頭條 中国科学院高精度光计算研究取得进展 1月11日消息，据《先进光子学》（Advanced Photonics）报道，在人工智能神经网络高速发展的背景下，大规模的矩阵运算与频繁的数据迭代给传统电子处理器带来了巨大压力。光电混合计算通过光学处理与电学处理的协同集成，展现出显著的计算性能，然而实际应用受限于训练与推理环节分离、离线权重更新等问题，造成信息熵劣化、计算精度下降，导致推理准确度低。 中国科学院半导体研究所提出了一种基于相位像素阵列的可编程光学处理单元（OPU），并结合李雅普诺夫稳定性理论实现了对OPU的灵活编程。在此基础上，团队构建了一种端到端闭环光电混合计算架构（ECA），通过硬件—算法协同设计，实现了训练与推理的全流程闭环优化，有效补偿了信息熵损失，打破了光计算中计算精度与准确度之间的强耦合关系。 最新資訊 贾扬清：我对人工智能方向的一点浅见 作为 AI 大神，贾扬清让人印象深刻的可能是他写的AI框架Caffe ，那已经是六年前的事了。经过多年的沉淀，成为「阿里新人」的他，对人工智能又有何看法？ 發(fā)表于：2019/4/16 除了Kaggle，这里还有一些高质量的数据科学竞赛平台 除了大名鼎鼎的 kaggle，数据科学家可以参加的数据竞赛平台其实还蛮多的。有些比赛平台不仅提供比赛，还让你有机会自己创办比赛。有些比赛由公司赞助，有些由政府机构赞助。参加这些比赛不仅能让你的能力获得认可，还可以获得一些不菲的奖金呢~ 發(fā)表于：2019/4/16 线性模型已退场，XGBoost时代早已来 什么是 XGBoost？如何直观理解 XGBoost？它为什么这么优秀？ 發(fā)表于：2019/4/16 最强学习资料：国内多所重点大学课程攻略 或许每个经历过大学生涯的人都会有这样的感受：曾经努力收集各种课程资料，但在修完一门课程之后却会发现遗漏了很多重点内容。每一代前辈总结出的经验也常常因为无处传承而逐渐遗漏消失。 發(fā)表于：2019/4/16 基于CPCI总线和LVDS的高速数据传输系统的设计 为了实时准确地接收处理大容量的高速数据，在深入研究CPCI总线的基础上，提出了一种基于CPCI总线和LVDS的高速数据传输系统的实现方法。以PCI9054为桥接器件，FPGA为微控制器，设计了将PCI Target单周期模式读写指令和DMA突发模式传输数据相结合的传输模式，在保证数据可靠传输的同时，提高了数据的传输速度。经实践测试，该设计工作稳定，传输准确，成功地完成了预期传输任务。 發(fā)表于：2019/4/16 【技术分享】开关量/模拟量/脉冲量，学习PLC必须掌握的知识 PLC中无非就是三大量：开关量、模拟量、脉冲量。只在搞清楚三者之间的关系，你就能熟练的掌握PLC了。 發(fā)表于：2019/4/15 概述双机热备份伺服系统 伺服驱动系统如果要求全天侯连续不间断工作，对控制系统的可靠性要求很高，不但要求设备采用高可靠的元器件，还要有科学稳定的系统架构。双机热备份系统是一种能够有效保证高可靠性的系统组织架构。 發(fā)表于：2019/4/13 百道Python面试题实现，搞定Python编程就靠它 想要备战 Python 面试，这两个项目有千道 Python 问题与实现。 發(fā)表于：2019/4/12 一种基于忆阻特性的监督神经网络算法及电路设计 针对如何将忆阻器融入人工神经网络算法并进行硬件实现的问题，提出了一种在现场可编程逻辑门阵列（FPGA）平台上实现的基于忆阻特性的监督神经网络算法。该设计以忆阻器模块作为神经网络中的权值存储模块，构建误差反馈机制的监督学习。将该忆阻神经网络电路应用于图像分类问题，并进行了资源占用和处理速度的优化。实验结果表明其分类结果良好，在Cyclone II：EP2C70F896I8平台上，整体网络算法占用11 773个逻辑单元（LEs），训练耗时0.33 ms，图像的测试耗时10 μs。这一工作对忆阻器和神经网络的结合提出了一个有益的参考。 發(fā)表于：2019/4/11 研华推出一款高性能无风扇控制柜专用PC 支持灵活的PCI/PCIe扩展卡 2019年3月，自动化技术领先供应商研华隆重推出UNO-3285C，一款高性能无风扇控制柜专用PC。 發(fā)表于：2019/4/10 <…42434445464748495051…>
