頭條 高通拆解Wi-Fi 8关键技术：无线连接堪比有线 1月29日消息，Wi-Fi 8的一大设计目是实现超高可靠性，即使在拥塞、干扰性和移动性强的复杂现实环境下，也能提供稳定、低时延、近乎无损的连接性能，超越传统Wi-Fi的表现。日前，高通技术公司技术标准副总裁Rolf De Vegt发文剖析Wi-Fi 8在解决这些挑战时所具备的独特关键技术。 最新資訊 上海微系统所等开发出可批量制造的新型光学硅与芯片技术 据中国科学院今日官网消息，5月8日，中国科学院上海微系统所的欧欣研究员团队联手瑞士洛桑联邦理工学院TobiasJ.Kippenberg团队，在钽酸锂异质集成晶圆及高性能光子芯片制备领域取得突破性进展。其中，钽酸锂光子芯片所展现出的极低光学损耗、高效电光转换和孤子频率梳产生等特性有望为突破通信领域速度、功耗、频率和带宽四大瓶颈问题提供解决方案，并在低温量子、光计算、光通信等领域催生革命性技术。 發(fā)表于：2024/5/9 中国电信全球率先交付端到端400G客户级专线 5 月 7 日消息，中国电信官宣为互联网头部客户开通的首批 400G OTN 精品专线正式交付使用。 据介绍，在超大带宽的加持下，该客户在宁夏和京津冀两地数据中心的网络连接由单线单波 100G 升级为单波 400G，实现数据中心之间海量用户数据“运、存、算”等协同作业。中国电信表示，这是全球首批交付商用的端到端 400G 客户级专线。 發(fā)表于：2024/5/8 我国长征六号丙运载火箭一箭四星首飞圆满成功 我国长征六号丙运载火箭一箭四星首飞圆满成功 5月7日消息，据“中国航天科技集团”官微发文，今日11时21分，我国新一代长征系列运载火箭家族的新成员——长征六号丙运载火箭在太原卫星发射中心点火起飞，随后将海王星01星等4颗卫星送入预定轨道，发射任务取得圆满成功。 發(fā)表于：2024/5/8 汽车直连卫星业务闪亮登场 卫星产业亟需打开大众市场 汽车直连卫星业务闪亮登场 卫星产业亟需打开大众市场 發(fā)表于：2024/5/8 中国联通推出车联网AI大模型，助力汽车产业创新加速 中国联通推出车联网AI大模型，助力汽车产业创新加速 發(fā)表于：2024/5/8 蓝牙技术联盟发布《2024年蓝牙市场最新资讯》 北京，2024年5月7日——负责监管蓝牙技术的行业协会蓝牙技术联盟（Bluetooth Special Interest Group，SIG）发布年度报告《2024年蓝牙市场最新资讯》。该报告介绍了蓝牙技术在各个行业和市场中的最新应用趋势，以及如何通过各种应用为人们的日常生活带来丰富的连接。 發(fā)表于：2024/5/7 派拓网络推出业界首个针对云优化的SOC平台 2024年5月7日，北京——全球网络安全领导企业Palo Alto Networks（纳斯达克代码：PANW）（派拓网络）近日宣布，其在利用安全运营中心（SOC）确保云安全方面实现创新，树立了新的里程碑。作为 Cortex XSIAM® for Cloud的一部分，新技术增强了派拓网络的Cortex XSIAM平台，使其能够在统一的解决方案中提供原生的云检测和响应功能，从而使Cortex XSIAM成为业界首个针对云进行优化的SOC平台。 發(fā)表于：2024/5/7 基于特征分析的智能网联汽车数据分级方法研究 当前，智能网联技术的发展使得汽车成为数据交互的重要载体，智能网联汽车所产生的数据量呈现指数型增长趋势，国家对于数据安全的重视程度也在不断加强。在此背景下，从行业实践角度出发，对我国当前数据安全监管现状、数据分级方法进行梳理，最后提出一种基于特征分析的数据分级方法，助力企业加强数据治理、满足政府合规要求。 發(fā)表于：2024/5/7 复杂背景下小尺寸多角度人脸检测方法研究 为了提升复杂背景下小尺寸人脸检测精度，提出了一种人脸检测方法GhostNet-MTCNN。在多任务级联卷积神经网络（MTCNN）主干网络上，将占用计算资源的普通卷积进行舍弃，利用GhostNet网络中计算量更低的Ghost bottleneck模组替代卷积的作用，重新构建网络特征提取功能，从而搭建一个新的模型。实验结果表明，该方法可以有效平衡参数量和精度。在Easy、Medium、Hard三种验证集上，与MTCNN相比在参数量仅增加0.62M的前提下精度分别提升了 5.6%、6.6%、7.8%，与MobileNetV3-MTCNN相比在参数量减少1.27M的同时精度又分别提升了1.6%、0.8%、0.5%。该研究能够在复杂场景下提高模型对小尺寸、多角度人脸检测精度，同时也能够有效平衡参数量和检测精度使其成为在边缘设备部署中更优的选择。 發(fā)表于：2024/5/7 结合批规范化层的深度学习模型在水中目标识别中的应用 针对深度学习模型在训练水声样本数据时会出现稳定性差进而导致分类识别效果不佳的问题，从网络的局部连接、空间位置排列以及模型设计的角度出发，研究在原有一维序列卷积核与一维序列池化的基础上，引入批规范化层，构建了深度学习网络模型。通过归一化处理，达到加速网络模型的收敛过程以及提高训练过程中的稳定性的目的。最终为验证该模型的有效性，对3类水声目标样本数据进行网络训练和模型验证，证明该模型对水声目标数据分类识别有一定程度的性能提升。 發(fā)表于：2024/5/7 <…135136137138139140141142143144…>
