123,123

數(shù)據(jù)中心最新文章

資源 | Distill詳述「可微圖像參數(shù)化」：神經(jīng)網(wǎng)絡可視化和風格遷移利器！

近日，期刊平臺 Distill 發(fā)布了谷歌研究人員的一篇文章，介紹一個適用于神經(jīng)網(wǎng)絡可視化和風格遷移的強大工具：可微圖像參數(shù)化。這篇文章從多個方面介紹了該工具，機器之心選取部分內(nèi)容進行了編譯介紹。

發(fā)表于：8/22/2018

KDD 2018 | 最佳論文：首個面向Facebook、arXiv網(wǎng)絡圖類的對抗攻擊研究

8 月 19 日至 23 日，數(shù)據(jù)挖掘頂會 KDD 2018 在英國倫敦舉行，昨日大會公布了最佳論文等獎項。最佳論文來自慕尼黑工業(yè)大學的研究者，他們提出了針對圖深度學習模型的對抗攻擊方法，是首個在屬性圖上的對抗攻擊研究。

發(fā)表于：8/22/2018

用于快速測試電路信號響應的袖珍型白噪聲發(fā)生器

電路中的噪聲通常都是有害的，任何好電路都應該輸出盡可能低的噪聲。盡管如此，在某些情況下，一個特性明確且沒有其他信號的噪聲源就是所需的輸出。

發(fā)表于：8/21/2018

IIoT與工業(yè)AI融合，NI 為無錫“雪浪制造大腦” 打造邊緣智算

根據(jù)埃森哲(Accenture)的研究報告，全球工業(yè)物聯(lián)網(wǎng)(Industrial Internet of Things，簡稱IIoT)市場規(guī)模預計在2020年將超過5,000億美元。基于當前的投入水平，到2030年預計工業(yè)物聯(lián)網(wǎng)為世界經(jīng)濟帶來的收益至少在10萬億美元。同時，隨著中國制造業(yè)的發(fā)展，工業(yè)物聯(lián)網(wǎng)的市場規(guī)模逐漸擴大，預測未來15年中國將在工業(yè)物聯(lián)網(wǎng)領域受益約1.8萬億美元，市場前景廣闊。

發(fā)表于：8/21/2018

京東方：柔性屏產(chǎn)線明年滿產(chǎn)

8月17日消息，在昨天開幕的2018iWorld數(shù)字世界博覽會上，除了業(yè)內(nèi)熟知的柔性顯示屏產(chǎn)品，BOE（京東方）還展示了最新推出的全球首款數(shù)字藝術物聯(lián)網(wǎng)解決方案——京東方畫屏。

發(fā)表于：8/20/2018

ECCV 2018 | 對抗深度學習: 魚 (模型準確性) 與熊掌 (模型魯棒性) 能否兼得？

分類的準確度長期以來都是評價圖像分類模型性能的最核心甚至唯一標準。但最近研究表明，即使是充分訓練好的深度神經(jīng)網(wǎng)絡模型也很容易被對抗攻擊算法攻破。

發(fā)表于：8/18/2018

學界 | 谷歌的機器翻譯模型 Transformer，現(xiàn)在可以用來做任何事了

去年，谷歌發(fā)布了機器學習模型 Transformer，該模型在機器翻譯及其他語言理解任務上的表現(xiàn)遠遠超越了以往算法。

發(fā)表于：8/18/2018

前沿 | XNN：打開了自己黑箱的神經(jīng)網(wǎng)絡

本文介紹了一種旨在「打開」并解釋神經(jīng)網(wǎng)絡的新模型 XNN（可解釋神經(jīng)網(wǎng)路）。該網(wǎng)絡包含三個重要組成部分：投影層、子網(wǎng)絡、組合層。XNN 還可用于替代復雜模型，無論將 XNN 用作主要模型還是用于更復雜模型的替代模型，XNN 都可以直接解釋模型如何使用輸入特征進行預測。

