- 综合排序
- 最热优先
- 最新优先
- 来自专栏全栈技术
前端技术发展历程
随着互联网的不断发展，前端技术也在不断地进步和发展。本篇博客将介绍前端发展的历程，从早期的HTML、CSS，到现代前端框架的兴起。
85520编辑于 2023-03-09 - 来自专栏SDNLAB
移动通信技术发展简史
5G时代即将到来，它有望带来一系列令人兴奋的服务和功能。关于5G有很多技术性的文章，但在此之前，我们来回顾下过去几十年来移动通信的发展。 移动技术的演进 每一代移动技术的发展时间在10年左右，但是每个
1.6K80发布于 2018-03-28 - 来自专栏存储知识
存储技术发展史
这个最初有8英寸的大家伙，可以保存80K的只读数据。四年后，可读写软盘诞生。至上世纪九十年代，软盘尺寸逐渐精简至3.5英寸，存储容量也逐步增长到250M。截止1996年，全球有多达50亿只软盘被使用。
1.4K30发布于 2021-10-28 - 来自专栏Java学习网
如何突破技术发展瓶颈
技术发展趋势和迭代的快速，你任何当前选择的技术或框架都可能在2-3年后就过时，但是如果当前的技术能够很好的支撑业务就是最好的技术。
1.1K80发布于 2018-02-28 - 来自专栏人工智能AI
AI 技术发展趋势
从感知智能走向认知智能是人工智能技术发展的趋势。 认知智能是人工智能技术的高级阶段，旨在赋予机器数据理解、知识表达、逻辑推理、自主学习等能力，使机器成为人类改造世界、提升能力的得力助手。 ▶ 多点协作： 在 AI 技术发展过程中，算力、数据和模型作为人工智能三要素被呈现，然而实际上位于大型数据中心或者说云端的大算力节点不具备访问位于边缘的具备海量数据的节点的权限；位于边缘的具备海量数据的节点不具备将数据转化为模型的算力
80910编辑于 2024-05-21 - 来自专栏乐享123
加密技术发展
比特币是建立在区块链基础上的，区块链的基本技术支撑有三个: 非对称加密 点对点网络技术 HASH现金 其中非对称加密和HASH现金技术的历史发展颇有渊源，最近仔细学习了一下密码学科普知识，总结一下。 历史回溯 虽然加密和解秘是人类诞生以来一直上演的剧目，方法也是形形色色，但到现在为止，可以简单归纳为两个历史阶段: 1976年之前 1976年以前，所有的加密算法，模式是一样的: 甲方选择某一种加密规则，对信息进行加密 乙方使用同一种规则，对信息进行解密 这时候所有的加解密都是在规则上下文章，主要有两大流派，隐
1.9K60发布于 2018-06-04 - 来自专栏wayn的程序开发
大数据技术发展史
大数据（Big Data）是指在传统数据处理方法难以处理的情况下，需要新的处理模式来具有更强的决策力、洞察发现力和过程优化能力的海量、高增长率和多样化的信息资产。大数据的特征通常被概括为“4V”，即：
2.8K10编辑于 2024-01-19 - 来自专栏四蛋科技
驱动大数据的技术发展
据估计，每天会创建2.5百万兆字节的数据，我们需要将这些前所未有的大量数据妥善储存以便日后访问以及对其进行分析。这些数据量大到需要使用鲜为人知的单位来衡量，如ZB，PB和EB。随着公司搜集到的数据越来越多，并希望能方便的访问这些数据，这对技术和基础设施的要求更高了。21世纪初，行业分析师Doug Laney提出了一个大数据的构成定义，这个“三V”定义现在已经得到了广泛认可。“三V”定义使用三个标记来描述什么是大数据 – 不仅是对数据量的描述。
71840发布于 2018-05-31 - 来自专栏AI研习社
Prisma 技术发展的前世今生
面向读者：没有或有一定机器学习经验并对 Prisma 之类的 app 背后的原理感兴趣的读者。比较有经验的读者可以直接参照科技树阅读文章末罗列的引用论文。 阅读时间：10-20 分钟 注：多图，请注意
1.1K70发布于 2018-03-28 - 来自专栏用户9378866的专栏
Java 定时任务技术发展历程
定时任务是每个业务常见的需求，比如每分钟扫描超时支付的订单，每小时清理一次数据库历史数据，每天统计前一天的数据并生成报表等等。常见的解决方案有XXL-JOB、Spring-Task等。本篇文章着重于探讨Java 定时任务技术的发展历程。
70630编辑于 2022-11-04 - 来自专栏世民谈云计算
虚拟化技术发展编年史
虚拟化技术发展编年史 开篇 1959 年 6 月，牛津大学的计算机教授，克里斯·托弗（Christopher Strachey）在国际信息处理大会（International Conference on Use TPR shadow：通过 CR8 访问 Task Priority Register（TPR）的时候，使用 VMCS 中的影子 TPR，可以避免触发 VM exit。
7.5K40发布于 2019-09-02 - 来自专栏NewBeeNLP
搜推广生死判官：重排技术发展
全文1.2W字，PC阅读戳：https://f0jb1v8xcai.feishu.cn/wiki/LPlAwm6vSiesFBkysh8csZYfn1g 1.
