fdtsaid-优快云博客

原创 SCADE One - 弥合基于模型设计与传统编程之间的鸿沟

Scade One是继Scade Suite version 6自2008年起发展近20年后的首次主要改进版本。在Scade One首版次发布数月前，Scade团队发布了一系列介绍Scade One的博客。本篇`Scade One – Bridging the Gap between Model-Based Design and Traditional Programming`是其中的一部分。在后面的内容中，将复述博客中的要点。

2025-04-05 11:06:13 283

原创 Scade One - 可视化编程体验

Scade One是继Scade Suite version 6 自2008年起发展近20年后的首次主要改进版本。在Scade One首版次发布数月前，Scade团队发布了一系列介绍Scade One的博客。本篇`Scade One - A Visual Coding Experience`是其中的一部分。在后面的内容中，将复述博客中的要点。

2025-04-05 09:28:00 256

原创 SCADE 6: 面向高安全软件开发的基于模型的解决方案

SCADE是一种专为描述和实现高安全应用而开发的编程语言及工具套件。其理论基础源自实时应用领域的同步语言理论。SCADE填补了控制工程与软件工程之间的鸿沟，它为这两个领域提供了一种统一且严谨的图形化与文本化语言，这种语言体现了控制工程的核心理念.

2025-04-04 22:09:36 216

原创 ANSYS Scade One Swan语言与Scade 6的区别 - 状态机部分的改变

ANSYS Scade One 是 ANSYS Scade Suite 的后继产品。其语言Scade 6自2008推出近20年后，推出了演化后的语言Swan。Swan对比Scade 6在状态机方面进行了若干改变。

2025-03-30 13:31:57 327

原创 ANSYS Swan 语言 forward 迭代（三） - resume 状态保持

本文将描述 forward 中将当前迭代结果保留，作为下一次迭代开始时输入的特性 forward resume。

2025-03-25 20:25:59 217

原创 ANSYS Swan 语言 forward 迭代（二） - 通用迭代计算

ANSYS Swan 相比前身 Scade 6，引入了新的迭代特性 forward。本文将描述 forward 作为通用迭代计算的使用方法。

2025-03-23 21:29:29 205

原创 ANSYS Swan 语言 forward 迭代(一) - 数组与矩阵遍历

ANSYS Swan 语言引入的 forward 迭代特性为数组和矩阵遍历提供了强大的工具。本文详细解析了 forward 的核心机制，并通过多个实战示例展示了其在数组元素变换、累加计算、显式索引访问及多数组并行处理中的应用。同时，针对矩阵遍历，介绍了显式索引法和元素直接绑定两种方法，并对比了不同设计模式的适用场景与性能影响。最后，提供了调试技巧，帮助开发者高效使用 forward 迭代。

2025-03-23 19:54:23 369

原创 Lustre 语言的 Rust 生成相关的工作

目前 Lustre V6 编译器支持编译生成的语言为C语言。但也注意到，以 Rust 语言为生成目标语言，也存在若干相关工作。

2025-03-22 09:34:02 465

原创 ANSYS Swan 条件激活与重置操作符教程

本教程介绍了ANSYS Swan中的条件激活与状态重置高阶操作符，包括activate ... default、activate ... last和restart。activate ... default允许在条件不满足时返回固定默认值，适用于条件分支数据替换；activate ... last则在条件不满足时保留历史值，适合状态保持场景。restart操作符用于周期性地将操作符重置到初始状态，特别适用于需要定期清零的计数器等应用。

2025-03-15 18:57:53 311

原创 ANSYS Swan 高阶迭代器操作符教程

ANSYS Swan 的高阶迭代器操作符为数组处理提供了高效、灵活的编程范式。本教程系统介绍了六种核心操作符：map（元素转换）、mapi（带索引的元素转换）、fold（数组归约）、foldi（带索引的归约）、mapfold（转换与累计结合）、mapfoldi（带索引的转换与累计）。

2025-03-15 11:48:05 381

原创 Swan 状态机 - 状态与迁移

Swan 语言中，也支持Scade 6中的状态机控制流结构。

2025-03-09 15:01:48 395

原创 Scade 状态机 - 同步迁移

在 Scade 控制流状态机结构支持的迁移中，迁移类型除了强迁移与弱迁移外，还支持一类被称为同步(Synchro)迁移的迁移类型。

2025-03-08 19:36:02 205

原创 Scade 状态机 - 状态与迁移

Scade 中的控制流结构中，支持的一类主要结构为状态机。在本篇材料中，将简述状态机结构中的两项主要概念，状态State 与状态迁移 transition。

2025-03-08 16:52:17 333

原创 Swan 控制流 - activated when

Swan 控制流结构中，支持一种通过模式匹配选择分支的结构。

2025-03-02 15:29:13 219

原创 Swan 控制流 - activated if

Swan 控制流在语言中支持的一种由布尔条件控制分支选择的结构为 activated if。

2025-03-02 14:41:53 127

原创 Swan 表达式 - 时序表达式

Swan 表达式中支持时序表达式(sequential)，包括值初始化(->), 一单位延迟（pre），初始化初值的一单位延迟（pre），时序窗口(window)等。

