首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

专家探讨神经形态计算未来发展之路

多位国际电气和电子工程师协会(IEEE)会员联合发表了一篇神经形态计算与神经网络硬件的全面调研(调研得到了美国能源部先进科学计算研究办公室、橡树岭国家实验室的支持),对神经形态计算的发展历程及其驱动因素进行了全面的梳理,并探讨了神经形态计算的未来发展之路。该文认为,神经形态计算在未来数年的主要发展方向包括: 到目前为止,在神经形态计算和神经网络的硬件领域显然已经积累了大量的工作经验。展望未来,在很多领域内存在几个令人兴奋的研究方向,可以在将来彻底改变我们为什么要使用神经形态计算机和如何使用它的观念。 从机器

04
您找到你想要的搜索结果了吗?
是的
没有找到

【解析】数据产品的前世今生

互联网是个制造流行概念的行业,“数据产品”也不幸免。其实,数据产品的“实”早就存在,只是“名”是后面几年慢慢流行起来的。 我看到过很多讨论数据产品的文章,但大家基本没有统一的认识,对概念的理解也不太认同,所以这里想简单写写自己的观点,主要内容也是不会在其它网文看到的一家之谈。 一、什么是数据产品 要谈清楚数据产品,首先不可回避的“俗套问题”便是数据产品的定义认知。我的理解是:广义来看,数据产品是可以发挥数据价值去辅助用户更优的做决策(甚至行动)的一种产品形式。它在用户的决策和行动过程中,可以充当信息的分析展

09

【更正】微软人工智能首席科学家邓力:深度学习十年简史和人工智能未来展望(33PDF下载)

【新智元导读】微软人工智能首席科学家邓力18日在自动化学会与新智元携手举办的首届 AI WORLD 2016世界人工智能大会 发表主旨演讲《深度学习十年简史和人工智能未来展望》。邓力博士回顾了他与 Hinton 的合作及其产业影响,重点讲述语音识别如何随深度学习发展进入商用阶段,还介绍了微软近两年的人工智能进展,并对深度学习技术、应用和产业进行展望。演讲最后,邓力分享了他最新的思想和工作——将符号式逻辑推理和数值张量式神经网络结合到一起,有望解决深度学习黑箱问题,常识嵌入与充实问题,以及逻辑推理规则的自动

013

微软人工智能首席科学家邓力:深度学习十年简史和人工智能未来展望(33PDF下载)

【新智元导读】微软人工智能首席科学家邓力18日在首届世界人工智能大会 AI WORLD 2016 发表主旨演讲《深度学习十年简史和人工智能未来展望》。邓力博士回顾了他与 Hinton 的合作及其产业影响,重点讲述语音识别如何随深度学习发展进入商用阶段,还介绍了微软近两年的人工智能进展,并对深度学习技术、应用和产业进行展望。演讲最后,邓力分享了他最新的思想和工作——将符号式逻辑推理和数值张量式神经网络结合到一起,有望解决深度学习黑箱问题、常识嵌入与充实问题,以及逻辑推理规则的自动学习问题。 邓力:感谢大家!

07

SAP FI-CO总账科目简析

浅谈SAP FICO—总账科目 一、总账科目的概述 总账科目,它起到统驭整个财务的作用。不同的会计科目在总账主数据中创建会应用到不同的“字段”(field),通过这些不同“字段”的组合,就会形成系统能够识别并能够为我们现行会计核算所接受的会计科目。 总帐科目主记录分为两部分: Ø 关于会计科目表的数据。这部分数据用于整个主记录,如总帐科目号码,科目名称,确定科目是资产负债表科目还是损益表科目。此外,用户还可以用它来规定主记录中用于公司代码部分的数据的有关控制信息,如科目组和屏幕格式。 Ø 关于公司代码的数据。这部分数据包含了如何控制业务数据的输入与记帐的参数,如何管理科目的数据,以及其他与公司代码相关的数据,如货币、税码、统驭科目、行项目的显示和未清项的管理等。 其实,这两部分也构成了SAP的总账科目的两个层次,也是SAP区别于其他ERP厂商的一个重要特征。 在 SAP 中,会计科目的定义分为两层:科目表层和公司代码层。比如:一个集团企业可以定义一套会计科目表,但是下面的每个公司代码,从中选择哪些科目,这些科目的各项参数又是可以自己决定的,从而达到集中和灵活兼顾的效果。 SAP的科目类别分为三大类别:资产负债类(BSA)、损益类(PLA)、统驭类(RAA),其中常见的字段状态变式(field status variant)为:一般资产负债科目(GBS)、材料采购GR/IR(MMA)、一般费用科目(EXP)、收入科目(REV)、统驭科目AR/AP(RAA)。

01

数据仓库中的维度表和事实表概述

事实表 每个数据仓库都包含一个或者多个事实数据表。事实数据表可能包含业务销售数据,如现金登记事务所产生的数据,事实数据表通常包含大量的行。事实数据表的主要特点是包含数字数据(事实),并且这些数字信息可以汇总,以提供有关单位作为历史的数据,每个事实数据表包含一个由多个部分组成的索引,该索引包含作为外键的相关性纬度表的主键,而维度表包含事实记录的特性。事实数据表不应该包含描述性的信息,也不应该包含除数字度量字段及使事实与纬度表中对应项的相关索引字段之外的任何数据。 包含在事实数据表中的“度量值”有两中:一种是可以累计的度量值,另一种是非累计的度量值。最有用的度量值是可累计的度量值,其累计起来的数字是非常有意义的。用户可以通过累计度量值获得汇总信息,例如。可以汇总具体时间段内一组商店的特定商品的销售情况。非累计的度量值也可以用于事实数据表,单汇总结果一般是没有意义的,例如,在一座大厦的不同位置测量温度时,如果将大厦中所有不同位置的温度累加是没有意义的,但是求平均值是有意义的。 一般来说,一个事实数据表都要和一个或多个纬度表相关联,用户在利用事实数据表创建多维数据集时,可以使用一个或多个维度表。 维度表 维度表可以看作是用户来分析数据的窗口,纬度表中包含事实数据表中事实记录的特性,有些特性提供描述性信息,有些特性指定如何汇总事实数据表数据,以便为分析者提供有用的信息,维度表包含帮助汇总数据的特性的层次结构。例如,包含产品信息的维度表通常包含将产品分为食品、饮料、非消费品等若干类的层次结构,这些产品中的每一类进一步多次细分,直到各产品达到最低级别。 在维度表中,每个表都包含独立于其他维度表的事实特性,例如,客户维度表包含有关客户的数据。维度表中的列字段可以将信息分为不同层次的结构级。 结论

03

MIT算法圣经书《算法导论》第四版

来源:专知本文为书籍介绍,建议阅读5分钟本书将严谨性和全面性融为一体,深入讨论各类算法,并着力使这些算法的设计和分析能为各个层次的读者接受。 在有关算法的书中,有一些叙述非常严谨,但不够全面;另一些涉及了大量的题材,但又缺乏严谨性。《算法导论(原书第4版)/计算机科学丛书》将严谨性和全面性融为一体,深入讨论各类算法,并着力使这些算法的设计和分析能为各个层次的读者接受。全书各章自成体系,可以作为独立的学习单元;算法以英语和伪代码的形式描述,具备初步程序设计经验的人就能看懂;说明和解释力求浅显易懂,不失深度和

02
领券