工信部有“三新”

2008-07-18 10:08:36 原文地址: http://blog.sina.com.cn/s/blog_4f0708b30100a4g9.html [查看原文]

工信部有“三新”

 

从工信部的“三定”方案和新政风格,可以看出工信部与往不同的新气象。

 

李云杰/文

 

6月29日上午10点,在原信息产业部所在地北京西长安街和万寿路办公楼,几个武警把信息产业部的牌匾悄然撤下,更换为工业和信息化部的新牌匾。现场没有领导,也没有邀请媒体。业界关注和期待中的工业和信息化部就这样低调挂牌运行了。

 

工业和信息化部(被简称为工信部)是根据今年3月11日公布的国务院机构改革方案宣布组建的。由于工业和信息化部的整合涉及多个部门职能的划转,职责、机构和人员的配置牵涉面广,从其一宣告成立、挂牌和“三定”(定职能、定机构、定编制)的确立就受到各界普遍关注。据统计,近年来,我国工业产值一直占到GDP的40%~50%之间。而2007年信息产业增加值占全国GDP的比重达到 7.9%,电子信息产品出口也占到全国出口额的37.6%。由此也可以看出工信部的“分量”。

 

这个“超级大部门”掌管着关系着国计民生的工业、电信、电子信息产业等诸多产业,曾有人戏称,其管控范围从地上的汽车到天上的飞机,甚至还有无形的通讯信号,而且还担负着推进工业化和信息化融合、打造新型工业的使命。

 

随着7月2日工业和信息化部的“三定”方案的公布,不仅明确了各部门的职责和监管对象,让人揣测中的悬疑问题也趋于明朗化、TD商用、电信重组等热点问题有了明确的“导向”。事实上,从工信部的“三定”方案和新政风格,可以看出工信部与往不同的新气象和新变化。而据知情人士分析,这些变化正是素有“救火大队长”、“整合高手”的工信部现任部长李毅中低调果断、雷厉风行的行事风格之体现。

 

一新:加速电信重组、高调力挺TD

 

TD-SCDMA(下称“TD”)芯片研发商凯明的股东们肯定为没有继续投资凯明而后悔不已,因为他们没能预知两个月后TD会“峰回路转”。

 

4月23日,凯明宣布破产。当时,笼罩在TD头上的还是一片乌云。TD正式商业试用,进展不被看好,商用前景让人担忧,让凯明的股东们不愿再为TD“埋单”了。

 

而当时更让人担心的是,正在忙于组建和“三定”中的工业信息化部,很难会有人把注意力放在TD发展上。然后,事实出乎大部分人的常规判断——正是尘埃落定后的工信部高度重视和李毅中本人的强势推动,才让裹足不前的电信重组启动、让TD“拨云见日”。

 

4月1日,李毅中上任不到两周,TD就开始试商用,据知情人士介绍,“比原定的时间提前一个月进行”。

5月23日,工业和信息化部与发改委、财政部联合发布了电信重组的公告,并明确表示要鼓励使用自主创新产品。“电信重组方案公布之后,原来所掩盖的一些问题骤然明朗,其中,中国移动推广TD不力是最典型的一例。”一位电信分析人士说, TD试商用,倍遭市场冷遇,与中国移动推广TD“不用心”有直接关系。有一坊间流传、未经当事者证实的消息也可以证明:“在凯明破产前,投资凯明的投资者找到中国移动,询问他们对TD的前景展望时,中移动居然给出不看好的答复,这也是导致风投放弃投资凯明的直接原因之一。”

 

而在6月中旬,履新不久的工信部部长李毅中更召集8位TD老专家及相关运营商,要求TD“只许成功,不许失败”。

 

6月25日,工业和信息化部又再次召集中移动和多家TD厂商开会,讨论TD的后续建设推进问题。工信部对TD发展的力挺,让中移动对待TD的态度也随之大变样。

 

6月26日,中移动总裁王建宙便对媒体明确表示:将“千方百计推进TD发展和应用”。王建宙的口风开始和工信部高度一致。“现在我们首要的事情,就是全力以赴确保TD为奥运会服务。”王建宙说。在北京奥运会后,中移动将进行第二、第三阶段的TD网络建设,推进TD的市场运营。中移动发展TD的战略和决心更加明确,让此前为外界猜测的中移动发展TD发展再无悬念。

