- 博客(30)
- 资源 (6)
- 收藏
- 关注
RSS订阅
原创 计组-运算器实验.doc
实验目的1.掌握模拟过程中算术、逻辑运算单元的控制方法；2.理解寄存器组中寄存器数据输出的方法。实验环境操作系统：Windows 10虚拟模拟软件：logisim三、实验内容及结果CP226 中的运算器由一片CPLD实现，有8种运算，通过S2，S1，S0 来选择，运算数据由寄存器A及寄存器W 给出，运算结果输出到直通门D。功能如下表：S2 S1 S0功能0 0 0A+W 加0 0 1A-W 减
2022-07-22 19:21:44
764
原创 数据库orcle-实验一 数据定义和数据更新
一、实验目的（1）熟悉数据库的交互式SQL工具；（2）通过本实验能够熟练应用sql语言进行基本表和索引的定义，能够对表的结构进行修改和删除，并通过数据更新命令输入相应的数据。二、实验环境计算机windows7操作系统，Oracle 11g， SQL Developer三、实验内容及结果（一）数据定义一、基本表操作1.建立基本表创建教材中的学生表（student）、学生选课表（SC）、课程表（course）1）·学生表：Student (Sno, Sname,Sage，Ssex,Sde
2021-07-30 12:19:05
964
原创 计组-运算器实验.doc
实验目的 1.掌握模拟过程中算术、逻辑运算单元的控制方法； 2.理解寄存器组中寄存器数据输出的方法。 实验环境 操作系统：Windows 10 虚拟模拟软件：logisim 三、实验内容及结果 CP226 中的运算器由一片CPLD实现，有8种运算，通过S2，S1，S0 来选择，运算数据由寄存器A及寄存器W 给出，运算结果输出到直通门D。功能如下表： S2 S1 S0 ...
2021-07-30 12:10:33
832
原创 计组-存储器实验
实验目的理解并掌握存储器的读，写操作过程理解存储操作中锁存脉冲的作用掌握存储操作中时序电路的作用实验环境操作系统：Windows虚拟模拟软件：logisim三、实验内容及结果1.学会对MAR寄存器的使用，并读出数据到MDR寄存器分析：MAR:当便能为1，时钟对其有效，便能为0，忽略时钟变化。MAR:当便能为1，时钟对其有效，便能为0，忽略时钟变化。读入地址：当MAR便能为1，MDR便能为0时，时钟一次变化，MAR读入输入端的数据，做为地址，并在随机存储器RAM中查询该地址，图中黑
2021-07-30 12:02:12
2310
原创 指令集对CPU性能的影响
IA－64和RISC架构;IA－64：IA－64架构是英特尔为了全面提高以前IA－32位处理器的运算性能，是Intel和Hp共同开发了6年的64位CPU架构，是专为服务器市场开发的一种全新的处理器架构，它放弃了以前的x86架构，认为它严重阻碍了处理器的性能提高。它的最初应用是英特尔的Itanium（安腾）系列服务器处理器，现在最新的Itanium 2系列处理器也是采用这一架构的。由于它不能很好地解决与以前32位应用程序的兼容，所以应用受到较大的限制，尽管目前Intel采取了各种软、硬方法来弥补这一不足，
2021-07-30 11:58:50
2108
原创 数据库Oracle-实验二 数据查询
一、实验目的（1）通过本实验能够掌握投影、选择条件表达、排序、分组的sql语句表达。（2）通过本实验能够熟练应用sql语言进行查询，具体包括单表查询，多表连接查询。（3）通过本实验能够熟练应用sql语言使用IN、比较符、ANY或ALL和EXISTS操作符进行嵌套查询操作。（4）掌握视图的定义、查询、修改。二、实验环境计算机windows7操作系统，Oracle 11g， SQL Developer三、实验内容及结果包括排序、分组的单表查询求数学系学生的学号和姓名。代码：select
2021-07-30 11:57:34
1944
原创 数据库Oracle-实验三 数据库的安全性和完整性控制
一、实验目的（1）通过本实验能够熟练应用sql语言进行用户权限的授予和回收。（2） 熟练掌握实体完整性，参照完整性及用户定义的完整性的定义。（3）体会oracle数据库系统在安全性和完整性保护方面的特性。二、实验环境计算机windows7操作系统，Oracle 11g， SQL Developer三、实验内容及结果授权创建用户”S学号u1”，S学号u2，S学号u3，S学号U4,并为其赋予connect角色。其中，学号是指你的学号，比如你的学号为20130001，则你创建的用户应该是
2021-07-30 11:56:33
976
1
原创 数据结构-图-遍历输出-c++
图的深度优先遍历和广度优先遍历 c++第一部分是用邻接表创建的图，具体注释可参见我的第一篇文章// typedef struct ArcNode{ int adjvex; int info; struct ArcNode *next;} ArcNode;typedef struct VNode{ int data; struct ArcNode *firstarc;} VNode,AdjList[maxnum];typedef struct{
2020-12-08 19:03:02
701
1
原创 数据结构-图的创建-c++
数据结构-图的创建-c++在网上找了很多没有找到一个用类c语言写图的，所以这里自己来总结一下。邻接矩阵创建/*#include <bits/stdc++.h>#define maxint 10000#define maxnum 100using namespace std;*/typedef struct{ int vexs[maxnum];//顶点表 int edges[maxnum][maxnum];//邻接矩阵 int vexnum,arcn
2020-12-08 17:33:52
3399
原创 高斯分布及后续
高斯分布在这个文章中，我将介绍高斯分布，也称为正态分布。回顾高斯分布的基本知识。通常如果我们认为变量 ???? 符合高斯分布 ???? ∼ ????(????, ????2)则其概率密度函数为：我们可以利用已有的数据来预测总体中的????和????2的计算方法如下：最后来一个样例高斯分布算法介绍废话不多说，咱们直接上简单明了的定义及解释...
