序号 企业名称 软件收入
1 华为技术有限公司 847323
2 中兴通讯股份有限公司 660000
3 海尔集团公司 551037
4 海信集团有限公司 491265
5 熊猫电子集团有限公司 476706
6 神州数码(中国)有限公司 413100
7 青岛朗讯科技通讯企业有限公司 349966
8 浙江浙大网新科技股份有限公司 345415
9 浪潮集团有限公司 196728
10 东软集团有限公司 179710
11 上海贝尔阿尔卡特股份有限公司 147509
12 大唐电信科技股份有限公司 147141
13 清华同方股份有限公司 144312
14 中国计算机软件与技术服务总公司 140728
15 山东中创软件工程股份有限公司 138125
16 南京联创科技股份有限公司 126004
17 中国民航信息网络股份有限公司 114538
18 上海宝信软件股份有限公司 110748
19 北京北大方正集团公司 104541
20 北京甲骨文软件系统有限公司 103505
21 烟台东方电子信息产业集团公司 101118
22 北京用友软件股份有限公司 88700
23 北京四方继保自动化有限公司 79645
24 福州福大自动化科技有限公司 76679
25 腾讯科技(深圳)有限公司 72411
26 广州网易计算机系统有限公司 70709
27 中国长城计算机集团公司 70349
28 新华控制技术(集团)有限公司 69032
29 中国银联股份有限公司 67818
30 南京南瑞集团公司 67163
31 哈尔滨亿阳信通股份公司 63436
32 思爱普(北京)软件系统有限公司 62946
33 深圳市腾讯计算机系统有限公司 62398
34 武汉邮电科学研究院 56600
35 朝华科技(集团)有限公司 56465
36 中国工商银行软件开发中心 55103
37 北京握奇数据系统有限公司 54221
38 金蝶软件(中国)有限公司 51788
39 沈阳东大自动化有限公司 51326
40 长春一汽启明信息技术公司 50120
41 太极计算机集团(北京) 47609
42 深圳市金证科技股份公司 47513
43 广州网易互动娱乐有限公司 47036
44 长江计算机(集团)公司 47021
45 云南南天电子信息产业股份公司 46906
46 杭州士兰微电子股份有限公司 46213
47 珠海炬力集成电路设计有限公司 46006
48 北京市和利时系统工程有限公司 44579
49 盛趣信息技术(上海)有限公司 43047
50 南京南瑞继保电气有限公司 42911
51 国电南瑞科技股份有限公司 42300
52 华北计算机系统工程研究所 41576
53 江苏南大苏富特软件股份有限公司 40717
54 深圳市迈瑞生物医疗电子有限公司 40500
55 云南电信网信实业集团有限公司 39454
56 杭州信雅达系统工程股份有限公司 38936
57 华立集团有限公司(浙江) 35540
58 江苏东大金智软件股份公司 35446
59 新太科技股份有限公司 33674
60 北京华铁弘兴计算机工程有限责任公司 33297
61 亚信科技(中国)有限公司 32533
62 珠洲时代集团公司 32471
63 北京东华和创数码科技有限公司 32274
64 广州华南资讯科技有限公司 32227
65 深圳市南凌科技发展有限公司 31939
66 浙江中控科技集团有限公司 31906
67 上海华讯网络系统有限公司 31721
68 创智集团 31500
69 大连华信计算机技术有限公司 30756
70 沈阳新松机器人自动化股份有限公司 30450
71 石化盈科信息技术有限责任公司 29767
72 沈阳西东控制技术有限公司 29370
73 北京华旗资讯数码科技有限公司 29012
74 福建星网锐捷通讯有限公司 28265
75 沈阳先锋计算机工程有限公司 28209
76 威海北洋电气集团股份有限公司 28000
77 深圳市同洲电子股份有限公司 27847
78 广州海格通信有限公司 26770
79 京华网络有限公司 26761
80 电讯盈科(北京)有限公司 26560
81 南昌先锋软件股份有限公司 26465
82 江西捷德智能卡系统有限公司 26455
83 海湾安全技术股份有限公司 26114
84 昆明昆船物流信息产业有限公司 26061
85 山东三星电子有限公司 26000
86 杭州新中大软件股份公司 25292
87 中国大恒(集团)有限公司北京软件技术分公司 24917
88 湖南计算机集团 24637
89 上海西门子移动通信有限公司 24221
90 南望信息产业集团有限公司 24175
91 中程科技有限公司 23942
