f***y
发帖数: 4447 | 1 应该花钱进军显卡。
比特大陆发布第三代AI芯片 詹克团说算力就是生产力
艾檬·10:29·本土IC 来源: 爱集微
（集微网报道 艾檬）在今日举办的福州城市大脑暨闽东北信息化战略合作发布会上，
北京比特大陆科技有限公司董事长詹克团宣称，正式发布第三代AI芯片——城市大脑专
用芯片BM1684。
作为一款深度学习专用处理器，BM1684聚焦于云端及边缘应用的人工智能推理，采用台
积电12nm工艺，在典型功耗仅16瓦的前提下，FP32 精度算力达到 2.2 TFlops，INT8算
力可高达17.6Tops，在Winograd卷积加速下INT8算力更提升至35.2Tops，并集成高清解
码和编码算法，实现了低功耗、高性能、全定制，可广泛应用于自动驾驶、城市大脑、
智能政务、智能安防、智能医疗等诸多AI场景。
詹克团在发布会上表示，IC原来是小众市场，但在美国对我国中兴、华为制裁后，在中
国已然家喻户晓。但国外企业在资金、人才、标准、市场建立了极高的门槛，我国还处
于追赶速度，很辛苦。而发展AI芯片需找到切合的场景并落地，当下智慧城市、智慧社
区、安防监控、自动驾驶等是重要场景，而随着人类从... 阅读全帖 |
|
d*****u
发帖数: 17243 | 2 但是pca是unsupervised，并不一定能根据需要来transform。
你用CNN做一个图形分类器的话，CNN会根据分类的需要来生成卷积kernel，而不是对所
有任务都一样的kernel。
（当然这个有时也是缺点，不展开说了） |
|
w*********g
发帖数: 30882 | 3
抗。
30年前有网络智能手机？
30年前有基因技术？
30年前有微软视窗操作系统？
30年前有量子计算机？
30年前有深度卷积算法？
30年前有可视电话？
30年前有可原地降落的火箭？
30年前有电子商务/手机支付？
。。。。。。。。
别让无知限制了想象力 |
|
v**e
发帖数: 8422 | 4 陈云霁： 从龙芯1号 到寒武纪的跨越
更新时间：2017-9-7 11:55:25
[智能时代迟早要到来。每个时代都有其核心的物质载体，比如工业时代的
蒸汽机、信息时代的通用CPU，智能时代也将会出现这个核心载体。公司未来想实现的
是让人工智能芯片计算效率提高一万倍，功耗降低一万倍]
大约6亿年前在地质学上被称作“寒武纪”的时代，大量无脊椎动物在短时间
内出现“生命大爆发”。如今，“寒武纪”这个名字再次被人们提及，它源自中科院计
算所研发的人工智能芯片处理器的命名，意喻人工智能即将迎来大爆发的时代。
“寒武纪”8月获得了阿里巴巴领投的1亿美元融资，成为估值超过10亿美元
的智能芯片领域独角兽公司。创始人陈云霁、陈天石兄弟俩也因此“一鸣惊人”，跃入
公众视野。
目前寒武纪终端处理器IP产品已衍生出1A、1H等多个型号，在未来数年，全
世界有数亿终端设备可望通过集成寒武纪处理器，来获得强大的本地智能处理能力。
陈云霁的目标是，让人工智能芯片计算效率提高一万倍，功耗降低一万倍。
要实现这一目标，除了借助资本壮大快速发展自己，还需要陈云霁与陈天石俩兄弟继续
长期以来的“... 阅读全帖 |
|
发帖数: 1 | 5 2016 年，Google 旗下 DeepMind 公司开发的 AlphaGo 击败了韩国职业九段棋士李世
石。今年 5 月，AlphaGo 以三战全胜的纪录赢了名列世界第一的棋王柯洁。隔了五个
月后，DeepMind 公布了 AlphaGo Zero，它再度让人类感到震撼。
「我没有想过一个名词能获得所有人的认同，从政治人物、科学家、企业家、到学生甚
至是小孩，都觉得这件事明天会发生，这场完美风暴的引爆点是 AlphaGo，黄士杰可能
自己都没想过，他那隻帮机器下棋的手，改变这个世界：让大家相信或者忧虑机器会超
越人类」，Google 台湾董事总经理简立峰说。
人工智慧，是简立峰口中的完美风暴，AlphaGo 则是这一波 AI 风潮的最佳代言人，那
麽，黄士杰呢？相信 DeepTech 的读者们已经对这个名字并不陌生，他是 DeepMind 资
深研究员，是与人类顶尖棋手对弈时代 AlphaGo 执棋的「人肉臂」，更重要的是，他