2020-08-10 19:57:04
233
原创 线性问题及神经网络介绍
过拟合问题第一个模型是一个线性模型，欠拟合，不能很好地适应我们的训练集；第三个模型是一个四次方的模型，过于强调拟合原始数据，而丢失了算法的本质：预测新数据。我们可以看出，若给出一个新的值使之预测，它将表现的很差，是过拟合，虽然能非常好地适应我们的训练集但在新输入变量进行预测时可能会效果不好；而中间的模型似乎最合适。代价函数上面的回归问题中如果我们的模型是：ℎ????(????) = ????0 + ????1????1 + ????2????22 + ????3????33 + ???
2020-08-10 19:39:06
392
原创 吴恩达机器学习第四章
4.1 多维特征参考视频: 4 - 1 - Multiple Features (8 min).mkv前几章，我们学习了单变量/特征的回归模型，现在我们对房价模型增加更多的特征，例如房间数楼层等，构成一个含有多个变量的模型，模型中的特征为(????1, ????1, . . . , ????????)。增添更多特征后，我们引入一系列新的注释：???? 代表特征的数量????(????)代表第 ???? 个训练实例，是特征矩阵中的第????行，是一个向量（vector）。例如，上图的?
2020-07-24 11:20:13
508
原创 吴恩达机器学习第三章
矩阵和向量矩阵的维数即行数×列数矩阵元素（矩阵项）：???? = [1402 191 1371 821 949 1437 147 1448]????????????指第????行，第????列的元素。向量是一种特殊的矩阵，讲义中的向量一般都是列向量，如：???? = [460 232 315 178]为四维列向量（4×1）。如下图为 1 索引向量和 0 索引向量，左图为 1 索引向量，右图为 0 索引向量，一般我们用 1 索引向量。 ???? = [???
2020-07-24 10:53:23
363
原创 机器学习day2
模型描述这个很简单了，大家一看就可以知道了这个是对应的我上一篇博客里的房价的问题的一个模型，左边一列为规格大小，我们称为X，右边一列是对应的房价，我们称为Y。如果大家学过函数，我建议大家就把这个X当做自变量或者是参数，Y当做因变量或者是返回值。ok，那么还有一个m其实就是数据的组数，像上图我们就给出了4组数据，那么这里的m就是4。代价函数，梯度下降，线性回归代价函数废话不说，上图 这张图是博主自己对应上一张图写的一个注释。这张图左边就是在不同取值的θ–1下对应的h函数的图像，这张
2020-07-17 15:30:56
120
原创 小冯机器学习第一天
吴恩达机器学习第一天：1. 什么是机器学习？计算机程序从经验E中学习，解决某一任务T，进行某一性能度量P，通过P测定在T上的表现因经验E而提高。那么，我们对这段话来两个例子进行一个通俗的讲解。*1.*Samuel制造了一个玩跳棋的程序，但他自己并不是一个跳棋高手。在这里，他通过让程序与自己对弈数万次，通过观察哪些布局容易赢，哪些布局容易输。于是一段时间后，按照剧情的发展，这个跳棋程序很nb了。那么这很明显是跳棋程序一个机器学习的过程。于是，我们将其带入定义，得到定义实例
2020-07-16 17:26:12
177
多模态大模型理解:111
2025-01-21
多模态模型的发展⽅向111
2025-01-21
模型训练之RLHF1111
2025-01-21
⼤模型分布训练并⾏111
2025-01-21
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人