Deutsch-Chinesische Enzyklopädie, 德汉百科
IT-Times
Unternehmen
Spiele
马丁·库帕（英语：Martin Cooper，1928年12月26日—）是一名美国工程师。他是无线通讯行业的先驱，特别是在无线电频谱管理方面，在该领域拥有11项专利[1][2]。
1973年4月3日，他在摩托罗拉公司用手持便携式手机打出了第一通公开电话。库帕在1973年重新发明了第一部手持式移动电话（有别于车载电话），并领导团队重新开发，在1983年将其推向市场[3][4]。他被认为是“（手持）手机之父”[1][3][5][6]，也被认为是历史上第一个在公共场合拨打手持移动电话的人[7]。
库帕与他的妻子及商业伙伴阿琳·哈里斯是许多通讯公司的联合创始人[8]。他是位于加利福尼亚州德尔马的Dyna LLC公司的联合创始人和现任主席。库帕还在支持美国联邦通讯委员会[9]和美国商务部的委员会任职。
2010年，库帕因在创建和部署手持电话方面的领导作用而被选为美国国家工程院院士。
Martin Cooper (* 26. Dezember 1928[1] in Chicago) ist ein US-amerikanischer Elektroingenieur. Er gilt als Erfinder des Mobiltelefons.
Cooper wurde in Chicago als Sohn ukrainischer Einwanderer geboren.[2] Er studierte in den 1950er-Jahren am Illinois Institute of Technology (IIT) und diente während des Koreakrieges bei der US-Navy.[3] Im Jahr 1957 erwarb er einen Master in Elektrotechnik und erhielt 2004 die Ehrendoktorwürde des IIT.
Cooper ist Geschäftsführer und Gründer von ArrayComm. Zuvor hatte er bei Motorola in der Forschung und Entwicklung gearbeitet. Am 3. April 1973 tätigte er auf der 6th Avenue in New York den ersten Anruf über einen gemeinsam mit Rudy Krolopp[4] bei Motorola entwickelten und gebauten Mobiltelefon-Prototypen, mit dem er seinen Rivalen bei den Bell Labs anrief.[5][6][7] Am 17. Oktober 1973 reichte er sein Patent für ein Radio-/Telefon-System ein, das am 16. September 1975 erteilt wurde.[8] Daher wird er als der Erfinder des modernen Mobiltelefons angesehen.[9]
1995 erhielt Cooper für seine technischen Innovationen im Bereich Kommunikation den Wharton Infosys Business Transformation Award, 2009 gemeinsam mit Ray Tomlinson den Prinz-von-Asturien-Preis in der Kategorie Wissenschaft und Forschung und 2013 gemeinsam mit vier weiteren Personen den Charles-Stark-Draper-Preis. Ebenfalls 2013 wurde er mit dem Marconi-Preis ausgezeichnet; für 2015 wurde ihm der IEEE Masaru Ibuka Consumer Electronics Award zugesprochen.
Cooper ist Mitglied von Mensa.
Martin Edward Hellman (* 2. Oktober 1945 in New York City) ist ein US-amerikanischer Kryptologe, bekannt als einer der Entwickler der Public-Key-Kryptographie.
马丁·爱德华·赫尔曼（英语：Martin Edward Hellman，1945年10月2日—），生于美国纽约市，密码学者，对公开密钥加密技术有重要贡献。与惠特菲尔德·迪菲一同发展出迪菲－赫尔曼密钥交换技术。获得2015年图灵奖[2]。
California-CA
Bildung und Forschung
Bildung und Forschung
*Wichtige Disziplinen
Wichtige Disziplinen
Wissenschaft und Technik
Maschinelles Lernen (ML) ist ein Oberbegriff für die „künstliche“ Generierung von Wissen aus Erfahrung: Ein künstliches System lernt aus Beispielen und kann diese nach Beendigung der Lernphase verallgemeinern. Dazu bauen Algorithmen beim maschinellen Lernen ein statistisches Modell auf, das auf Trainingsdaten beruht und welches gegen die Testdaten getestet wird. Das heißt, es werden nicht einfach die Beispiele auswendig gelernt (siehe Überanpassung), sondern Muster und Gesetzmäßigkeiten in den Lerndaten erkannt. So kann das System auch unbekannte Daten beurteilen (Lerntransfer) oder aber am Lernen unbekannter Daten scheitern (Überanpassung; englisch overfitting).[1][2] Aus dem weiten Spektrum möglicher Anwendungen seien hier genannt: automatisierte Diagnoseverfahren, Erkennung von Kreditkartenbetrug, Aktienmarktanalysen, Klassifikation von Nukleotidsequenzen, Sprach- und Texterkennung sowie autonome Systeme.
