精华内容
下载资源
问答
  • 图像搜索:以图搜图

    千次阅读 2019-03-27 20:31:17
    以图搜图 随着数字时代的到来,单单的文字搜素已经无法满足人们的搜索了,图像搜索,甚至是视频搜索都已经比较成熟。本文大致讲解下图像搜索: 原理 搜索项目:主要分为三个部分——图像特征抽取,构建搜素库,构建...

    以图搜图

    随着数字时代的到来,单单的文字搜素已经无法满足人们的搜索了,图像搜索,甚至是视频搜索都已经比较成熟。本文大致讲解下图像搜索:

    发展历程

    在这里插入图片描述

    原理

    搜索项目:主要分为三个部分——图像特征抽取,构建搜素库,构建索引。

    • 第一步:就是选取好合适的图像特征抽取方法,传统的方法有各种图像处理的方法,比如hog直方图,小波过滤等方法提取特征,现有比较热门的深度学习方法,比如卷积神经网络等;根据实际情况进行合理选择,一般而言建议使用卷积神经网络方法,但复杂的系统都会结合二者一起使用,比如淘宝的拍立淘等。
    • 第二步:使用特征抽取器对图像库抽取特征,并以向量的形式存储起来;
    • 第三步:构建索引,索引的好坏影响搜索速度,常用的有哈希编码等;

    在这里插入图片描述

    过程

    给定一张图像,首先经过主体检测等,或者全图抽取特征;之后与图像库中的图像特征进行特征匹配,一般计算余弦相似度指标,余弦相似度可以用来衡量两个向量的相似度,关于这方面的具体介绍可以看博主的另外一篇关于余弦相似度的介绍。最后按照相似度的大小进行排序,输出匹配结果即可。

    注意事项:

    • 是否进行主体检测
    • 搜索时候是否有比较快速的方法,比如knn
    • 其他的优化手段

    结果

    红色方框是查询图,绿色方框是完全匹配的结果,其它是最相似的top。
    在这里插入图片描述

    在这里插入图片描述
    在这里插入图片描述

    展开全文
  • 甘特详解

    万次阅读 2019-01-14 18:37:25
    甘特详解一、介绍二、历史发展三、优缺点1、优点2、 缺点四、应用范围1、项目管理2、其它领域五、软件工具六、使用1、效果图示2、步骤3、资料参考 一、介绍 甘特是一种条形,它说明了项目进度表。该图表列出...

    一、介绍

    • 甘特图是一种条形图,它说明了项目进度表。该图表列出了垂直轴上要执行的任务,以及水平轴上的时间间隔。图中水平条的宽度显示了每个活动的持续时间。甘特图说明了项目的终端元素和摘要元素的开始和结束日期。终端元素和摘要元素构成了项目的工作分解结构。现代甘特图也显示了依赖性(即优先网络)活动之间的关系。甘特图可用于显示当前的计划状态,使用百分比完整阴影和垂直“今日”行。
    • 甘特图有时等同于条形图。
    • 甘特图通常最初使用早期开始时间方法创建,其中每个任务计划在其先决条件完成时立即开始。此方法可最大化所有任务可用的浮动时间。

    二、历史发展

    • 1896年,最初由Karol Adamieck在波兰开发,此时叫谐波图
    • 1931年,Karol Adamieck出版其图表,并且限制在波兰
    • 1912年,HermannSchürch在讨论建筑项目时发表了甘特图(没有显示依赖关系)
    • 甘特图是以Henry Gantt(1861-1919)命名,他在1910年至1915年间设计了他的图表
    • 第一次世界大战期间,美国威廉克罗齐将军开始支持使用甘特图
    • 1929年,沃尔特波拉科夫(甘特的合作者)时向苏联介绍了甘特图,用于制定第一个五年计划
    • 20世纪80年代,第一个应用于项目经理和项目计划程序的桌面应用广泛使用
    • 1999年,甘特图被确定为“项目调度和控制中使用最广泛的管理工具之一”

    三、优缺点

    1、优点

    (1)图形化概要,通用技术,易于理解。
    (2)中小型项目一般不超过30项活动。
    (3)有专业软件支持,无须担心复杂计算和分析。

    2、 缺点

    (1)甘特图事实上仅仅部分地反映了项目管理的三重约束(时间、成本和范围),因为它主要关注进程管理(时间)。
    (2)软件的不足:尽管能够通过项目管理软件描绘出项目活动的内在关系,但是如果关系过多,纷繁芜杂的线图必将增加甘特图的阅读难度。

