小企鹅和360终于刚正面了

昨晚,女友正式和我提出分手,一个难免的夜。在床上辗转2个小时依旧无法入眠,于是就爬起来上网。刚刚一打开电脑,小企鹅就弹出窗口《反对360不正当竞争及加强行业自律的联合声明》,紧接着,我的360也以同样的方式弹出条声明《360为保护用户隐私遭腾讯打击报复》。当时看见这两个窗口几乎同时弹出,我不禁笑了。

我们先来看看双方的阵容,小企鹅方有:腾讯,百度,金山,遨游,可牛。五家互联网企业联合,歃血为盟,共战360.再看360这方:奇虎360.以一战五,貌似很不利。
让我们先来分析下小企鹅阵营里的诸位大将:
  一 QQ:这货是个什么样的企鹅,我相信大家了解的比我都透彻,就不再赘述了,我也懒得打字
  二百度:一个成功在中国市场正面狙击谷歌的非名族企业。腾讯方面给出的介绍是:最大的中文搜索引擎提供商。至于百度是啥样的,我觉得说的再多也是废话。
  三 金山:中国本土市场著名的专业安全厂商。腾讯的这句话给的倒是很中肯,没有参杂全球最大这些虚假恫人的文字。
  四 遨游:超过5亿次下载的专业浏览器开发商。我基本没用过遨游的浏览器,但身边的一些朋友有用过的据说还不错,也算的上是个知名的公司了。
  五可牛:新兴的安全软件厂商。恕我孤陋寡闻,我还真是第一次听说这家公司的,尤其是今天他与腾讯、金山这些大公司站在一起,也可算是个成功的商业炒作了。
  以上五家公司,看起来涉及各个不同的领域,但通过QQ和360的两篇文章里我们发现,他们之间的有一个共同点,都是被360所攻击过的。也就是这样的经历,让他们走到了一起。但我们不禁要问,他们之间走在一起真的是要打败360吗?
  如果简单的比数字,腾讯无疑是老大,无论是用户群,还是资产,或者业界以及社会的影响里,都远远大于360.就是这样的一个老大,为什么还要拉上其他四家公司来壮声势呢?也许有的人会说腾讯心虚了,但我不这么看,腾讯抄袭这个抄袭那个的时候怎么不心虚?马云,齐向东等业界名人怒骂腾讯的时候,怎么没见到他们心虚?计算机报的那篇报道如次惊天动地,腾讯也没今天的反应啊。而且360的隐私保护器退出了这么长时间,腾讯也就到今天才敢刚正面啊。换句话说,两国交战,对方都打到城门下在那叫骂了,而这方才开始慢慢的集结兵力,等兵力集结好之后,已是一年又一春了。那么腾讯为什么要拉上其他四家公司呢?我给出的解释是,风险平摊。依旧用打战来比喻,对方只有一国兵力,如果你集结五国兵力与之交战,是不是就可以做到0伤亡呢?不可能,但却可以做到将伤亡减少到最低程度。用商场的话来说,降风险减少到最低,降损失减少到最小。
  那么为什么百度金山等公司要掺合进来呢?这里就不多说了,最简单的一个道理,打赢了这场战争,带来的利益回报是丰厚的。你看那可牛,从一个不知名的小公司现在一夜成名就是一个很好的例子。遨游在浏览器的竞争里也没有做到最大,这是个契机。金山这些年来一直被瑞星压着,早就想翻身了,这次有这么好的机会他们一定会牢牢抓住的。至于百度,同样财大气粗的百度为什么会卷进这个是非圈,我一直都没参详出来,难道仅仅是为了新业务的推广?反正不会是因为360到了人神共愤,出于正义感和社会责任才出来的。
  
  说了这么多腾讯方面的,让我们来说说360吧。
  360大家都有安装吧,这是个06年起家的公司,靠查杀木马并且免费给大家留下了好印象。这个也就不赘述了。我们来看看这最近一年来360都和哪些公司刚了正面吧。
  2009年8月,和诺顿,金山等公司纠葛
  2010年2月,与瑞星因为后门事件在口水横飞
  2010年5月,卡巴斯基公开指责360
  2010年5月,360封杀金山网盾、遨游、可牛
  2010年8月,和百度互相起诉
  2010年9月,和小企鹅刚了正面
  (以上数据来自腾讯提供)
  
  我们不禁要问,360以一家之力为什么要这么做?
  360为了用户利益,不惜冒“业界”之大不韪,向一切灰色利益和潜规则宣战,不怕得罪任何厂商,哪怕是中国最大和第二大的互联网巨头——360如是说。
  好强的社会责任感啊,真如你所说的那样吗?
  360的老板叫周鸿祎。而周鸿祎以前做过另外一家公司叫做3721.也许有新网民不知道3721这是个什么样的软甲公司。就这么说吧,我第一次听说有流氓软件存在的时候,那流氓软件就叫3721!
  “周鸿祎靠3721发家,3721以1.2亿美元卖给雅虎后,周鸿祎想在雅虎大展宏图,未果,就开始说:“3721流氓软件”并做了个360专门杀 3721,只杀到3721没法再做下去为止.
  杨致远应该再也不会相信周鸿祎.马云发誓旗下所有公司都不会再与周鸿祎合作.
   周鸿祎对瑞星说:只要瑞星条件比卡巴斯基好,360也可以和瑞星合作,捆绑瑞星杀病毒软件,“一切都有得谈.”瑞星不相信周鸿祎,瑞星宁愿自己免费,也不给周鸿祎做托.
  
   继从遥远的俄罗斯找来合作伙伴后,周鸿祎这次从更加遥远的罗马尼亚找来了BitDefender合作,发布360免费杀毒.卡巴斯基气得牙痒,于2008年7月21日,将360安全卫士当病毒杀.
  
   周鸿祎曾发誓不进入杀病毒界,食言后,周鸿祎笑着说:“在行里食言的人多了,只要是为了老百姓,食言也无所谓.”(此介绍来自百度)
  看了这些介绍,我想也不用我再说什么了吧。顺便说下360为搜狐做弹窗广告的价格是一年1200万。
  
  上面基本把最近的这些乱七八糟的事件终于用找到了一个说的通的理由,都是钱闹的。这些那些的都是几家公司在打商业战。而我等小民明天该工作的继续工作,该干嘛的就去干嘛,实在没一点关系。
  
  但我写篇博客的原因在于,这么轰轰烈烈的商战第一次让我等小民有了强烈的参与感,这也挺好玩的。呵呵
  反正我的电脑里,同时安装着QQ和360.我上网伊始就在用QQ了,用了十年,没感觉出有啥问题,如果360非要说扫描隐私的话,我电脑里也没啥隐私,就那几百G的A片吧。换做十年前,如果也有个360声讨OICQ的话(QQ的前身)我会义不容辞的口诛笔伐360。十年前也没啥玩的,上网就聊天了,你丫的就是剥夺我的生活,我的乐趣啊。但腾讯做到今天,财大气粗之后都做了什么,相信大家都有目共睹。360也有看到,所以这个时候360跳出来了。我等小民所要坐的就是搬个小凳子,静静的坐在那看戏,戏唱的好了,我们鼓掌,唱的不好,咱扔鸡蛋。这场戏何去何从,我等静观之
  
  (原文地址,深夜写就,错别字甚多,没做校对,望见谅)

 

转自:http://www.tianya.cn/publicforum/content/free/1/2007781.shtml

 

 

 

 

转载于:https://www.cnblogs.com/qiantuwuliang/archive/2010/11/01/1865912.html

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