每周 AI 速递(试行第三期)

招商引资头条:成都出台12条专项政策加快AI产业发展 大数据招商内参第025期 01.政策解读 陕西支持小微企业发展每年将减免税费47亿 陕西下发《关于贯彻实施小微企业普惠性税收减免政策的通知》,明确对增值税小规模纳税人缴纳的8种地方税费减按50%征收,为小微企业送上了“套餐式”减税大礼包,每年将减轻小微企业税费负担47亿元左右。 成都出台12条专项政策,加快人工智能产业发展 成都市人民政府办公厅日前印发了《成都市加快人工智能产业发展专项政策》,共出... 阅读详情

(题图: Almost nothing | 摄影: Dave Hoefler)

你好,欢迎收看第三期(试行)的每周 AI 速递。

这是 2020 年的第 27 周,本周我照例为你筛选有价值的内容,共 9 条。主要是几篇有用的论文,总有一篇适合你。

  1. 【新闻】ACM 前主席(非正式)宣布:其数字图书馆将在 5 年内开放获取

  2. 【视频】IEEE Information Society 出品:信息论之父克劳德·香农的纪录片

  3. 【视频】机器学习暑期学校正在进行中,抓紧的话,能赶上 Yoshua Bengio 的课程直播

  4. 【项目】Hugging Face 发布了 transformers 3.0

  5. 【论文】On the training dynamics of deep networks with L2 regularization

  6. 【论文】Smooth Adversarial Training

  7. 【论文】Theoretical Limitations of Self-Attention in Neural Sequence Models

  8. 【论文】Involutive MCMC: a Unifying Framework

  9. 【论文】Model-based Reinforcement Learning: A Survey

????BIG NEWS

ACM 前主席(非正式)宣布:其数字图书馆将在 5 年内开放获取

推荐人: @Cherri Pancake (ACM前主席)

标签: ACM

ACM 前主席 Cherri Pancake 宣布,ACM 的数字图书馆将在 5 年之内开放获取。开放获取之后,它上面的所有数字资源都可以免费地下载。诚如 Cherri Pancake 所说,这是许多人期待已久的事情。网友评论道:5 年太长,明天会更好!

我会为大家持续关注这一动态。等到正式开放获取之后,欢迎大家多去 ACM 上找资源,多支持正版。对于有多个版本的论文,ACM 上的论文可能不是最新的(作者可能在论文发表很久之后补充内容再发布到 arXiv 上),但一定会是质量最好的,无论是内容的完整性,还是排版。


????VIDEOS

IEEE Information Society 出品:信息论之父克劳德·香农的纪录片

地址: https://www.bilibili.com/video/BV1754y1z71b

出品人: @IEEE Information Society

标签: 信息论, 香农

IEEE 信息学会出品了一部信息论之父克劳德·香农(Claude Shannon)的纪录片——The Bit Player。影片的风格挺梦幻的,算符合香农爱玩的气质吧。缺憾是,演员扮演香农,非真人的访谈(香农于 2001 年去世)。

如果要给我们这个时代冠名的话,信息时代必须是一个。那么,作为信息论之父,香农的贡献再怎么高估都不过分。在科学史上,香农是足以和牛顿、爱因斯坦相提并论的。按照一些学者的说法,爱因斯坦开创了相对论,但没有把我们带入相对论的时代;香农开创了信息论,并且把人类带入了信息时代。有点夸张,研究的领域不同,香农和爱因斯坦不存在可比性,但是香农的贡献可见一斑。

欲了解香农其人的,再推荐一本书,中文书名叫《香农传》,英文书名叫《A Mind at Play》。从书名和片名可以看出,香农的标签之一是 play,或者说游戏人生。我真的太喜欢香农了,他是明明可以靠脸吃饭偏偏要靠才华,被人类的科研事业耽误的杂耍艺人。

这部纪录片上周末可以 vimeo 上免费观看,之后说是会传到 Amazon Prime Video。有位同学在我之前上传了 B 站,快去围观吧。

机器学习暑期学校正在进行中,抓紧的话,能赶上 Yoshua Bengio 的课程直播

地址: http://mlss.tuebingen.mpg.de/2020/index.html

嘉宾: @Yoshua Bengio (深度学习的三驾马车之一)

标签: ML, DL

机器学习暑期学校(Machine Learning Summer School,MLSS),每年夏季都会如期举行,今年是第 19 年了。形式上类似于公开课,又像主题报告,用一两讲的篇幅来介绍一个主题。来做客的都是各个领域的专家学者大佬。