    四、应用范围

    1、项目管理

    • 在现代的项目管理里,被广泛的应用。这可能是最容易理解、最容易使用并最全面的一种。它可以让你预测时间、成本、数量及质量上的结果并回到开始。它也能帮助你考虑人力、资源、日期、项目中重复的要素和关键的部分,你还能把10张各方面的甘特图集成为一张总图。以甘特图的方式,可以直观的看到任务的进展情况,资源的利用率等等。

    2、其它领域

    如今甘特图不单单被应用到生产管理领域,随着生产管理的发展、项目管理的扩展,它被应用到了各个领域,如:建筑、IT软件、汽车等等

    五、软件工具

    1、Microsoft Office Excel
    操作难度偏大,对Excel足够熟练的才有机会绘制。
    2、亿图图示
    风格不错,不过需要版权
    3、google的gantter
    是在线工具,支持中文,应用范围广,资源多,很不错
    4、瀚文进度计划软件
    较为早期的国产软件开发公司,上手快,风格一般
    5、ProcessOn
    在线的,不过专业性一般,其脑图很棒
    6、GanttProject
    GanttProject是用Java编写,支持多平台。支持25+语言。GanttProject是桌面软件,无需Internet连接。使用方便,开源。

    六、使用

    博主使用的是GanttProject
    参考GanttProject 免費中文專案管理軟體下載,製作甘特圖快速教學

    1、效果图示

    在这里插入图片描述

    2、步骤

    (1)项目基本设置(包括工作历)
    在这里插入图片描述
    在这里插入图片描述
    (2)新建任务并设置任务间层级关系(前置任务、缩进等)
    在这里插入图片描述
    (3)输出

    • 可以导出html报表(附含png文件)
    • 可以导出PDF(比较乱)
    • 可以保存为.gan文件(然后发给他人可以直接导入GanttProject使用)

    3、资料

    ADAS项目甘特图资料汇总

    参考

    1、GanttProject
    2、GanttProject 免費中文專案管理軟體下載,製作甘特圖快速教學
    3、Gantt_chart维基百科
    4、免費專案管理軟體推薦!困難計畫簡單管理 13 種工具

    展开全文
  • 深度学习图像去噪发展概述

    万次阅读 多人点赞 2017-11-27 13:11:57
    深度学习图像去噪发展概述

    #深度学习图像去噪发展概述

    由于深度学习,特别是卷积神经网络(CNN)在图像识别等领域取得了较好的成果,近年来,基于深度学习的图像去噪方法也被提出并得到了发展。2008年,Viren Jain等提出用CNN处理自然图像的去噪问题[21],得到了与常规方法(如小波变换和马尔可夫随机场)相近或更优的结果。并说明了特定形式的CNN可以被视为图像去噪的马尔可夫模型推断的结果的一种近似,但是神经网络模型可以避免了马尔可夫模型在概率学习和推断过程中的计算困难,从而降低了计算的复杂度。在训练神经网络的过程中为了更加快速和准确的收敛,采取了逐层训练的方法。该方法网络结构如下图所示:

    这里写图片描述

    图2.1 Viren Jain等的图像去噪卷积神经网络模型(CN1和CN2区别于训练集的不同)

    该网络由四个隐含层组成,每个隐含层含有24个特征通道,每一个特征通道都与8个随机选择的上一层的特征通道相连接。该网络的卷积核大小为5×5,网络的损失函数为带噪图像经过神经网络去噪后的恢复图像和真实图像的误差平方和,即:。除了对噪声已知的情况进行训练和去噪,作者还测试了噪声未知情况下的去噪情况,将在σ=[0,100]的范围内随机变化的不同水平的噪声加入真实图像,并进行训练,此时将隐含层设置为5层,相对于传统方法也取得了较好的效果。

    2012年,Xie等利用栈式去噪自编码器(stacked denoising auto-encoder)进行图像去噪以及图像修复(image inpainting)[22],其网络结构为多层的全连接网络,如图2.2所示。

    这里写图片描述

    图2.2 栈式稀疏去噪自编码器(SSDA)

