亚洲欧美另类专区,人人妻人人澡人人爽欧美一区九九,国产精品制服丝袜亚洲欧美

頭條

英偉達(dá)官宣：CUDA將全面支持RISC-V架構(gòu)！

早在2024年10月，英偉達(dá)在RISC-V北美峰會(huì)上透露，其在2015年就選定將RISC-V選定為其專有Falcon微控制器（MCU）的繼任架構(gòu)。由于 MCU 內(nèi)核是通用的，因此可以在英偉達(dá)的產(chǎn)品中廣泛使用。根據(jù)英偉達(dá)當(dāng)時(shí)的預(yù)計(jì)，2024年英偉達(dá)將交付10億個(gè)內(nèi)置于其 GPU、CPU、SoC 和其他產(chǎn)品中的 RISC-V 處理器，這也凸顯了定制 RISC-V 內(nèi)核在英偉達(dá)硬件中的普遍性和重要性。在此次RISC-V中國(guó)峰會(huì)上，F(xiàn)rans Sijstermanns也指出，英偉達(dá)是RVI和RISE的董事會(huì)成員和技術(shù)委員會(huì)代表，也是相關(guān)規(guī)范的貢獻(xiàn)者。英偉達(dá)產(chǎn)品中的微控制器都是基于RISC-V架構(gòu)，具有可配置、可擴(kuò)展和安全保護(hù)功能，并且也被集成在30多個(gè)IP中，每年出貨量超過(guò)10億個(gè)RISC-V MCU。

人工智能時(shí)代反壟斷法的挑戰(zhàn)：算法共謀的競(jìng)爭(zhēng)威脅與制度構(gòu)建

算法共謀對(duì)市場(chǎng)造成的威脅主要表現(xiàn)為：一方面，軸輻算法通過(guò)使用相同的第三方平臺(tái)來(lái)決定他們的定價(jià)策略，從而形成一個(gè)輪輻機(jī)制，促進(jìn)了信息的交換；另一方面，自學(xué)習(xí)算法可以在沒(méi)有信息共享或明確的協(xié)調(diào)行為的情形下，達(dá)成隱蔽的自主性共謀以促成規(guī)避競(jìng)爭(zhēng)的效果。而目前反壟斷法的分析框架在解決算法共謀的認(rèn)定問(wèn)題上掣襟露肘。主要表現(xiàn)為：算法共謀在技術(shù)上存在著隱蔽性并難以證明，串通行為的認(rèn)定存在爭(zhēng)議，算法共謀的歸責(zé)標(biāo)準(zhǔn)缺位。首先，在制度層面，既要注重公平競(jìng)爭(zhēng)與消費(fèi)者保護(hù)，也要兼顧效率目標(biāo)，來(lái)開(kāi)展算法技術(shù)創(chuàng)新和發(fā)展。其次，在技術(shù)標(biāo)準(zhǔn)層面，擴(kuò)展更新現(xiàn)有標(biāo)準(zhǔn)中關(guān)于串通的定義和協(xié)同行為的認(rèn)定范圍，解決算法黑箱與算法共謀的隱蔽性問(wèn)題。最后，構(gòu)建和明確算法共謀的責(zé)任歸屬，經(jīng)營(yíng)者對(duì)算法共謀結(jié)果的疏忽可以被解釋為具有反競(jìng)爭(zhēng)的意圖。

發(fā)表于：1/25/2024

基于深度卷積網(wǎng)絡(luò)和卷積去噪自編碼器的水聲信號(hào)識(shí)別方法

針對(duì)復(fù)雜水聲信號(hào)的分類識(shí)別問(wèn)題，提出了一種新的網(wǎng)絡(luò)模型結(jié)構(gòu)，將卷積神經(jīng)網(wǎng)絡(luò)和卷積去噪自編碼器結(jié)合到一起應(yīng)用于水聲信號(hào)Lofar譜的分類識(shí)別中。實(shí)驗(yàn)結(jié)果表明，該模型能夠利用更少的參數(shù)學(xué)習(xí)更豐富的魯棒性特征，目標(biāo)識(shí)別的總體準(zhǔn)確率達(dá)到81.2%，與傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)識(shí)別方法相比具有更高的識(shí)別準(zhǔn)確率。