还是开发这个神秘大脑的关键人物之一。
11 月 10 日，黄士杰应台湾人工智慧年会之邀来台演讲，演讲主题是「AlphaGo——
深度学习与强化学习的胜利」，... 阅读全帖 |
|
发帖数: 1 | 6 我知道通过去卷积或者振铃效应消除算法有可能可以得到可读的车牌。我的意思是如果
是直出的片子，看不清楚车牌在一些情况下是正常的，不管这个dash cam有多贵。所以
没必要怀疑dash cam，再花钱换意义也不大。
[在 bestdataer (E.R.) 的大作中提到：]
:你要看的多清，足够必要时候能够借助电脑技术把车牌识别出来就可以了 |
|
l*******s
发帖数: 3562 | 7 很多时候不管你怎么教都没有办法，因为他们先修课就没有学好。我有四年级的学生不
知道指数函数求导的，有研究生没听说过卷积的，这神仙来了也没法教
short |
|
z****r
发帖数: 184 | 8 如果理想信号是一个高斯函数， 宽度为 a1; 仪器的分辨函数是一个已知的高斯函数
， 宽度为 a2； 如果 a2>>a1 (~ 10
倍）， 我能不能通过把实际测量的信号去卷积来得到一个可靠的理想信号？
让我困或的原因是：
一方面我们知道如果一个尺子精确到厘米， 不能得到可靠的毫米结果；
另一方面， 在图像处理中， 似乎可以把一个模糊图像通过处理还原成一个清晰图像,
尽管分辨宽度大于图像的宽度。
如果哪位知道结果和这方面的阅读材料， 望不吝赐教，非常感谢！
John |
|
C***t
发帖数: 915 | 9 我虽然没有实行，但也开始搞很多随堂练习，当quiz计分。比如学到卷积，就给两组数
，叫他们手动卷一下。必须这样，否则光是我讲，魂儿都跑了。 |
|
发帖数: 1 | 10 从太空传回的海量数据谁来分析？
詹姆斯·克劳福德的办公室和谷歌公司一样，位于硅谷的山景城。三年前，詹姆斯创办
了这家名为Orbital Insight的公司，依靠人工智能方法发掘从太空传回地球的各种数
据，得到有效信息帮助人们决策。
Orbital Insight公司创始人詹姆斯·克劳福德：如果仅靠人工观察提取信息，比如计
算路上的汽车、卡车或火车数量，几年后就需要800万人。所以，我们用机器代替人工
来观察卫星影像。使用深度学习、卷积神经网络等人工智能技术，分析、理解影像内容
，并转换成可用信息。
人工智能观察卫星影像，得到的信息用来干什么？
将卫星和人工智能里的机器学习相联系，对道路、飞机、云、雾、湖泊、土地、建筑物
和油库情况进行测量和分析，能够帮助人们更好地认知世界。詹姆斯的团队还与世界银
行进行了合作，通过建筑物高度和屋顶材质测量数据，来衡量各地的财富情况，从而提
高相关贫困数据的准确度。
人工智能的图像识别有多准确？
詹姆斯·克劳福德：其实很多算法的精度已经达到95-97%，与此同时，我们也在不断新
增识别对象，比如识别道路、建筑或某款汽车。
停车场大数据告... 阅读全帖 |
|
A*********r
发帖数: 564 | 11 哇，你这个算的Ｆ（ｋ）跟我的一样，看来我原来的思路还是对的。。
不过我从两个数字推导到三个数字花了好长时间，能说说你是怎么这么快得到卷积的么？
45, |
|
A*********r
发帖数: 564 | 12 去查了一下卷积和ＦＦＴ，看来要算法和数学都牛才能达到这个提纲挈领的水平。。
多谢ｈａｎ６答疑。。
45, |
|
s*******r
发帖数: 47 | 13 我的理解是： 6位数总的排列是1000000（10^6）
两头相等的可能排列就是：
三个数字的情况，总和为0~27的方法为以上的卷积
1, 3, 6, 10, 15, 21, 28, 36, 45, 55, 63, 69, 73, 75, 75, 73, 69, 63, 55,
45,
36, 28, 21, 15, 10, 6, 3, 1
每种和的情况的排列有： x*x, 比如和为4，那么就有10x10种排列，
总的排列就是他说的“计算平方和为：55252” |
|
E*******0
发帖数: 465 | 14 第三题：
我觉得用一个 111 的mask，做卷积。
101
111 |
|
b*******8
