永中科技剥离台资百慕大是”执政败笔“

    1010日,夜读《人民日报社论》“纪念辛亥百年:实现和平统一”,有感(不得不说)。

           人老了,喜欢回顾历史(即往事),温故而知新,时间会说出事实真相。我不想用政治术语来压任何人,包括无锡新区领导层。此刻,我只想问一下永中科技的老房东,你们为何先是申请永中科技破产,后又巨资买回永中科技?当真是为了企业自身的利益吗?85日,永中科技无形资产《竞价拍卖》之后,时间过去了两个多月,你们又干了些什么事情?你们是永中软件的大股东,召开公司董事会了吗?永中软件将来怎么办?......

           现今,永中科技的创始人曹参,已经远离他的追梦之地(中国无锡),只身漂泊在外,难免在外面弄出什么事情(或响声)来。我们设想一下,要是有好事者(比如,台湾媒体记者)在马路上碰见了曹参,问他:曹参先生,你怎么被大陆当局赶出来了?我想,曹参肯定先是一愣,然后回过神来,面露笑容地对他(她)说:我这是回家探亲嘛!但是,曹参心里面的火气只好压下去(埋在心里面),为了......

            我说句不好听的话,在我国科技界,目前正在做“11.5”总结,永中集成Office算是其中的一项研发项目。但是,项目领头人曹参却“因故”回家探亲,不在国内,该怎么“收场”呢?我看,围绕“11.5”的骗钱黑幕快要撕破了,方存好与唐敏多么丢人现眼啊!

           实话实说,曹参主持研发的“集成办公套件”是我们国内软件业的一朵软件奇葩、软件精品,其系统裁剪的灵活性与运行的速度无人可比,无路是在国内,还是在国外。我感到十分不解的是,在我们国内,(有不少人)既不喜欢”自由软件”,也不喜欢本国特有的“集成软件”(比如,永中集成Office),就是迷恋盗版软件。使用盗版软件,脸不红,心不跳,嘴上还呱呱叫。

           言归正传。为什么永中科技剥离台资百慕大是一个无锡新区的”执政败笔”?究竟“败”在哪里?2008311日,无锡新区(经济发展总公司)与百慕大永中科技签订的那份“重组协议”明文规定:永中科技是合资、合营的企业,理应按照国家的相应法律、法规来经营。但是,实际情况却是“背道而驰”,完全按照“权大于法”的潜规则来办事,比如,无锡新区管理层指使永中科技的老房东出来“瞎折腾”(申请永中科技破产),至今不好收场,还想不了了之。这就是无锡新区执政的一个“大败笔”(即有法不依)。

           说句实话,永中科技的“人为破产”涉及到“两岸经济发展框架协议”(ECFA)的实施与国家“11.5”研发项目的大总结,因而是一个十分敏感又”收不住”的话题。有人不爱听,我偏要专门讲。为此,那几个永中“小毛头”又要出来叫唤了。我就是不怕(骂),你们等着瞧吧!



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