 

7月2日,工业和信息化部召开全国工业和信息化工作电视电话会议会上,李毅中强调,工业和信息化部要围绕“两个重点”打一场TD攻坚战。一是抓好北京城区TD基站补建,确保TD话音质量;二是确保TD手机电视在奥运期间的试用。由工业和信息化部为牵头单位的3G部际协调小组已成立,目前已确定今年和今后一段时期的34项具体任务,相关司局已责任到人。“工业和信息化部将组织中国移动等单位,按照服务奥运的要求,解决好网络优化、奥运特色业务提供、2G和3G互操作等问题,确保初战必胜。” 李毅中表示。

 

7月4日,又传来关于TD的好消息,工业和信息化部已经将188手机号段划拨给了中国移动,用作TD进一步发展。中国移动目前在8城市TD试商用使用的号段为157。在TD试验网内测期间,188号段和189号段分别分配给中国网通和中国电信;但随着中国移动接手保定和青岛的TD网络,两号段也被收回。

 

“TD已经明朗化,赶在奥运上TD已经是不争的事实。然而,TD商用中的遇到的问题能否及时解决?”一位电信分析人士认为,这是对工信部的一大考验。

 

现在重组已开始进入实质性阶段,然而仍留下了许多悬疑问题。根据5月23日发布的电信重组公告称,“重组完成后发放3G牌照”。那么,另外两张3G牌照何时发放?如何平衡新组建的3大运营商的利益、进一步规范竞争?重组能否改变中国移动“一家独大”、电信市场结构失衡的问题,未来的监管方式问题等等,也给作为监管主管部门的工信部的后续出台怎么样的政策提出了挑战。

 

李毅中指出,电信改革要加强与发改委、财政部、国资委、证监会等有关部门的协调配合,按照市场规则,严格依法操作,稳妥组织实施,做好网络剥离转移和业务重组。然而,具体如何操作,还是充满着悬念。

值得注意的是,工新部设置的司局对电信业的关注在强化,除了保留了原有的电信监管局等原有的通信司局外,还设立通信发展司和通信保障局。这被看做是强化通信管理和安全监管的积极信号。

 

二新:软件与服务提升到“战略高度”

 

在工信部设立的24个司局中,新成立了软件服务业司,首次从机构设置上把软件和服务业提到前所未有的战略高度。在此之前,软件产业归口管理机构是在原信息产业部电子信息产品管理司下面的软件处。

 

软件产业被认为是国家的基础性、战略性产业,国家也给予高度高重视,并在2000年出台了对中国软件业整体增长起到很大推动作用的相关文件——“18号文”。

 

然而,众所周知的事实是,尽管我国软件产业规模在迅速扩大但整体实力较弱、大而不强。软件企业普遍规模偏小、能力偏差,缺乏叫得响的品牌。即使是东软、中软等优势中国软件企业,它们的大部分收入不是来自低端的系统集成就是来自“为别人打工”的软件外包业务,产业的大部分利润都被国外企业赚走。

 

有软件专家认为,中国软件产业的如此现状,就注定了软件服务业司成立开始就不会轻松。软件业如何做大做强,这是多年来业界一直在思考但难以求解的老问题,新成立的软件与服务司能否从政策指导上帮助行业来解答这个难题?

 

“从机构的变化看,肯定将有利于国内软件企业的长足进步。”软件企业把软件和服务司的设立,看做是对软件业发展的长期利好。但是作为软件企业,更关心的是能给企业带来怎样的具体益处。近两年来,外资软件公司在中国的动作加大,进入大规模圈地深耕阶段。如此竞争环境下,有不少国内软件企业呼吁,要对本国软件企业进行保护,如在政府采购上,如何能让国内软件企业才能得到实惠。

 

新18号文是否有新调整,“新18号文”能否加快出台,这些问题也是软件企业关心的。“18号文”将于2010年到期,但其后续政策还没有着落,软件企业都很着急。用友软件董事长王文京就在今年3月份召开的“两会”上曾呼呼尽快推出 “新18号文”。2004年,经历中美在集成电路方面的贸易争端之后,国家相关部门开始规划制定“新18号文”,2007年,国家相关部门已推出 “新18号文”的征求意见稿,但到现在还迟迟没有正式出台。

