自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(18)
  • 收藏
  • 关注

原创 深入FreeRTOS内核——第五章、软件定时器管理

本文详细介绍了FreeRTOS中的软件定时器管理,包括软件定时器的创建、启动、重置、周期修改以及删除。软件定时器用于在将来的特定时间执行函数,或以固定频率周期性执行。文章解释了软件定时器与任务的区别、RTOS守护进程任务、定时器命令队列,并展示了一次性软件定时器与自动重载软件定时器的不同行为。同时,讨论了软件定时器的状态转换和上下文,以及如何使用API函数来管理软件定时器。

2025-01-02 15:54:09 811

原创 深入FreeRTOS内核——第四章、队列管理

这次我们详细学习了FreeRTOS中的队列管理机制,包括队列的创建、数据存储、发送和接收数据的方法、阻塞行为以及多任务访问。特别强调了队列的FIFO特性、数据复制和引用的不同实现方式,以及任务优先级对队列读写操作的影响。文中还提供了API函数的使用示例和多源数据接收的设计模式。

2024-12-30 17:54:49 1020

原创 深入FreeRTOS内核——第三章、任务管理

这次学习了FreeRTOS的任务管理机制,包括任务的调度、优先级、状态以及创建和删除任务的方法。文章解释了如何实现任务、改变任务优先级、使用任务参数以及任务的阻塞和挂起状态。同时,探讨了FreeRTOS的调度算法,包括抢占式调度与时间片轮转调度,以及合作式调度。此外,还讨论了线程局部存储和任务删除的相关内容。

2024-12-29 21:23:26 1220

原创 FreeRTOS实战——一、基于HAL库项目的FreeRTOS移植步骤

FreeRTOS移植

2024-12-28 21:55:38 1151

原创 深入FreeRTOS内核——第二章、堆内存管理

这次我们一起学习了FreeRTOS中的堆内存管理,包括静态和动态内存分配的对比、多种内存分配方案的选择与应用,以及如何使用特定的API函数和宏来监控和管理堆内存使用情况。文章还探讨了如何初始化堆内存、收集任务堆使用统计信息,以及如何将任务栈放置在快速内存中。

2024-12-28 19:04:16 739

原创 深入FreeRTOS内核——第一章、FreeRTOS基础:核心概念与入门指南

这一章的主要内容具体有:1. FreeRTOS目录结构2. 特定FreeRTOS项目所需源文件3. 演示应用程序4. 如何创建一个新的FreeRTOS项目

2024-12-27 21:26:47 1067 1

原创 学术成功的关键:如何用图表设计赢得审稿人的心(科技论文配色篇01-名校审美)

撰写论文是一个既严谨又充满挑战的过程。对于许多研究人员来说,除了确保论文内容的深度和创新性之外,如何将复杂的数据和理论以图表的形式清晰、美观地呈现出来,也是一个令人头疼的问题。

2024-10-21 14:06:08 731

原创 用C/C++构建自己的Redis——第七章、堆数据结构&TTL

本章我们学习了如何使用C/C++构建自己的Redis服务器,特别是如何实现和管理带TTL(生存时间)的堆数据结构。文章首先回顾了堆数据结构的基本概念,然后详细描述了堆的定义、操作以及如何将堆集成到服务器中以维护TTL计时器。此外,还讨论了如何添加和删除TTL计时器,以及如何找到最近的计时器和触发计时器。最后,介绍了如何添加新的命令来更新和查询TTL。

2024-10-20 17:22:15 2089

原创 计算机的崛起:从诺贝尔物理学奖到未来科学的深远影响

本文将从几个角度详细探讨这一变化的意义:首先,我们将梳理诺贝尔物理学奖为何选择机器学习领域;其次,我们将讨论这些技术对物理学和其他领域的变革性影响;最后,我们将展望人工智能对未来科学发展的潜在贡献,并探讨这一领域的未来挑战与伦理问题。

2024-10-12 21:20:43 788

原创 用C/C++构建自己的Redis——第六章、事件循环和计时器

这一章我们学习了如何在服务器中实现超时机制,以便处理空闲的TCP连接。我们首先了解超时在网络编程中的重要性,然后讨论修改事件循环的必要性,并提出了使用链表作为计时器的数据结构。接着,文章提供了链表操作的具体代码,并展示了如何将这些操作集成到事件循环中。此外,还介绍了如何处理和触发计时器,并提供了测试空闲超时机制的方法。