發(fā)表于：1/25/2024

基于Kalman算法的大數(shù)據(jù)存儲(chǔ)架構(gòu)可擴(kuò)展性優(yōu)化算法

為了優(yōu)化大數(shù)據(jù)存儲(chǔ)架構(gòu)可擴(kuò)展性能，提高大數(shù)據(jù)架構(gòu)資源利用率，通過(guò)引入Kalman算法設(shè)計(jì)了一種大數(shù)據(jù)存儲(chǔ)架構(gòu)可擴(kuò)展性優(yōu)化算法。首先，綜合考慮大數(shù)據(jù)存儲(chǔ)架構(gòu)與多核環(huán)境內(nèi)存布局之間的兼容性，設(shè)計(jì)架構(gòu)內(nèi)存布局。其次，設(shè)計(jì)分布式共享內(nèi)存協(xié)議，確保各個(gè)進(jìn)程在訪問(wèn)共享內(nèi)存時(shí)能夠正確地協(xié)同工作，提高存儲(chǔ)架構(gòu)的容錯(cuò)性。在此基礎(chǔ)上，利用Kalman算法，動(dòng)態(tài)調(diào)整存儲(chǔ)節(jié)點(diǎn)的負(fù)載，進(jìn)而優(yōu)化大數(shù)據(jù)存儲(chǔ)架構(gòu)，以提高其可擴(kuò)展性。實(shí)驗(yàn)結(jié)果表明，應(yīng)用該算法后，大數(shù)據(jù)存儲(chǔ)架構(gòu)的資源利用率始終高于對(duì)照組，均達(dá)到了96%以上，最高達(dá)到了98%，架構(gòu)可擴(kuò)展性優(yōu)化效果顯著，服務(wù)器資源利用更充分，大規(guī)模數(shù)據(jù)處理更高效。

發(fā)表于：1/25/2024

基于事件表示的虛假情報(bào)檢測(cè)研究*

隨著互聯(lián)網(wǎng)的興起，虛假情報(bào)的廣泛傳播給社會(huì)輿論治理和情報(bào)分析帶來(lái)了困難，準(zhǔn)確地分辨虛假情報(bào)能夠幫助相關(guān)部門和人員有針對(duì)性地進(jìn)行處理。為了提高虛假情報(bào)檢測(cè)的效率，提出了基于事件表示的虛假情報(bào)檢測(cè)方法。首先，收集情報(bào)文本，并對(duì)其進(jìn)行預(yù)處理操作；其次將收集到的情報(bào)文本轉(zhuǎn)化成詞向量；然后，通過(guò)LSTM層捕捉情報(bào)文本深層次的語(yǔ)義特征；接著使用全連接層，目的在于將高維特征嵌入到低維向量空間，從而獲得情報(bào)文本的最終表示；最終，將分類結(jié)果反饋給相關(guān)情報(bào)人員進(jìn)行鑒別處理。經(jīng)在謠言數(shù)據(jù)集上的驗(yàn)證表明，該方法可以較好地區(qū)分謠言事件與非謠言事件，為更精準(zhǔn)地實(shí)現(xiàn)情報(bào)鑒別提供支持。

發(fā)表于：1/25/2024

基于邊緣緩存的數(shù)據(jù)服務(wù)共享技術(shù)

在嵌入式裝備系統(tǒng)中，大數(shù)據(jù)作為一種戰(zhàn)略資產(chǎn)，在優(yōu)勢(shì)獲取與效率提升方面的價(jià)值日益凸顯。然而，多源異構(gòu)、位置分散的大數(shù)據(jù)缺乏有效利用和深度融合，難以滿足業(yè)務(wù)應(yīng)用向智能化、協(xié)同化轉(zhuǎn)變的需求。為此，以大數(shù)據(jù)共享利用為導(dǎo)向，基于邊緣計(jì)算與緩存技術(shù)，將數(shù)據(jù)加工為一種產(chǎn)品和服務(wù)能力，以滿足嵌入式系統(tǒng)中不同應(yīng)用對(duì)數(shù)據(jù)服務(wù)產(chǎn)品共享的需求；從數(shù)據(jù)服務(wù)共享架構(gòu)、數(shù)據(jù)服務(wù)管理調(diào)度方法、數(shù)據(jù)服務(wù)共享方法等三個(gè)方面，探討分布式數(shù)據(jù)服務(wù)共享技術(shù)的可行性，以滿足嵌入式裝備系統(tǒng)數(shù)字化在數(shù)據(jù)智能、數(shù)據(jù)協(xié)同、決策支持等方面的關(guān)鍵需求。通過(guò)大數(shù)據(jù)的開(kāi)發(fā)利用，推動(dòng)智能應(yīng)用的升級(jí)更新。