 

除了原来的老18号文中规定的软件产品可以享受政策优惠外,IT咨询、IT解决方案、系统集成、软件外包、软件测试、网络服务、数字内容、动漫游戏等非产品化的软件新业态,是否也会被纳入政策支持范围,也是业界所关注的。

 

有专家指出,2000年出台的“18号文”促进软件业的整体增长,但在执行一段时间后,这样的“普惠政策”扶持带来负面效应也在逐步显现。比如,“因为软件产业现在门槛比较低,只要有一个普惠政策摆在那儿,大家都想争取这个政策,不少软件企业满足于靠政策靠退税生存,但对自身能力的提升缺乏动力。”

 

还比如,在此之前,各地纷纷建立的软件园、科技园或软件城市计划,但缺乏一个统一的筹划,也出现了同质化竞争。各地软件园在招商引资或招聘人才的时候主打的多是能提供什么样的优惠政策。“我们和每个地方谈,鼓励政策都是差不多的,如土地便宜,人力便宜等”,一位回国创业的“海归”老总对此深有体会。

 

事实上,这些园区中的企业主体不是中国的软件企业,而是外资企业利用中国的“政策优惠”建立的分支机构。以国内做得较好的大连软件园为例,GE、埃森哲、惠普、日立等外资企业都在这里建立了客服中心或者软件研发机构,但是在大连软件园中的中国本土软件企业却很少,而且它们规模也很小。

 

针对上述的问题,有人希望“新18号文”的政策能在营造创业环境和氛围上有突破。也有人呼吁,新政策要改变的扶持而要强化鼓励软件企业的自主创新。而这些问题,都是业界抛给软件和服务司的。

 

三新:传统工业监管加强,新型工业值得期待

 

可以说,对于工业和信息化部的成立,最热烈期盼的莫过于传统的工业企业了。

 

1998年的国务院机构改革中,冶金工业部、煤炭工业部等9大产业部门纷纷撤销,工业产业的宏观管理职能被移交到国家发改委。而具体行业的管理与协调职能,则下放到相应的行业协会组织。然而,由于产业管理权过于分散,加上行业协会的模糊定位,出现了不少行业“无人管理”的局面。“下面子孙满堂,上面没爹没娘”,这是近几年来在一些地方出现了一句顺口溜,十分生动地反映出了各地工业行业管理的困境。据悉,有些省份的行业部门为了自身的发展,曾出现了自发的“复辟”现象。例如,为了稳定煤炭生产和煤矿安全、加强行业管理,很多省都纷纷恢复了已经撤销的煤炭工业局。但这种恢复往往都出现在一些当地的优势产业领域,带来的负面作用是,片面助长了一些本不符合国家宏观产业政策的产业的畸形膨胀。

 

“我国工业化前一段时间在管理职能上实施不够,特别是行业综合管理缺位的弊病已经暴露出来。”国务院发展研究中心产业经济研究部部长冯飞博士认为,在中央不断强化宏观调控的大背景下,工业行业管理并没有跟上工业的自身发展。

 

从某种意义上来看,工信部的设立,标志着中国行政体制改革的再一次轮回、矫正和优化。工业和信息化部囊括钢铁、石化、有色金属、建材、汽车、纺织、军工、烟草等几乎全部工业行业管理职责。而“在新的工业和信息化部中是否会恢复以前按行业设立的司局?在“三定”方案公布前,这些问题是相关企业关注和关心的。

 

而在公布的“三定”方案中,在工业专业司局中,将相关工业行业分原材料工业、装备工业和消费品工业3大类组建3个司,并没有按行业设置。“工业行业管理不仅着眼于生产制造,更要着眼于市场、资源和环境,促进形成‘大工业’和‘大市场 ’。把不该由政府管理的事项转移出去,把该由政府管理的事项切实管好。” 李毅中强调说,“不走工业管理老路,推进工业化和信息化融合”。

 

    不少专家一致认为,信息化为我国新型工业化提供了难得的历史机遇,我们不可能也不应该走发达国家“先工业化、后信息化”的发展道路,只有把工业化与信息化结合起来,以信息化带动工业化、以工业化促进信息化,推进两者有机融合,才是真正的新型工业化道路。这也被认为是国家组建工业和信息化部的原因。

 

