发布时间：2019-09-5 阅读量：650 来源: 智东西 发布人: Jane
智东西消息，谷歌今天新推出了其神经结构化学习（NSL）开源框架，能用于通过图形和结构化的数据训练神经网络。
不论经验深浅，机器学习从业者都可以将NSL与TensorFlow机器学习平台配合使用。NSL可以制作计算机视觉模型、执行自然语言处理（NLP）、以及利用医疗记录或知识图等图形数据集运行预测。
TensorFlow是谷歌开源的用于数值计算的开源软件库，用于机器学习和深度神经网络方面的研究。TensorFlow可部署于各类服务器、PC终端和网页并支持GPU和TPU高性能数值计算。
一、应对数据匮乏，提高模型精度
TensorFlow工程师今天在博客中说：“在模型训练期间，通过NSL的结构化信号，开发人员能够获得更高的模型精度。特别是在标注数据量相对较小时，它的作用就更大了。”
“同时，结构化信号训练也可以带来更强大的模型，这些技术已被谷歌广泛应用于提高模型性能，如学习图像语义嵌入（Image Semantic Embedding）。”
二、简化编程工作，五行代码可完成建模
NSL可以通过监督、半监督或无监督学习对训练期间的图形信号进行正规化的建模。在某些情况下，五行代码就能完全搞定。
另外，新框架还可以帮助开发人员处理数据和API（应用程序编程接口）的工具，使他们在项目中使用更少的代码完成对抗训练。
今年4月，谷歌云为结构化数据引入了其他解决方案，如BigQuery连接表和AutoML Tables。另外，上周谷歌AI开源了SM3，这是一个针对BERT等大型语言理解模型的优化工具。
文章来源：VentureBeat
在智能驾驶飞速发展的时代，5.9GHz频段的C-V2X（蜂窝车联网）和5.8GHz频段的DSRC（专用短程通信）已成为车辆与环境交互的关键神经。然而，GHz频段内日趋复杂的电磁环境却为通信灵敏度与可靠性带来严峻挑战。传统噪声抑制元件在应对高频宽范围干扰时力不从心，高性能宽频噪声解决方案成为行业急需突破的技术瓶颈。村田制作所（Murata）以其深厚的材料技术积淀和创新设计，适时推出了革命性的片状铁氧体磁珠——BLM15VM系列，直击高频车联网通信的核心痛点。
据彭博社6月20日报道，微软计划于今年7月启动大规模组织结构调整，预计裁员数千人，主要集中在全球销售与客户服务部门。此举引发行业对科技巨头战略重心迁移的高度关注，尤其引人瞩目的是其裁员节省的资金流向——微软官方确认将在新财年向人工智能基础设施领域投入约800亿美元。
在AI服务器爆发式增长、新能源系统复杂度飙升的产业背景下，传统控制芯片正面临三重挑战：碳化硅/氮化镓器件的高频开关控制需求、功能安全标准升级、以及机器学习边缘部署的实时性要求。Microchip最新推出的dsPIC33AK512MPS512与dsPIC33AK512MC510数字信号控制器（DSC），通过78ps PWM分辨率与40Msps ADC采样率的核心突破，为高精度实时控制树立了新基准。
根据权威机构IDC最新发布的《全球智能家居设备季度追踪报告》，2025年第一季度全球智能扫地机器人市场迎来强劲开局，总交付量达到509.6万台，较去年同期增长11.9%，连续第二个季度实现超过20%的增长率。市场活力显著提升，展现出强劲复苏势头。
随着ADAS渗透率突破50%（据Yole 2023数据），车载传感器供电与数据传输架构面临革命性变革。传统双线分立设计（电源线+信号线）导致线束占整车重量超3%，且故障率居高不下。TDK株式会社推出的ADL8030VA系列PoC专用电感器，通过单元件高集成方案重构滤波电路，为智能驾驶系统提供空间与可靠性双重优化路径。