今年有两场暑期学校,正在进行中的是德国图宾根场的(Tübingen, Germany)。Yoshua Bengio 是 MLSS 的常客之一,这一次他又来了。抓紧的话,能赶上他的 6 号和 7 号的深度学习课程直播。错过的往期课程,点击 Video 可以看录播。


????PROJECTS

Hugging Face 发布了 transformers 3.0

地址: https://github.com/huggingface/transformers/releases/tag/v3.0.0

出品方: @Hugging Face

标签: NLP

Hugging Face 和 transformers 在 NLP 领域大概无人不知了吧。

话不多说。近日,Hugging Face 对 Transformers 进行了一次大的版本更新(v2.X → v3.X),主要内容包括:

  1. 新的 Tokenizer  API

  2. 改进了 TensorFlow 模型

  3. 更新了文档和教程

详情请看给出的 GitHub releases 页。


????PAPERS

Smooth Adversarial Training

地址: https://arxiv.org/abs/2006.14536

标签: 激活函数, DL

推荐理由: 本文发现,在对抗训练中,使用平滑的激活函数能够在不损害模型准确度的情况下,提高鲁棒性(我个人挺好奇鲁棒性是怎么度量的)。作者们相信,在对抗训练之外的领域,使用平滑的激活函数同样会是一个好的神经网络设计原则。建议搭配上周的 SIREN 食用。

慎看的理由: 预印本,可能是 NeurIPS 在投

It is commonly believed that networks cannot be both accurate and robust, that gaining robustness means losing accuracy. It is also generally believed that, unless making networks larger, network architectural elements would otherwise matter little in improving adversarial robustness. Here we present evidence to challenge these common beliefs by a careful study about adversarial training. Our key observation is that the widely-used ReLU activation function significantly weakens adversarial training due to its non-smooth nature. Hence we propose smooth adversarial training (SAT), in which we replace ReLU with its smooth approximations to strengthen adversarial training. The purpose of smooth activation functions in SAT is to allow it to find harder adversarial examples and compute better gradient updates during adversarial training. Compared to standard adversarial training, SAT improves adversarial robustness for "free", i.e., no drop in accuracy and no increase in computational cost. For example, without introducing additional computations, SAT significantly enhances ResNet-50's robustness from 33.0% to 42.3%, while also improving accuracy by 0.9% on ImageNet. SAT also works well with larger networks: it helps EfficientNet-L1 to achieve 82.2% accuracy and 58.6% robustness on ImageNet, outperforming the previous state-of-the-art defense by 9.5% for accuracy and 11.6% for robustness.

Theoretical Limitations of Self-Attention in Neural Sequence Models

地址: https://www.mitpressjournals.org/doi/full/10.1162/tacl_a_00306

标签: TACL, 注意力机制

推荐理由: 本文调研了 Self-Attention 的理论局限性:无法对周期性的有限状态的语言和层次状态进行建模。

Transformers are emerging as the new workhorse of NLP, showing great success across tasks. Unlike LSTMs, transformers process input sequences entirely through self-attention. Previous work has suggested that the computational capabilities of self-attention to process hierarchical structures are limited. In this work, we mathematically investigate the computational power of self-attention to model formal languages. Across both soft and hard attention, we show strong theoretical limitations of the computational abilities of self-attention, finding that it cannot model periodic finite-state languages, nor hierarchical structure, unless the number of layers or heads increases with input length. These limitations seem surprising given the practical success of self-attention and the prominent role assigned to hierarchical structure in linguistics, suggesting that natural language can be approximated well with models that are too weak for the formal languages typically assumed in theoretical linguistics.

On the training dynamics of deep networks with L2 regularization

地址: https://arxiv.org/abs/2006.08643

标签: DL, L2 正则化

推荐理由: 本文调研了 L2 正则化对于深度神经网络性能的影响,并根据观察提出了两个 L2 正则化的高级用法:

  1. 预测模型最优的 L2 正则化系数(有点类似于一些工具提供的 LR Finder,寻找最优的学习率);

  2. AUTO L2,自动调整 L2 正则化系数(这一点像 LR scheduler)。

文中的实验发现,两个方法都能加快模型的训练速度,同时取得更好的模型性能。

慎看的理由: 预印本,可能是 NeurIPS 在投

We study the role of L2 regularization in deep learning, and uncover simple relations between the performance of the model, the L2 coefficient, the learning rate, and the number of training steps. These empirical relations hold when the network is overparameterized. They can be used to predict the optimal regularization parameter of a given model. In addition, based on these observations we propose a dynamical schedule for the regularization parameter that improves performance and speeds up training. We test these proposals in modern image classification settings. Finally, we show that these empirical relations can be understood theoretically in the context of infinitely wide networks. We derive the gradient flow dynamics of such networks, and compare the role of L2 regularization in this context with that of linear models.

