在英特尔工作近20年后，他回清华任教
清华大学集成电路学院网站更新上线了长聘教授、清华大学兴华讲席教授、博士生导师苏菲的相关页面。这意味着这位在英特尔工作近20年、全球最优秀的半导体架构师之一已经离开美国，回国任教。
ieee
第八届IEEE国际无人系统大会举办
无人机编队在空中勾勒出绚烂的历史画卷，智能机器人不仅能在博物馆中为游客提供精准导览，也能在古籍书库完成自动化盘点……无人系统技术正以前所未有的广度和深度融入文化产业。9月18日—19日，2025第八届IEEE国际无人系统大会在常州举办。
【资源动态】开学季 “硬核” 福利！IEEE Xplore 实用指南派送
在任意页面，顶部检索框内输入关键词或检索式，点击进行检索。
ieee xplore ieeexplore xplore实 2025-09-18 16:27 4
面向车联网语义通信的基于模糊熵的优化模型
车联网通信因其固有的高频传输和海量数据的特性，会给通信链路带来巨大负载。而语义通信技术通过提取语义信息进行信息压缩，能显著提升频谱效率，因此在车联网中具有巨大的应用潜力。然而，在信宿知识库动态更新的场景下，动态语义知识库的共享增加了额外传输开销。针对这一问题，
市场上POE交换机的品牌繁多，如何正确识别一台POE交换机的好坏？
随着安防监控、无线AP、IP电话、物联网终端的大规模普及，POE交换机已经成为弱电工程里必不可少的设备。它不仅能传输数据，还能通过网线同时给设备供电，免去了单独拉电源的麻烦。
秋日充电正当时！IEEE Xplore MOOC 助你赋能未来
夏去秋来，天朗气清，在这个沉淀收获的季节，IEEE Xplore MOOC 2025秋季课程带您踏上这场探索的新征程，收获科研硕果！
培训讲座 | IEEE Xplore MOOC秋季课程助你赋能未来！
夏去秋来，天朗气清，在这个沉淀收获的季节，IEEE Xplore MOOC 2025秋季课程带您踏上这场探索的新征程，收获科研硕果！
全球首部！亚信科技、英特尔、清华AIR、香港理工、IEEE发布AI-RAN商业展望白皮书
2025年9月12日，亚信科技联合英特尔、清华大学智能产业研究院（AIR）、香港理工大学人工智能高等研究院、IEEE，正式发布《AI-RAN面向垂直行业的商业展望白皮书》（以下简称“白皮书”）中英文版！该白皮书已被学术网站arXiv收录。
“翼”展锋芒，天翼云高性能计算领域论文被IEEE HPCC 2025收录！
近日，由天翼云科技有限公司基础架构事业部（操作系统技术部）高性能网络研发团队撰写的论文《APSCC: Adaptive Congestion Control for Packet-Sprayed RDMA Networks in AI Clusters》被20
IEEE旗下医学2区Top刊，IF与发文量持续看涨，国人友好度高，投稿快冲！
今日向各位学者推荐一本IEEE旗下医学类2区Top期刊。该刊影响因子持续上涨，年发文量不断扩大，正处在高速发展期。对国内作者非常友好，且审稿周期较快（通常为6-8周）。对于毕业、职称评定等学术需求来说，这是一本非常值得尝试的期刊，建议重点关注并踊跃投稿！
秋日充电正当时！IEEE Xplore MOOC秋季课程助你赋能未来
夏去秋来，天朗气清，在这个沉淀收获的季节，IEEE Xplore MOOC 2025秋季课程带您踏上这场探索的新征程，收获科研硕果！
最新学术活动 || 20250910学术活动汇总
访问中国⺠航大学图书馆官网--资源--数据库导航--新东方多媒体学习库，从【直播】栏目进入直播间观看(温馨提示:如需校外访问，请在校内IP段内通过注册个人账号，在校外即可以通过个人账号使用该数据库。)
捡漏！IEEE旗下中科院2区难度新低！速度吊打IEEE Access
先说最香的：IEEE Communications Letters。3周出意见，编辑还会顺手帮你改语法。
ieee access ieeeaccess 吊打ieee 2025-09-10 09:15 6
权威认可，天翼云高性能计算领域论文被IEEE HPCC 2025收录！
近日，由天翼云科技有限公司基础架构事业部（操作系统技术部）高性能网络研发团队撰写的论文《APSCC: Adaptive Congestion Control for Packet-Sprayed RDMA Networks in AI Clusters》被20
水声通信SCI期刊，重推6本IEEE旗下期刊
水声通信SCI期刊，涉及主题范围还是比较广的，比如技术类、电信类、计算机类、物理类等。本文先给大家介绍可以收这一方向的8本期刊，之后重推6本IEEE旗下期刊。
大小模型如何协同？破解智能计算中的高成本与低效难题 | CNCC
与以往单一依赖云端大模型的方式不同，大小模型协同智能计算强调云-边-端一体化融合。大模型凭借深度理解与跨模态推理能力，在复杂任务中表现突出；小模型则以轻量、高效、低延迟为优势，能够在本地快速响应并满足定制化需求。这种协同模式不仅有助于缓解高延迟响应和高算力消耗