    为了将稀疏编码的思想和深度神经网络结合,作者提出了栈式稀疏去噪自编码器(stacked sparse denoising auto-encoder, SSDA),其损失函数如下:
    这里写图片描述
    其中KL散度中的ρ^ 代表隐含层激活函数输出的平均值,如果我们设定较小的ρ,则可以通过优化损失函数,使得每一层中被激活的神经元尽可能少,以此达到稀疏约束的目的。训练过程为逐层训练,每训练完一层后,将训练用的数据(带噪图像)和标签(真实图像)都通过该层,将输出送至下一层作为数据和标签进行训练。
    Burger等人提出了用多层感知机(Multi Layer Perceptron,MLP)的方法实现神经网络去噪[23],并说明如果训练集足够,MLP模型可以达到图像去噪的当前最优水平。MLP模型对噪声类型不敏感,对于不同类型的噪声,只要对带有该类噪声的图像进行处理,即可得到较好的结果。作者认为,MLP相对于CNN的优点在于,MLP可以近似所有函数,而CNN可以学习到的函数相对有限。为了使MLP网络达到最优水平,训练网络应足够大,分割图像得到的区块大小应足够大,以及训练集也应足够大。该方法的一个不足之处为它无法适应不同强度的噪声,若将不同水平的噪声图像作为输入进行训练则无法达到对特定噪声进行训练时的结果。
    2016年,Mao等提出了深度的卷积编解码网络应用于图像去噪[24]。编码(Encoding)和解码(Decoding)结构对称,且每隔较少层就存在一条由编码卷积层到与其对称的解码层的跨层连接。该网络结构如图2.3所示。该网络共采用了对称的10层卷积层,其中前5层为编码层,后5层为解码层。在该CNN网络的编码层中,每隔2层就用一条跳线将编码层连接到对称的解码层,因此可以直接进行正向和反向传播。从该网络开始,图像去噪神经网络层数开始向更深层发展。以前的神经网络层数普遍较浅,原因在于:一方面,与图像分类等问题只需要提取关键特征的任务不同,图像的复原要求图像的细节在网络传播中不能丢失,而网络层数变深可能会导致图像细节的丢失;另一方面,层数较深容易在训练过程中导致梯度弥散,不容易收敛到最优解。由于该网络采用了卷积和解卷积层间的跳线连接,因此可以较好的解决上述的问题,因此网络相对较深。

    这里写图片描述

    图2.3 卷积编解码去噪网络结构(示跳线)

    2017年,Zhang等提出用较深层的CNN网络,称为DnCNN[25],实现去噪,为了解决网络层数加深导致的梯度弥散效应,DnCNN并不对图像进行学习,而是以输出与噪声的l2范数为损失函数来训练网络。网络结构如图2.4所示。DnCNN网络可以视为一个残差学习的过程,这样可以较好的训练。在该网络中利用了BN层(Batch Normalization),实验表明BN层与残差学习共同使用可以提高模型的性能,DnCNN在不同噪声水平上训练,得到的结果要优于现在的最优结果,如BM3D等。

    这里写图片描述

    图2.4 DnCNN 网络结构

    展开全文
  • 数字图像发展历史 数字图像处理的最早应用之一是在报纸业 20世纪20年代初期,Bartlane电缆图片传输系统(纽约和伦敦之间海底电缆,经过大西洋)传输一幅数字图像所需的时间由一周多减少到小于3个小时。为了用...

    数字图像发展历史

    以史为镜,可以知兴替。下面我们就来聊一聊数字图像发展的历史。

    • 数字图像处理的最早应用之一是在报纸业。早在20世纪20年代初期,Bartlane电缆图片传输系统(纽约和伦敦之间海底电缆,经过大西洋)传输一幅数字图像所需的时间由一周多减少到小于3个小时。为了用电缆传输图像,首先要进行编码,然后在接收端用特殊的打印设备重构该图片。

    • 20世纪20年代中期到末期,改进Bartlane系统后,图像质量得到了提高。
    • 打印过程中采用了新的光学还原技术,同时增加了图像的灰度等级。

    下图为用15种色调的设备,从伦敦到纽约,用电缆进行传送的Perihing和Fozh两将军未经修饰的图片

    • 20世纪60年代,由于信息技术的高速发展,出现了一批数字图像处理
    • 1964年,“旅行者7号”拍摄的图像通过计算机进行处理,并且提高了图像质量;此技术也在阿波罗载人登月飞行等空间探测器中得到应用。

