年度全球区块链最有影响力人物排行榜TOP10

2020年全球区块链专利排行榜TOP100,中国52家公司上榜 据零壹智库数据显示,截至2019年末,全球累计有47个国家和地区、5926家公司申请了38064件区块链专利;其中,有3218家公司来自中国,占比54.3%。 从专利申请情况来看,中国在全球区块链技术领域占据领先地位。 在零壹财经发布的“2020年全球区块链专利排行榜TOP100”中,中国有52家公司上榜。榜单排名前3的公司均来自中国,分别为阿里巴巴、腾讯和平安集团,其专利申请数量分别为2100、1374和747件。 上榜的52家中国公司当中,区块链垂直领域公司最多,有19家,包含复杂美科技、趣链科技等;其 阅读详情


每年底全球最热门的区块链媒体Coindesk都会投票选出区块链年度最具影响力人物。 2017年都有谁呢?


1
反派—吴忌寒 Jihan Wu




吴忌寒,现比特大陆CEO,系业内公认的比特币布道者。 85后的吴忌寒北大经济学毕业,早在2011年就接触到了比特币,他是国内第一个把中本聪的论文翻译成中文的人,他的翻译也是目前流传最广的版本。他与长铗等人一同创立了巴比特,之后创建了矿机芯片公司比特大陆。比特大陆常在国内被称为“世界最具价值的区块链公司”,比特大陆也拥有世界最大的比特币矿池蚁池 (AntPool)。


2017年8月,拥有大算力的比特币大陆成功赶在其他对手之前,对比特币做了一次分叉,一种依托于比特币主链的新货币—BCH比特币现金诞生了。Coindesk对此的描述是:通过对开源进行一些修改,他创造出了一个几天内价值达到50亿美元的网络。


然而, 与比特币核心开发者Core团队关于比特币技术发展路线的分歧,加上他的直言不讳和强大影响力,是他始终处于舆论风暴中心。2017年,香港协议谈判破裂、Bitcoin Unlimited的失败,BCH的推出,争论更加恶化,吴忌寒曾在Twitter、Reddit等平台上,对“敌人”破口大骂,比如著名的 "Fuck your mother if you want fuck"。


另一方面,很多人肯定了吴忌寒与比特大陆在商业上的成功,比特大陆不仅销售挖矿硬件,还拥有世界最大的比特币矿池蚁池 (AntPool)。然而与此同时,比特大陆也面临一个严厉批评:吴忌寒并不能处理开源生态与私营企业的利益冲突。吴忌寒自己也曾表示:不止他对开源文化不感冒,在整个中国它都不受欢迎。


不同的人看到了不同的吴忌寒,有人看到的是一个反派,有人认为他是一位积极的资本家,对比特币现金支持者来说,他则是一个英雄。Coindesk结尾点评道,“英雄还是反派,其实取决于你评判的角度”。


2
日行者—琥珀姐 Amber Baldet



Amber Baldet是JP摩根区块链负责人。她毕业于佛罗里达大学,获政治科学与经济学双学位,2009年入职JP摩根,在此期间,她接触到很多聚焦于机器学习、云基础架构的技术团队。2011年,她第一次听说了比特币,然后就开始在JP摩根中寻找开展这个项目的机会,最终她成为一个新产品开发团队成员。


众所周知,区块链与金融存在一个明显的矛盾—隐私与去中心化之争。而Amber Baldet是怎么做的?“2016年,Amber Baldet一直在挑战着银行在区块链领域作用的固有印象,模糊了公有链与私有链社群间的界限,为两者之间的合作沟通创立了新桥梁。”比如说,2017年3月,JP摩根联合微软、英特尔等企业成立了企业以太坊联盟(EEA)。