发帖数: 37364 | 15 牛啊。Google了Matlab的卷积，看了半天，才明白了你程序的意思。 |
|
c****p
发帖数: 6474 | 16 没有。。。。可能要利用圆周卷积的性质，然后转化成类似于FFT的做法。 |
|
j****x
发帖数: 149 | 17 fft到频率域，算完后再inverse fft到时间域 |
|
h**6
发帖数: 4160 | 18 来自主题: JobHunting版 - 求助一算法 从0到9999999各位数之和的范围为0到63，显然32的出现次数最多。
具体次数，可以把1 1 1 1 1 1 1 1 1 1自卷积7次即可。 |
|
d*******l
发帖数: 338 | 19 来自主题: JobHunting版 - 求助一算法 这种数字和的问题卷积确实非常好使，鉴于k不一定是10的整次方，具体做起来还要麻
烦一些。下面是一个python的实现：
def conv(a, b):
r = [];
n = len(a);
m = len(b);
a += [0] * m;
b += [0] * n;
for i in xrange(n+m):
t = 0;
for j in xrange(i+1):
t += a[j]*b[i-j];
r.append(t);
return r;
def sum(n):
ret = 0
while(n > 0):
ret += n % 10;
n /= 10;
return ret;
def addV(a, b):
l = min(len(a), len(b));
for i in xrange(l):
a[i] += b[i];
def solve(k... 阅读全帖 |
|
n*****6
发帖数: 606 | 20 属于急来抱佛脚的，要写程序个卷积的，两个复变量序列，要用浮点数，运算都要用整
数。哪为有程序给个COPY最好，来LA我请吃饭。 |
|
s*****n
发帖数: 134 | 21 第一题就是一个用十字Kernal卷积的逆过程，最终的结果是需要检测的矩阵（m x n)，
输出是 (m-1 x n-1) 的矩阵。
我的笨方法是先用两层循环把每行和每列都转化成一个十进制的数，比如[1 2 1 5 4 3
2 1] 转化为 12154321, 如果这个数不能被 111整除，return false， 如果能整除，
把 Xi/111的结果再转化成一个行矢量Wi. 同理把 Yi/111的结果转化成列矢量 Vj。 把
Wi 和Vj 按行和列Cat成矩阵W 和V
如果第2到m-1行和2到n-1列都可以整除，就比较一下W 和V， 如果相同就return true。 |
|
O******i
发帖数: 269 | 22 和一个美国人吧。给一个矩阵和一个数k，要算另外一个矩阵。新的矩阵的每个位置是
老矩阵里面每个对应位置位中心边长为k的小矩阵的平均。用DP算法可以做到N^2。然后
实现这个算法。写了三个函数。
在火车上睡觉的时候想了个解法，不知道对不对。
这个题的背景实际上是二维数字图像处理的卷积滤波。这里是求平均，也可以求最大，
最小以及median, 其实也就是二维的离散拉普拉斯算符。
其实可以先考虑一维的情形。难点是如何用空间换时间，不需要每次都对k个数都重新
求和。对一维数组A, 如果构造辅助数组B, 使得
B[j] = A[0] + A[1] + ... A[j]
则A[m] + A[m + 1] + ... + A[m + k - 1] = B[m + k - 1] - B[m - 1]，可以O(1)时
间求得，而不用O(k)。
构造B的过程是DP, 类似Fibonacci的DP构造。
扩展到二维也是一样的，二维数组B每个元素的值，是二维数组A的左上顶点元素到右下
和B那个元素位置对应元素的子矩阵的和。
构造B的过程也是DP, 只是递归方程比一维情形稍微复杂些，是两个矩阵相加，减去相
交部分... 阅读全帖 |
|
w****a
发帖数: 186 | 23 这是二维矩阵卷积的特例，这种情况下，可以先算小矩阵的和，再除以k*k。计算小矩
阵的和，可以用summed area table(也叫integral image)，跟楼主说到的辅助数组是
一样的：