    下图为美国航天器传送的第一张月球照片,“旅行者7号”1964年7月31日9点09分在光线影响月球前17分钟前摄取的图像

    • 20世纪70年代,数字图像处理开始应用于医学领域。
      1979年,Godfrey N. Hounsfield先生以及Allan M. Cormack教授由于发明了“断层(CT) 技术”共同获得了诺贝尔医学奖,其背后的思想是计算机轴向断层技术 (Computerised Axial Tomography (CAT))
    ![这里写图片描述](https://img-blog.csdn.net/2018071714431637?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkyOTUyNA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70)
    • 20世纪80年代
      3D图像获取设备以及分析系统
    • 20世纪90年代至今
      通讯
      遥感:卫星、航空
      安全:指纹识别、视频跟踪及监控等
      医学:整容、立体脑图像配准、心脏核磁共振数据的可视化、支气管虚拟内窥镜。
      视频和多媒体系统
      工业生产中的应用
      电子商务等领域逐渐蓬勃发展

    图像处理

    • 客观世界是三维空间,但一般图像是二维的。
    • 二维图象在反映三维世界的过程中必然丢失了部分信息。即使是记录下来的信息也可能有失真,甚至于难以识别物体。
    • 通过恢复、重建、分析、提取图像的数学模型,形成人们对于图象记录下的事物有正确和深刻的认识。这个过程就成为图象处理过程。

    下图为图像的超分辨率,可以将模糊的图像变得更清晰。

    广义图像处理

    • 图像信息获取,即获取研究对象的图像,并转换成数字信号,以便于计算机或其它数字设备处理。
    • 图像信息的存储。图像存储的格式、图像压缩标准以及图像数据库技术等。
    • 图像信息的传送,包括内部传送与远距离传送。内部传送多采用DMA(Direct Memory Access);远距离传送图像压缩技术,减少占用带宽。
    • 图像信息处理,即狭义的图像处理
    • 图像的输出与显示,即为人或计算机提供便于理解以及识别的图像。

    狭义图像处理

    • 几何处理

    • 坐标变换:图像的放大与缩小、旋转、移动

    • 图像畸变校正

    • 几何特征计算等

    • 算术与逻辑运算

    • 图像的加减乘除,与或非等运算

    • 图像增强

    • 根据任务目标突出图像中感兴趣的信息,消除干扰,改善图像的视觉效果或增强便于机器识别的信息

    • 图像复原

    • 根据图像退化模型,消除退化因素,恢复原始的图像。

    • 散焦,散焦模型,逆滤波。

    • 图像编码

    • 研究压缩图像数据的方法,需要研究并利用图像的冗余特征

    • 如统计冗余、生理视觉冗余、知识冗余等。

    • 图像分割

    • 根据图像的某些特征将图像划分为不同的区域,以便于对图像中的物体或目标进行分析与识别。

    • 如“机动车视觉系统”中根据图像中的灰度信息分割白色导引线和路面。

    • 图像重建

    • 输入的是非图像信息,如数据、公式等,输出为图像。

    • 主要有卷积反投影法等。

    • 常用于医学设备

    • 图像模式识别

    • 在图像分割的基础上提取特征,对图像中的内容进行判决分类。

    • 图像分析与理解(视觉理解)

    • 根据图像局部内容之间的关系,利用有关知识进行推理与联想,对图像中所表现的内容进行理解。


    常见的图像处理

    下面列举几个常见的图像处理

    1. 图像变换:包括傅里叶变换、沃尔什-阿达玛变换、离散卡夫纳-勒维变换等
    1. 图像压缩编码:图像压缩编码技术可减少描述图像的数据量(即比特数),以便节省图像传输、处理时间和减少所占用的存储器容量。
    ![这里写图片描述](https://img-blog.csdn.net/20180717154512341?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkyOTUyNA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70)
    1. 图像增强和复原:图像增强和复原的目的是为了提高图像的质量,如去除噪声,提高图像的清晰度等。
    1. 图像分割:图像分割是数字图像处理中的关键技术之一,其可把将不同分属不同物体的像素区域分开。 如前景与后景分割开,狗的区域与猫的区域与背景分割开。
    1. 图像描述:在图像分割完成后,下一步就是用数据、符号、形式语言来表示这些具有不同特征的小区,这就是图像描述。
    1. 图像分类(识别):图像分类(识别)属于模式识别的范畴,其主要内容是图像经过某些预处理(增强、复原、压缩)后,进行图像分割和特征提取,从而进行判决分类。
    展开全文
  • IT职业发展路线

