曲阜师大精心保存首台103计算机

      2023326日,徐祖哲和计算机学会CCF记录计算机历史工作组吴树民、央视编导李争等一同赴曲阜师范大学访问,记录该校精心保留的全国唯一的第一个计算机型号——103电子管计算机,受到学校热情接待。26日下午徐祖哲为网络空间安全学院的同学们做了报告“中国计算机的起源和103计算机的仿制”;北京航空航天大学张日崇教授讲座是“:人工智能的挑战”。

2fa47e44912c3aea56e557dd121bb020.jpeg

05c7d99797be41618ee01ed6850bb453.jpeg

103计算机就在这所图书馆里!

49e6c05fc79d77f65fdeecbff25ad291.jpeg

山东日报采访照片(2015年12月)

12c9420cd512df038e54daa08818f7b2.jpeg

2020年12月,CCF计算机学会吴树民访问高兰长教授。

   这台计算机为中科院计算所与北京738厂合作仿苏M-3电子管计算机的型号,为1961质量整顿以后的定型产品,更名为DJS1,共生产16台。曲师大保存的计算机为19647月出厂,为第15DJS1机,原为复旦大学所有,1972年转移到曲师大,恢复运行后为科研使用多年,运行过科研、计算程序,并对学生参观、科普。1982年正式退役封存,2008年在该校图书馆陈列,现有完整机柜5个和通风管道。

      复旦大学购买DJS-1机后,工作很可靠。在数学系用于教学,培养了第一批学习计算机的学生,数学系的教学、科研超出了纯数学的科学范畴。文革停课,1970年经调试恢复运行后仍用于教学,从原设计的每秒1000次运行速度提髙到3000次,开发了先鋒电机厂矽钢片下料软件等应用,是线性規划单纯形法,最初在上海计算所的X-2机上开发,然后移植过来。当时使用机器语言手工编程,人工编制运行程序非常辛苦。

    当年,国家计算机总局曾在调拨设备时,派出专人到曲阜拍摄了计算机的现场录像,可能送交中央电视台保存;希望录像带能够浮出水面。 

  国家一级文物标准(局部),希望尽早确定该计算机的文物级别。:

1、反映中国各个历史时期与生产关系及其经济制度、政治制度,以及有关社会历史发展的代表性文物。

2、反映生产力的发展、生产技术的进步和科学发明创造的代表性文物。

3、反映了中外友好往来和在政治、经济、军事、教育、科技、文化、体育等方面相互交流的代表性文物。

4、反映历代著名的思想家、科学家、发明家、政治家、军事家、教育家、文学家、艺术家及历代著名工匠的代表性文物。

5、反映各民族生活习俗、文化艺术、工艺美术、宗教信仰的具有特别重大历史、艺术和科学价值的代表性文物。

6、其他具有特别重要历史、艺术、科学价值的国内外代表性文物。

一级文物参照类别

武器——在重要战役(包括起义中)使用的、具有重要历史情节、数量稀少的某些武器;能代表一个历史阶段军械水平的武器;历代名人使用过的武器。

铜器——造型、纹饰精美,能代表一个时期工艺铸造技术水平的;有确切出土地点可作为断代依据的;铭文反映重大历史事件或重要历史人物的;书法艺术优美的;传世稀少并在工艺发展史上 有重要地位和科学价值的。

4380634f629801d36996110a6dcdd8f7.jpeg

103机有700多只电子管,是南京电子管厂生产的。

ddccb6a884857aec96adc3f96281780c.jpeg

这是精密的磁芯存储器,大约用了8万枚磁芯(含备用),工艺精巧。

9b4f78a554c02f8e0e131706867bef76.jpeg

早期的磁鼓用作外存储器,鼓体转速每分钟3000转,是精密仪器。至70年代末期,生产3000台之多。

69279fe160380f8a695926a91d200631.jpeg

这台计算机使用了国产元件、器件、材料,这是上海无线电八厂的产品。

54e95f963ab876bedb82295d868c16ff.jpeg

这是国家重点企业阿城继电器厂的产品。

abadc19811f6df5bf8a1d9899267a21c.jpeg

作者和李争编导、高兰长教授观看手机中的老照片。

763f8d84f41149cab450a25cf134752e.jpeg

中科院计算机的研究生在这儿做调研和课题。

829137aaf6f49a52d258680244bbdea4.jpeg

计算机历史进课堂。左二起,网络空间安全学院马旭副院长、北京航空航天大学张日崇教授、徐祖哲、曲阜师大夏涛老师。

f23e67075e23f3451152dee79cb346f7.jpeg

讲座”中国计算机起源和103计算机的仿制“。 

以下为讲座PPT摘录:

2fa739ec892e2a8a427ecd74e8e5beb4.jpeg

8f43d0bc829f4b7addba7a49b019beab.jpeg

9d5ca13b80425ed37c3403fb27e88e0f.jpeg

20f2ce453f8ed846844c447183820521.jpeg

由于开始多数科学家因为中国的工业、技术条件困难,缺少专业人员,不同意计算机立项,周恩来总理在大会报告中只使用了“电子自动控制机器”的提法,在大家讨论同意之后,他才明确“计算机是新的技术革命”。

485ec13464e791c03c4ef1d946c9da49.jpeg

ba3af3ff33b0278c52384ad91693446f.jpeg

1956年,在周总理领导下,787位科学家,花费了半年时间,制定了十二年科学发展规划。

2a60fb955b2e613ef092cd2f0523c794.jpeg

1956年,定规划、育人才、建机构、造设备、促应用。

e6191f59c02c4dacfc68ada21db3e269.jpeg

c08ca9aef262652ad0dd0a9b951f5900.jpeg

470a6eaa7c32f5aa84aceb16a00c16d7.jpeg

b5ebff8dee9611b2940a05baab71563c.jpeg

33706d0b26f907e97d9113538d75eb89.jpeg

5d55501d7f8069d8eda465b0eca1b0d1.jpeg

743bf1459d0b5ef24c4de7a95b48aded.jpeg

这49台103系计算机,在10来年的时间中,完成了数以千计的课题,还供数以千计的学生、科技人员学习计算机原理与应用。

56c63e60983ee242dfa1f70b26d11c32.jpeg

1e65519c0d9340a1b33404cfe8b8db0f.jpeg

公众号《计算机六十年》文章推荐:

东大王能斌教授口述访谈录

南京工学院的计算机专业是保密的

与南工老院长刘雪初的忘年交

徐祖哲:中国计算机历史的挖掘者

公用电子信箱和铁路集装箱用户

计算所五室研发的半导体存储器

  电信结构变革和 ChatGPT的活力

黄令仪:回望微电子50年

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。
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