Coindesk选其上榜的理由是,她是唯一一位企业区块链项目工作者,并希望她成为调和区块链与金融行业之间明显矛盾的人选。


3
逆向投资者—埃里克·沃里斯 Erik Voorhees



Erik Voorhees似乎总是有点与他人步调不一致。作为技术早期的一个支持者,Voorhees可能是一个特立独行的人,因为他不仅保持了并加强了与行业的关联性,同时为加大程序块尺寸和推出项目奋斗,而这些在他们当时的时代都是很超前的。尽管如此,这只“狡猾的狐狸”也没有陷进争议的漩涡中。Voorhees在2017年的时候获得了胜利,当年他拥有了一家区块链公司ShapeShift,旗下共有五款产品,包括以太坊上的综合资产组合、硬件存储产品、数据提供者等,目前雇员50人。Coindesk认为他是早期为数不多能够适应改变的支持者之一。


早期比特币参与者身上总是怀揣着一种理想化的情怀—无政府主义,Erik Voorhees也是如此。2015年,他曾撰写长文驳斥以Gary North为代表的关于“比特币是庞氏骗局”的指责,文中他写道,“归根到底,比特币是理念之争。我尊重你避免波动性的个人偏好和坚持将贵金属、法币作为你的货币选择的态度,为什么你不能尊重我避免银行系统无休止的骚扰和入侵的个人偏好呢?”


他认为,相较于“货币”角色,比特币的价值还体现在去中心化记账和支付系统,仅仅因为波动性而否认比特币的价值不妥当。


4
禅师—Peter Wuille



Peter Wuille 是比特币的核心开发者,也是Blockstream的联合创始人。


如果说比特币在2017年夏天经历了它最重大和最具有争议性的改变,那么这场演变可以追溯到一个开发者:Pieter Wuille。他仍有点神秘。在一个不乏自负和咆哮的行业里,Wuille却是与众不同,他选择用他编写的代码来替他发声。


比特币的主要维护人员Nicholas Dorier认为在推动比特币发展方面,Pieter Wuille有着第六感,“可以预知行业明年将会发生什么,并将重点放在短期工作上。”据了解,Pieter Wuille正在倡导聚合签名(signature aggregation)变革,这将可能成为比特币下一个改进方向。而他正在写一个具体的比特币改进提议 (BIP) 。


还是如同其他开发人员和加密爱好者,Pieter Wuille认为比特币将可能创造更理想化的未来世界。“它将展示技术可以取代第三方中介,消除系统性风险。”同时,他也表示,许多人仍然不了解比特币,还没有准备好成为主流,隐私性、扩展性问题都是亟待解决的问题。如果这些问题不解决,他担心,比特币会走向毁灭。在那之前,他会不停地做好修补工作。


5
建筑师—姚前 Qian Yao



姚前,原人民银行科技司副司长,现任中国数字货币研究所所长。


2017年,中国对虚拟货币采取了一系列监管行动,禁止ICO,关闭国内比特币交易所,世界上最大最繁荣的虚拟币生态遭到重创,这可以说是比特币历史上一次最大的地震。如果说中国正在成为一个脱离加密货币世界的范本,那姚前也许是它们最大的资产。这个负责为中国重新思考比特币的人并不是被随意授权的,他好像对加密货币了解透彻。这是coindesk对姚前上榜理由的陈述。


2017年5月,姚前发布的一篇文章在国内外都受到了广泛关注。在这篇文章中,

姚前勾勒出了两个未来:一个是央行成为唯一数字货币发行方,另一个是央行授权商业银行发行数字货币。coindesk将此视作中国释放的正面信号,“姚前以及他背后的央行高层,对于比特币和区块链态度还是比较宽容的。” 


另外,姚前认为严厉整顿交易所只会刺激场外交易,所以毫无意义。这和其他许多他的同僚观点也是非常不同的。


6
牛仔—Joe Lubin



既是警察又是罪犯?不管怎样,Joe Lubin在加密货币”狂野的西部”中似乎是正确的。他领导的公司ConsenSys既是以太坊项目的孵化地,又是改变世界的革命地。Lubin在2017年并不缺乏影响力,他推出了第一批成功的以太币,并赢得了无数企业的支持。如果说以太坊创始人Vitalik设想了一个新的世界,那么Joe Lubin可能正在殖民一统这个世界。


以上是Coindesk对Joe Lubin的上榜理由描述。


Lubin进入区块链的世界并不算太早。上世纪90年代末,他在高盛私人财富管理部分担任技术副总裁。2001年,世贸中心的恐怖袭击让他重新评估起世界组织机制,受到Ayn Rand书籍的启发,他开始思考:为什么中心化有时候会制造悲剧,替代机制何时会产生作用?