http://en.wikipedia.org/wiki/Summed_area_table
算法是O(N)的，其实非常简单，就是利用A(i-1, j-1), A(i-1, j), A(i, j-1)来算A(i
, j)。应该用不到DP。
楼主很强！ |
|
f*****e
发帖数: 2992 | 24 这不是经典的卷积或fourier变换吗？O(nlogN)可以搞定。 |
|
|
c*********r
发帖数: 2097 | 26 最近跟一个朋友讨论工资问题，讨论了半天蓦然发现我们在算法上存在很大差异，所以
回到版上来问一下大家报 package 的时候都怎么算的。随便举个例子
offer 10万 base, 价值8 万的股票 4年 vest. 每年 refresh 4万股票。refresh 的分
四年 vest
那么我一直以为是这样算的,按四年计。每年涨工资bonus什么的先不管。
10 + 8/4 + 4/4 = 13万 第一年
10 + 8/4 + 4/4 * 2 = 14万 第二年
10 + 8/4 + 4/4 * 3 = 15万 第三年
...... 16万 第四年
第4年以后就都是14万。 就有点像个卷积。。。
我的理解这就是每年14万5的 total package.
然后我发现我朋友跟我的理解不一样，他把这8万就放在 total package 里面了，不用
除以四的。。
我就想问一下平常大家报 offer 的时候惯例是什么？？ 谢了。 |
|
m**m
发帖数: 5500 | 27 离开那年，要往前卷积并减掉。。不过下一个公司又会set一个比较高的初始值。。
其实你明白就好了，没必要算清楚。就好像为啥今年给了这么多股票，为啥收入还远不
如去年了？因为今年给的还没vest，去年又恰好卖了积攒的rsu。。差不多就可以了。 |
|
m*********r
发帖数: 1797 | 28 HERE Chicago 招聘深度学习算法工程师
要求 熟悉 深度学习理论，卷积网络架构
计算机视觉理论，物体识别和定位
C++, Python, Caffe
地点 芝加哥 downtown
请联系 [email protected]/* */ |
|
M********t
发帖数: 1718 | 29 我觉得，大概小学左右的小朋友会喜欢新奇而且直观的名词，越cool越好。什么恐龙啊
，植物名啊，飞机型号啊，甚至人体解剖结构的词汇。但是对要求逻辑和数学的东西，
他们还不太擅长。拿天文做例子，我大概会给小学的小朋友买个望远镜，教她看月亮，
认星座，认行星。他们可能会可以把那些大人记不住的星星名字全记下来。大概中学左
右就可以解释黄道和太阳及行星的关系啊，为什么恒星的运动轨迹和行星不同啊，为什
么会有潮汐啊，为什么月亮总是固定一面朝着我们之类的东西。等小朋友髙中学了微积
分之后，还可以让她算一些东西，过把prophet的瘾。再举个lz一开始的那个例子，可
以给小朋友解释音高和频率的关系，但不要讲傅立叶，因为其中涉及卷积这个很不直观
的数学概念；可以讲波的形状，但不要讲贝塞尔函数，因为不学微分方程不会真正理解
这个概念。还有，我一直反对给小朋友科普近代物理，比如相对论和量子力学，似懂非
懂还不如完全不懂。 |
|
x***1
发帖数: 999 | 30 就shift而言，从baby时代到成人的computer时代，可真真是天下无敌，让人叹为观止：
知道computer咋做导数运算的吗？shift,瞬间完成，分毫不差。其他图像处理，比如平
滑，卷积，傅立叶转换等，几乎一个道理。
举个简单例子，求f(x)的导数，将f(x)左移一个像素，用shift过的减去没shift的，就
得到了f(x)的导数。 |
|
|
b***d
发帖数: 2695 | 32 哈哈哈，超赞卷积！！！！！但是我觉得幅值太不一样
还有老潮啊，我觉得你太在意竞赛成绩了！！！！！！
女孩子在teen的时候，我觉得家长应该更关注她们的心理变化
情绪波动很大，学校各种dynamics，女孩子里这时候会出现真正的
mean girl，会hurt其他女孩子，如果没有处理好，可能会影响孩子
一生。 这时候成绩神马的，应该放在次要地位， 孩子的性格，价值
观（女孩子的虚荣，攀比等）等才是这个阶段的focus。