2025-03-02 09:24:59 173

原创 Swan 表达式 - 选择表达式

ANSYS Swan 表达式支持选择(selection)表达式case, if-then-else。

2025-03-01 21:34:33 177

原创 Scade 条件块

Scade 条件块为一种控制流结构。条件支持两种风格的条件，一种为"if-then-else" 风格的布尔条件控制结构；一种为 “match pattern” 风格的匹配条件控制结构。

2025-03-01 11:56:13 691

原创 Ansys SCADE 学生版

在本系列专栏中讨论的Scade 语言特性内容，源自对该学生版 Ansys Scade 的使用经验。读者也可使用 Ansys Scade 学生版对Scade 语言特性进行实践验证。

2025-02-23 16:26:42 229

原创 Swan 表达式 - 数组相关操作

ANSYS Swan 语言表达式中，支持数组相关操作。

2025-02-06 20:31:09 203

原创 Swan 表达式 - 关系运算

ANSYS Swan 语言表达式中，支持关系运算。

2025-02-06 20:11:11 260

原创 Swan 表达式 - 布尔运算

ANSYS Swan 语言表达式中，支持布尔运算。

2025-02-06 20:05:19 524

原创 Swan 表达式 - 位运算表达式

ANSYS Swan 语言表达式中，支持位运算表达式。

2025-02-06 20:00:22 433

原创 Swan 表达式 - 算数表达式

ANSYS Swan 语言表达式中，支持算数表达式。

2025-02-06 19:53:27 127

原创 Ansys Scade One 学生版

Ansys Scade One 软件是 Ansys SCADE 工具的继任者，并扩展了许多新功能。

2025-02-04 20:44:27 1102

原创 Heptagon 同步语言介绍

Heptagon 同步数据流语言引言。

2025-02-03 17:39:26 483

原创 Heptagon 状态机控制结构

Heptagon 支持状态机控制结构，其语义与 Scade 状态机控制结构语义相似。

2025-02-01 14:47:06 113

原创 Heptagon - switch 控制结构

Heptagon 支持 switch 控制结构，该结构与 Scade 匹配块语义相似。

2025-02-01 14:36:21 389

原创 Heptagon - 条件控制结构

Heptagon 语言支持条件控制结构。

2025-02-01 14:31:36 109

原创 Heptagon record 数据结构

Heptagon 语言支持 record 数据结构。

2025-02-01 14:09:47 415

原创 Heptagon 迭代器

Heptagon 对数组数据类型，支持迭代器高阶运算。

2025-02-01 13:55:14 347

原创 Heptagon 表达式 - 数组运算

Heptagon 支持数组数据类型。对数组数据类型，支持的操作与 Scade 相似。包括[]构建数组，构建数组，常量索引，变量索引，修改元素，数组拼接，数组切片等。

2025-02-01 11:23:23 363

原创 Heptagon 表达式 - 时序运算

时序运算是同步数据流语言的特色操作，在Heptagon 中支持时序操作。

2025-02-01 10:44:08 211

原创 Heptagon 表达式 - 比较运算

Heptagon 表达式支持比较运算。

2025-02-01 10:32:57 109

原创 Heptagon 表达式 - 布尔运算

Heptagon 表达式支持布尔运算。

2025-02-01 10:27:30 118

原创 Heptagon 表达式 - 算数运算

Heptagon 表达式支持算数运算。

2025-02-01 10:21:25 214

原创 Lustre v6 语法 - 时序表达式

Lustre v6 语法中，支持时序表达式。

2025-01-29 15:14:22 702

原创 Lustre Core 语法 - 数组操作表达式

Lustre v6 中的 Lustre Core 部分支持的表达式种类中，支持数组操作表达式。

2025-01-29 13:50:33 334

原创 Lustre Core 语法 - 比较表达式

Lustre v6 中的 Lustre Core 部分支持的表达式种类中，支持比较表达式。

2025-01-28 11:37:56 281

原创 Lustre Core 语法 - 布尔表达式

Lustre v6 中的 Lustre Core 部分支持的表达式种类中，支持布尔表达式。

2025-01-28 11:10:38 361

【嵌入式系统】SCADE 6：面向高安全软件开发的基于模型的解决方案 - 作者为 Esterel 职工 Francois Xavier Dormy - 2008.1 月发表

