第一章,计算机系统漫游

博客介绍计算机系统知识,信息由位和上下文构成,程序经编译系统翻译成不同格式。阐述系统硬件组成,强调高速缓存和存储层次结构的重要性。介绍操作系统通过进程、虚拟内存和文件管理硬件,还提及系统间网络通信及Amdahl定律、并发并行等重要主题。

1.1 信息就是 位 + 上下文

大部分的现在计算机系统都使用 ASCII 标准来表示文本字符,

hello.c程序是以字节序列的方式存储在文件中的。

系统中所有的信息--包括磁盘文件、内存中的程序、内存中存放的用户数据以及网络上传送的数据,都是由一串比特表示的。

区分不同数据对象的唯一方法时我们读到这些数据对象时的上下文。

gcc -o hello hello.c

hello.c(源程序)-->预处理器(cpp)-->hello.i(修改了的源程序文本)-->编译器(cc1)-->hello.s(汇编程序文本)-->汇编器(as)-->hello.o(可重定位目标程序二进制)-->连接器(ld)-->hello(可执行目标程序二进制)

 

1.2 程序被其他程序翻译成不同的格式

1.3 了解编译系统如何工作是大有益处的

1.4 处理器读并解决存储在内存中的指令

1.4.1 系统的硬件组成

1.总线

2. I/O设备

1.5  高速缓存至关重要

1.6 存储设备形成层次结构

L0(寄存器)>L1(L1高速缓存SRAM)>L2(L2高速缓存SRAM)>L3(L3高速缓存SRAM)>L4(主存DRAM)>L5(本地二级存储本地磁盘)>L6(远程二级存储,分布式文件系统,Web服务器)

1.7 操作系统管理硬件

操作系统有两个基本功能:1.防止硬件被失控的应用程序滥用;2.向应用程序提供简单一致的机制来控制复杂而又通常大不相同的低级硬件设备。

操作系统通过几个基本的抽象概念:进程,虚拟内存和文件来实现上面两个功能。

1.7.1 进程

操作系统实现交错执行的机制称为上下文切换。

操作系统保持跟踪进程运行所需的所有状态信息。这种状态,也就是上下文。

从一个进程到另一个进程的转换是由操作系统内核管理的。

内核是操作系统代码常驻主存的部分。

实现进程这个抽象概念需要低级硬件和操作系统软件之间的紧密合作。

1.7.2 线程

现在系统中,一个进程实际由多个线程执行单元组成,每个线程都运行在进程的上下文中,并共享同样的代码和全局数据。

1.7.3 虚拟内存

它为每个进程提供一个假象,即每个进程都在独占地使用主存。每个进程看到的内存都是一致的,称为虚拟地址空间。

程序代码和数据

共享库

内核虚拟内存

1.7.4 文件

文件就是字节序列,仅此而已。

1.8 系统之间利用网络通信

1.9 重要主题

1.9.1 Amdahl定律

1.9.2 并发和并行

1.线程级并发

2.指令级并行

3.单指令、多数据并行

1.9.3 计算机系统中抽象的重要性

 

【电力系统】单机无穷大电力系统短路故障暂态稳定Simulink仿真(带说明文档)内容概要:本文档围绕“单机无穷大电力系统短路故障暂态稳定Simulink仿真”展开,提供了完整的仿真模型与说明文档,重点研究电力系统在发生短路故障后的暂态稳定性问题。通过Simulink搭建单机无穷大系统模型,模拟不同类型的短路故障(如三相短路),分析系统在故障期间及切除后的动态响应,包括发电机转子角度、转速、电压和功率等关键参数的变化,进而评估系统的暂态稳定能力。该仿真有助于理解电力系统稳定性机理,掌握暂态过程分析方法。; 适合人群:电气工程及相关专业的本科生、研究生,以及从事电力系统分析、运行与控制工作的科研人员和工程师。; 使用场景及目标:①学习电力系统暂态稳定的基本概念与分析方法;②掌握利用Simulink进行电力系统建模与仿真的技能;③研究短路故障对系统稳定性的影响及提高稳定性的措施(如故障清除时间优化);④辅助课程设计、毕业设计或科研项目中的系统仿真验证。; 阅读建议:建议结合电力系统稳定性理论知识进行学习,先理解仿真模型各模块的功能与参数设置,再运行仿真并仔细分析输出结果,尝试改变故障类型或系统参数以观察其对稳定性的影响,从而深化对暂态稳定问题的理解。
本研究聚焦于运用MATLAB平台,将支持向量机(SVM)应用于数据预测任务,并引入粒子群优化(PSO)算法对模型的关键参数进行自动调优。该研究属于机器学习领域的典型实践,其核心在于利用SVM构建分类模型,同时借助PSO的全局搜索能力,高效确定SVM的最优超参数配置,从而显著增强模型的整体预测效能。 支持向量机作为一种经典的监督学习方法,其基本原理是通过在高维特征空间中构造一个具有最大间隔的决策边界,以实现对样本数据的分类或回归分析。该算法擅长处理小规模样本集、非线性关系以及高维度特征识别问题,其有效性源于通过核函数将原始数据映射至更高维的空间,使得原本复杂的分类问题变得线性可分。 粒子群优化算法是一种模拟鸟群社会行为的群体智能优化技术。在该算法框架下,每个潜在解被视作一个“粒子”,粒子群在解空间中协同搜索,通过不断迭代更新自身速度与位置,并参考个体历史最优解和群体全局最优解的信息,逐步逼近问题的最优解。在本应用中,PSO被专门用于搜寻SVM中影响模型性能的两个关键参数——正则化参数C与核函数参数γ的最优组合。 项目所提供的实现代码涵盖了从数据加载、预处理(如标准化处理)、基础SVM模型构建到PSO优化流程的完整步骤。优化过程会针对不同的核函数(例如线性核、多项式核及径向基函数核等)进行参数寻优,并系统评估优化前后模型性能的差异。性能对比通常基于准确率、精确率、召回率及F1分数等多项分类指标展开,从而定量验证PSO算法在提升SVM模型分类能力方面的实际效果。 本研究通过一个具体的MATLAB实现案例,旨在演示如何将全局优化算法与机器学习模型相结合,以解决模型参数选择这一关键问题。通过此实践,研究者不仅能够深入理解SVM的工作原理,还能掌握利用智能优化技术提升模型泛化性能的有效方法,这对于机器学习在实际问题中的应用具有重要的参考价值。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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