等过了这个阶段，到了高中，自然就会回归到正常track，好好学习
seriously，自己的经历和很多家长的经验。 |
|
t******l
发帖数: 10908 | 33 古人云：读好书，不求甚解，每有会意，便欣然卷积。
：昨天跟娃作了她们老师布置的riz kids，发现我现在阅读书平还是没有提高。 阅读的
：时候常常忘了作阅读理解题的套路。就是不记得新东方，前进老师的结体秘籍阿！！ |
|
G*******m
发帖数: 16326 | 34 “信号与系统”是与通信、信息及自动控制等专业有关的一门基础学科。它的主要任务
是：（1）在“时间域”及“频率域”下研究时间函数x(t)及离散序列x（n）的各种表
示方式，（2）在“时间域”及“频率域”下研究系统特性的各种描述方式，（3）在“
时间域”及“频率域”下研究激励信号通过系统时所获得的响应。
时间函数x(t)及自变量代表时间的离散序列x(n)是信号的时域的基本表示方式。此
外，无论是连续信号还是离散序列，都可以在频域中用它的傅里叶变换（即频谱函数）
表示，也可以在“复频域”中用相应的拉普拉斯变换或z变换表示。与此对应，连续或
离散系统的特性可在时域中用微分方程或差分方程描述，也可分别用冲激响应h(t)或h
（n）描述；或频域中用频率响应H(jω)、H（ejω）或传递函数H(s)、H(z)描述。研究
在给定的激励下通过系统的响应，可以在时域下用解微分方程或差分方程的方法，或通
过激励信号与冲激响应的卷积进行，也可以在频域下，分别将连续信号或离散序列的傅
里叶变换、拉普拉斯变换或z变换与系统的频率响应或传递函数相乘，得出响应的傅里
叶变换、拉普拉斯变换或z变换，再进行反变换。就得到... 阅读全帖 |
|
m*****n
发帖数: 2152 | 35 AlphaGo的算法等技术分析
2016-03-10 田渊栋 算法与数据结构
来源：知乎专栏-远东轶事
作者：田渊栋（微博@远东轶事）
链接：http://zhuanlan.zhihu.com/yuandong/20607684
作者简介：田渊栋是卡耐基梅隆大学机器人系博士。曾就职于 Google X 部门，目前是
Facebook 的智能围棋 darkforest 的负责人和第一作者。
最近我仔细看了下AlphaGo在《自然》杂志上发表的文章，写一些分析给大家分享。
AlphaGo这个系统主要由几个部分组成：
1、走棋网络（Policy Network），给定当前局面，预测/采样下一步的走棋。/2
2、快速走子（Fast rollout），目标和1一样，但在适当牺牲走棋质量的条件下，速度
要比1快1000倍。
3、估值网络（Value Network），给定当前局面，估计是白胜还是黑胜。
4、蒙特卡罗树搜索（Monte Carlo Tree Search，MCTS)，把以上这三个部分连起来，
形成一个完整的系统。
我们的DarkForest和AlphaGo同样是用4搭建的系统。Dar... 阅读全帖 |
|
|
i****x
发帖数: 17565 | 37 对的 高斯模糊就是对一个高斯核函数做卷积。bokeh可以把高斯核换成均匀圆分布核函
数，但计算量就大太多了。维基：
Bokeh can be simulated by convolving the image with a kernel that
corresponds to the image of an out-of-focus point source taken with a real
camera. Unlike conventional convolution, this convolution has a kernel that
depends on the distance of each image point and – at least in principle –
has to include image points that are occluded by objects in the foreground.[
20] Also, bokeh is not just any blur. To a first approximation, defocus bl... 阅读全帖 |
