全球數據周Tech Week Shanghai 2026即將啟幕：打造亞太數據樞紐，引領全球數字創(chuàng)新浪潮

當工業(yè)生產遇上 RFID：智能追溯讓制造全流程 “透明可見”

在工業(yè) 4.0 的浪潮中，制造企業(yè)對生產透明度的追求達到了新高度。傳統(tǒng)生產模式下，人工記錄的數據滯后、條碼識別的環(huán)境局限等問題，始終制約著全流程管控的實現。而 RFID(無線射頻識別)技術憑借非接觸式自動識別、環(huán)境適應性強、數據實時傳輸的核心優(yōu)勢，正成為打破信息壁壘的關鍵力量，讓從原材料到成品交付的每一個環(huán)節(jié)都 “透明可見”。

金融實時決策引擎：FPGA計算加速與數據流優(yōu)化實踐

在高頻交易領域，微秒級延遲差異直接影響交易策略的盈虧。傳統(tǒng)CPU架構受限于指令串行執(zhí)行與操作系統(tǒng)中斷延遲，難以滿足金融場景的極致性能需求。FPGA憑借其硬件級并行計算、確定性延遲和可重構特性，成為構建金融實時決策引擎的核心技術載體。本文以滬深Level-2行情加速系統(tǒng)為例，探討FPGA計算加速與數據流優(yōu)化的實現路徑。

汽車系統(tǒng)非易失性存儲器選擇指南

在現代汽車系統(tǒng)中，由于高級駕駛輔助系統(tǒng)(ADAS)、圖形儀表、車身控制和信息娛樂系統(tǒng)的快速發(fā)展，系統(tǒng)的復雜度日益增加。為了確保這些系統(tǒng)在各種條件下都能穩(wěn)定、安全地運行，非易失性存儲器(Non-Volatile Memory, NVM)扮演了關鍵角色。非易失性存儲器在斷電或系統(tǒng)復位后仍能保留數據，這對于存儲關鍵的可執(zhí)行代碼、校準參數、安全信息以及安全防護數據至關重要。

數學訓練讓 AI 變笨?強化學習與監(jiān)督學習的差異

在人工智能的發(fā)展歷程中，我們往往認為更多的訓練、更復雜的數據能讓 AI 變得更加智能。然而，近期一些研究卻揭示了令人意外的現象：對小型 AI 語言模型進行數學訓練時，過度訓練可能會導致其表現急劇下降，甚至出現 “變笨” 的情況。與此同時，強化學習與監(jiān)督學習這兩種主流學習方式在其中所起的作用也大相徑庭，它們的差異值得深入探討。

I2C的Data是在時鐘上升沿采樣還是下降沿采樣？

I2C 總線的起始條件和終止條件通常由主機產生。起始條件是在 SCL 高電平時，SDA 從高電平轉為低電平;而終止條件則是當 SCL 高電平時，SDA 從低電平轉化為高電平。這兩個條件的準確識別對于 I2C 通信的正確啟動和結束至關重要。

一文解析AI大模型是如何進行訓練的

在AI數據產業(yè)中，數據精準度=驗收合格數量/全部數量，這意味極高的精準度不僅要滿足一些客觀標準，還需要與AI項目方的需求深度契合，通過基于需求的驗收過程。

基于SDRS數據的鉆石DA20飛機故障分析及處理

基于使用困難報告系統(tǒng)(SDRS)對鉆石DA20飛機的故障數據進行分析 。基于SDRS系統(tǒng)收集到的數據 , 結合故障分類方法 ,對鉆石DA20飛機的不同故障進行研究 ,并提出相應的解決措施 ,有利于提高鉆石DA20飛機機隊的可靠性和安全性。

高速數據傳輸：構建嵌入式視覺的未來

在當今數字化時代，數據如同流淌在信息高速公路上的血液，驅動著各個領域的創(chuàng)新與發(fā)展。而在嵌入式視覺領域，高速數據傳輸正扮演著越來越關鍵的角色，它不僅是實現實時、精準視覺感知的基礎，更是開啟未來智能應用無限可能的鑰匙。

看完秒懂！如何搞定內存卡數據恢復

在如今數字化的時代，SD 卡作為一種常見的存儲設備，承載著我們大量珍貴的記憶和重要的資料，如精彩的照片、珍貴的視頻以及關鍵的文檔等。然而，令人頭疼的是，SD 卡數據丟失的情況時有發(fā)生，可能是由于誤刪除、格式化、病毒感染、SD 卡損壞等原因。

高頻開關和動態(tài)電壓控制(DVC)的無條件穩(wěn)定性設計

如今，我們正處于一個被無處不在的數據及高耗電應用所驅動的信息計算世界中，使得電源管理成為了不同系統(tǒng)、網絡和軟件所面臨多方面挑戰(zhàn)中的不可忽視的一環(huán)。