Involutive MCMC: a Unifying Framework

地址: https://arxiv.org/abs/2006.16653

标签: RL, ICML

推荐理由: 作者根据各种 MCMC 算法的特点,提出了一个统一性的框架,iMCMC。它可以用于实现既有的 MCMC 算法,也可以在此基础上更方便地进行实验探索。

Markov Chain Monte Carlo (MCMC) is a computational approach to fundamental problems such as inference, integration, optimization, and simulation. The field has developed a broad spectrum of algorithms, varying in the way they are motivated, the way they are applied and how efficiently they sample. Despite all the differences, many of them share the same core principle, which we unify as the Involutive MCMC (iMCMC) framework. Building upon this, we describe a wide range of MCMC algorithms in terms of iMCMC, and formulate a number of "tricks" which one can use as design principles for developing new MCMC algorithms. Thus, iMCMC provides a unified view of many known MCMC algorithms, which facilitates the derivation of powerful extensions. We demonstrate the latter with two examples where we transform known reversible MCMC algorithms into more efficient irreversible ones.

Model-based Reinforcement Learning: A Survey

地址: https://arxiv.org/abs/2006.16712

标签: RL, 综述

推荐理由: 基于模型的强化学习的一篇综述文章。本文还有一篇姊妹篇,《A Framework for Reinforcement Learning and Planning》(https://arxiv.org/abs/2006.15009),可搭配食用。

Sequential decision making, commonly formalized as Markov Decision Process (MDP) optimization, is a key challenge in artificial intelligence. Two key approaches to this problem are reinforcement learning (RL) and planning. This paper presents a survey of the integration of both fields, better known as model-based reinforcement learning. Model-based RL has two main steps. First, we systematically cover approaches to dynamics model learning, including challenges like dealing with stochasticity, uncertainty, partial observability, and temporal abstraction. Second, we present a systematic categorization of planning-learning integration, including aspects like: where to start planning, what budgets to allocate to planning and real data collection, how to plan, and how to integrate planning in the learning and acting loop. After these two key ps, we also discuss the potential benefits of model-based RL, like enhanced data efficiency, targeted exploration, and improved stability. Along the survey, we also draw connections to several related RL fields, like hierarchical RL and transfer, and other research disciplines, like behavioural psychology. Altogether, the survey presents a broad conceptual overview of planning-learning combinations for MDP optimization.


如果觉得本期内容不错,求个点赞、在看、分享~

ASP.NET MVC5 C# Entity Framework 连接 Oracle 数据库 ASP.NET MVC5 C# Entity Framework 连接 Oracle 数据库创建数据库安装 Entity Framework配置数据库连接字符串添加实体模型类添加数据库上下文类添加控制器类运行测试 创建数据库 创建【全局数据库名】为 demodb 的Oracle数据库,用 SYSTEM 用户连接成功后创建【用户名】为 DJIANG 的用户,并授予该用户 DBA 角色 安装 Enti... 阅读详情

相关推荐

Halcon Socket TCP通讯:从算子调用到工业视觉系统集成

本文详细介绍了Halcon Socket TCP通讯在工业视觉系统中的应用与优化技巧。从基础算子调用到高并发处理,再到与PLC、机器人及MES系统的集成实战,提供了全面的解决方案和性能优化建议,帮助开发者高效实现工业视觉系统的通讯需求。

weixin_33502772的博客 248

论文阅读笔记(四十七):Attention Is All You Need

Abstract The dominant sequence transduction models are based on complex recurrent or convolutional neural networks that include an encoder and a decoder. The best performing models also connect the e...

sunshine_010的博客 4795

硅传CC1310二次开发必备:手把手教你用JTAG解锁被锁定的Flash存储器

本文针对硅传CC1310模块二次开发中常见的Flash锁定问题,提供了从原理剖析到实战操作的完整解决方案。详细介绍了如何使用Uniflash和Flash Programmer 2等工具进行Flash解锁和擦除,并强调了硬件连接稳定性与供电质量的关键作用,帮助开发者彻底解决烧录障碍,为后续应用开发铺平道路。

weixin_29189373的博客 257

每周AI速递 (试行第二期)

(题图: Rocks and a Sunset | 摄影: Dave Hoefler)你好,欢迎收看试行第二期的每周 AI 速递。这是 2020 年的第 26 周。魔幻的一年快要过去一半...

