頭條 全新一代北斗三號短報(bào)文通信SoC芯片發(fā)布 9月24日- 25日，第四屆北斗規(guī)模應(yīng)用國際峰會在湖南株洲隆重開幕。華大北斗重磅發(fā)布了全新一代北斗三號短報(bào)文通信SoC芯片HD6180，并攜多款芯片與模組產(chǎn)品及豐富的芯片級解決方案。 最新資訊 虛擬機(jī)已死 容器才是未來 我也曾經(jīng)是容器技術(shù)尤其是Docker粉絲，但用了一年后覺得事情也沒那么美好，而頗有一些同學(xué)以及一些公司依然認(rèn)為容器就是銀彈，虛擬機(jī)已經(jīng)是昨兒黃花必須打倒，大家趕緊一切皆容器。這里我對這種觀點(diǎn)吐吐槽。僅代表作者個(gè)人看法 發(fā)表于：5/10/2016 模擬電子腦能完全模擬人腦嗎 相較于IBM最近為其認(rèn)知電腦發(fā)布的數(shù)位硬體模擬元件，莫斯科物理技術(shù)學(xué)院(Moscow Institute of Physics and Technology;MIPT)的研究人員致力于使用類比元件來打造電子腦(E-Brain)，使其得以像真正的生物大腦一樣作業(yè)。 發(fā)表于：5/10/2016 機(jī)器人智能領(lǐng)域嶄露頭角 它會奪走你的飯碗嗎 隨著物聯(lián)網(wǎng)、大數(shù)據(jù)、觸覺以及傳感器等技術(shù)的迅速發(fā)展，機(jī)器人的智商不斷提高，靈巧性、柔變性、智能性越來越好，所能勝任的工作范圍不斷擴(kuò)大：不僅能干程序性體力活，在復(fù)雜的智能領(lǐng)域也開始嶄露頭角；不但可以替代手工操作，還可以替代腦力勞動。人們望著這些干活又快又好、不知疲倦的家伙，難免擔(dān)心哪天飯碗不保。 發(fā)表于：5/10/2016 淺析超級電容器在儲能產(chǎn)業(yè)中的前景 目前超級電容器市場正在飛速發(fā)展。2014年全球超級電容器市場規(guī)模達(dá)到十余億美元，年均增長速度超過30%。 發(fā)表于：5/10/2016 人工智能 光鮮外表之下的尷尬 在一次人工智能會議上，微軟英國的首席構(gòu)想官（chief envisioning officer）戴夫?科普林（Dave Coplin）對與會的商業(yè)領(lǐng)袖稱，人工智能是“當(dāng)今地球上人們正在研究的最重要的科技”。 發(fā)表于：5/10/2016 “芯片實(shí)驗(yàn)室”打開個(gè)性化醫(yī)療大門 目前，用一種帶USB插頭的微芯片設(shè)備做DNA檢測，只需30分鐘就可查清你是否攜帶某種疾病風(fēng)險(xiǎn)基因，價(jià)格低至20美元。這種微芯片稱為“芯片實(shí)驗(yàn)室”。 發(fā)表于：5/10/2016 基因測序“芯片實(shí)驗(yàn)室”打開個(gè)性化醫(yī)療大門 目前，用一種帶USB插頭的微芯片設(shè)備做DNA檢測，只需30分鐘就可查清你是否攜帶某種疾病風(fēng)險(xiǎn)基因，價(jià)格低至20美元。這種微芯片稱為“芯片實(shí)驗(yàn)室”。 發(fā)表于：5/10/2016 英飛凌調(diào)光ICLED調(diào)光電路節(jié)省70%的器件數(shù)和占板空間 英飛凌科技股份公司（FSE:IFX/OTCQX:IFNNY）正式發(fā)布了CDM10V。這款結(jié)構(gòu)緊湊、高度集成的LED調(diào)光 IC，可讓工程師以一個(gè)IC替代傳統(tǒng)調(diào)光方案中的多個(gè)分立器件。減少調(diào)光電路組件數(shù)量和占板空間達(dá)70%。英飛凌的CDM10V是業(yè)界第一款單芯片照明接口IC，能將0-10V模擬輸入轉(zhuǎn)換成主控IC所需的PWM或調(diào)光輸入信號。該信號是通過光耦進(jìn)行傳輸?shù)?mA PWM信號，占空比范圍0-100%。 發(fā)表于：5/9/2016 用集成驅(qū)動器優(yōu)化GaN性能 氮化鎵 (GaN) 晶體管的開關(guān)速度比硅MOSFET快很多，從而有可能實(shí)現(xiàn)更低的開關(guān)損耗。然而，當(dāng)壓擺率很高時(shí)，特定的封裝類型會限制GaN FET的開關(guān)性能。將GaN FET與驅(qū)動器集成在一個(gè)封裝內(nèi)可以減少寄生電感，并且優(yōu)化開關(guān)性能。集成驅(qū)動器還可以實(shí)現(xiàn)保護(hù)功能 發(fā)表于：5/9/2016 說話人識別中語速魯棒性研究 如今，說話人識別技術(shù)已經(jīng)比較成熟，但依然有很多因素影響說話人識別系統(tǒng)的穩(wěn)定性。本文針對說話速度對說話人識別的影響進(jìn)行了一系列的研究工作。通過模型空間分布可視化和語音頻譜觀察兩方面來分析不同語速語音的差距。然后，提出了最大似然線性回歸（MLLR）和Constraint MLLR（CMLLR）的方法對模型和特征進(jìn)行變換，使訓(xùn)練端和測試端的語音特征互相接近匹配。通過實(shí)驗(yàn)發(fā)現(xiàn)，MLLR和CMLLR能較好地提高說話人識別系統(tǒng)中語速魯棒性。 發(fā)表于：5/9/2016 ?…1312131313141315131613171318131913201321…?
