数据中心最新文章 阿里巴巴的芯片布局 昨天，阿里巴巴全资收购中天微这一消息，盖过了处于风口浪尖上的中兴通讯深圳发布会。 发表于：4/23/2018 重量级厂商Ampere加入绿色计算产业联盟（GCC） 致力于面向未来大规模云计算开发 Arm® 参考设计平台的领先企业Ampere™今日宣布正式加盟绿色计算产业联盟，其董事长兼首席执行官蕾妮·詹姆士女士也将担任该联盟副理事长。通过这一举措，Ampere将与其生态体系中的合作伙伴一道，全力推动绿色计算和Arm®服务器生态环境的建设。蕾妮·詹姆士女士于2018 年 4 月 11 日在 GCC 深圳峰会上做了主题演讲，分享了她对于未来绿色计算的深入见解，阐述了产业深入合作制定开放式标准的必要性。此外，蕾妮·詹姆士女士还为与会观众介绍了Ampere 围绕其 eMAG™参考平台打造的开发者项目的概况。 发表于：4/12/2018 印度政府建立生物辨识居民身份认证系统，隐私和便利的两难之争 印度政府将为 13 亿居民建立全面的身份认证体系，涉及指纹、虹膜和脸部资讯，居民资讯将与多种社会服务体系绑定，甚至还有智能手机等电子产品。 发表于：4/10/2018 赵伟国从紫光股份辞职 紫光股份4月8日晚间公告，公司董事长赵伟国因工作繁忙申请辞去公司董事、董事长职务，并不在公司任职。 发表于：4/9/2018 罗德与施瓦茨将参加NAB 2018的IP秀场：展示SMPTE 2110的实际应用场景 罗德与施瓦茨公司将会在NAB 2018的IP秀场中展出三种设备。在VSF的主持下，打算过渡到IP的设备厂商和广播商可以对其遵循SMPTE2110和AMWA NMOS规格的设备在实际应用场景下进行互通性测试。 发表于：4/4/2018 华大九天荣获“年度本土EDA技术突破”奖项 由AspenCore旗下《电子工程专辑》、《电子技术设计》和《国际电子商情》联合举办的“2018年度中国IC设计成就奖”于2018年3月30日在上海揭晓。 发表于：3/31/2018 华北电力辅助服务市场将启 保障华北电网安全 华北能监局日前编制起草了《华北电力辅助服务市场建设方案(征求意见稿)》，并下发给华北区域各电网、发电企业征求意见。据了解，待该《方案》按照反馈意见修订下发后，华北地区电力辅助服务市场化程度将显著提高。 发表于：3/29/2018 活在实验室还是实现霸权？揭开当前量子计算技术进展之谜 随着谷歌要在今年实现「量子霸权」等新闻的出现，社交网络上最近出现了一个热门的话题：当前的量子计算技术前沿是什么水平？量子计算和人工智能一样，是目前人类科技发展的重要方向。在摩尔定律逐渐失效的今天，科技巨头和创业公司无不想使量子计算成为主流，但成功与否依然未知。本文作者探访了数位一线研究人员，试图为你揭开当前人类量子技术水平的谜团。 发表于：3/28/2018 Nvidia黄仁勋发布了全球最大GPU 北京时间3月28日凌晨00:00，英伟达GTC 2018（GPU Technology Conference 2018，以下简称GTC）在美国圣何塞举行。英伟达再一次在提升计算力的路上越走越远。GPU产品依然是主旋律，Tesla V100系列、DGX系列和Quadro GPU系列都进行了更新。 发表于：3/28/2018 高通新董事“拷问”公司未来的发展战略 据路透社北京时间3月24日报道，当地时间星期五，虽然没有得到股东全力支持，高通现有的10名董事仍然在董事会选举中涉险过关。 发表于：3/27/2018 深圳出台扶持政策，区块链项目最高可补贴200万元 3月21日，深圳市经济贸易和信息化委员会发布文件《市经贸信息委关于组织实施深圳市战略性新兴产业新一代信息技术信息安全专项2018年第二批扶持计划的通知》，通知中说，为贯彻落实市政府战略性新兴产业政策，现决定组织实施深圳市战略性新兴产业新一代信息技术信息安全专项2018年扶持计划。 发表于：3/23/2018 你对数据分析是不是有什么误解？来看看这六个问题 数据对于现代企业的重要程度不言而喻，拥有卓越的数据分析能力可在市场上拥有更大的竞争优势。然而企业用户和一些决策者对于数据分析仍然有一些误解和偏见。 发表于：3/22/2018 角逐数据中心，赛灵思新CEO亮出杀手锏 3月16日，Victor Peng来到北京，首次以CEO的身份向中国媒体描绘了赛灵思的新愿景与战略蓝图，并送上一份见面礼，又一次给大家带来震撼！ 发表于：3/21/2018 赛普拉斯推出全新Excelon™F-RAM™高速、高可靠性的非易失性存储器系列 赛普拉斯推出全新Excelon™F-RAM™高速、高可靠性的非易失性存储器系列 发表于：3/20/2018 学界 | 新型循环神经网络IndRNN：可构建更长更深的RNN（附GitHub实现） 近日，澳大利亚伍伦贡大学联合电子科技大学提出一种新型的循环神经网络 IndRNN，不仅可以解决传统 RNN 所存在的梯度消失和梯度爆炸问题，还学习长期依赖关系；此外，借助 relu 等非饱和激活函数，训练之后 IndRNN 会变得非常鲁棒，并且通过堆叠多层 IndRNN 还可以构建比现有 RNN 更深的网络。实验结果表明，与传统的 RNN 和 LSTM 相比，使用 IndRNN 可以在各种任务中取得更好的结果。同时本文还给出了 IndRNN 的 TensorFlow 实现，详见文中 GitHub 链接。 发表于：3/20/2018 «…126127128129130131132133134135…»