而这些问题在他2014年1月1日看到以太坊白皮书时得到解答,他很快便吃透了区块链。在2015年6月以太坊创世区块问世时,他已经建立了ConsenSys。


在打造超越边界的影响力方面,他还做了两件事。为了满足日益增长的就业需求,2017年7月,ConsenSys学院宣告成立。此外,他们也推动了企业以太坊联盟的成立。


对于未来,在Joe Lubin看来,公司的总体框架已经接近完成,发展空间和技术基本确立,未来的战略将不会发生重大改变。


7
代币低语者—Naval Ravikant



Naval Ravikant是硅谷知名天使投资人,他投资了100多家创业公司,其中的独角兽公司有Twitter、Uber等。此外,他也是Angelist的创始人兼CEO,AngelList创立于2010年,是一个帮助早期创业公司获得合格投资者融资资金的平台。


如果说加密数字货币资产是‘有史以来最疯狂的泡沫’,那么Naval Ravikant可以说是这场运动的元老级政治家。Ravikant在2017年并没有过多讨论创业公司,但是却发布了37条区块链相关的Twitter。 他大胆预言区块链将取代网络和市场,他认为纵观人类历史发展可以发现,资金(以及宗教、公司、道路、电力等等)都是不同类型的网络,从某种意义来说,随着加入这个网络的人越来越多,参与者所获得的价值也会越来越高。


2017年,Naval Ravikant一项特别重要的成就就是在5月份推出的CoinList,作为AngelList的一个分支,在早期融资中,SEC定义的合格投资者净资产至少100万美元,或者收入20万美元。CoinList连接ICO团队与这类更成熟的投资者。


Coindesk 认为,Naval Ravikant为创新的加密数字货币项目新浪潮打开了一扇门,并对从2015年对比特币进行修正后已经被关在硅谷门外的这一行业起到了重要的推动作用。


8
好人—李启威 Charlie Lee




李启威 ,麻省理工学院毕业,美籍华人,莱特币创始人。


2011年,李启威在谷歌工作期间受到比特币的启发,基于同样的去中心化数字货币原理开发了莱特币。


2017年底,在这个全球第五大加密货币大涨75倍之际,李启威在社交新闻网站Reddit发贴称,他在过去几天中全数出售了自己手中的莱特币,并捐出了所得款项。他表示出售并不表示他不再看好莱特币,而只是为了避免“利益冲突”。 多年来,每当自己谈论莱特币价格,无论好的还是不好的,都有人指责他是为了图谋个人利益。甚至有人认为他在做空莱特币!所以他认为从某种意义上,对他来说,持有莱特币和评论它是一种利益冲突,因为他在这个圈子有这么大的影响力。


而且,李启威表示:“莱特币让我在经济上受益良多,我的状况已经够好了,不再需要把个人财务状况与莱特币的成功与否联系起来”。 现在他手头除了几枚收藏货币之外,已经不再持有任何莱特币,“我依然会把所有时间花在莱特币上,莱特币腾飞时,我仍然会以多种不同的方式获得回报,只是不通过直接持有的方式。”


coindesk 认为李启威此举是这个以疯狂著称的市场中的理性的声音。


9
恐龙—Jamie Dimon



“比特币是一场骗局!” 2017年9月,JP摩根CEO Jamie Dimon 在一场会议里的这短短的一句话,立刻引起了行业地震。他在这之后还多次表示,比特币毫无价值,他警告“包括他女儿在内的愚蠢的比特币买家们”最终将付出代价,并且他认为政府最终将关闭比特币交易。 然而,Coindesk认为,恰恰是他的这些话将比特币话题引入了华尔街,这好像让比特币成了一头挣脱了束缚的野兽,霸气地攀上了10000美元的新高度。 


