頭條 開啟工業(yè)4.0：集成EtherCAT和萊迪思FPGA實(shí)現(xiàn)高級自動(dòng)化 隨著工業(yè)領(lǐng)域向?qū)崿F(xiàn)工業(yè)4.0的目標(biāo)不斷邁進(jìn)，市場對具備彈性連接、低功耗、高性能和強(qiáng)大安全性的系統(tǒng)需求與日俱增。 然而，實(shí)施數(shù)字化轉(zhuǎn)型并非總是一帆風(fēng)順。企業(yè)必須在現(xiàn)有環(huán)境中集成這些先進(jìn)系統(tǒng)，同時(shí)應(yīng)對軟件孤島、互聯(lián)網(wǎng)時(shí)代前的老舊設(shè)備以及根深蒂固的工作流程等挑戰(zhàn)。它們需要能夠在這些限制條件下有針對性地應(yīng)用高性能軟硬件的解決方案。 最新資訊 紫光否認(rèn)收購世界第四晶圓廠德國Siltronic AG 紫光集團(tuán)官方聲明稱，紫光集團(tuán)有意收購德國晶圓廠Siltronic AG的消息純屬謠言，沒有事實(shí)依據(jù)，紫光集團(tuán)并未參與收購Siltronic AG。 發(fā)表于：9/13/2018 原材料陸續(xù)漲價(jià)打破行業(yè)原有格局，PCB龍頭企業(yè)優(yōu)勢凸顯 PCB生產(chǎn)所需的原材料種類較多，主要為覆銅板(CCL)、半固化片(PP)、銅箔、銅球、金鹽、油墨、干膜等材料。通常來講，PCB成本構(gòu)成中覆銅板占37%左右、半固化片13%、金鹽8%、銅箔銅球5%，人力成本占比也相對較高約11%左右，不同種類產(chǎn)品原材料占比略有調(diào)整。 發(fā)表于：9/13/2018 華捷艾米戚勝剛：堅(jiān)持自主研發(fā)，已拿下全套3D核心算法 因?yàn)橛辛艘曈X我們才能看見世界，才能更好地進(jìn)行互動(dòng)交流。據(jù)調(diào)查統(tǒng)計(jì)，人與外界交互的信息約80%通過眼睛得到。 發(fā)表于：9/11/2018 奧比中光陳摯：3D視覺技術(shù)趨于成熟，2020年市場將全面爆發(fā)！ 人臉識(shí)別并不是一項(xiàng)新技術(shù)，人臉識(shí)別算法技術(shù)的演進(jìn)到現(xiàn)在已經(jīng)將近20多年。 不過目前大部分人臉識(shí)別仍以2D圖像為基礎(chǔ)，由于2D人臉識(shí)別存在人臉特征信息損失的情況，因此，2D人臉識(shí)別無法保證100%安全，在金融支付等場景中也無法應(yīng)用。 發(fā)表于：9/11/2018 DARPA宣布投入20億美元，開發(fā)人工智能新技術(shù) 9月8日消息，據(jù)福布斯網(wǎng)站報(bào)道，美國國防部高級研究計(jì)劃局(DARPA)宣布計(jì)劃投入20億美元開發(fā)新的人工智能(AI)技術(shù)，這是該機(jī)構(gòu)“AI Next（下一代人工智能）”計(jì)劃的一部分。這筆錢將用于資助DARPA新的和現(xiàn)有的人工智能研究項(xiàng)目。 發(fā)表于：9/11/2018 ECCV 2018 | 騰訊AI Lab提出正交深度特征分解算法：在多個(gè)跨年齡人臉識(shí)別任務(wù)中創(chuàng)造新記錄 這項(xiàng)工作由騰訊 AI Lab 獨(dú)立完成，其目的是通過研發(fā)新的深度學(xué)習(xí)模型以提高跨年齡人臉識(shí)別的精度。 發(fā)表于：9/10/2018 業(yè)界 | 從語音到金融：鄧力的人工智能30年 從早期的神經(jīng)網(wǎng)絡(luò)研究到創(chuàng)造性解決語音識(shí)別任務(wù)，再到投身金融領(lǐng)域，機(jī)器學(xué)習(xí)大牛鄧力已經(jīng)在人工智能領(lǐng)域叱咤三十余年。 發(fā)表于：9/10/2018 Nature | 耶魯實(shí)現(xiàn)量子門的隱形傳輸，模塊化量子計(jì)算的關(guān)鍵進(jìn)展 耶魯大學(xué)的研究人員證明，構(gòu)建模塊化、可糾錯(cuò)量子計(jì)算機(jī)架構(gòu)的關(guān)鍵步驟之一是按需在兩個(gè)量子比特之間「隱形傳送」量子門。該研究于 9 月 5 日在《nature》上發(fā)布。 發(fā)表于：9/10/2018 專訪 | 小白也能搭建深度模型，百度EasyDL的背后你知多少 部署深度學(xué)習(xí)服務(wù)非常困難，因此簡單易用的圖形化系統(tǒng)就顯得極為重要。本文介紹了百度的圖形化深度學(xué)習(xí)系統(tǒng) EasyDL，用戶可以不需要機(jī)器學(xué)習(xí)背景知識(shí)而搭建優(yōu)秀的深度學(xué)習(xí)服務(wù)。 發(fā)表于：9/10/2018 32分鐘訓(xùn)練神經(jīng)機(jī)器翻譯，速度提升45倍 深度模型的訓(xùn)練時(shí)間通常對研究者而言都是很大的挑戰(zhàn)，我們需要花數(shù)小時(shí)甚至數(shù)天才能知道某個(gè)小改進(jìn)到底好不好。 發(fā)表于：9/10/2018 ?…72737475767778798081…?