机心狗 517

Visual SLAM算法笔记

最近在学习SLAM算法,这里作为阅读笔记记录和总结一下。对经典的单目SLAM/VO算法做了摘要和总结,比如Nister VO、MonoSLAM、PTAM、ORB-SLAM、LSD-SLAM、SVO、DSO等,对几个单目和IMU的融合算法也做了简单总结,比如MSCKF、OKVIS、IMU-Preintegration等。

MulinB的技术博客 3万+

机器视觉:9点标定的原理与实现

标定就是将机器视觉处理得到的像素坐标转换成实际项目中使用到的毫米坐标。简单说即使看看实际单位距离内有几个像素,如下图所示,10mm的距离内有222个像素,那像素坐标和实际的毫米坐标就有个比例关系了。

m0_49968063的博客 1万+

每周AI速递 (试行第一期)

????NewsGeoffrey Hinton 坦诚想法有缺陷,取消了所有演讲,广受赞誉被誉为 The Researcher 的 Geoffery Hinton 表示曾有一个关于 per...

机心狗 467

三相SST固态变压器详细设计案例

本案例针对400kVA、30kHz三相固态变压器(SST)开展详细设计,核心采用输入串联输出并联(ISOP)拓扑架构(模块化多电平矩阵变换器M3C简化版),重点完成高频变压器的参数计算、绕组设计、损耗分析及液冷温升验证,同时覆盖系统级架构设计、半导体损耗估算及整机效率优化,全流程基于当前电力电子技术可行性展开。

qq_32103755的博客 3317

微软日本将试行“上4休3”制度;苹果专卖店人脸识别误把学生当盗贼;腾讯在泰国推出了当地首个AI云平台……...

关注并标星星优快云云计算极客头条:速递、最新、绝对有料。这里有企业新动、这里有业界要闻,打起十二分精神,紧跟fashion你可以的!每周三次,打卡即read更快、更全了...

优快云业界要闻 1万+

因果推断三种分析框架

因果推断所涉及的三种分析框架:反事实框架CF、潜在结果模型POF和结构因果模型SCM潜在结果模型POF使用数学和可计算的语言对因果理论进行阐述,是一种将假设、命题和结论清晰化表达的计算模型,其在原因和结果变量已知的前提下定量分析原因变量对结果变量的因果效应,并对缺失的潜在结果进行补齐,使观察性研究的效果接近试验性研究. 结构因果模型SCM则是一种基于图论的因果推断方法,它将事件分 为观察、干预和反事实三个层级,并通过 do 运算将干预和反事实层级的因果关系都降维成可以通过统计学手段解决的问题.目前因果推断的

qq_46044325的博客 1830

【系统分析师】2026年上半年真题:论文及解题思路

四篇论文围绕系统与开发实践展开: 安全架构设计强调数据加密(国密算法)、零信任访问控制及容灾架构,以某医疗云平台为例,实现RTO<5分钟的高可用保障。 架构风格应用解析微服务/事件驱动等风格选型,结合电商平台案例,通过服务拆分与异步通信提升扩展性。 需求评审机制提出正式评审与走查结合的方法,在金融系统中减少30%返工,解决业务规则二义性问题。 LLM测试生成利用大模型从需求/代码生成用例,辅以人工校验,使测试效率提升50%,覆盖边缘场景。 各篇均遵循“背景-理论-实践”结构,突出

数据知道的博客 787

每周全球科技十大新闻(2020.11.2-11.8)

新闻摘要: (1)用友网络2020年三季度最新财报:营收和净利润纷纷下滑 (2)光芯片厂商Inphi将被Marvell Technology以100亿美元收购 (3)高通宣布,确认已经收到华为一次性支付的120亿元专利费 (4)蚂蚁科技集团被上交所公示暂缓上市 (5)6个月几乎花光了17.5亿美元!美国短视频服务商Quibi即将关闭了 (6)意法半导体(ST)因员工罢工可能带来供应更为紧张,甚至涨价 (7)2020Q3 AWS营收增长29%,达到116.01亿美元 (8)百度领投,亿咖通科技