到了2017年底,Jamie Dimon的观点发生了一些变化,他表示:“每个人对比特币都持有不同的看法,我仍然对其持怀疑态度,但如果控制和管理得当,我对加密数字货币的使用持开放态度。”


值得注意的是,JP摩根似乎是将比特币与区块链割裂开来了。作为世界顶级的金融服务机构,它在区块链方面的投入有目共睹。2015年初它就对区块链产生了兴趣,招聘专家、加入R3联盟、与Digital Asset Holdings公司合作开展区块链贷款项目、推动成立EEA和企业级区块链项目Quorum,而今年全球区块链最有影响力人物排行第九名的人物榜单的第九名的Amber Baldet,也正是JP摩根Quorum项目的负责人。


10
路人—比特币举牌男 Bitcoin sign guy



2017年夏某日,美联储主席Janet Yellen正为旧金山市政厅为国会作陈述,突然在她身后几排的位置,一神秘男子手持一张写了“Buy Bitcon(购买比特币)”的黄色信纸出现在画面。没有人知道他是谁,但是该照片瞬间传遍网络,他的行为赢得了币圈人士的广泛赞赏。

此后大家知道比特币举牌男确实是加密数字货币爱好者一枚,有一个号称是举牌男朋友的家伙曾出现贴出了给举牌男捐款的地址,然而大家并不信,直到后来举牌男自己又出现,同时展示了那张“Buy Bitcon”黄色信纸和自己的捐款地址。捐款纷至踏来,短短四小时,比特币举牌男就就收到了近1万美元的捐款,当然这些捐款都是一些零碎比特币。


“在这个家伙高举标志的时候,比特币社区正在混战,他的行为打破了互联网壁垒,也升华了惨遭内战蹂躏的比特币精神。” 这是Coindesk给出的他的上榜理由。


(声明:转载此文出于传递更多信息之目的。文章内容仅供参考,不构成投资建议。投资者据此操作,风险自担。)


(内容来源:区块链校长          转自:doc)


以下是我们的社区介绍,欢迎各种合作、交流、学习:)



【信息科学与工程学】【管理科学】第七十二篇 管理层相对基层员工的信息差/资源差/权力差/认知差01 ​ CTO调用Vlong−term​,Rstrategic​,Ppolitical​等高层级参数,重新计算Clevel​(X)。​ 将A部门经理对B部门员工的负面评价,在合适的时机透露给B部门经理,激化部门矛盾,HR总监则作为调解者介入,提升话语权。​ 信息经过VP、总监、经理逐级传递,每一级因自身利益、理解偏差、沟通技巧产生噪声,最终形成基层员工的Ei​(t2)。​ 在A面前说B对他有意见,在B面前说A对他的工作配合不力,让两人互相猜忌,PM则成为唯一的信息枢纽和仲裁者。 阅读详情

相关推荐

【信息科学与工程学】【财务管理】第九篇 企业收款与资金催收管理02

编号特征/行为类别具体特征/行为名称描述相关函数/算法数学方程/伪代码/核心思想2.1.2.001​额度动态调整​基于滚动时间窗口行为评分的自动调额​定期(如每日/每周)计算客户在过去N天内的行为评分(综合付款、订单、互动),根据评分变化自动触发额度上调、下调或冻结建议。滚动窗口计算、阈值触发。;。2.1.2.002​额度动态调整​预测性额度需求模型与预增信​使用时间序列模型预测客户未来M天的订单金额和节奏,在预测需求高峰来临前,主动、临时性地上调其信用额度,避免因额度不足影响销售。时间序列预测、事件驱动。

weixin_49199313的博客 1215

区块链传奇人物-爆炸头SBF

相信关注加密圈的人员对于今年(2021)的福布斯排行榜肯定有些陌生的面孔,其中就不乏有位爆炸头特别的引人注目。 他就是 Sam Bankman -Fried 圈内人都简称为SBF; 作为30岁一下最富有的人士之一,但是却留着这么一头狂野的头发,就像是刚刚睡醒一样。