|
a***m
发帖数: 5037 | 38 最新一项研究工作显示
把输入样本照片 全部改成噪声
卷积神经元网络，一样能得到 training error = 0
懂的人，应该明白我说的是啥意思了。 |
|
发帖数: 1 | 39 在计算机时代，有个著名的摩尔定律，就是说同样成本每隔18个月晶体管数量会翻倍，
反过来同样数量晶体管成本会减半，这个规律已经很好地吻合了最近50年的发展，并且
可以衍生到很多类似的领域：存储、功耗、带宽、像素。
两年前的这个月是摩尔定律发表50周年，整整半个世纪。当时IEEE Spectrum为了纪念
摩尔定律50周年，特地发表了四篇关于摩尔定律的文章。其中一篇的题目叫“Moore’s
Law is Dying (and That Could Be Good)”，说的是摩尔定律不可能继续下去了。
1965年微芯片上的元件数增加了1倍，Gordon Moore于是预言这一趋势近期内将继续。
1975年他修改为每两年翻一翻，后来又说是18个月，或者说按指数律增长，每年46%。
这就是摩尔定律。摩尔定律预言了半导体产业50年的发展。摩尔预言了一个光辉的未来
，改变了世界。
这样高速的增长在其他产业是见不到的。美国的主粮玉米从1950年以后平均产量每年增
长2%，蒸汽涡轮式发电机把热能转换为电能，其效率在20世纪年增长率为1.5%，而1881
-2014室内灯光有效性（流明每瓦）年平均增长2.... 阅读全帖 |
|
l*******m
发帖数: 1096 | 40 女大下一代自动驾驶芯片是两颗GPU和两颗女大自己的TPU。Google则可以做出TPU但做
不出GPU。女大的GPU可以加速的应用太多了，TPU只能是矩阵乘法和卷积。做一些实际
系统就知道，很多数据处理都没法用TPU，大家都是先写CPU的，再写GPU加速
：TPU 不是 asic 呀，又不限定网络结构。所有目前基于矩阵运算的学习方式都可以跑
在TPU上，没记错的话应该是除了SVM不支持现在在用的机器学习算法都支持了。
： |
|
i*****9
发帖数: 3157 | 41 TPU 没法单独使用
性能上 TPU+CPU > TPU+GPU >> GPU >> CPU
原因不复杂，TPU和CPU的互补性更强，你具备EECS的基础知识就能明白我在说什么。
说到底，GPU毕竟是为图像渲染而优化的设计，在机器学习领域GPU就是介于CPU和TPU之
间的一种中间形态。一旦出现并行度更高的TPU，GPU的地位自然就尴尬了。
：女大下一代自动驾驶芯片是两颗GPU和两颗女大自己的TPU。Google则可以做出TPU但做
：不出GPU。女大的GPU可以加速的应用太多了，TPU只能是矩阵乘法和卷积。做一些实际 |
|
a*******g
发帖数: 3500 | 42 图像处理有很多卷积运算
: GPU能更快的处理图像。
: AI中用的最多。
: NVDA被称为AI之王，大概就是这个原因。
|
|
m*********r
发帖数: 1797 | 43 【 以下文字转载自 JobHunting 讨论区 】
发信人: minicoooper (god bless us!), 信区: JobHunting
标 题: [招聘] 深度学习 算法工程师
发信站: BBS 未名空间站 (Tue Jul 19 09:19:38 2016, 美东)
HERE Chicago 招聘深度学习算法工程师
要求 熟悉 深度学习理论，卷积网络架构
计算机视觉理论，物体识别和定位
C++, Python, Caffe
地点 芝加哥 downtown
请联系 [email protected]/* */ |
|
s****b
发帖数: 2039 | 44 俺以前试图吃下一门电磁学课，绝对赞叹麦方程的厉害！不过没过两个星期老师就开始
讲卷积，俺立马就把那门课DROP掉了。 |
|
t**********i
发帖数: 33 | 45 高通，天才与极限
原址：http://www.36kr.com/p/202286.html
2008，这一年，芯片霸主Intel凭借酷睿系列处理器，将“一生的对手”AMD彻底埋葬，
独领多核芯片之风骚。然而，Intel在绽放PC产业最后魅力的同时，却无可避免地要面
