题。其基本思想是利用其他任务的先验知识，使得模型能够仅用少量的数据就可以拟合新的任务。 Wang[9] 还考虑了固定网络结构中少量样本的顶点预测问题，但是节点的特征是会随着任务的改变而改变的。 可以通过元学习去解决这一问题。Chauhan[10]提出了基于少样本图谱的分类预测方法，在元训练阶段训练特征提取器，用来从图中提取特征，使用一个注意力网络来预测实际的类标签。 在元测试阶段，调整注意力网络来快速适应新的任务。虽然Chauhan提出了一种用于图分类的新型元学习架构，但是其中还是存在一些局限性。 首先，该架构假定测试的超类结构与测试的超类结构之间存在明显的重叠。 4 未来的方向 作者举例了如交通预测、网络聚合、分子属性预测等新兴应用。同时，作者还阐述了这个领域在图结合优化，图挖掘问题，动态图几个方向的应用。
1.9K20发布于 2021-03-17 - 来自专栏星融元
星融元SSL解密：加密网络的可视化监控
，SSL与TLS在传输层对网络连接进行加密。 因此，很多情况下需要对这些加密流量进行解密，从而实现加密网络的可视化呈现，将“有害”流量暴露出来，以确保流量的安全。 图片为此，星融元全面升级了SSL网络解密的方案，面向Https应用，提供旁路解密和串接解密方案，实现加密业务流量的可视化监控。 图片星融元提供SSL解密模块--NSA（Network SSL Analysis），NSA是星融元FusionNOS网络操作系统的一个软件功能模块，与FusionNOS网络操作系统一起，可以部署在星融元的 星融元NSA产品特性星融元 NSA专注于高性能实时SSL解密处理，提供通用的加密/解密算法，主要产品特性如下：支持通用摘要算法、对称加密算法和非对称密钥交换算法；支持SSL / TLS：SSL3.0、TLS1.0
99840编辑于 2023-02-08 基于元路径的异构信息网络相似度搜索
该论文引入了一种基于元路径的系统性解决方案，用于处理任意异构信息网络。该方案已发展成为一种普遍适用的数据模型，可应用于众多实际场景。 这篇名为“PathSim：异构信息网络中基于元路径的Top-K相似度搜索”的论文，首次引入了网络模式的概念来定义通用的异构信息网络，并提出了元路径的概念，以基于两个实体间的连接性来系统地定义它们之间的相似性 具体来说，该工作提出了PathSim（即“基于元路径的相似度”）作为一个实例，展示了如何使用元路径来定义实体间的相似度，从而促进相似性搜索。 “这就是为什么我们想研究这些新型的网络数据，我们将其命名为‘异构信息网络’。”VLDB会议是数据库领域最负盛名的会议之一。 孙怡舟和她的合著者还发表了一篇关于该奖项的受邀论文，题为“异构信息网络：过去、现在与未来”。FINISHED
9210编辑于 2026-02-22- 来自专栏AI科技大本营的专栏
神经网络浅讲：从神经元到深度学习
下面从简单的神经元开始说起，一步一步介绍神经网络复杂结构的形成。 二、神经元 1.引子 对于神经元的研究由来已久，1904年生物学家就已经知晓了神经元的组成结构。 图6 神经元模型 连接是神经元中最重要的东西。每一个连接上都有一个权重。 一个神经网络的训练算法就是让权重的值调整到最佳，以使得整个网络的预测效果最好。 我们使用a来表示输入，用w来表示权值。 下面对神经元模型的图进行一些扩展。首先将sum函数与sgn函数合并到一个圆圈里，代表神经元的内部计算。其次，把输入a与输出z写到连接线的左上方，便于后面画复杂的网络。 图9 神经元扩展 当我们用“神经元”组成网络以后，描述网络中的某个“神经元”时，我们更多地会用“单元”（unit）来指代。 在神经网络中，每一层神经元学习到的是前一层神经元值的更抽象的表示。
80270发布于 2018-04-27
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号