旧金山区块链周，与首席架构师一起探究Nervos分层设计！

最新推荐文章于 2022-08-16 13:02:56 发布
最新推荐文章于 2022-08-16 13:02:56 发布
阅读量852 收藏
点赞数

640?wx_fmt=jpeg

硅谷Live / 实地探访 / 热点探秘 / 深度探讨


640?wx_fmt=jpeg


在 10 月 11 日 星期四，Nervos 旧金山分部将会在「旧金山区块链周」上深度探讨 Nervos 分层设计，Nervos 首席架构师谢晗剑（以下简称 Jan）将会亲自挂帅，为大家带来项目最新发展动态以及进行深入技术讨论。请大家把握机会，提出关键问题(ง •̀_•́)ง


海外报名地址：

https://www.eventbrite.com/e/nervos-network-a-deep-dive-into-nervos-layered-design-tickets-50507857361?ref=eios&aff=eios


640?wx_fmt=png

人物介绍


谢晗剑

Nervos Network 架构师&联合创始人，秘猿科技首席执行官&联合创始人，前以太坊 Ethereum 研究团队成员，中国以太坊及区块链技术社区 EthFans.org 发起人。Jan 设计与开发了世界上第一个开源数字货币交易所 Peatio，以太坊完整 ruby 实现 ruby-ethereum，以及世界上第一个使用微服务架构的开源企业区块链内核 CITA。


内容梗概


在「A Deep Dive into Nervos'Layered Design」主题分享中，Jan 会从 Nervos 视角来解释为什么下一代区块链发展的趋势是一个完整的加密经济生态，而不是一个更好的公链，以及 Nervos 提出的分层设计思路如何解决当下区块链发展遇到的瓶颈问题。在下一代基础公链之上为什么会涌现出百花齐放的各种 Layer2 解决方案？以及各种 Layer2 方案在当前以太坊等主网落地的需求和遇到的问题？


在本次技术讨论中，Jan 还会就 Nervos 是如何通过 Cell 模型解决现在所有 Layer 2 的问题，并对未来各种 Layer2 方案提供更好的支持进行深度说明。此外，在讨论中，还会透露更多细节。包括比如虚拟机，状态存储/验证，安全，经济模型，治理等关于 Nervos 底层 CKB 的设计细节。敬请期待吧～


Nervos Network


什么是 Nervos Network

Nervos 是一个分层架构的分布式应用网络。Nervos CKB 位于 Nervos 网络的基础层（Layer1），是一个全新设计的公有链协议，它将会为应用层（Layer2）提供去中心化、安全性和达成共识的状态存储等服务；Nervos AppChain 作为 Layer2 层，是高性能、完全兼容以太坊并且拥有丰富工具链的解决方案。（关于 Nervos 网络的详细介绍，可以查看秘猿科技 CEO Jan 的文章《加密经济的信任引擎》）


