那些不为人知的科技之父

如今,当你打着手机、听着iPod、在电脑前点击鼠标,你知道这些都是谁发明创始的吗?岁末年初,当我们回首盘点,别搞错了,iPod并非著名的史蒂夫· 乔布斯发明,手机也不是诺基亚的谁谁创造,而鼠标更非罗技的专利。当我们享受着科技的便利时,那些改变了科技的人,却依然“非著名”着。近日,由美国《网络世界》杂志评出的十大非著名科技之父,在网上被热议。

1. 手机之父马蒂·库珀(Marty Cooper)

库珀于1973年申请了一项无线电话系统专利,当时他是一名摩托罗拉员工。他明确表示,自己发明手机的灵感来自于热门电视剧《星际旅行》。目前,他是ArrayComm的创始人、CEO。

2. 黑莓之父迈克·拉扎里迪斯(Mike Lazaridis)

拉扎里迪斯12岁的时候,因阅读了当地公共图书馆中所有科学书籍而获得了奖励。1984年,他辍学创建了RIM公司,随后开发出了黑莓。2000年,他出资1亿美元创建了一家研究所,专门研究理论物理。

3. iPod之父托尼·法德尔(Tony Fadell)

法德尔有了一项创意,随后四处兜售,最终被苹果采用。他最初在苹果的职务是外部顾问,2001年成为iPod硬件团队的首名成员。目前,他在苹果担任主管iPod部门的高级副总裁。

4. FORTRAN之父约翰·巴克斯(John Backus)

上世纪50年代,前IBM计算机科学家巴克斯开发了FORTRAN(公式转换器的缩写)编程语言。FORTRAN被认为是全球第一款广泛应用的计算机编程语言。巴克斯已于去年辞世,享年82岁。在他年轻的时候,即被诊断为患有脑肿瘤。医生通过手术切除了他的脑肿瘤,并在头部植入了一块金属板。在此之后,他的头部又植入了一块自己设计的金属板。

5. 远程办公之父杰克·尼尔斯(Jack Nilles)

上世纪70年代早期,尼尔斯在南加州大学工作时,率先提出了远程办公的概念。1980年,他创建了企业管理咨询公司JALA国际,并于1989 年离开南加州大学,全职在JALA国际工作。尼尔斯本人还是一名火箭专家,曾为美国空军部门及美国国家航空航天局(NASA)设计过航空飞行器。

6. 鼠标之父道格·恩格尔巴特(Doug Engelbart)

恩格尔巴特也是早期互联网领军人物之一。1969年,ARPANET(互联网前身)的首次数据传输,就在美国加州大学洛杉矶分校莱纳德·克莱恩洛克实验室与斯坦福大学恩格尔巴特实验室之间进行。恩格尔巴特是一名哲学家、科学家和发明家,但他最著名的身份应当是鼠标之父。他于1970年申请了鼠标专利权。恩格尔巴特今年83岁,是Bootstrap研究所的负责人。

7. 垃圾邮件之父加里·苏尔克(Gary Thuerk)

1978年,一名DEC销售代表向ARPANET邮件列表中数百名成员发送了商品促销邮件,此举不仅使发送邮件的苏尔克一夜成名,也让运营 ARPANET的美国政府大为光火,并威胁将把苏尔克投入监狱。苏尔克现在是一名惠普员工,仍在销售计算机设备。他是否为推动了垃圾邮件的发展而感到后悔呢?并非如此。他说:“我是全球第一个发送垃圾邮件的人,我为此感到自豪。”

8. DSL之父约翰·西奥菲(John Cioffi)

西奥菲一向低调,但这位斯坦福大学教授的确是不对称DSL技术的发明者。DSL是目前发展最快的高速宽带互联网接入技术,其全称是数字用户线路。1991 年,他离开斯坦福大学,创建了Amati通信公司。在此之后,他又重返斯坦福大学,专注于动态频谱管理(DSM)技术的研究。

9. Java之父詹姆斯·戈斯林(James Gosling)

戈斯林是一位计算机编程天才。在卡内基·梅隆大学攻读计算机博士学位时,他编写了多处理器版本的Unix操作系统。在Sun公司工作期间,他于1991年开发出了Java编程语言。

10. WIFI之父维克·海耶斯(Vic Hayes)

海耶斯出生于荷兰,曾在NCR和Agere担任电子工程师。不过,技术给他带来的名气远不如外交技巧。作为美国电气和电子工程师协会 (IEEE)802.11工作组主席,他主持了802.11无线局域网标准的制定工作。目前,他在荷兰Delft理工大学担任高级研究员。

 

原文出处:http://cnbeta.com/articles/131429.htm

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
当谈到C++编译器的小细节时,有一些不为人知的事实可以讨论。这些细节可能因编译器而异,以下是一些常见的例子: 1. 内联函数:内联函数是在调用点展开的函数。编译器会尝试内联短小的函数,以减少函数调用的开销。然而,并非所有的内联请求都会被编译器接受,例如递归函数、虚函数、函数体过大等情况。 2. 名称修饰(Name Mangling):C++编译器在编译过程中会对函数和变量的名称进行修饰,以支持函数重载和命名空间。这样做是为了在链接过程中能够正确地识别不同的符号。 3. 静态断言(Static Assertion):C++11引入了静态断言,它允许在编译时对表达式进行断言检查。如果断言失败,则会在编译时引发错误,而不是在运行时。 4. 注释处理:注释在编译过程中被完全忽略。这意味着,即使注释中包含有助于理解代码的信息,也不会影响编译结果。 5. 隐式类型转换:C++编译器在某些情况下会自动执行隐式类型转换,例如将整数类型提升为浮点类型,或者将派生类指针转换为基类指针。这些转换可能会导致意外的结果,因此需要谨慎使用。 6. 内存优化:编译器会对代码进行优化,以减少内存的使用。例如,它可以通过将多个变量存储在相同的内存位置上来减少内存占用,或者通过使用寄存器来提高变量访问的效率。 这些只是一些C++编译器的小细节,深入了解编译器的工作原理和各种编译器的行为将有助于编写更高效、可靠的代码。请注意,不同的编译器可能具有不同的行为和特性。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值