真金無懼火煉 ——魏德米勒電氣聯(lián)接方案在鋼鐵行業(yè)的應用

近年來，國內某知名鋼鐵集團致力于推動傳統(tǒng)鋼鐵主業(yè)的高質量發(fā)展，通過提高電控自動化水平，進一步優(yōu)化產品質量和產能效率，不斷提升市場競爭力。

無數據 不模型 亞馬遜云科技持續(xù)引領數據基座構建三大核心能力

北京——2024年4月30日 亞馬遜云科技持續(xù)引領云上數據服務創(chuàng)新，助力企業(yè)構建全面的數據基座以充分發(fā)揮數據潛力，加速生成式AI技術落地。在生成式AI時代，數據是企業(yè)脫穎而出的關鍵——基礎模型依賴于大規(guī)模高質量數據集，生成式AI的差異化優(yōu)勢來源于企業(yè)的專有數據，生成式AI應用產生的大量新數據也需要及時有效地加以管理和利用。亞馬遜云科技持續(xù)引領數據基座構建必備的三大核心能力，即模型微調和預訓練所需的數據處理能力、利用專有數據與模型快速結合以產生獨特價值的能力，以及有效處理新數據以助推生成式AI應用持續(xù)快速發(fā)展的能力，助力企業(yè)在生成式AI時代取得成功。

Amazon Bedrock推出全新功能 助力數萬客戶構建和擴展安全的生成式AI應用程序

全新的專有模型導入功能讓客戶更輕松地將其專屬模型導入到Amazon Bedrock中，從而充分利用Amazon Bedrock的強大功能。全新的模型評估功能使客戶能夠廣泛且便捷地選擇完全托管模型，包括RAG優(yōu)化的新版Amazon Titan Embeddings V2以及來自Cohere、Meta的最新模型。Amazon Bedrock的Guardrails采用業(yè)界領先技術幫助客戶根據應用需求和負責任的AI政策，有效實施定制的安全措施。

意法半導體公布2024年第一季度財報和電話會議時間安排

2024年4月17日，中國 – 服務多重電子應用領域、全球排名前列的半導體公司意法半導體(STMicroelectronics，簡稱ST;紐約證券交易所代碼:STM)將在2024年4月25日歐洲證券交易所開盤前公布2024年第一季度財務數據。

鐵威馬TOS 6上線，小白也能輕松玩轉NAS

數據占滿我們的電子設備已成常態(tài),為了滿足廣大用戶的需求,NAS應運而生。然而,對于許多普通用戶來說,NAS設備的設置和使用卻常常令人望而卻步。不過,鐵威馬TOS 6的出現,不僅功能強大,而且操作簡便,即使是初次接觸NAS的小白用戶也能輕松上手。下面為大家分享鐵威馬TOS 6的特點和優(yōu)勢,讓您輕松玩轉NAS。

機器學習的四個主要步驟

機器學習作為人工智能領域的重要組成部分，其過程涉及到多個核心環(huán)節(jié)。本文將詳細闡述機器學習的四個主要步驟：數據準備、模型選擇、模型訓練與評估，以及模型部署與應用，以揭示機器學習從數據到應用的完整流程。

機器學習算法基本過程

機器學習算法是人工智能領域中的核心技術之一，它通過對大量數據進行學習，自動發(fā)現數據中的規(guī)律和模式，從而實現對新數據的預測、分類、聚類等任務。本文將深入探討機器學習算法的基本過程，包括數據準備、模型選擇、訓練與評估等關鍵步驟，并解釋每一步驟的重要性和作用。

通用人工智能技術是否成熟

隨著人工智能(AI)技術的迅速發(fā)展，人們對于通用人工智能(AGI，即Artificial General Intelligence)的期待也日益高漲。通用人工智能指的是具備像人類一樣全面智能的計算機系統(tǒng)，能夠執(zhí)行各種復雜的認知任務，并且具備不斷學習和適應新環(huán)境的能力。然而，關于通用人工智能技術是否已經成熟的問題，學術界和產業(yè)界存在不同的看法。本文將深入探討通用人工智能技術的發(fā)展現狀、成熟度的評估標準以及面臨的挑戰(zhàn)，從而分析通用人工智能技術是否成熟。

刻錄機是什么？它是怎樣進行工作的？

在數字化時代，數據的數量和價值飛速增長，如何安全、有效地存儲和管理這些數據成為了一個重要的問題?？啼洐C，作為一種同時具有數據存儲和備份功能的設備，在這方面發(fā)揮著越來越重要的作用。本文將向大家介紹刻錄機的定義、工作原理以及使用方法，幫助大家更好地了解和掌握這一重要的科技產品。