發(fā)表于：1/25/2024

北京：到 2028 年在全國(guó)率先實(shí)現(xiàn)可重復(fù)使用火箭入軌回收復(fù)飛

1 月 24 日消息，今日，北京市人民政府網(wǎng)站發(fā)布北京市人民政府辦公廳關(guān)于印發(fā)《北京市加快商業(yè)航天創(chuàng)新發(fā)展行動(dòng)方案（2024-2028 年）》的通知。

發(fā)表于：1/25/2024

東方空間引力二號(hào)中大型可回收液體火箭快了

東方空間引力二號(hào)中大型可回收液體火箭快了！發(fā)射成本媲美獵鷹九號(hào)

發(fā)表于：1/25/2024

融合注意力機(jī)制和Child-Sum Tree-LSTM的二進(jìn)制代碼相似性檢測(cè)

抽象語(yǔ)法樹(shù)是一種代碼的樹(shù)型表示，它保留了代碼中定義良好的語(yǔ)句組件、語(yǔ)句的顯式順序和執(zhí)行邏輯。包含豐富語(yǔ)義信息的抽象語(yǔ)法樹(shù)可以在二進(jìn)制分析時(shí)通過(guò)反編譯生成，并且已經(jīng)作為代碼特征應(yīng)用于二進(jìn)制代碼相似度檢測(cè)。抽象語(yǔ)法樹(shù)中不同類別的節(jié)點(diǎn)承載著不同的語(yǔ)義信息，對(duì)整棵樹(shù)的語(yǔ)義具有不同的貢獻(xiàn)程度。然而現(xiàn)有的二進(jìn)制代碼相似度檢測(cè)方法所用神經(jīng)網(wǎng)絡(luò)無(wú)法對(duì)抽象語(yǔ)法樹(shù)節(jié)點(diǎn)進(jìn)行重要性區(qū)分，影響了模型的訓(xùn)練效果。針對(duì)該問(wèn)題，提出了一種融合注意力機(jī)制和Child-Sum Tree-LSTM神經(jīng)網(wǎng)絡(luò)的跨指令集、跨代碼混淆二進(jìn)制代碼相似性檢測(cè)方法。首先使用二進(jìn)制分析工具IDA Pro對(duì)二進(jìn)制代碼反編譯提取架構(gòu)無(wú)關(guān)的抽象語(yǔ)法樹(shù)特征，并利用隨機(jī)采樣構(gòu)造訓(xùn)練樣本對(duì)。然后使用抽象語(yǔ)法樹(shù)訓(xùn)練樣本對(duì)訓(xùn)練融合注意力機(jī)制和Child-Sum Tree-LSTM的神經(jīng)網(wǎng)絡(luò)模型。在公開(kāi)數(shù)據(jù)集BINKIT上的實(shí)驗(yàn)表明，所提方法的AUC和Accuracy指標(biāo)分別為94.1%、66.2%，優(yōu)于Child-Sum Tree-LSTM算法。

發(fā)表于：1/25/2024

華為智能穿戴新專利曝光當(dāng)前消費(fèi)電子板塊配置性價(jià)比凸顯

華為技術(shù)有限公司申請(qǐng)的“基于人體通信的電子設(shè)備、通信裝置和系統(tǒng)”專利公布。摘要顯示，該申請(qǐng)公開(kāi)了一種基于人體通信的電子設(shè)備（可以是無(wú)線耳機(jī)，也可以是其他可穿戴設(shè)備），包括設(shè)備本體、多個(gè)信號(hào)電極和調(diào)整電路，電極設(shè)置在設(shè)備的不同位置，用于在電子設(shè)備工作時(shí)與用戶身體形成用于通信信號(hào)傳輸?shù)耐ǖ溃徽{(diào)整電路與至少一個(gè)信號(hào)電極電連接，并且用于調(diào)整至少一個(gè)信號(hào)電極的工作參數(shù)。該多個(gè)信號(hào)電極可以與用戶身體共同構(gòu)成多條信號(hào)傳輸通道，進(jìn)行信號(hào)傳輸通道之間的疊加以及互補(bǔ)，以實(shí)現(xiàn)更寬的通信帶寬，并且調(diào)整電路可以調(diào)整至少一個(gè)信號(hào)電極的工作參數(shù)。

發(fā)表于：1/25/2024

英偉達(dá)與Equinix達(dá)成合作：為企業(yè)客戶提供AI超算系統(tǒng)

發(fā)表于：1/25/2024