西京刀客 4803

【企业管理】【管理科学】企业全岗位综合运营与组织知识矩阵体系02 销售BG(2)

​3. 设定BG级KPI(收入、利润、份额)

weixin_49199313的博客 552

2020 年区块链最具影响力人物 Top 20,孙宇晨也上榜了

【优快云编者按】对于区块链来说,2019年注定是不平凡的一年。这一年,社交巨头Facebook宣布启动加密货币项目Libra和数字钱包Calibra,但该项目遭到了美国国会的强烈抵制。...

优快云资讯 6096

内窥镜胶囊(胶囊内镜)硬件方案

内窥镜胶囊(胶囊内镜)硬件方案 前言 说明:该方案为作者2018年上半年完成的第一版,后来搁置了一段时间,才重启这个项目。目前(2020.07)第二版已经快要完成。[联系v:1#7#6#3#3#3#5#0#8#7#0]先给一下第一版和第二版的基本参数。 第一版: 续航时间:3h 帧率:0.5fps 尺寸:12mm * 25mm 角度:45° 第二版: 续航时间:12h 帧率:2-6fps 尺寸:9.8mm * 25mm 角度:130° 第一版属于尝试版,整体方案不是很成熟。第二版这个数据就非常优秀了。我拿了

CrekerLi的博客 4780

自建智能算力中心与第三方算力租赁的深度分析

自建智算中心和第三方算力租赁的主要区别如下:对比维度自建算力中心第三方算力租赁初期成本数千万至数亿元硬件采购+机房基建零硬件投入,按需付费(如1元/卡时)部署速度6-12个月(采购、部署、调试)即时开通,分钟级资源调度运维难度需专业IT团队,承担断电、故障等风险服务商全托管,SLA保障99.95%可用性弹性扩展扩容需重新采购硬件,周期长、成本高支持秒级弹性伸缩,应对流量峰值技术迭代硬件更新周期长,易被淘汰自动升级。

2501_90999758的博客 2357

区块链大佬排行榜,这些创始人个个都是人才

话说币圈大势,分久必合,合久必分,自中本聪创比特币,“区块链”一词席卷中国以来,烤猫、南瓜张、长铗、QQAgent……这些原本平平无奇的网名,在一夕之间就变成了币圈玩家口中的的传奇人物。而后,经历比特币狂涨暴跌的洗礼,这些神话般的名字,有的淡出视野,有的卷款失踪,有的不问币圈,当然也有的,至今仍是一方大佬。 若问起中国现在区块链中,哪些人混的最好?这八个赫赫有名的名字,无疑榜上有名。 一、李笑...

weixin_42773700的博客 1万+

在Windows11上安装ubuntu版linux系统并实现桌面图形化(WSL)

在Windows11上安装ubuntu版linux系统并实现桌面图形化(WSL),xfce桌面美化、安装google-chrome

NiKoJJ‘s Blog 1万+

国外优秀区块链创业公司梳理

引言 本文按照公司的服务类别类别总结了40家国外目前区块链的创业公司,旨在帮助技术人员和创业人员加深对区块链技术和行业的认知。服务类别总体分类2类:金融服务和非金融服务,其中金融服务包括电子商务,保险服务,转账支付,供应链管理,资产管理,证券服务,区块链P2P,区块链众筹,区块链支付,区块链借记卡等;非金融服务包括基础设施,数据存储,数据分析,新闻资讯,身份认证,知识产权,防伪公正,社交通信

karamos的专栏 2万+

OJ(while+cin.get()判断结束)

今天要记录一道看起来十分简单的OJ题目,但开始对于cin的一些操作忘得差不多了,没做出来,故记下来给自己提个醒。 描述 给出包含N个单词的一行输入,输出N行。第一行和输入一样。每次输出过一行后,这一行的第一个单词在下一行被放到最后。 输入 包含N个单词的字符串,单词以一个空格分开。N不在输入中给出,你需要计算单词的数量来获得。字符串包含的字符数小于100。 输出 输出N行。...