实践证明,信息化覆盖面广、渗透力强、带动效应明显。比如信息技术已经成为提升工业产业生产效率和附加值不可缺少的手段,在产品升级、工业生产管理以及市场销售的各个环节,越来越离不开信息技术的应用。

 

李毅中提出,信息化与工业化融合从6个方面选准切入点:即工业相关研发设计的信息化,促进工业产品的更新换代;工业生产过程的自动化,提高效率,降低成本;企业和行业管理的信息化,促进企业资源优化和产业链的合理化;产品流通和市场的信息化,建立工业现代流通体系;提高从业人员素质,培育新一代产业大军;推进工业经济的延伸发展,创建新兴产业。

 

 “加快建立工业行业管理工作体系,加强工业经济运行监测和分析,推动工业结构优化升级”是工信部披露的下半年工业行业管理的重点工作。李毅中表示,有关司局首先要从调查研究入手,摸清我国相关工业行业的状况、优势和问题,特别是分析掌握不符合国家产业政策的症结,优化完善已有的发展规划和改进措施,依靠技术进步和科学管理促进传统产业改造升级。

 

对于工业和信息化部的挂牌运行,相关工业司局的成立,对工业行业管理带来了好消息,“终于有人管我们了!”一位工业从业者说。那么,工信部如何解决近年我国工业管理体制分散的现状,未来如何统一和协调管理职能?打造新型工业是工信部的长期使命和重任,然而,要做到工业和信息化的真正融合,需要的是系统工程,需要很多细致的工作要做。我们的新型工业之路如何走?这样的问题,都是期待工业和信息化部能解答的待解之题。

 

链接:

工业和信息化部“三定”的历程

3月11日,十一届人大一次会议通过的《国务院机构改革方案》明确组建工业和信息化部。

3月17日,国务院宣布国家安全生产监督管理总局原党组书记、局长李毅中出任工业与信息化部首任部长。

3月19日,中编办和工信部启动“三定”方案编制工作;

3月~6月,数易其稿,形成“三定”方案送审稿;

6月25日,国务院常务会议审议通过工信部“三定”方案;

6月29日,工信部正式挂牌,官方网站启用;

7月2日,工信部召开全国电视电话工作会议,公布“三定”方案。

 

工信部“两化”融合试点名单汇总数据 2021年,新一代信息技术与制造业融合发展试点示范名单中,包含了82个两化融合管理体系贯标方向的项目,这些项目涵盖了供应链管理与服务、产品全生命周期创新与服务、现代化生产制造与运营管理以及数字孪生的数据管理能力建设等多个细分方向。这表明贯标试点工作正在积极推进,以营造两化融合发展的良好环境。工业和信息化部办公厅在2020年也公布了制造业与互联网融合发展试点示范项目,其中包含48个两化融合管理体系贯标项目,这些项目覆盖了产品全生命周期创新与服务、供应链管控与服务、数字孪生的数据管理等多个方向。 阅读详情

相关推荐

【ERROR】ERROR1: PROJ: proj_create_from_database: Cannot find proj.db - 环境变量配置与路径修复指南

本文详细解析了地理空间数据处理中常见的【ERROR】ERROR1: PROJ: proj_create_from_database: Cannot find proj.db 错误。该错误的根源是PROJ库无法定位其核心数据文件proj.db。文章提供了从问题诊断到修复的完整指南,包括如何在不同系统(Windows/macOS/Linux)和安装方式(Conda/pip/源码编译)下找到正确的proj.db文件路径,并通过设置PROJ_LIB环境变量(临时、代码内或永久)彻底解决问题,同时给出了进阶排查技巧和

m2n3o4p5的博客 557

工业和信息化部“三定”方案公布

7月2日,工业和信息化部召开全国工业和信息化工作电视电话会议,传达学习贯彻工业和信息化部“三定”规定有关内容,部署下半年重点工作。工业和信息化部部长、党组书记李毅中发表重要讲话,会议由奚国华副部长主持。 李毅中介绍了工业和信息化部“三定”规定的主要内容。他说,工业和信息化部承担15项主要职责:1.有关提出新型工业化发展战略和政策,协调解决重大问题,推进信息化和工业化融合,推进军民结合、寓军于民

itxiaoboshi的专栏 1483

RT-Thread Studio与CubeMX联合编程(超级详细)

