Extreme Networks证实了收购Avaya网络业务的消息

简介:

Avaya和Extreme Networks日前证实了Avaya将以“大约1亿美元”出售旗下网络业务的消息。

两家公司三月时就有意交涉该交易,但因为当时Avaya还在找其他买家投标,因此,确认Extreme为最后买家花掉了一段时间。

两家公司日前已经发了声明说交易已经完成,既是说一旦等到律师事务、签字和盖章后就完成了,预期交易结束日期为7月1日。

Avaya卖掉网络业务是因为需要现金,Avaya重组债务时举步维艰,所得现金可以帮助其重组债务,而且,Avaya也希望专注统一通信及之类的业务。另一方面,Extreme则想与诸如Cisco和HPE一类的公司平起平坐,Extreme所以还收购了博科的数据中心网络资产,旨在提供涵盖数据中心核心、LAN、校园网络、WAN和安全性的产品组合。

Extreme Networks证实了收购Avaya网络业务的消息

Extreme认为该交易是一个突破口,因为尽管“Avaya Networking并未提供有关业务审核过的财务报告”, Extreme相信 该业务的“年收入超过2亿美元”。 Extreme还表示可以将花在 Brocade的5500万美元转化为2.3亿美元的年收入,以及可以将收购斑马网络的5500亿美元转化1.15亿美元的年收入。如果这些数字是对的,那么明年这个时候Extreme的收入将新添5.45亿美元,外加2016年报出的5.28亿美元的收入。

加在一起也就是十多亿美元,Extreme的规模仍很难与HPE和Cisco攀比,甚至和Juniper网络都没法比。但Extreme落在Arista后面不是太远,业界人士通常认为在开企业网络购物清单时Arista是值得考虑的。

本文转自d1net(转载)

相关文章
|
8月前
|
机器学习/深度学习 算法 PyTorch
RPN(Region Proposal Networks)候选区域网络算法解析(附PyTorch代码)
RPN(Region Proposal Networks)候选区域网络算法解析(附PyTorch代码)
1523 1
|
5月前
|
机器学习/深度学习 存储 算法
回声状态网络(Echo State Networks,ESN)详细原理讲解及Python代码实现
本文详细介绍了回声状态网络(Echo State Networks, ESN)的基本概念、优点、缺点、储层计算范式,并提供了ESN的Python代码实现,包括不考虑和考虑超参数的两种ESN实现方式,以及使用ESN进行时间序列预测的示例。
254 4
回声状态网络(Echo State Networks,ESN)详细原理讲解及Python代码实现
|
2月前
|
机器学习/深度学习 算法
生成对抗网络(Generative Adversarial Networks,简称GANs)
生成对抗网络(GANs)由Ian Goodfellow等人于2014年提出,是一种通过生成器和判别器的对抗训练生成逼真数据样本的深度学习模型。生成器创造数据,判别器评估真实性,两者相互竞争优化,广泛应用于图像生成、数据增强等领域。
|
3月前
|
机器学习/深度学习 API 算法框架/工具
残差网络(ResNet) -深度学习(Residual Networks (ResNet) – Deep Learning)
残差网络(ResNet) -深度学习(Residual Networks (ResNet) – Deep Learning)
89 0
|
5月前
|
机器学习/深度学习 数据可视化 算法框架/工具
【深度学习】Generative Adversarial Networks ,GAN生成对抗网络分类
文章概述了生成对抗网络(GANs)的不同变体,并对几种经典GAN模型进行了简介,包括它们的结构特点和应用场景。此外,文章还提供了一个GitHub项目链接,该项目汇总了使用Keras实现的各种GAN模型的代码。
81 0
|
算法 数据挖掘
RPN:Region Proposal Networks (区域候选网络)
RPN:Region Proposal Networks (区域候选网络)
283 2
RPN:Region Proposal Networks (区域候选网络)
|
机器学习/深度学习 关系型数据库
GAN:生成对抗网络 Generative Adversarial Networks
GAN:生成对抗网络 Generative Adversarial Networks
116 2
GAN:生成对抗网络 Generative Adversarial Networks
|
网络协议 安全 应用服务中间件
网络-http协议学习笔记(消息结构、请求方法、状态码等)
网络-http协议学习笔记(消息结构、请求方法、状态码等)
154 0
|
机器学习/深度学习 存储
Exploring the Regularity of Sparse Structure in Convolutional Neural Networks(在卷积神经网络中探索稀疏结构的规律性)
作者提出 基于论文Learning both weights and connections for efficient neural network修剪的方法在保留精度以及实现更高的压缩率方面确实很好。但是,这种改进是以稀疏计算模式的不规则性为代价的。 另一方面结构化的剪枝(例如修剪掉整个过滤器),但是比修剪单个权重会引起更大的精度损失。
180 0
Exploring the Regularity of Sparse Structure in Convolutional Neural Networks(在卷积神经网络中探索稀疏结构的规律性)
|
存储 机器学习/深度学习 自然语言处理
Text to image论文精读 DM-GAN: Dynamic Memory Generative Adversarial Networks for t2i 用于文本图像合成的动态记忆生成对抗网络
这篇文章提出了动态记忆生成对抗网络(DM-GAN)来生成高质量的图像。该方法可以在初始图像生成不好时,引入动态存储模块来细化模糊图像内容,从而能够从文本描述中更加准确地生成图像。 文章被2019年CVPR(IEEE Conference on Computer Vision and Pattern Recognition)会议收录。 论文地址: https://arxiv.org/abs/1904.01310?context=cs 代码地址: https://github.com/MinfengZhu/DM-GAN
Text to image论文精读 DM-GAN: Dynamic Memory Generative Adversarial Networks for t2i 用于文本图像合成的动态记忆生成对抗网络

热门文章

最新文章