Stark_JC的博客 2357

本地部署了qwen2.5:0.8b ,对接openclaw 后,电脑卡的要死

OpenClaw 强制 16k 上下文 + 无限历史 + Agent 调度,把 0.8b 压垮。按上面配置:轻量化 + 限历史 + 驻留显存,电脑立刻不卡。

专注于技术研发行业技术主要有AI人工智能视觉识别、物联网技术、电商平台、app原生技术、微信小程序、鸿蒙语言开发、办公企业oa、ERP等,致力于做东半球最优秀的程序员 978

金融信息安全界Top 10 影响力排行榜

本文讲的是金融信息安全界Top 10 影响力排行榜,BankInfo Security发布了其第四年度银行业信息安全影响力排行榜,他们在塑造银行业与信息安全相连的方式上取得了突出成绩和贡献。   2016年的榜单中的每一位影响力人物都取得了实质性的影响,其影响范围包括塑造安全强化模式、创新付款方式以及为防止欺诈和数据保护提供新规则等。有些影响力人物已经...

weixin_33860722的博客 336

YOLO11改进-注意力-引入Deformable Large Kernel Attention (DLKA) 解决多尺度、小目标、遮挡等问题

Deformable Large Kernel Attention (DLKA) 是一种用于视觉任务的注意力机制,旨在提升模型在处理不同尺寸和形状对象时的灵活性和性能。DLKA 的设计灵感源自传统的注意力机制,但通过引入可变形核(deformable kernel)来增强对局部特征的适应能力。

qq_64693987的博客 4042

“鲜点”资讯:Apache Eagle成Apache基金会顶级项目,2016开源中国软件TOP100

“鲜点”资讯网罗新鲜要闻,每日为你呈现大数据和云计算领域热点新闻。本次内容播报如下: 雅虎时代的终结:48亿美元“卖身”后更名Altaba 1月10日消息称,雅虎周一向美国证券交易委员会(SEC)提交的文件,在美国通信巨头Verizon斥资48亿美元收购雅虎核心资产交易完成后,首席执行官玛丽莎·梅耶尔(Marissa Mayer)将退出公司董事会。同时,雅虎剩下的业务,其主要包括阿里巴巴股份以及与...

imgxr的博客 539

手把手教你学Simulink--单相逆变器模糊逻辑控制策略仿真

本文介绍了在Simulink中设计单相逆变器模糊逻辑控制策略的完整流程。主要包括:1)构建单相逆变器模型;2)使用FuzzyLogicToolbox设计模糊控制器,定义输入输出变量和模糊规则;3)将控制器集成到Simulink模型;4)添加干扰源和示波器;5)配置仿真参数并分析结果。该方法利用模糊控制处理非线性系统的优势,可实现输出电压的精确跟踪,具有良好的鲁棒性。文中提供了详细的步骤说明和示例代码,强调准确设计隶属函数和规则库对控制性能的关键作用。该仿真设计为电力电子控制系统的开发提供了有效支持。

MHD0815的博客 200

CADENCE 25.1打开元件库ERRORCannot perform the operation because of an exception.

摘要:解决CADENCE25.1打开元件库报错"ERRORCannotperformtheoperationbecauseofanexception"的方法:该错误通常由软件中文设置导致。解决方案为:进入Options→Preferences→MorePreferences,取消勾选两个本地语言选项后重启软件即可恢复正常。此方法简单有效,能快速解决因语言设置导致的元件库访问异常问题。(98字)

0 1016

CnOpenData 线上招聘网站信息数据

CnOpenData线上招聘网站信息数据库是一个覆盖中国主流招聘平台、时间跨度长、更新频率高的劳动力市场需求侧大数据集合。本数据库汇集了,为学术界和业界提供了一扇实时观察中国劳动力市场动态的窗口。

CnOpenData_wj的博客 2627

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

关于区块链安全,这四位大咖分享了这么些干货...