更多旧金山区块链周情况，可查看密探此前文章：

美国西岸最大的加密货币会议、旧金山区块链周来啦！

BCH DEVCON 黑客马拉松即将登陆旧金山！



推荐阅读

640?wx_fmt=jpeg

区块链报告 | 脑机接口报告 

硅谷人工智能 | 斯坦福校长

卫哲 | 姚劲波 | 胡海泉 

垂直种植 | 无人车

王者荣耀 | 返老还童 


640?wx_fmt=jpeg

硅谷密探
关注
RGB++是什么；UTXO是什么；Nervos网络；CKB区块链；
ZJQ的博客
08-05 313
RGB++是什么；UTXO是什么；Nervos网络；CKB区块链；
美国西岸最大的加密货币会议、旧金山区块链周来啦！
硅谷密探
09-26 1196
由 Dekrypt Capital 和 Noris 共同举办的旧金山区块链周（SF Blockchain Week）来啦！本届区块链周为期八天，在此期间，多家世界顶级的区...
20年前的程序员什么样？从版主到架构大牛的成长之路
程序人生的博客
07-07 1460
栏目导语：20年前，人们不会想到，衣食住行在手机屏幕上动动手指就可以解决；银行和社区都可以用生物特征进行加密；川流不息的车流中，自动驾驶成为了可能；民生业务架设在云端，互联网的速度则深植...
Nervos：layer分层架构，各管一摊
市后诸葛
06-17 485
原创：时候诸葛 自区块链不可能三角被提出来之后，很多底层公链就开始希望通过分层的方式，来分别解决这个问题。其中，nervos就是希望通过layer1、layer2两层的架构，通过不同的维度来解决不可能三角的问题。 Layer1负责达成共识，保证整个网络的安全；Layer2是一套应用链解决方案，保障各个场景下的性能实现。Layer2通过一套协议来实现锚定到Layer1，并且Layer1将安全传递到L...
第七届区块链全球峰会 | 谢晗剑：区块链的抽象与演进
WXblockchain1的博客
11-04 2834
10月26日，Nervos Network架构师谢晗剑受邀出席第七届区块链全球峰会并发表题为《区块链的抽象与演进》的主旨演讲，分享了对于区块链面临的挑战、应对策略等问题的思考。 以下为演讲全文，根据速记整理，略有不影响原意的删改。 大家好！我是 Nervos Network 的架构师谢晗剑，很高兴能和大家分享我今天想讲的题目——《区块链的抽象与演进》。 区块链所面临的最大挑战是什么？ 不知道大家有没有看过这样一句话，意思是：今天新的区块链所面临的最大挑战不是「速度」和「吞吐量」，而是「治理」
CITA架构与云计算服务
chixiao5404的博客
01-09 258
hi 欢迎来到小秘课堂第一期，今天我们来讲讲 CITA 架构与云计算服务之间的那些事儿，欢迎主讲人谢晗剑 讲师：谢晗剑 编辑：vivi 微服务架构 那一年架构大师Martin Fowler写了一篇名字叫做Microservices的著名文章，微服务的思想却是在那之...
分层设计的共识：来自纽约的硬核探讨
NervosNetwork的博客
05-24 251
在刚刚过去的 Consensus 大会期间，Nervos 和 Celer 联合主办的「The Future of Layer 2」活动在纽约顺利举行，Matic、Skal...
Nervos 的架构师的视角看Nervos的过去、现在和未来
FeelTouch Labs
07-13 833
Nervos 是一个比较有想法的项目。它是一个公链，但是当大部分公链项目在做 PoS 的时候，我们在做 PoW；大部分人在走账户模型路线的时候，我们在做 UTXO；大部分链在做 Sharding 和 Layer 1 扩容的时候，Nervos走分层道路。Layer 2 基本上可以分成两个思路，一个是我们说的欺诈证明（Fraud Proof）。一般情况下我假设没有问题，但是有问题的时候我可以寻求 Layer 1 的帮助，把作恶的证据提交到 Layer 1 上。无论是 Channel Network 还是 Opt
站在巨人的肩膀上：分层设计在 Nervos 生态系统中的 layer 2区块链上的实际应用-SACC2021年中国系统架构师大会
04-29
站在巨人的肩膀上：分层设计在 Nervos 生态系统中的 layer 2区块链上的实际应用-SACC2021年中国系统架构师大会
Nervos CKB 是一个公共的免许可区块链，是 Nervos 网络的第 1 层。
06-28
关于 CKBCKB 是 Nervos Network 的第 1 层，Nervos Network 是一个公共/免许可区块链。CKB 使用工作量证明和改进的中本聪共识，在不牺牲区块链核心价值的去中心化和安全性的情况下，在平均硬件和互联网条件下实现...
ckb：Nervos CKB是一个公共的未经许可的区块链，是Nervos网络的第1层
02-05
CKB是Nervos网络的第1层，Nervos网络是一个公共/无权限区块链。 CKB使用工作量和来在平均硬件和互联网条件下实现最大化的性能，而不会牺牲分散性和安全性，而分散性和安全性是区块链的核心价值。 CKB通过其自己的 ...
区块链分层结构：不同开发框架的核心特征与价值
qq_32193015的博客
08-16 695
详解区块链分层结构：不同开发框架的核心特征与价值
JSP学生学籍管理系统设计与实现(源代码+论文+开题报告+外文翻译+答辩PPT).zip
09-21
1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。
省市区数据，完成三级联动，选择地区
09-21
省市区数据，完成三级联动，选择地区
机械原理课程设计网球自动捡球机.doc
最新发布
09-21
机械原理课程设计网球自动捡球机.doc
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
09-21
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
借助于Ascend310 AI处理器完成深度学习算法部署任务，
09-21
应用背景为变电站电力巡检，基于YOLO v4算法模型对常见电力巡检目标进行检测，并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务，并对系统性能做出一定的优化。.zip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。
基于深度学习的物体识别与抓取方法，六自由度机械臂，python编写程序.zip
09-21
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。
深入学习Rust编程语言：区块链开发的首选
"Rust编程语言是一门用于区块链开发的现代系统级编程语言，由秘猿科技在Nervos项目中以及以太坊黄皮书作者Gavin Wood领导的Parity项目中应用。学习Rust对于区块链底层开发是必要的基础知识。这本书《The Rust ...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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