    千次阅读 2016-04-07 18:43:35
    摘要:可能你是一名普通的IT从业员,一个小小的程序员,可随着社会的发展和科技的进步,对人才的要求越来越高,你可能通过技术获得了职位,但你若想升职加薪却少不了软技能:谈判技巧、积极倾听、演讲技巧以及领导...
  • 一线工程师告诉你嵌入式真实现状与发展前景

    万次阅读 多人点赞 2018-10-02 18:49:59
    个人说明:本人并不是年薪百万的技术大牛,但总算是一名合格的嵌入式工程师,现在某企业担任嵌入式软件工程师开发一...百度搜索“嵌入式”、“嵌入式开发”、“嵌入式发展前景”等字眼,出来的都是一大堆培训机构,...
  • 巨大的人才缺口直接导致各企业纷纷高薪聘请Java人才。那么,Java工程师的职业发展路径是什么样的?小白入门Java后,成长路线是怎样的?下面,就给大家分析一下。 1、Java程序员 这是Java开发工程师的第一阶段了,...
  • 随着技术前所未有的速度不断发展,工业互联网已经成为可预见的未来,然而工业互联网并非能一蹴而就,其实也是在漫长的演进中成型的。要想真正了解工业互联网的发展史、把握工业互联网未来的走向,还得从1968年说起...
  • 前端发展简史

    万次阅读 多人点赞 2018-04-13 12:20:15
    前端发展简史 起源 1990 HTML 1990 年,Tim 超文本语言 HTML 为基础在 NeXT 电脑上发明了最原始的 Web 浏览器。 1991 年,Tim 作为布道者在 Internet 上广泛推广 Web 的理念,与此同时,美国国家超算...
  • 知识图谱发展

    千次阅读 2018-11-26 14:01:58
    在该技术的的历史演变中,多次出现发展瓶颈,也多次工程的方式突破了这些瓶颈。本次公开课将分析知识图谱发展中关键阶段的技术脉络,并提出进一步工程化才是该技术进步的核心方向。 报名地址: ...
  • 深度学习技术发展趋势浅析

    千次阅读 2019-04-09 08:37:11
    当前,人工智能发展借助深度学习技术突破得到了全面关注和助力推动,各国政府高度重视、资本热潮仍在加码,各界对其成为发展热点也达成了共识。本文旨在分析深度学习技术现状,研判深度学习发展趋势,并针对我国的...
  • 水声通信技术的发展

    千次阅读 2019-11-05 16:51:30
    介绍了水声通信技术的发展历程,分析了水声通信系统由于水声信道的特性而表现出的特点。列出了水声通信系统的研究进展,得出水声通信系统已经取得了发展,但任需要完善的结论。 关键词:水声通信;水声信道;调制;...
  • “平”“直”“快”为授课原则,精选案例加代码实战的方式,平易近人的直接的不拐弯抹角的带大家入门Python,为你的职业发展注入新鲜的能量。希望借助此课程,让越来越多的人进入到Python开发领域。学好Python,...
  • 目标检测发展

    千次阅读 多人点赞 2019-04-16 16:12:44
    本论文聚焦于这段快速发展的时间,特别重点关注了基于深度学习的一般目标检测,呈现出更明晰的一般目标检测全景。 一般目标检测问题本身的定义为:给定任意一张图像,确定其中是否存在任何预定义类别的形义目标...
  • UML活动、状态

    万次阅读 多人点赞 2018-10-13 13:55:27
    本文主要介绍状态和活动。 一.状态  状态(state)是指在对象的生命期中的某个条件或状况,在此期间对象将满足某些条件、执行某些活动或等待某些事件。所有对象都具有状态,状态是对象执行了一系列活动的...
  • 2018年中国游戏行业发展现状及发展前景分析【】 2018年06月29日 14:16:29字号:T|T     2017 年手游市场贡献游戏行业 90%的收入增量。 2017 年我国游戏行业实际销售收入已达 2036.1 亿元,同比...
  • 掌握神经网络GNN基本,看这篇文章就够了

    万次阅读 多人点赞 2019-02-16 11:11:56
    【新智元导读】神经网络(GNN)在各个领域越来越受欢迎,本文介绍了神经网络的基本知识,以及两种更高级的算法:DeepWalk和GraphSage。 最近,神经网络 (GNN) 在各个领域越来越受到欢迎,包括社交网络、知识...
  • 别再说,不懂什么是数据了