3.2K12编辑于 2024-06-17 - 来自专栏全栈程序员必看
论SLAM技术发展趋势
浙江大学章国锋老师、香港科技大学沈劭劼老师、上海交通大学邹丹平老师、中科院自动化所申抒含老师在“圆桌论坛：SLAM技术发展趋势”上分享了SLAM技术的趋势，现将内容整理公布，希望更多SLAMer受益。
91930编辑于 2022-11-10 - 来自专栏脑机接口
脑成像技术发展现状
脑结构错综复杂，包含上千亿个神经元，彼此之间又有着百万亿个连接。时至今日，脑的核心功能，如情绪和情感等，仍然是未解的难题。这是攻克严重危害人类身心健康的神经系统重大疾病的关键，也将为发展类脑计算系统和器件、突破传统计算机架构的束缚提供重要依据，决定着未来人工智能的深度发展方向。
1.2K20发布于 2020-07-01 - 来自专栏物流IT圈
十大无线技术发展趋势
完整的部署将需要5-8年时间。在某些情况下，该技术可能会成为Wi-Fi的补充，因为它对于大型站点(如港口，机场和工厂)的高速数据网络而言更具成本效益。“5G仍然不成熟，最初，大多数网络运营商将专?? 该技术可用于Wi-Fi和5G等无线系统，用于短距离，高带宽通信(例如，4K和8K视频流)。 09趋势九：反向散射网络 反向散射网络技术可以以非常低的功耗发送数据。此功能使其成为小型网络设备的理想选择。
1.6K20发布于 2019-08-23 - 来自专栏SDNLAB
SDNNFV专利态势和技术发展趋势
图4 NFV领域欧美和在中国专利技术分布情况 3SDN/NFV关键技术发展趋势分析 2.1 SDN从数据中心走出，向网络的其他部分延伸 1）现有技术积累主要以数据中心应用场景为主。
1.1K60发布于 2018-04-02 文档解析技术发展回顾与路径思考
基于深度学习的文档图像形变矫正已成为主流方法，通过预测密集形变场或稀疏控制点进行矫正，以适应实际应用中的复杂场景[7][8]。图像形变矫正技术的综述，详见我们此前的文章。 表格解析不仅需要正确识别单元格的内容，还要考虑表格的层次结构和布局，以确保信息的完整性与准确性，也因此成为文档解析技术发展过程中的重难点。 Reference[1] 刘成林,金连文,白翔,et al.文档智能分析与识别前沿:回顾与展望[J].中国图象图形学报, 2023, 28(8):2223-2252.[2] Mori S, Suen C Seoul, Korea (South): IEEE: 131-140 [DOI: 10.1109/ICCV.2019.00022][8] Xie G W, Yin F, Zhang X Y and Liu Lausanne, Switzerland: Springer: 466-480 [DOI: 10.1007/978-3-030-86549-8_30][9] Renton G, Soullard Y,
71310编辑于 2024-12-25- 来自专栏腾讯云数据库(TencentDB)
云数据库技术发展趋势
引言 数据库技术发展已达半个世纪之久，云时代开始以后，我们可以从全新的视角审视数据库等基础技术的过去和未来。 近日，腾讯云数据库TDSQL研发总经理潘安群在2024 GOPS全球运维大会上，围绕“云数据库技术发展趋势”进行了相关分享。 因此，云时代的技术发展与需求演进，指引未来云数据库技术朝向单一引擎极致化、多引擎智能融合一体化、服务交付等关键趋势发展。
82110编辑于 2024-05-30 - 来自专栏向治洪
2022年前端技术发展趋势
6.2 Web 3D 随着 5G 技术发展，视频加载速度会非常快，简单的实时渲染会被视频直接替代。复杂的可以通过服务器渲染，将画面传回网页中，只要传输够快，手机的性能就不再是问题。
1.6K30编辑于 2022-07-30 - 来自专栏深度应用
·深度学习的人脸识别技术发展综述
深度学习的人脸识别技术发展综述 转载地址 目录 前言 人脸识别方法 总结 ---- 前言 LFW数据集（Labeled Faces in the Wild）是目前用得最多的人脸图像数据库。 图8-1 3D重建训练示意图 8.3.1 The asymmetric Euclidean loss 我们在实验中发现，使用Euclidean loss会导致输出3d人脸缺少细节，如图8-2所示。 实验结果如表8-1所示，该重建方法比当前的方法都要好。 表8-1 3D重建实验结果 ? 8.4.2 人脸识别 我们研究了同一人不同的照片重建的3DMM是否比不同人的照片重建的3DMM差异更小。 结果如表8-2和图8-3所示。 表8-2 LFW和YTF测试结果 ? ? 图8-3 LFW，YTF和IJB-A测试结果 8.4.3 定性结果 图8-4展示了训练模型生成的3DMM结果。 图8-4 3DMM生成模型结果 总结 本文综述了8种基于深度学习的人脸识别方法，包括：1，face++（0.9950 ）；2，DeepFace（0.9735 ）；3,FR+FCN（0.9645
2.3K20发布于 2019-06-27
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