搜索
1GPGPUGPGPU全称GeneralPurposeGPU，即通用计算图形处理器。其中第一个“GP”通用目的（GeneralPurpose）而第二个“GP”则表示图形处理（GraphicProcess），这两个“GP”搭配起来即“通用图形处理”。再加上“U”(Unit)就成为了完整的通用处理器。人们一直在寻找各种加速图像处理的方法，然而受到CPU本身在浮点计算能力上的限制，对于那些需要高密度计算的图像处理操作，过去传统的在CPU上实现的方法，并没有在处理性能与效率上有很大进步。随着可编程图形处理器单元(GPU)在性能上的飞速发展，利用GPU加速图像处理的技术逐渐成为研究热点。主要平台：目前广泛使用的GPGPU平台有CUDA,OPENCL等，CUDA是基于nVIDIA公司自家GPU架构的虚拟机PTX的GPGPU平台，OpenCL是一个跨平台的GPGPU解决方案开放图形库（英语：OpenGraphicsLibrary，缩写为OpenGL）是个定义了一个跨编程语言、跨平台的应用程序接口（API）的规范，它用于生成二维、三维图像。OpenCL（OpenComputingLanguage，开放计算语言）是一个为异构平台编写程序的框架，此异构平台可由CPU，GPU或其他类型的处理器组成。CUDA（ComputeUnifiedDeviceArchitecture，统一计算架构）是由NVIDIA所推出的一种集成技术，是该公司对于GPGPU的正式名称。IPv6IPv6是InternetProtocolVersion6的缩写，其中InternetProtocol译为“互联网协议”。IPv6是IETF（互联网工程任务组，InternetEngineeringTaskForce）设计的用于替代现行版本IP协议（IPv4）的下一代IP协议.由于IPv4最大的问题在于网络地址资源有限，严重制约了互联网的应用和发展。IPv6的使用，不仅能解决网络地址资源数量的问题，而且也解决了多种接入设备连入互联网的障碍[1]。中文名:互联网协议第6版全称:InternetProtocolVersion6地址长度:128位数量:2^128（约3.4×10^38）IPv6协议主要定义了三种地址类型：单播地址（UnicastAddress）、组播地址（MulticastAddress）和任播地址（AnycastAddress）。IPv6的地址长度为128b，是IPv4地址长度的4倍。于是IPv4点分十进制格式不再适用，采用十六进制表示IPv6有3种表示方法：1、冒分十六进制表示法2、0位压缩表示法3、内嵌IPv4地址表示法并行计算并行计算或称平行计算是相对于串行计算来说的。它是一种一次可执行多个指令的算法，目的是提高计算速度，及通过扩大问题求解规模，解决大型而复杂的计算问题。所谓并行计算可分为时间上的并行和空间上的并行。时间上的并行就是指流水线技术，而空间上的并行则是指用多个处理器并发的执行计算。并行计算可分为时间上的并行和空间上的并行。2时间上的并行：是指流水线技术.这就是并行算法中的时间并行，在同一时间启动两个或两个以上的操作，大大提高计算性能。l空间上的并行：是指多个处理机并发的执行计算，即通过网络将两个以上的处理机连接起来，达到同时计算同一个任务的不同部分，或者单个处理机无法解决的大型问题。为利用并行计算，通常计算问题表现为以下特征：（1）将工作分离成离散部分，有助于同时解决；（2）随时并及时地执行多个程序指令；（3）多计算资源下解决问题的耗时要少于单个计算资源下的耗时。大数据大数据（bigdata），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理（MPP）数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。应用学科:计算机，信息科学，统计学适用领域范围:BI，工业4.0，云计算，物联网，互联网+，人工智能“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。大数据的价值体现在以下几个方面：1)对大量消费者提供产品或服务的企业可以利用大数据进行精准营销2)做小而美模式的中小微企业可以利用大数据做服务转型3)面临互联网压力之下必须转型的传统企业需要与时俱进充分利用大数据的价值趋势一：数据的资源化趋势二：与云计算的深度结合3趋势三：科学理论的突破趋势四：数据科学和数据联盟的成立趋势五：数据泄露泛滥趋势六：数据管理成为核心竞争力趋势七：数据质量是BI(商业智能)成功的关键趋势八：数据生态系统复合化程度加强特征：容量（Volume）：数据的大小决定所考虑的数据的价值和潜在的信息；[6]种类（Variety）：数据类型的多样性；[6]速度（Velocity）：指获得数据的速度；[6]可变性（Variability）：妨碍了处理和有效地管理数据的过程。[6]真实性（Veracity）：数据的质量[6]复杂性（Complexity）：数据量巨大，来源多渠道[6]价值（value）：合理运用大数据，以低成本创造高价值对等计算虽然Napster是最近最知名的对等计算模式的实现例子，但是它只能算的上是对等计算的一个侧面——Napster仅仅使用了对等计算模式的一个方面：文件共享。