7月28日(周六)下午,由优快云主办,区块链大本营、柏链道捷、极客帮创投协办的“区块链安全”专场沙龙,在北京朝阳区酒仙桥恒通商务园举行。别看今天是周末,全场没有一点辛苦...

区块链大本营 2431

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

中国软件10大最具影响力人物

10大最具影响力人物(除年度最佳外,其余按首字拼音顺序排列)入围名单(按首字拼音顺序排列):陈明杰戴志康韩少云黄柳青李开复刘积仁刘建国史玉柱王小云杨   勃杨芙清张亚勤周鸿袆年度最具影响力人物    刘建国百度公司前CTO入选理由:如果不是因为刘建国从百度辞职,很多人可能根本没有听说过这个名字。从这个带有浓厚时代色彩的名字上,我们感受不到很多激动。但刘建国在百度是仅次于创始人李彦宏的第二号人物

hhgg123的专栏 9065

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。

区块链传奇人物V神是谁?长相堪比马云 24岁时却比马云更有钱 ...

VitalikButerin,区块链世界的传奇人物,身家一度达到数百亿美元。Vitalik Buterin的成功来自两个方面,一是从小就展现出来的过人智商和非凡天赋,他只花了几个月的时间,就学会了加拿大当地的语言,甚至在身边的伙伴还懵懵懂懂的时候,Buterin已经用他4岁时收到的礼物——一台个人电脑撰写自行计算的程序了;另一方面则是碰上了难得一遇的好时...

weixin_33872660的博客 542

2018最新中国知名区块链公司排行榜

据Blockchain Angeles不完全统计,全球共有1175家区块链创业公司先后设立。但全球区块链企业分布很不平衡,主要集中在美国、欧洲及中国等少数国家地区。中国专注于区块链的公司不在少数,多集中在北京、上海、杭州、广州、深圳等地。那么,目前国内都有哪些相对来说比较活跃的区块链科技公司呢?今天,我们列举如下,供大家参考。(排名不分先后,信息来自于公司官网、相关媒体报道)1.三方流通平台【三方...

三方流通平台 1万+

2021区块链行业十大影响力事件盘点

随着2021年,全球经济发展形势极为复杂严峻的一年,世界格局正面临深刻变革。“黑天鹅”持续影响下,世界贸易增速持续下滑,全球普遍面临高通胀压力。中美博弈日渐深入,台海局势升温,加之疫情起伏反复,气候危机等因素,国内经济增速遇冷。行业层面,受政策支持、行业肃清以及元宇宙爆发等影响,行业整体发展呈增长态势。 转瞬间,2021年已进入尾声。正值年末,让我们一起回顾国内行业十大影响力事件,回望来时路,洞察未来趋势,以思危、奋进、谋变。 十大影响力事件之:区块链兜底,元宇宙“来势汹汹” 3月,“元宇宙第一股”R

YUHUKEJI2021的博客 1万+

2018区块链顶尖论文及学者榜单:50个顶级学术团队,带你探索区块链学术研究最前沿...

硅谷Live / 实地探访 / 热点探秘 / 深度探讨上周三,Amazon 发布了新的区块链服务 Amazon Quantum Ledger Database。其实不仅是...

硅谷密探 4229

谁才是区块链世界最可爱的人

撰文 | 郑辰 出品 | Trias团队 了解更多项目进展,欢迎加入Trias社群讨论 佛经记载,在佛世时代,舍卫国波斯匿王和末利夫人漫步在楼阁上,波斯匿王问夫人:什么样的人最可爱?夫人答道:我只觉自己最可爱。波斯匿王虽觉得夫人的话颇为有理,但略一沉思,心中谜团仍然萦绕。 魏巍的《谁是最可爱的人》,是我们都听过的一篇文章,写的是志愿军战士英勇反击美国侵略军的英雄事迹。在文中,魏巍写道。谁是...

triaslab的博客 437
上一篇: 【虾说区块链】4个概念解析区块链
下一篇: 肖磊:不了解人类货币史,就别拿数字货币乱吹牛
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