RT-Thread Studio与CubeMX联合编程 本文章参考以下文章: https://blog.youkuaiyun.com/qq_40824852/article/details/122596043 https://zhuanlan.zhihu.com/p/395106066 https://blog.youkuaiyun.com/m0_37697335/article/details/108890584 一、简介 经过上次对RT-Thread Studio的初步尝试,发现RT-Thread Studio中存在官方支

zhuzhu的博客 3万+

2026全国重点小巨人“三新一强”2000万投入实操指引

2026年是全国优质中小企业梯度培育关键之年

GONGKEXIN_sz的博客 269

CSP历年真题201503-1-图像旋转(C/C++)

一、问题描述 旋转是图像处理的基本操作,在这个问题中,你需要将一个图像逆时针旋转90度。 计算机中的图像表示可以用一个矩阵来表示,为了旋转一个图像,只需要将对应的矩阵旋转即可。 输入格式 二、输入格式 输入的第一行包含两个整数n, m,分别表示图像矩阵的行数和列数。 接下来n行每行包含m个整数,表示输入的图像。 三、输出格式 输出m行,每行包含n个整数,表示原始矩阵逆时针旋转90度后的矩阵。 四、...

GTboy100的博客 1670

ESXI添加硬盘时提示 无法创建 VMFS 数据存储 - 无法更改主机配置

ESXI添加硬盘时提示 无法创建 VMFS 数据存储 - 无法更改主机配置1.打开ESXI的SSH2.找到不能添加的硬盘路径3.用SSH操作 1.打开ESXI的SSH 2.找到不能添加的硬盘路径 我的是第一个,找到你要添加但是不能添加的那个硬盘,点进去。 完整的路劲为:1/2 比如我的: /vmfs/devices/disks/t10.ATA_____ST500LT0122D1DG142___________________________________S3PHRNHQ (比较长哈!) 3.用SSH

AI_DOG的博客 2万+

全国统一部2026重点“小巨人”申报核心事项梳理

2026年是我国优质中小企业梯度培育提质增效的关键之年

GONGKEXIN_sz的博客 335

SAP MRKO与MIRO的对比分析:为何寄售结算需要定制开发?

本文深入分析了SAP系统中MRKO与MIRO在寄售结算中的功能差异,揭示了标准MRKO在财务控制和业务流程上的局限性。通过定制开发实践,如BAdI增强和界面优化,企业可显著提升结算效率与准确性。文章还探讨了未来SAP S/4HANA在寄售结算中的智能化趋势,为相关企业提供技术参考。

weixin_29300241的博客 419

2026年专精特新“小巨人”申报全流程

随着“十五五”政策红利持续释放,2026年专精特新“小巨人”申报已成为中小企业抢占发展先机的关键抓手。华夏泰科深耕企业资质申报服务,精准解读最新政策导向与流程规范,以下将系统梳理2026年专精特新“小巨人”申报全流程要点,为企业明晰路径、高效筹备提供专业指引。我们凭借2万+成功案例和15年项目申报经验,为您的项目申报提供全方位的支持。我们的资深项目团队和全方位筹划方案,将为您的项目申报提供最大保障,华夏泰科值得信赖!重点“小巨人”预申报/遴选(仅限已认定的国家级“小巨人”企业)

huaxiataike的博客 534

SIC知识(8)--碳化硅的制备难点

6. 器件制造难点:碳化硅器件制造过程中的掺杂步骤需要在高温下完成,且需要采用高温离子注入的方式,这与传统硅基器件的扩散工艺不同。这些步骤需要精密的设备和严格的工艺控制,以确保器件的结构和功能。综上所述,碳化硅的制备难点相较于传统硅基器件主要在于更高的制备温度、更慢的生长速度、晶型控制的复杂性、后加工的难度、外延工艺的低效率以及器件制造的特殊要求和较高的成本。- **数据管理**:需要有效的数据管理系统来跟踪和记录生产过程中的每一个步骤,包括原料的批次、生长条件、加工参数等,以确保产品质量的可追溯性。