对夕阳西下，产业萎缩的无奈。自此之后，5年间，随着PC增长率的逐年下滑，顶尖时
尚科技的光华从桌面渐渐转到移动领域，而纵横天下三十年的Wintel联盟终于未能赶上
这时代的步伐，以致土崩瓦解，烟消云散。唉，谁叫岁月把拥有变作了失去？
从2008年初至2012年末，Intel在移动领域的举步维艰给芯片产业留下了统治者缺位的
空白地带。一时之间天下纷争，鹿失于野，高通、博通、Nvidia、Marvell、MediaTek
、展讯，群雄并起。这一场乱世，在2012年11月份，以高通的登顶而宣告终结：新霸主
诞生了[1]。
谈到高通，则无法避及一个二十世纪堪与爱因斯坦比肩的天才，“信息论之父”，香农
（Claude Shannon）。天才总是给世界画出一个完美的极限，世人就在这追逐极限的过
程中或功成名就，或皓首穷经。1948年，香... 阅读全帖 |
|
y***l
发帖数: 14 | 46 apple被面过,问得很杂,画手机硬件模块图,问手机发射功率多少dbm,画QPSK,16QAM,
64QAM,BER和SNR的关系图,算FIR卷积,一堆..最后挂了.. |
|
b*****1
发帖数: 3331 | 47 游历多年，海啸，地震，战争，暴风骤雨，年年有，年年都当观众，紧赶慢赶一个都没
赶上，这让我这个自诩上过山，下过海，打过泡，扛过枪，务过农，经过商的人，颇感
汗颜，跟人说话都觉得矮半截，连吹牛皮都脸红。
这次盛夏中的一阵狂风卷积之下的暴雨，终于让我的人生趋向完整了。
正浸淫欲三国志12，我大耳刘备败走汝南，会合关张，沮授励精图治，准备联合曹贼颠
覆人中吕布的时候，外面风生大做，处于习惯，每逢下雨，我都喜欢看看，拉起窗帘，
一道闪电，趟着切向虚空，随后就是电灯被震撼了，强自镇定之后，第二道闪电又平平
的划过，（MD,不应该是立闪？？？难怪现在都流行说躺着中枪神马的，看来冥冥之中
自有天意。），台灯试图和我心进行最后一次心灵沟通后，重重的闭上了眼睛，what？
hi， I need you in my war.
哇咔咔，我终于落在灾区了，可以心安理得的等着全国人民给我捐献吧，如果不出意外
的话，我们家应该是在下周六恢复供电，在酷暑中做灾民，以后好歹也有了谈资。
第二天赶紧溜达出去看看，娃哈哈，世界真清静，NA NI ；手机都没信号，at%t ,
tmobile, 信号塔都中枪了；红绿灯，不是... 阅读全帖 |
|
a*****g
发帖数: 19398 | 48 2015年11月13日 21:02 来源：中国新闻网 参与互动 0
中新网北京11月13日电 (王婧)美林谷杯首届世界计算机围棋锦标赛决赛13日战罢
。在
9支参赛队伍中，韩国队的围棋软件DolBaram夺得冠军，日本“老将”Zen屈居亚军，美
国队
的Many Faces of Go获得季军。中国队“新人”MyGo排名第七。
本届比赛共有来自中国、韩国、日本、美国、法国、捷克和中华台北等7个国家和
地区
的9支队伍参赛，首先进行9轮单循环赛，然后抽签分组进行半决赛和决赛。决出的冠军
将在
14日和15日与中国围棋名人战的新科冠军连笑进行让子棋的三轮对抗。
DolBaram棋路常显“凶神恶煞”之势，属侵略性较强的“选手”。此次比赛中，它
一路
过关斩将，战无不胜，连日本“老将”Zen也不放在眼里。这是DolBaram今年第二次战胜
Zen。但是在比赛过程中，计算机的“脑力”明显逊色于人脑，时不时地走出令专业选
手匪
夷所思的步子。
DolBaram意思是“石子旋风”，由44岁的韩国人工智能专家林在箂pace开发。
DolBaram在29秒内会模拟近120万盘棋，然后根据统计选择... 阅读全帖 |
|
|
o*****p
发帖数: 2977 | 50 我是刚开始学。所以也就是知道点毛皮。只是知道几年前的很多AI难题现在都有很大
的突破。比如卷积神经网络对图像识别有突破，蒙特卡洛法对外语翻译有突破，还有就
是google这个深度神经网络。
这些突破也就是这几年的功夫，现在deep learning会下围棋了，真是把我刺激到了
:)
网上可以找到这个
深度学习入门必看的书和论文？
https://www.zhihu.com/question/31785984 |
|