实际上，对等计算概念要广泛的多，包括共享处理能力，内存，存储空间，并且支持海量数目的计算机进行协作。内容：共享处理能力，支持海量协作概念：使各个计算机直接互相通讯模式：使用这种技术来完成计算与传统的服务器/客户机的模式不同，对等计算的体系结构是令传统意义上作为客户机的各个计算机直接互相通讯，而这些计算机实际上同时扮演着服务器和客户机的角色，因此，对等计算模式可以有效地减少传统服务器的压力，使这些服务器可以更加有效的执行其专属任务。多核多内核（multicorechips）是指在一枚处理器（chip）中集成两个或多个完整的计算引擎(内核)。属于：处理器4多内核（multicorechips）是指在一枚处理器（chip）中集成两个或多个完整的计算引擎(内核)。多核技术的开发源于工程师们认识到，仅仅提高单核芯片(onechip)的速度会产生过多热量且无法带来相应的性能改善，先前的处理器产品就是如此。他们认识到，在先前产品中以那种速率，处理器产生的热量很快会超过太阳表面。即便是没有热量问题，其性价比也令人难以接受，速度稍快的处理器价格要高很多。处理器性能=主频xIPC为什么不能用单核的设计达到用户对处理器性能不断提高的要求呢？答案是功耗问题限制了单核处理器不断提高性能的发展途径。通过在两个执行内核之间划分任务，多核处理器可在特定的时钟周期内执行更多任务。将来处理器发展的趋势是：为了达到更高的性能，在采用相同微架构的情况下，可以增加处理器的内核数量同时维持较低的主频。服务科学服务科学是一门新兴的复合交叉型学科，是计算机科学、运筹学、工业工程、管理学、经济学、社会学、行为科学、心理学等多种学科的集成。机器学习机器学习(MachineLearning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。机器学习有下面几种定义：“机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能”。“机器学习是对能通过经验自动改进的计算机算法的研究”。“机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。”集体智慧集体智慧(CollectiveIntelligence，CI)，简称集智，它是一种共享的或群体的智能。在网络时代来临之前，集体智慧就一直活跃在生物学、社会学、计算机科学、大众行为学等领域。随着Web2.0的崛起和社会性软件的普及，集体智慧这在社交网络服务、众包、分享、评论和推荐等领域也得到了广泛应用，典型案例包括：维基百科、百度百科、百度知道、猪八戒网、任务中国、Threadless、InnoCentive、digg、iStockphoto、MechanicalTurk等。越来越多的传统公司和组织也开始使用各种集体智慧平台或工具，借助外部智慧以解决复杂问题[4]。定义：协调性关联集体智慧目前在商业和教育领域的应用最为成熟。计算思维计算思维是运用计算机科学的基础概念进行问题求解、系统设计、以及人类行为理解等涵盖计算机科学之广度的一系列思维活动。5特点：抽象，自动化思维：递归思维计算思维是运用计算机科学的基础概念进行问题求解、系统设计、以及人类行为理解等涵盖计算机科学之广度的一系列思维活动。通过约简、嵌入、转化和仿真等方法，把一个看来困难的问题重新阐释成一个我们知道问题怎样解决的方法；是一种递归思维，是一种并行处理，是一种把代码译成数据又能把数据译成代码，是一种多维分析推广的类型检查方法；是一种采用抽象和分解来控制庞杂的任务或进行巨大复杂系统设计的方法，是基于关注分离的方法（SoC方法）；是一种选择合适的方式去陈述一个问题，或对一个问题的相关方面建模使其易于处理的思维方法；是按照预防、保护及通过冗余、容错、纠错的方式，并从最坏情况进行系统恢复的一种思维方法；是利用启发式推理寻求解答，也即在不确定情况下的规划、学习和调度的思维方法；是利用海量数据来加快计算，在时间和空间之间，在处理能力和存储容量之间进行折衷的思维方法。优点：计算思维建立在计算过程的能力和限制之上，由人由机器执行。计算方法和模型使我们敢于去处理那些原本无法由个人独立完成的问题求解和系统设计。计算智能计算智能是以生物进化的观点认识和模拟智能。计算智能就是基于结构演化的智能。计算智能的主要方法有人工神经网络、遗传算法、遗传程序、演化程序、局部搜索、模拟退火等可信计算可信计算（TrustedComputing）是在计算和通信系统中广泛使用基于硬件安全模块支持下的可信计算平台，以提高系统整体的安全性目的：提高系统整体的安全性Endorsementkey签注密钥Secureinputandoutput安全输入输出Memorycurtaining储存器屏蔽Sealedstorage密封储存Remoteattestation远程认证信息安全具有四个侧面：设备安全、数据安全、内容安全与行为安全。安全应该包括：行为的机密性、行为的完整性、行为的真实性等特征。应用：数字版权管理、身份盗用保护、防止在线游戏作弊、保护系统不受病毒和间谍软件危害、保护生物识别身份验证数据、核查远程网格计算的计算结果人工智能人工智能（ArtificialIntelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处