2019年12月18-19日由国际测试委员会（BenchCouncil）主办的国际芯片大会在北京怀柔中国科学院大学国际会议中心成功举办。Imagination市场及生态高级总监时昕博士在领域芯片及生态分论坛做了题目为“适用于所有场景的统一架构GPU及生态 ”的主题演讲。

人工智能在安全方面的应用为人们提供了四个独特的安全优势，本文我们就将详细了解机器学习的进步是如何改变传统的威胁检测和预防方法的。

为了改善人类的生活品质，或是解决某些世界性的难题，来自全球的无数科研工作者都在日以继夜、年复一年地努力着。在每一年，我们都会听到它们的研究进展和成果，当中有的近在咫尺，也有的距离实际应用仍然遥不可及。那么在即将结束的2019年，这些科研工作者都为我们呈现了哪些新技术？又有哪些人的生活能够从中获益、甚至被彻底改变？我们一起来看一下吧。

12月16日，5G云游戏产业联盟第一次全体会员大会暨联盟成立大会在北京举行。作为云游戏领域极具行业影响力的盛会，本次大会吸引了多家重量级企业参与，围绕5G云游戏领域的前沿技术、产品和应用展开交流探讨。Imagination作为联盟成员单位也参加了本次大会，以期通过联盟提供的优质平台携手产业链伙伴共同打造5G云游戏创新生态。

汽车正在变得越来越智能，但是如果汽车行业要实现完全自动驾驶的目标，他们还有很长的路要走。尽管业界还在讨论实现全自动化所需的理想技术组合，但是有一点是明确的，那就是人工智能，尤其是神经网络将发挥重要作用。

计算机视觉是最强大和引人注目的AI之一，你几乎肯定会以各种方式体验过它，当时却不知道。今天我们来好好研究一下它，包括它的工作原理以及它如此出色的原因（而且只会变得越来越好）。

2019年12月3日，Imagination Technologies宣布推出其第十代PowerVR图形处理架构IMG A系列（IMG A-Series）。

我从新入行和有经验的机器学习工程师中那里得到的最多的问题就是”我如何得到更高的准确率？“既然机器学习在商业领域最有价值的地方就是在于它的预测能力，那么从现有的系统中压榨更高的准确率是一个简单的获取更多价值的方法。本文会分4个不同的部分，每个部分介绍一些不同的策略。

光栅化阶段分了四个步骤：三角形设置、三角形遍历、像素着色、合并。

实时渲染，一般有三种渲染方法，多光源一次渲染，多光源多次渲染和延迟着色。

工信部近期印发2019年第三批5G及下一代移动通信标准项目，据悉共计28个。

卷积这个概念，很早以前就学过，但是一直没有搞懂。教科书上通常会给出定义，给出很多性质，也会用实例和图形进行解释，但究竟为什么要这么设计，这么计算，背后的意义是什么，往往语焉不详。作为一个学物理出身的人，一个公式倘若倘若给不出结合实际的直观的通俗的解释（也就是背后的“物理”意义），就觉得少了点什么，觉得不是真的懂了。

选择哪种shader？除非你有非常明确的需求必须要使用固定函数着色器,例如需要在非常旧的设备上运行你的游戏(这些设备非常少见),否则请使用可编程管线的着色器,即表面着色器或顶点/片元着色器。

2020年的网络安全处于一个发展转折点。人工智能和机器学习的进步正在为网络安全的技术进步提供助力，实时数据和分析也使得建立更强大的业务案例成为可能。网络安全支出过去很少与增收入或降成本挂钩，然而，这种情况将在2020年发生变化。

语音识别技术是让机器通过识别把语音信号转变为文本，进而通过理解转变为指令的技术。目的就是给机器赋予人的听觉特性，听懂人说什么，并作出相应的行为。语音识别系统通常由声学识别模型和语言理解模型两部分组成，分别对应语音到音节和音节到字的计算。

5G已经推出，同时5G商用的步伐也在不断加快，许多行业中的企业将利用5G并从中受益。随着时间推移，5G将影响到几乎每个行业的每项业务。以下是最有可能从5G中受益的7个主要行业。

近日，斯坦福大学人工智能研究所发布了 2019 年 AI 指数报告。该报告涵盖范围较广，本文是一些从报告中提取的主要部分：对人工智能的研究越来越多，在 1998 年至 2018 年之间，经过同行评审的 AI 论文数量增长了 300％ 以上......

shader中文名叫着色器，顾名思义就是给物体着色。那给什么物体着色呢？显而易见就是给屏幕上的物品着色。

一年一度的校园招聘已经开始了，为了帮助参加校园招聘、社招的同学更好的准备面试，SIGAI整理出了一些常见的机器学习、深度学习面试题。理解它们，对你通过技术面试非常有帮助，当然，我们不能只限于会做这些题目，最终的目标是真正理解机器学习与深度学习的原理、应用。

卷积，这个词大家应该都不陌生，数学中傅立叶变换的时候，物理中信号处理的时候，图像处理中滤波的时候、提取边缘的时候，还有深度学习中卷积神经网络的时候，处处可见卷积的影子。卷积在图像处理中的应用非常广泛，可以说理解了卷积，就可以理解图像处理算法的半壁江山，也不知道这个说法是否夸张了。