阿拉伯梳子的专栏 1595

GB 44497-2024《智能网联汽车 自动驾驶数据记录系统》标准解读

GB 44497-2024《智能网联汽车 自动驾驶数据记录系统》针对智能网联汽车的自动驾驶数据记录系统进行了全面规范。标准要求我们记录车辆在自动驾驶模式下的所有关键操作数据,如:1. 车辆状态数据,如速度、加速度、转向角度、制动状态等;2. 环境感知数据,如周围物体的位置、速度、类型等;3. 驾驶决策数据,如路径规划、避障决策、紧急制动指令等;4. 系统状态数据,如软件版本、硬件状态、系统警告信息等。在数据存储方面,标准强调了数据的安全性和可靠性。

daopuyun的博客 2669

易保全上线“工信部查询”新功能,用户可在工信部直接查询存证数据

近日,易保全官网上线了“工信部查询”新功能,用户在易保全进行区块链存证、电子签约、知识产权保护的数据,都可在工信部-工业互联网标识解析平台直接查询,提高数据的公信力。 工信部在线查询,“一码”搞定举证 万物互联时代,人、事、物都可以通过互联网连接起来。易保全利用区块链“去中心化”等优势,保障数据完整不被篡改,实现数据在每个阶段的信息精准对接和高效交互。 此次,易保全上线“工信部查询”新功能,不仅让用户查询举证更加便捷,提高了区块链存证数据的权威性和公信力,还促进了工业互联网之间的数据互通,帮助人们打破“信.

weixin_49292035的博客 571

LeRobot 入门教程(十)LIBERO 机器人终身学习评估

LIBERO是一项专注于机器人终身学习(LLDM)的基准测试平台,包含130项任务,分为5大套件(空间推理、物体操作、目标约束等)。LeRobot框架已集成LIBERO,支持单/多套件评估,并兼容SmolVLA模型。训练需使用预处理数据集(HuggingFaceVLA/libero),观测数据需符合规范(8维状态+双摄像头图像)。该平台采用MuJoCo模拟,支持无头服务器运行,旨在推动机器人持续学习算法的发展与标准化评估。

2506_90492529的博客 1662

大概很多人都忘却了“工信部”的前身了

大概很多人都忘却了“工业和信息化部”的前身了。我没记错的话,是四部委重组的,有两个忘了,但有两个我印象深刻——1、信息产业部——有原邮电部(邮政部和电信部合并)的班底。2、国防科工委——不用我多说了吧……工信部重组建立好像是我大二还是大三的时候吧,我时常活跃北邮和北航两校(因为我在京最要好的女性朋友和我妹都在北航),北邮的后台,不用说,信息产业部,不过后来被教育部给黑了,北邮从

光宇广贞 1万+

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

600万奖补到账只是开始:重点“小巨人”企业的三年执行题

整个政策里头,这一块是最容易被理解跑偏的。资金怎么分也有硬性比例,奖补资金总额里,95%以上要由省级财政部门直接打给“小巨人”企业,让企业自己围着“三新”“一强”的目标任务去安排和使用,剩下的部分不超过总盘子的5%,可以重点用到对“小巨人”企业的培育赋能上,比方说管理诊断、人才培训、质量诊断这类服务。站在政策设计的角度去看,这走的完全是一套“按效付费”的路子,奖补资金压根儿不是“年终奖”,而是国家对企业能力的一次实地检验——验的就是企业有没有本事盯着产业链的短板,实实在在地干出一些硬核成果。

GONGKEXIN_sz的博客 171

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

向新而生保业务增长,亚信科技持续锻造“核心引擎”

2022年,受到疫情不确定性影响,科技公司在上半年普遍营收增长表现“疲软”。 然而,亚信科技2022上半年依然保持了上升势头,在不确定性中实现企业自身发展的确定性,收入同比增长14.5%,约为人民币31.09亿元。其中,最大的亮点在于三新业务保持高速增长,收入达到约人民币10.04亿元,同比上升81.4%,三新业务收入占营业收入比重提升至32.3%。 全球云观察分析认为,在数字经济新时代,向新而生保增长,亚信科技持续打造业务“核心引擎”,有三大看点值得关注。......

阿明观察 1050

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")

软考“平替“——工信部信创证书来了!现在考超容易!