阿明观察 2599

三菱FX5U-PLC建立CClink的IO通讯

最新需要用三菱的FX5U的PLC搭建一个CClink通讯,PLC做主站,控制CClink从站的IO,下面2个输入模块AJ65SBTB1-32D,两个输出模块AJ65SBTB1-32T。3、在右侧的部件,选择网络模块:FX5-CCL-MS,CC-link主站模块。依次把加入两个AJ65SBTB1-32D,两个AJ65SBTB1-32T。7、基本设置,网络配置设置,链路刷新设置,设置好下面参数,应用。6、基本设置,网络配置设置,CC-Link配置设置。8、部件选择,模块,右键,添加模块标签。

wzz418550729的博客 1003

一周速递|全球车联网产业动态(2023年8月13日)

2、8月9日,ASAM自动驾驶仿真技术专家委员会(中国)(ACADS,Advisory Committee for Automated Driving Simulation)(以下简称ACADS仿真委员会)在2023年度ASAM中国区域大会(ASAM Regional Meeting China 2023)上正式成立,来自一汽、北汽、上汽、长安、吉利、广汽、蔚来、清华大学、同济大学、华为、海克斯康等整车企业、高校及供应商的四十多位仿真领域专家出席ACADS仿真委员会成立仪式。

junnya的博客 215

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

一周速递|全球车联网产业动态(2023年7月16日)

1、7月13日,国家互联网信息办公室、国家发展改革委、教育部、科技部、工业和信息化部、公安部、国家广播电视总局联合发布《生成式人工智能服务管理暂行办法》(以下称《办法》),自2023年8月15日起施行。2、7月12日,海南省工业和信息化厅印发《海南省车联网产业发展规划》,《发展规划》明确,海南省车联网产业的总体布局是“一核心、三主线、多集群”,即以建设国家级车联网先导区为核心,以研发制造、测试服务、商业化探索为主线,培育海口、三亚、儋州、琼海、文昌、万宁等一批竞争力强的车联网产业特色集群。

junnya的博客 186

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

港科新闻速递 | 香港科技大学(广州)先导计划 (2020/21年度入学)

香港科技大学(广州)位于广州市南沙区庆盛,与香港清水湾校园优势互补,致力培育人才及推动香港与大湾区、以及大湾区与世界各主要城市在教学产研上的合作,加强知识转移及科创。广州校园不会重叠清水...

HKUSTchinaoffice的博客 1035

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

一周速递|全球车联网产业动态(2024年11月3日)

3、10月28日,智己汽车宣布和Momenta联合打造“一段式端到端直觉式智驾大模型”,完成从“最像人”到“有直觉”的进化,为智驾系统注入人工智能生成的“直觉”,迈入“直觉”智驾新时代,打造同时具备L2、L3、L4级智能驾驶量产能力的品牌。其中城市路段共计10条,总长36.57公里;1、10月26日,国家标准化管理委员会下达了2024年第八批推荐性国家标准计划,其中包括3项智能网联汽车标准:《智能网联汽车 数据安全管理体系规范》、《汽车安全漏洞分类分级评价》、《汽车数字钥匙系统技术规范》。

junnya的博客 434

一周速递|全球车联网产业动态(2024年1月14日)

2、1月8日,工信部印发国家汽车芯片标准体系建设指南,到2025年,制定30项以上汽车芯片重点标准,明确环境及可靠性、电磁兼容、功能安全及信息安全等基础性要求,制定控制、计算、存储、功率及通信芯片等重点产品与应用技术规范,形成整车及关键系统匹配试验方法,满足汽车芯片产品安全、可靠应用和试点示范的基本需要。《办法》提出,符合试点申请条件的智能网联汽车生产企业应具备设计验证能力、安全保障能力、安全监测能力和用户告知机制,同时还对智能网联汽车产品提出了产品技术要求、过程保障要求及测试验证要求等。

junnya的博客 662

一周速递|全球车联网产业动态(2025年2月23日)

结合功能型无人车应用场景,统筹做好功能型无人车规模引导工作,逐步提高功能型无人车在城市物流、环卫等领域夜间作业车辆的占有率,实现提质增效。1、2月21日,上汽集团官宣与华为签署深度合作协议,双方将在产品定义、生产制造、供应链管理、销售服务等领域展开战略合作,打造全新新能源智能汽车,共同为用户带来领先的智能化出行体验。1、2月20日,国家邮政局提出将大力实施创新驱动发展战略,加大科技成果转化应用力度,加快无人机、无人车、无人仓规模化发展应用,积极培育发展新质生产力,助力行业高质量发展。

junnya的博客 381

一周速递|全球车联网产业动态(2025年3月23日)