2024-10-12 20:53:33 1035

原创 用C/C++构建自己的Redis——第五章、Redis中的AVL树实现

在Redis数据库中,有序集合是一种核心的数据结构,它允许存储具有关联分数的唯一元素。为了实现这种数据结构,Redis采用了AVL树,一种自平衡的二叉搜索树,以确保数据的快速插入、删除和查找操作。这一章我们将一起深入探讨AVL树在Redis有序集合中的应用,包括其节点定义、插入和删除操作、以及如何通过旋转操作保持树的平衡。此外,文章还将介绍如何通过一系列测试案例来验证AVL树的正确性和性能,确保其在实际应用中的可靠性。

2024-09-27 16:52:50 1268

原创 用C/C++构建自己的Redis——第四章、基础服务器:get、set和del

这里我们首先对前面几章做一个总结,第一章“TCP Server和Client”,我们学习了客户端和服务端如何通信;第二章“协议解析”,学习了协议解析、IO辅助函数、通信过程中这些请求是如何处理的;第三章“回声服务器(实现事件循环)”,学习了如何循环的去处理请求,如缓存等等。这一章将进一步完善服务器,这将在前三章的基础上添加更深的内容,如对客户端发送请求中的命令处理,如get、set和del

2024-09-21 21:15:58 624

原创 用C/C++构建自己的Redis——第三章、回声服务器(实现事件循环)

前一章“协议解析”我们一起学习了如何构建一个简单的Redis服务器,包括协议解析、IO辅助函数、请求处理。这一章我们一起学习如何构建一个回声服务器,如何建立新连接、进行状态机读写以及协议解析。

2024-09-20 00:24:15 2595

原创 用C/C++构建自己的Redis——第二章、协议解析

数据结构,很多初学者对它的实际用处了解较少,《Build Your Own Redis with C/C++》讲述了如何从0使用C/C++,运用基本的数据结构,构建属于自己的Redis。前面一章“TCP Server和Client”我们一起学习了,如何通过Socket实现TCP的通信——Client发送请求到Server以及Server返回响应到Client。这一章我们学习如何构建一个简单的Redis服务器,包括协议解析、IO辅助函数、请求处理、客户端代码和测试。

2024-09-18 19:41:48 1297

原创 深度时间序列模型:无师自通

近些年来,时序预测方向研究爆火,这里我们分享综述论文Deep Time Series Models: A Comprehensive Survey and Benchmark,该论文非常完善的总结了近些年的热点时序论文,并且针对时序预测研究方向各个点进行了提炼和汇总。如果初看这篇论文,可能晦涩难懂,这里我尽量采用最为朴素的方法进行描述。

2024-09-18 09:50:37 1531

原创 用C/C++构建自己的Redis——第一章、TCP Server和Client

数据结构,很多初学者对它的实际用处了解较少,最近看了一本书《Build Your Own Redis with C/C++》,它讲述了如何从0使用C/C++,运用基本的数据结构,构建属于自己的Redis。今天,我们一起学习**TCP Server和Client**这一部分。

2024-09-14 18:15:28 2521 2

原创 Koopa: Learning Non-stationary Time Series Dynamics with Koopman Predictors [时序必读论文]

发表在 NeurIPS 2023 (CCF A) 的论文。时间序列数据本身是一个动态系统,根据Koopman理论,动态的变化可以由线性转移算子$\mathcal{K}$表示,不同时期的$\mathcal{K}$不同。转移过程公式:$\mathcal{K}\circ g(x_t)=g(\mathbf{F}(x_t))=g(x_{t+1})$。复杂的非平稳时序数据由时变和时不变成分,该文章的核心内容是将原始数据分解为时变和时不变两部分,然后分别使用koopman理论进行处理。

2024-09-13 12:08:46 1158

原创 SparseTSF:Modeling Long-term Time Series Forecasting with 1k Parameters [超轻量时序预测]

发表在 ICML 2024 (CCF A)的文章。该文章介绍了一个及其轻量级的模型Sparse,用于长期时间序列预测。SparseTSF的核心技术是跨周期稀疏预测技术,通过解耦时间序列的周期性和趋势来简化预测任务。首先对原始序列进行降采样,专注跨周期的趋势预测,提取周期特征。

2024-09-12 21:10:40 1374

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除