頭條 基于FPGA的ZUC算法快速實(shí)現(xiàn)研究 祖沖之（ZUC）算法是我國(guó)自主研發(fā)的商用序列密碼算法，已被應(yīng)用于服務(wù)器實(shí)時(shí)運(yùn)算和大數(shù)據(jù)處理等復(fù)雜需求場(chǎng)景，ZUC的高速實(shí)現(xiàn)對(duì)于其應(yīng)用推廣具有重要的實(shí)用意義。基于此，針對(duì)ZUC適用環(huán)境的FPGA實(shí)現(xiàn)高性能要求，通過(guò)優(yōu)化模乘、模加等核心運(yùn)算，并采用流水化結(jié)構(gòu)設(shè)計(jì)，在FPGA硬件平臺(tái)上實(shí)現(xiàn)了ZUC算法。實(shí)驗(yàn)結(jié)果表明，ZUC算法核的數(shù)據(jù)吞吐量可達(dá)10.4 Gb/s，與現(xiàn)有研究成果相比，降低了關(guān)鍵路徑的延遲，提升了算法工作頻率，在吞吐量和硬件資源消耗方面實(shí)現(xiàn)了良好的平衡，為ZUC算法的高性能實(shí)現(xiàn)提供了新的解決方案。 最新資訊 高通AI開(kāi)放日：5G時(shí)代，高通在多個(gè)領(lǐng)域秀了秀"AI肌肉" 4月19日上午消息，今日高通在深圳舉辦AI人工智能開(kāi)發(fā)日，高通中國(guó)區(qū)董事長(zhǎng)孟樸分享了高通在5G及AI領(lǐng)域的發(fā)展趨勢(shì)。 發(fā)表于：4/21/2019 華為首次全面闡述汽車戰(zhàn)略：我們不造車，但要?jiǎng)?chuàng)造70%新價(jià)值 華為要做自動(dòng)駕駛汽車的傳聞近年來(lái)經(jīng)常出現(xiàn)在媒體和業(yè)內(nèi)人士口中。的確，在 5G 和 AI 快速發(fā)展的今天，很難想象這家公司不會(huì)投身于顛覆出行方式的浪潮。 發(fā)表于：4/21/2019 網(wǎng)絡(luò)規(guī)模更小、速度更快，這是谷歌提出的MorphNet 一直以來(lái)，深度神經(jīng)網(wǎng)絡(luò)在圖像分類、文本識(shí)別等實(shí)際問(wèn)題中發(fā)揮重要的作用。但是，考慮到計(jì)算資源和時(shí)間，深度神經(jīng)網(wǎng)絡(luò)架構(gòu)往往成本很高。 發(fā)表于：4/21/2019 速度提高100萬(wàn)倍，哈佛醫(yī)學(xué)院大神提出可預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)的新型深度模型 蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)是生命科學(xué)領(lǐng)域的一大難題。近日，來(lái)自哈佛大學(xué)醫(yī)學(xué)院的研究人員提出了一種基于氨基酸序列預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)的新方法，準(zhǔn)確率可媲美當(dāng)前最佳方案，但預(yù)測(cè)速度提升了100萬(wàn)倍。 發(fā)表于：4/21/2019 NAACL 2019 | 怎樣生成語(yǔ)言才能更自然，斯坦福提出超越Perplexity的評(píng)估新方法 語(yǔ)言生成不夠「生動(dòng)」？Percy Liang 等來(lái)自斯坦福大學(xué)的研究者提出了自然語(yǔ)言評(píng)估新標(biāo)準(zhǔn)。 發(fā)表于：4/21/2019 機(jī)器學(xué)習(xí)如何解決「看病難」？Jeff Dean等詳述機(jī)器學(xué)習(xí)在醫(yī)療領(lǐng)域的應(yīng)用 在這篇文章中，Jeff Dean 等人工智能大牛描繪了一幅機(jī)器學(xué)習(xí)在醫(yī)療領(lǐng)域的應(yīng)用藍(lán)圖。 發(fā)表于：4/21/2019 CVPR 2019 | 百度無(wú)人車實(shí)現(xiàn)全球首個(gè)基于深度學(xué)習(xí)的激光點(diǎn)云自定位技術(shù) 數(shù)名來(lái)自百度智能駕駛事業(yè)群組（Baidu IDG）的研究員和工程師們實(shí)現(xiàn)了全球首個(gè)基于深度學(xué)習(xí)的激光點(diǎn)云自定位技術(shù)，不同于傳統(tǒng)的人工設(shè)計(jì)的復(fù)雜算法，該系統(tǒng)首度基于深度學(xué)習(xí)網(wǎng)絡(luò)實(shí)現(xiàn)了高精度厘米級(jí)的自定位效果，取得了重要的技術(shù)突破。 發(fā)表于：4/21/2019 維基百科你已經(jīng)是個(gè)大百科了，該自己學(xué)會(huì)用ML識(shí)別原文出處了 維基百科可能是我們認(rèn)為比較客觀真實(shí)的材料了，但它包羅萬(wàn)象卻又會(huì)引起一些小問(wèn)題，例如很多句子或說(shuō)法提供不了引用出處。 發(fā)表于：4/21/2019 CVPR 2019 | PointConv：在點(diǎn)云上高效實(shí)現(xiàn)卷積操作 3D 點(diǎn)云是一種不規(guī)則且無(wú)序的數(shù)據(jù)類型，傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)難以處理點(diǎn)云數(shù)據(jù)。來(lái)自俄勒岡州立大學(xué)機(jī)器人技術(shù)與智能系統(tǒng)（CoRIS）研究所的研究者提出了 PointConv，可以高效的對(duì)非均勻采樣的 3D 點(diǎn)云數(shù)據(jù)進(jìn)行卷積操作，該方法在多個(gè)數(shù)據(jù)集上實(shí)現(xiàn)了優(yōu)秀的性能。 發(fā)表于：4/21/2019 刷臉背后，卷積神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)原理原來(lái)是這樣的 計(jì)算機(jī)視覺(jué)技術(shù)在日常生活中有著非常普遍的應(yīng)用：發(fā)朋友圈之前自動(dòng)修圖、網(wǎng)上購(gòu)物時(shí)刷臉支付……在這一系列成功的應(yīng)用背后，卷積神經(jīng)網(wǎng)絡(luò)功不可沒(méi)。本文將介紹卷積神經(jīng)網(wǎng)絡(luò)背后的數(shù)學(xué)原理。 發(fā)表于：4/21/2019 ?…40414243444546474849…?
