Helper2416:裸机第一步之点亮LED

在经过一系列的准备和挑战后,作者终于亲手点亮了自己的开发板,分享了从阅读电路原理图到实际编程实现的过程,包括使用虚拟机、红帽系统、vim编辑器等工具,以及如何通过makefile生成镜像文件并烧录至SD卡的详细步骤。文章还提及了下一步的研究方向——时钟配置问题,并暗示了后续可能会涉及的老大布置的作业。
其实板子在几天前已经到学校了,但因为毕业游等等一系列的问题,直到昨天才能把它捧在手心。全家照之类有其他网友的就行了。
依照提交的学习计划,今天捣鼓了一个下午,总算把灯给点亮起来了
貌似玩各种开发板的第一步都是向在大理段王爷致敬大笑
言归正传,结合自己之前学习210的经历,开发环境是虚拟机VM+红帽系统6.0,用系统自带的vim文本敲写代码的

一.查看电路原理图,找到控制 led 的芯片引脚

 
图片中表明需要对GPB1进行功能和数值设置,在芯片手册上寻找对应管脚寄存器配置的方法



暂时不需用到看门狗,将它关进小黑屋



二.参照大神yuanlai2010和自己之前捣鼓过的程序,磕磕碰碰用vim写出了下面的代码和makefile文件(见附件)
三.一键make,生成所要的镜像bin文件,用君益兴提供的IROM烧写工具烧进SD卡中,改变跳线帽位置,上电,灯不负所望闪起来了

接下来打算研究一下时钟配置的问题,顺便解决老大布置的作业奋斗
 
MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值