一家无名公司几乎把整个互联网都告上了法庭

一家无名公司几乎把整个互联网都告上了法庭

oschina 发布于: 2012年09月19日 ( 18评)

一 家名为PersonalWeb Technologies的无名公司发起了一系列的专利侵权诉讼案,矛头直指部分互联网最具盛名的公司,包括Facebook、苹果、Yahoo、微软、 IBM等,此外云托管提供商Rackspace以及存储公司Nexsan Technologies也是被告之一。

这不是PersonalWeb第一次发起诉讼。去年12月的时候,基于相同的专利组合侵权声索,该公司已经把Google、 惠普的Autonomy分部、 EMC、Amazon、NetApp以及存储公司Caringo告上法院。

此番诉讼内容涉及到了互联网的方方面面,包括搜索、互联网服务以及存储等。比方说,PersonalWeb称苹果的iTunes及iCloud服务侵犯了该公司持有的6项数据处理访问控制专利。

诉讼涉及的专利由一家名为Kinetech的公司开发。2000年的时候,专利组合进行了分离,分别由PersonalWeb和大型互联网基础设施提供商Level 3 Communications(这家公司已经撇清自己跟诉讼案没关系)持有。

令人困惑的是PersonalWeb称Rackspace Cloud Servers及GitHub Code Hosting Service侵犯了它的专利。虽然源代码管理与协作软件开发服务提供商GitHub是Rackspace的客户,但Rackspace和GitHub是两家不同的公司。

这一点受到了Rackspace CTO John Engates的嘲讽:

发起诉讼的人似乎没搞清楚这些产品或者服务,Rackspace Cloud Servers和GitHub完全是不同的产品,出自不同的公司。

Engates把PersonalWeb称为是专利流氓。

PersonalWeb正好位于美国对专利诉讼最友好的地区,德克萨斯州东部地区。该公司的自我定位为“社会化学习平台及数字内容管理系统”。根据其公司网站介绍,其软件开发人员总共有三人,开发的产品是StudyPods

Via:Wired

文章来自  36氪
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。
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