又一波并购潮 2018年电信和科技行业并购达6480亿美元

根据年度交易预测，今年AI和云计算将助力电信和科技行业的全球并购将从去年的2950亿美元上升至今年的6480亿美元。

发表于：2018/3/20 下午3:16:39

世强元件电商物联网多协议无线连接与mesh引爆慕展

HIS预计到2020年，互联设备的数量将增长到307亿个，物联网作为电子行业最强的风向之一，已成不争的事实。物联网行业的飞速发展，连接技术在推动物联网应用的过程中再次凸显其重要意义。但与此同时，无线连接技术却面临着功耗、多协议、安全稳定性和可扩展性等问题。正因为如此，在3月14-16日的慕尼黑上海电子展上，世强元件电商展出了全面的智能无线解决方案。

发表于：2018/3/20 下午12:47:35

助力本地半导体制造商建设和运营晶圆厂，优化良率，并迈向先进制程

作为业界领先的特种化学及先进材料解决方案的领导企业，Entegris今天发布了2018年中国战略，致力于将当今全球一流制造商所使用的高端材料解决方案引进中国市场。对于中国制造商而言，要与市场上现有的厂商开展竞争，至关重要的是，在晶圆厂建设及全生命周期生产管理中选择世界一流的解决方案。Entegris旨在成为中国市场的首选供应商，目前正积极拓展在中国市场的足迹，增强技术能力，从而更好地服务于飞速发展的中国半导体制造行业。Entegris在中国的战略重点包括：助力新晶圆厂的建设，继续推进材料生产本地化，并加强实验室支持、人才培养等一系列本地化基建工作。

发表于：2018/3/20 下午12:39:51

Xilinx CEO 描绘公司新愿景与战略蓝图

自适应和智能计算的全球领先企业赛灵思公司（Xilinx, Inc.，(NASDAQ:XLNX)）总裁兼首席执行官（CEO）Victor Peng ，今天揭示了公司的未来愿景与战略蓝图。Peng 的愿景旨在为赛灵思带来新发展、新技术和新方向，打造“灵活应变的智能世界”。在该世界中，赛灵思将超越 FPGA 的局限，推出高度灵活且自适应的全新处理器及平台产品系列，为用户从端点到边缘再到云端多种不同技术的快速创新提供支持。

发表于：2018/3/20 下午12:36:00

意法半导体新一代FlightSense飞行时间传感器测距4米并有自动省电功能

　　意法半导体VL53L1X 飞行时间传感器将FlightSense*技术的测距提高到四米，让低功耗的高精度测距和接近检测功能适用于更广泛的应用领域。 　　不像其它的采用简单红外技术的IR接近传感器，因为只测量信号强度，测量精度通常受到被测物体的反射率影响，FlightSense传感器根据光子往返飞行时间来直接测算物体与传感器的距离，测量精度不受被测物体表面特性的影响。

发表于：2018/3/20 下午12:24:55

Imagination宣布为PowerVR GPU的性能分析工具 PVRTune添加强大的新功能

Imagination Technologies宣布，推出PowerVR GPU 的性能分析工具 PVRTune的新版本，它可为开发人员提供深度信息，来帮助他们充分了解其应用在移动与嵌入式设备上的动态。利用PVRTune 2018 Release 1中的新功能，开发人员可通过充分发挥底层硬件的功能来创建应用与游戏，进而能以可获得的最低功耗来实现最佳效能。

发表于：2018/3/20 上午11:01:00

检流电阻世界第一品牌德国ISA强势联手世强

　　世界先进的精密微阻值电阻制造厂商ISABELLENHUTTE近日与中国电子行业最优秀的半导体&元器件技术供应商——世强元件电商强强联手。 　　此后，ISABELLENHUTTE的全线产品，包括精密功率、合金、电流电压传感器等产品，均由世强代理销售。而ISABELLENHUTTE的所有技术资料，包括选型指南、数据手册、白皮书、应用笔记、测试报告、功能框图、PCN等等，也可在世强元件电商平台搜索查询。

发表于：2018/3/20 上午10:49:33

周鸿祎赚大了！估值16-19亿元，大富科技拟收购百立丰51%以上股权！

3月18日晚间，停牌了三个多月的深交所上市公司大富科技发布公告，正式公布了之前宣布的“重大资产重组”的标的，拟通过发行股份或支付现金方式收购手机及智能终端研发制造企业——重庆百立丰科技有限公司（以下简称“百立丰”，旗下手机品牌为“lephone”）51%以上股权。

发表于：2018/3/20 上午10:43:32

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：2018/3/20 上午10:21:00

观点 | 为什么深度学习仍未取代传统的计算机视觉技术？

本文作者认为，深度学习只是一种计算机视觉工具，而不是包治百病的良药，不要因为流行就一味地使用它。传统的计算机视觉技术仍然可以大显身手，了解它们可以为你省去很多的时间和烦恼；并且掌握传统计算机视觉确实可以让你在深度学习方面做得更好。这是因为你可以更好地理解深度学习的内部状况，并可执行预处理步骤改善深度学习结果。

发表于：2018/3/20 上午10:10:00