26、使用C和汇编语言探索ATtiny微控制器

C与汇编探索ATtiny微控制器

使用C和汇编语言探索ATtiny微控制器

定时器项目中的寄存器使用

在轮询定时器项目中,TIFR被直接使用,不过在ATtiny13(A)和ATtiny25/45/85中其定义名称不同。为了让代码同时适用于这两类ATtiny设备,使用了 .ifndef 指令。在 timer0_uni_int_asm 项目中,没有直接使用TIFR,而是使用了TIMSK。对于ATtiny13(A),该寄存器名为TIMSK0,而对于ATtiny25/45/85则名为TIMSK。同样使用了 .ifndef 代码,不过这次是针对TIMSK寄存器而非TIFR寄存器,这在代码清单顶部可以看到。

当在代码的TIMSK寄存器中设置OCIE0A位时,它对ATtiny13(A)和ATtiny25/35/85设备都有效,尽管该位在这两类ATtiny设备的寄存器中位置不同,这在数据手册中可以看到。这是因为在Microchip Studio中为所选设备的头文件中进行了正确定义。

中断向量表处理

未使用的向量表条目已从代码中移除。定时器0比较匹配A中断向量通过在ATtiny包含文件中为该地址定义的名称 OC0Aaddr 包含在代码中。如前所述,该名称与 .org 指令一起使用,为定时器0比较匹配A中断向量设置正确的地址。在ATtiny13(A)包含文件中, OC0Aaddr 被定义为 0x0006 ,而在ATtiny25/45/85文件中则为 0x000A ,从而使向

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,划分训练集测试集(默认7:3)。 数据归一化:使用mapminmax将输入输出归一化到[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