创投日报:4月20日-22日收录投融资项目24起

640?wx_fmt=jpeg&wxfrom=5&wx_lazy=1


04月20日,钛博士机器人侦测到 24 起发生在科技和互联网行业的投融资或并购事件,其中 10 起发生在中国境内,14 起发生在海外,总计交易额超过83.52亿人民币。


中国境内科技行业投融资总额约64.37亿人民币,单笔最大交易事件发生在智能硬件行业,获得融资的企业为乐鑫信息科技(上海)有限公司,交易金额高达50亿人民币。


据钛媒体Pro分析,从行业分布上看,智能硬件占总投融资额的 82.93%,约53.38亿,其次分别是生活服务(15.68%,约10.09亿)、工具(5.25%,约3.38亿)、企业应用(1.40%,约9000万)。


海外科技行业的投融资总额约2.83亿美元,单笔最大交易事件发生在企业应用行业,获得融资的企业为Scality,交易金额高达6000万美元。


从领域分布上看,企业应用占总投融资额的48.54%,约1.38亿美元,其次分别是金融(28.87%,约8180万美元)、医疗健康(21.18%,约6000万美元)、互联网应用与服务(10.24%,约2900万美元)。


据钛媒体Pro分析,从地区分布上看,美国是投融资交易最多的国家,有 8 起,总额约1.96亿美元,第二第三名分别是新加坡(1 起,约5000万美元)和韩国(1 起,约2300万美元)。


640?wx_fmt=jpeg

表:2018年04月22日 海内外科技领域投融资事件(钛媒体Pro制表)


04月21日,钛博士机器人侦测到 0 起发生在科技和互联网行业的投融资或并购事件,其中 0 起发生在中国境内,0 起发生在海外,总计交易额超过0人民币。中国境内科技行业投融资总额约0人民币。海外科技行业的投融资总额约0美元。


04月22日,钛博士机器人侦测到 0 起发生在科技和互联网行业的投融资或并购事件,其中 0 起发生在中国境内,0 起发生在海外,总计交易额超过0人民币。中国境内科技行业投融资总额约0人民币。海外科技行业的投融资总额约0美元。


查看更多投融资数据24小时实时更新,和更多精彩分析;与行业大咖共聚前沿趋势讨论,加入钛媒体Pro,注册成为钛媒体Pro会员

发现钛媒体,72问新生机;碎片时间,系统学习

640?wx_fmt=png


点击阅读原文「72问大学」为你创业保驾护航。More Why,More Chance!

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