發(fā)表于：8/18/2018

學界 | 利用AI精確重建多模光纖傳輸圖像，該技術或可改變醫(yī)療和通信行業(yè)

近日，來自瑞士聯(lián)邦理工學院的一組研究人員在美國光學學會的高影響因子期刊 Optica 上發(fā)表文章報告其研究成果。

發(fā)表于：8/18/2018

又一起“漢芯”事件？號稱自主可控的“紅芯”卻是“美國芯”？

8月15日，號稱“基于自主可控、自主創(chuàng)新的瀏覽器核心技術”的“紅芯”宣布完成2.5億元C輪系列融資，本輪融資主要來源于紅芯目標行業(yè)市場的戰(zhàn)略投資，投資方除上市公司及政府客戶外，晨興資本、達晨創(chuàng)投、IDG資本繼續(xù)跟進投資。

發(fā)表于：8/17/2018

基于高層次綜合工具的BIST控制器設計

存儲器內(nèi)建自測試（MBIST）技術在存儲器測試中具有廣泛應用，針對傳統(tǒng)寄存器傳輸級描述語言設計BIST控制器的過程相對繁瑣、專用EDA工具定義算法的靈活性差和電路結構固定等問題，提出采用高層次綜合工具設計BIST控制器的方法。以SRAM為對象，采用C語言描述MARCH算法，并采取端口分配、流水線優(yōu)化和數(shù)組分割等優(yōu)化方案完善設計。最后借助FPGA平臺驗證評估了高層次綜合工具輸出的RTL級代碼電路的功能可靠性和規(guī)?？煽匦?。相對于傳統(tǒng)的兩種方法，擺脫了算法實現(xiàn)和電路結構設計的局限性，縮短了算法實現(xiàn)周期。

發(fā)表于：8/16/2018

RISC-V帶給中國CPU和芯片行業(yè)發(fā)展的歷史性機遇

微處理器指令集架構（Instruction Set Architecture，ISA）是溝通軟硬件運算之間的橋梁，是處理器的靈魂。包括復雜指令集運算（Complex Instruction Set Computing，CISC）、精簡指令集運算（Reduced Instruction Set Computing，RISC）、顯式并行指令集運算（Explicitly Parallel Instruction Computing，EPIC）、超長指令字指令集運算（Very Long Instruction Word，VLIW）四類。

發(fā)表于：8/15/2018

埃森哲入股碼隆科技，雙方宣布達成AI戰(zhàn)略合作

今天（8月13日），埃森哲與碼隆科技達成戰(zhàn)略合作關系，并投資持有了其少數(shù)股權。具體投資額度和持股比例均未公布。

發(fā)表于：8/15/2018

華潤上華攜手銳成芯微推出完整低功耗物聯(lián)網(wǎng)解決方案

2018年8月13日，無錫華潤上華科技有限公司（以下簡稱“華潤上華”）與成都銳成芯微科技股份有限公司（以下簡稱“銳成芯微”）宣布，雙方聯(lián)合推出基于華潤上華110納米嵌入式閃存技術平臺的低功耗物聯(lián)網(wǎng)完整解決方案。

發(fā)表于：8/15/2018

Stratus HLS工具在高性能雙精度浮點乘法設計中的應用流程

雙精度浮點乘法部件是高性能CPU的核心運算部件之一。描述了使用Cadence Stratus HLS工具設計和實現(xiàn)雙精度浮點乘法部件，探索新設計方法學在關鍵路徑延時調(diào)整、數(shù)據(jù)路徑優(yōu)化以及低功耗優(yōu)化等問題的解決方法，并探討如何將新的設計流程結合到原有項目開發(fā)中等問題。最終，高階綜合設計的RTL，在28 nm工藝下綜合實現(xiàn)頻率為2.5 GHz、面積為28 211 μm2，基本滿足高性能微處理器的開發(fā)要求，增強了在項目中更加廣泛地使用新設計方法學的信心。

發(fā)表于：8/15/2018