信创即信息技术应用创新,其本质是打破西方技术垄断的「数字新基建」,而由工信部教育与考试中心直接颁发的信创证书,已成为衡量数字化人才硬实力的「国标认证」。这也表明,被写入「十四五」规划的信创战略,正在重塑职场规则。看下面三组数据就知道了2025年党政机关国产化替代率100%(《国家信息化发展战略纲要》)央国企信创采购目录企业“83%”要求持证投标(2024年招标数据分析)信创中级证书=笔试加5分所以,感兴趣建议赶紧考,因为现在考拿证快:每月 1 考,备考 30 天就能冲刺,比软考快 3 倍!

PMP项目管理的博客 1875

工信部“拿来”台湾技术推广自主知识产权标准

 一则有关”数字高清互动接口技术DIIVA”的新闻让不明细节的读者振奋人心,却让许多业内人士感到痛心,工信部居然拿来台湾凌阳科技子公司凌旭公司的技术作为自主知识产权标准大力推广。先看一则前不久的新闻报道: “2009年4月22日,在中国电子视像行业协会组织下,由中国消费类电子骨干企业海信、TCL、创维、长虹、康佳、海尔、熊猫、上广电、以及凌旭科技共同领导的DiiVA 推广工作组,在广州正式向全

老杳吧:LAOYAOBA.COM 1108

备案号链接工信部_「干货」网站底部怎么放备案号?

应工信部备案要求,现在网站备案要求在网站页面下方添加备案号,并且备案号要求链接跳转到http://www.beian.miit.gov.cn/很多站长不知道怎么添加备案号和跳转,导致网站备案被退回,甚至网站备案被注销,需要重新备案,下面给大家讲解一下,常见的程序怎么添加备案号和添加跳转网站上跳转代码一般都是使用html的a标签,实例目标添加对应的备案号的时候一般使用以下代码添加。备案号0x01 w...

weixin_39856269的博客 3619

阿里云被工信部处罚

阿里这事就是典型的技术思维不讲政治,技术人员其实思路没问题,先报给开发商,等待开发商修复。但是阿里的人忘记了他是中国公司,他应遵守中国的法律法规

卢松松 2375

工信部正式宣布,苹果何去何从?

二十一世纪,被称为是智能时代,各种智能产品在网络的加持下获得飞速发展。尤其是随着5G网络布局的逐渐完善以及物联网时代的到来,在一系列智能设备中,消费电子行业无疑占据了巨大份额,以智能手机为首的他们每年都在保持着高速增长。 虽然消费电子在一定程度上也属于耐用品,但其实最多也是两到三年的时间,然后就会进行更换,更不要说相当一部分人保持着一年一换的频率。在这样的背景下,智能手机市场始终保持着高景气发展,其相关的充电宝、充电器、耳机等市场也始终热度不断。 数据线接口即将统一? 在智能手机相关的一系列配..

红目香薰 6967

厉害了,工信部推出 “一键解绑” 手机号绑定的互联网账号,堪称神器

大家好,我是校长。大家有没有这种苦恼?想更换一个手机号,但是,又不敢更换,原因就是手机号的更换成本 太高了,倒不是说更换手机号本身成本高,而是隐形的成本比较高。什么意思呢?就是,现在自从进入移动互联网时代之后,网络开启了实名制的要求,换句话讲就是:以后注册网站,注册 App 都必须绑定手机号,不绑定手机号,不让用。而且,现在大多数软件都是采取手机号 + 验证码的登录策略,...

非著名程序员 4811

工信部怒了,App 厂商们又作死

上面这个公号「涩郎」,是我的一个备用号,为了防止万一哪天大号失联,平时一周我也会发三篇左右的我的思考,读书笔记,认知感悟等文章,带领大家一起探索精神与财务自由之路。大家好,我是校长。前几天...

非著名程序员 493

备案号链接工信部_工信部自己修改网址,锅却得我们来背

相信生信技能树的粉丝们都应该还记得六月末的生信菜鸟团博客被关闭的风波吧,上面提示是我的备案信息有问题,实际上呢,我检查了很久,发现是工信部自己修改网址导致我的WordPress博客里面的跳转失败!需要修改 wp-content/themes/admired/footer.php这个文件, 之前是:http://www.miitbeian.gov.cn/ 现在是:http://www.beian....

weixin_42495556的博客 1828
上一篇: 官方IT行业分类方案(图)
下一篇: DBUTILS
topinking
博客等级 码龄20年 15粉丝 242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