Das Thema ist eng verwandt mit „Knowledge Discovery in Databases“ und „Data-Mining“, bei dem es jedoch vorwiegend um das Finden von neuen Mustern und Gesetzmäßigkeiten geht. Viele Algorithmen können für beide Zwecke verwendet werden. Methoden der „Knowledge Discovery in Databases“ können genutzt werden, um Lerndaten für „maschinelles Lernen“ zu produzieren oder vorzuverarbeiten. Im Gegenzug dazu finden Algorithmen aus dem maschinellen Lernen beim Data-Mining Anwendung. Zu unterscheiden ist der Begriff zudem von dem Begriff „Deep Learning“, welches nur eine mögliche Lernvariante mittels künstlicher neuronaler Netze darstellt.
Das Schließen von Daten auf (hypothetische) Modelle wird als Statistische Inferenz bezeichnet.
机器学习是人工智能的一个分支。人工智能的研究历史有着一条从以“推理”为重点，到以“知识”为重点，再到以“学习”为重点的自然、清晰的脉络。显然，机器学习是实现人工智能的一个途径之一，即以机器学习为手段，解决人工智能中的部分问题。机器学习在近30多年已发展为一门多领域科际集成，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。
机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法（要防止错误累积）。很多推论问题属于非程序化決策，所以部分的机器学习研究是开发容易处理的近似算法。
机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、游戏和机器人等领域。
Connecticut-CT
Mastercam具有强劲的曲面粗加工及灵活的曲面精加工功能。Mastercam提供了多种先进的粗加工技术，以提高零件加工的效率和质量。Mastercam还具有丰富的曲面精加工功能，可以从中选择最好的方法，加工最复杂的零件。Mastercam的多轴加工功能，为零件的加工提供了更多的灵活性。
Mastercam强项在数控加工，简单易用，产生的NC程序简单高效。主要竞争对手有UGNX，Edgecam，WorkNC，Cimtron，Delcam（Powermill），PTC（Pro/NC），Space-e，CAMWORKS，HyperMILL等，与这些软件相比，在2D加工方面有压倒性优势；曲面方面，在简单规则类方面占优势；多轴曲面方面，在X3中引入了第三方的5轴多曲面加工，使其在通用数控加工中依然是王者。
Mastercam bezeichnet eine CAD/CAM-Software des US-amerikanischen Herstellers CNC Software mit Sitz in Tolland, Connecticut. Mastercam war im Jahr 2016 mit über 224.000 Installationen, gemessen an den installierten Lizenzen, das weltweit meisteingesetzte System auf dem Markt PC-basierter CAM-Software zur Steuerung von CNC-Maschinen.[1]
Mastercam umfasst die Funktionen Fräsen in 2 bis 5 Achsen, Drehen, Drahterodieren, künstlerische Reliefbearbeitung, 2D- und 3D-Design, Flächen- und Solidmodeling. Das Einsatzgebiet der Software findet sich hauptsächlich im Bereich des Werkzeug-, Formen- und Maschinenbaus sowie der Medizintechnik. Weiterhin kommt Mastercam auch im Bereich der Holz-, der Stein- und Kunststoffbearbeitung sowie bei künstlerischen Bearbeitungen zum Einsatz.
Finanz
New York-NY