92 苏州新锐电子工业有限公司 23772
93 东信和平智能卡股份有限公司 23537
94 四川长虹电子集团有限公司 23324
95 赛贝斯软件(中国)公司 23012
96 福建新大陆电脑股份有限公司 22800
97 华迪计算机有限公司 22125
98 希姆通信技术(上海)有限公司 22034
99 北京中软国际信息技术有限公司 21785
100 泰豪软件股份有限公司 21291
分享到:
相关推荐
Origin教程009所需练习数据
内容概要:本文提出了一个新的激活函数dReLU,用于提高大语言模型(LLM)的稀疏激活水平。dReLU可以显著减少模型推理过程中激活的参数数量,从而实现高效的模型推理。通过在Mistral-7B和Mixtral-47B模型上的实验,验证了dReLU的有效性。结果表明,使用dReLU的模型在性能上与原始模型相当甚至更好,同时减少了计算资源的需求,达到了2-5倍的推理加速。 适合人群:对深度学习、大语言模型和模型优化感兴趣的机器学习研究人员和技术开发者。 使用场景及目标:适用于需要高效推理的大语言模型应用场景,特别是资源受限的设备,如移动电话。目标是减少模型的计算资源消耗,提高推理速度。 其他说明:本文详细探讨了dReLU的设计和实验验证,提供了大量的实验数据和对比结果,展示了dReLU在多种任务上的优越表现。
最近参加一个农业机器人的比赛,由于今年的题目是蔬菜幼苗自动搬运,因此搬运部分需要用到一个三轴运动的装置,我们参考了3D打印机的原理,上面通过步进电机控制丝杆和皮带从而带动我们的抓手来抓举幼苗。因为比赛的幼苗和幼苗的基质比较小,这个过程需要精度比较高,查询了一些资料后,我想到了用dma来给STM32单片机的定时器寄存器ARR发送数据来精准控制输出pwm的数量,从而可以精准控制步进电机转动的度数,可以十分方便的计算出到某个位置需要的脉冲。
白色大气风格的商务团队公司模板下载.zip
2023-04-06-项目笔记-第三百五十八阶段-课前小分享_小分享1.坚持提交gitee 小分享2.作业中提交代码 小分享3.写代码注意代码风格 4.3.1变量的使用 4.4变量的作用域与生命周期 4.4.1局部变量的作用域 4.4.2全局变量的作用域 4.4.2.1全局变量的作用域_1 4.4.2.356局变量的作用域_356- 2024-12-25
白色大气风格的个人摄影图片博客网站源码下载.zip
白色大气风格的木材加工行业网站模板下载.zip
PCle AI加速卡在智能制造中的应用.docx
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于计算机科学与技术等相关专业,更为适合;
白色风格的后台管理系统模板下载.rar
内容概要:本文详细介绍了网络热点采集系统的开发过程,包括网页抓取、数据去重、清洗、分类和可视化的各个环节。系统使用 Python 的 requests 和 BeautifulSoup 库抓取指定关键词相关的网页内容,通过集合数据结构去重,利用正则表达式清洗数据,根据关键词匹配进行分类,最后通过 matplotlib 和 wordcloud 库进行数据可视化,展示热点信息。此外,文章还介绍了多线程抓取、数据缓存、异常处理等性能优化方法,以及系统的部署和运行步骤。 适合人群:具有 Python 编程基础的开发人员和技术爱好者。 使用场景及目标:该系统适用于需要实时监控网络热点话题的个人或企业,帮助他们快速了解和分析热点信息的趋势和分布,辅助决策。 阅读建议:在学习本文时,建议读者跟随每一步代码实现,理解各个模块的设计思路和技术细节,并尝试在自己的环境中搭建和运行整个系统,以便更好地掌握网络热点采集系统的开发流程。
白色大气风格的KTV美女麦霸网站模板下载.zip
白色简洁风的博客网站模板下载.zip
梧州市五险一金办事指南
白色简洁风格的餐厅服务团队整站网站源码下载.zip
白色大气风格的境外游景区模板下载.zip
白色大气风格的美食厨师展示模板下载.zip
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于计算机科学与技术等相关专业,更为适合;
白色大气风格的视察滚动房地产模板下载.zip
【要点】:本文提出LLM-Select方法,利用大型语言模型(LLM)在仅提供输入特征名称和预测任务描述的情况下,实现特征选择,其性能可媲美传统数据科学工具,并具有跨查询机制和提示策略的一致性。 【方法】:通过零样本提示(zero-shot prompt)LLM输出特征的重要性分数,实现特征选择。 【实验】:在真实世界数据集上进行广泛实验,结果表明基于LLM的特征选择在性能上与LASSO等数据驱动方法相当,且无需查看下游训练数据。