    千次阅读 2020-06-11 11:13:14
    在众多不同的数据模型里,关系数据模型自20...同时,互联网发展也产生了一些新的趋势变化: 用户、系统和传感器产生的数据量呈指数增长,其增长速度因大部分数据量集中在Amazon、Google和其他云服务的分布式系统...
  • 金融发展理论回顾

    万次阅读 2015-12-28 21:04:26
    传统经济发展理论偏重资本、劳动、土地、技术和资源等因素的作用而忽视了金融对经济发展作用,而金融发展理论的出现则弥补了这一缺陷,并为客观认识金融在经济发展中的地位并研究金融对经济发展的影响提供了全新的...
  • 基于深度学习的医学图像分割综述

    万次阅读 多人点赞 2018-07-03 10:15:34
    医学图像分割技术的发展不仅影响到医学图像处理中其他相关技术的发展,如可视化、三维重建等,而且在生物医学图像的分析中也占有极其重要的地位。近年来,由于深度学习算法在医学图像分割中的应用, 医学图像分割技术...
  • 神经网络(Graph neural networks)综述

    万次阅读 多人点赞 2019-03-12 09:52:20
    论文链接:Graph Neural Networks:A Review of Methods and Applications Abstract:(Graph)数据包含着十分丰富的...网络(Graph neural networks)是一种链接主义模型,它靠中节点之间的信息传递来捕捉...
  • 初识人工智能——人工智能的冷落与兴起

    万次阅读 多人点赞 2018-11-14 21:42:41
    今天开始慢慢进入人工智能的介绍与算法网络等的实现的“传送期”,希望大家能够喜欢! 好,揭幕!! 一、人工智能介绍 什么是人工智能?可能是大家一开始最想了解的。...看下: 人工智能(Artificial Inte...
  • 神经网络发展

    千次阅读 2019-04-03 23:36:50
    人脑能够组织它的组成成分,即神经元,比今天已有的最快的计算机还要快许多倍的速度进行特定的计算(如模式识别、感知和运动神经控制)。由于目前人类对大脑神经系统及其智能机理研究水平以及相关科学技术水平有限,...
  • 深度学习发展

    万次阅读 多人点赞 2018-04-02 13:41:00
    作为机器学习最重要的一个分支,深度学习近年来发展迅猛,在国内外都引起了广泛的关注。然而深度学习的火热也不是一时兴起的,而是经历了一段漫长的发展史。接下来我们了解一下深度学习的发展历程。 1.深度学习的...
  • 基于深度学习实现以图搜图功能

    万次阅读 多人点赞 2018-12-12 18:32:24
    前记: 深度学习的发展使得在此之前以机器学习为主流算法的相关实现变得简单,而且准确率更高,效果更好,在图像检索这一块儿,目前有谷歌的以图搜图,百度的以图搜图,而百度以图搜图的关键技术叫做“感知哈希算法...
  • 图像处理的发展概述

    千次阅读 2013-12-18 15:05:41
    数字图像处理发展概况 数字图像处理(Digital Image Processing)又称为计算机图像处理,它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程...早期的图像处理的目的是改善图像的质量,它以人为对象,
  • 本人产品新人一枚,近期闲来没事,于是查阅相关资料,进行了整合,现对“今日头条”这款App的发展困境与未来发展策略说说自己的看法,如有不对,敬请批评。       “今日头条...
  • 财务分析主要基于历史数据,但投资还需要看到企业未来的发展。 在前一篇的财务分析的文章中已经提到过:财务分析只是手段,最终还是要从中发现企业的竞争优势以及行业的发展趋势,并以此为基础,分析企业未来的竞争...
  • 人工智能发展历史概述

    万次阅读 多人点赞 2019-07-15 16:16:31
    人工智能发展道路上的大事记 ----------------详细版 从20世纪50年代开始,许多...
  • 2017-2018 中国人工智能产业路线

    千次阅读 2018-04-12 10:44:17
    内容简介 十多年前,所有的公司都在进行互联网...如今,技术大潮再次汹涌澎湃,在大数据、计算力和深度学习算法的共同推动下,已经有60年历史的人工智能迎来了发展的最好时期。 此次 CSDN 发布了人工智能技术路线...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 633,041
精华内容 253,216
关键字:

以图发展