该标准覆盖智能底盘的基础通用、底盘层级、部件系统三方面的术语和定义,为智能驾驶时代底盘技术的研发、测试与产业化提供了统一的技术坐标系。1、3月19日,江门市工业和信息化局、江门市公安局、江门市交通运输局印发《江门市智能网联汽车道路测试与示范应用实施细则(试行)》,增加了远程道路测试、远程示范应用和探索自动驾驶试点等创新做法。1、3月20日,新疆首辆L4级无人驾驶接驳车正式载客启航,该接驳线路沿途共设立12个站点,总里程9公里,站点间距平均为600米-800米,站点惠及周边居民小区、村庄和企业。

junnya的博客 588

中电金信:金融机构必看,“五篇大文章”统计新规高效践行攻略

中电金信拥有6000多名大数据专家,以及2000多名数据标注人员,数据智能解决方案市场份额连续8年第一,风险管理解决方案市场份额连续4年第一,目前已经服务近300家客户,包括国有大行、股份制银行、保险、证券以及能源制造等大型企业,未来希望通过与金融机构深度合作,助力其高效落实“五篇大文章”统计制度要求,实现监管报送合规性、数据质量和数据治理效能的全面提升,为业务发展和监管合规运营提供保障。同时,为满足统计要求,还需优化现有统计体系,包括梳理岗位职责、完善流程办法、升级工具平台。

zhongdianjinxin的博客 554

(5.12-5.18)【大数据新闻速递】

(5.12-5.18)【大数据新闻速递】北京、上海发力数据要素产业;第六届中国数据安全治理高峰论坛成功举办

大数据食铁兽的专栏 521

一周速递|全球车联网产业动态(2023年5月14日)

1、5月8日,生态环境部、工信部、商务部、海关总署、市场监管总局联合发布关于实施汽车国六排放标准有关事宜的公告:自2023年7月1日起,全国范围全面实施国六排放标准6b阶段,禁止生产、进口、销售不符合国六排放标准6b阶段的汽车。3、5月8日,由成都市经济和信息化局牵头起草的《关于推进成都市智能网联汽车远程驾驶测试与示范应用的实施意见(征求意见稿)》公开征求意见,对测试与示范场景、测试与示范条件进行明确,提出远程驾驶车辆在封闭场地单车测试超过1000公里后可以申请远程驾驶道路测试;

m0_74322172的博客 200

苹果回应下架 iPhone X;滴滴将恢复深夜出行;拼多多赶超网易 | 极客头条

「优快云 极客头条」,是从 优快云 网站延伸至官方微信公众号的特别栏目,专注于一天业界事报道。风里雨里,我们将每天为朋友们,播报最新鲜有料的新闻资讯,让所有技术人,时...

优快云资讯 1756

零售商标配?沃尔玛之后Loblaw订25辆特斯拉电动卡车 | 速递

▼ 大型年度AI人物评选——2017中国AI英雄风云榜,评选进行中! 奖项设置:技术创新人物TOP 10,商业创新人物TOP 10 表彰人物:华人科学家、学者、企业家、创业者 评委阵容:资深媒体人、AI投资人、AI专业机构等 颁奖:2017年12月4日,浙江乌镇 关注网易智能公众号(ID:smartman163),输入关键词“评奖”,随时获取评奖动态! 本文系网易智能

网易智能 1031

中科院已正式发布2024年预警期刊名单

点击下方卡片,关注“CVer”公众号AI/CV重磅干货,第一时间送达点击进入—>【Mamba/多模态/扩散】交流群添加微信号:CVer2233,小助手会拉你进群!扫描下方二维码,加入CVer学术星球!可以获得最新顶会/顶刊上的论文idea和CV从入门到精通资料,及最前沿应用!发论文/搞科研/涨薪,强烈推荐!今年的《国际期刊预警名单(试行)》包括24本期刊,相较于2023年的28本减少了4本。...

阿木寺的博客 433
上一篇: 每周AI速递 (试行第二期)
下一篇: 致我亲爱的读者们
iamkissg
博客等级 码龄12年 8粉丝 38原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值