内容概要：SCADE 6 是一种基于模型的解决方案，旨在为安全关键软件开发提供统一的建模风格，确保从系统到软件工程的安全无缝过渡。它融合了同步语言理论，支持实时应用，特别适用于航空、铁路和汽车行业的复杂控制系统。SCADE 6 强调数据流扩展（如重置、激活、合并）、状态机功能（如强、弱和同步转换）以及安全循环特性（如迭代器），并通过自动代码生成工具支持多种标准（如DO-178B、EN 50128、IEC 61508）。此外，SCADE 6 还引入了假设与保证机制、传感器定义、模块化封装（包）和多态性，以增强设计灵活性和安全性。适合人群：从事航空、铁路和汽车行业嵌入式实时系统开发的工程师，特别是对安全关键系统有需求的研发人员。使用场景及目标：①需要在复杂控制系统中实现安全可靠的数据流和状态管理；②希望在开发过程中减少错误并提高代码可维护性和重用性；③确保生成的代码符合国际安全标准，如DO-178B、EN 50128、IEC 61508等。其他说明：SCADE 6 不仅是一个建模工具，还提供了一个完整的开发环境，帮助工程师在设计阶段就考虑安全性，减少后期开发中的风险。通过引入高级迭代器和状态机特性，SCADE 6 在保持同步数据流原则的同时，提供了更强大的控制能力。此外，SCADE 6 的自动代码生成功能已通过认证机构的认可，能够有效支持安全关键系统的开发流程。

2025-04-04

ARINC 653 标准 Par1 Required Services

软件适航标准ARINC 653 操作系统标准第一部分: Requried Services. This document specifies the baseline operating environment for application software used within Integrated Modular Avionics (IMA) and traditional ARINC 700-series avionics.

2019-12-22

gcc-linaro-4.9-2016.02-i686-mingw32_arm-linux-gnueabihf.tar.xz

3cd1ea87d1124c0aac921ce1b75be9d8 gcc-linaro-4.9-2016.02-i686-mingw32_arm-linux-gnueabihf.tar.xz 在Windows下使用的linaro arm linux gnueabihf gcc 4.9 , 2016.02 从linaro官网下载速度很慢。国内Linaro镜像源少。所以借助优快云上传该资源，服务国内程序员。

2019-03-24

形式化方法概貌_2018

形式化方法是基于严格数学基础,对计算机硬件和软件系统进行描述、开发和验证的技术.其数学基础建立在形式语言、语义和推理证明三位一体的形式逻辑系统之上.形式化方法已经以不同程度和不同方式愈来愈多地应用在计算系统生命周期的各个阶段.介绍了形式化方法的发展历程和基本方法体系;以形式规约和形式验证为主线,综述了形式化方法的理论、方法、工具和应用的现状,展示了形式化方法与软件学科其他领域的交叉和融合;分析了形式化方法的启示,并展望了其面临的发展机遇和未来趋势.形式化方法的发展和研究现状表明:其应用已经取得了长足的进步,在提高计算系统的可靠性和安全性方面发挥了重要作用.在当今软件日益成为社会基础设施的时代,形式化方法将与人工智能、网络空间安全、量子计算、生物计算等领域和方向交叉融合,得到更加广阔的应用.研究和建立这种交叉融合的理论和方法不仅重要,而且具有挑战性.

2019-02-13

迁移学习Python实战 Hands on transfer learning with Python

2019-01-30

python numpy 教程

内容列表 Python 列表,字典,集合,元组 Numpy 数组,访问数组,数组类型,数组计算,广播 SciPy 图像操作, Matplotlib 绘制图形

2019-01-30

十分钟上手sklearn 特征提取常用模型交叉验证

十分钟上手sklearn 特征提取常用模型交叉验证. 主要内容包括: PCA算法 LDA算法线性回归逻辑回归朴素贝叶斯决策树 SVM 神经网络 KNN算法

2019-01-30

贝叶斯网络简史

A history of Bayesian neural networks DEEP LEARNING LIMITATIONS OF DEEP LEARNING WHAT DO I MEAN BY BEING BAYESIAN ? BAYES RULE

2019-01-30

机器学习 -- 调参经验之谈

深度学习的程序可能出错的地方有很多,这其中有一些错误发生频率比其他更高。通常我会从如下一些方面先行入手: ◆ 从简单并且得到广泛应用的网络开始,如 VGG,如果可以的话使用标准的损失函数。 ◆ 暂时去掉所有的 trick, 如数据增强(Data Augmentation)和正则化(regularization)。 ◆ 如果是微调(finetuning)模型,再次检查数据的预处理,保证其和原始网络训练时一致。 ◆ 检查输入数据是正确的。 ◆ 从很少量的数据开始(2-20 样本),使其过拟合,然后逐渐增加样本。 ◆ 逐渐增加 trick,数据增强,正则化,新的损失函数,更复杂的网络等等。如果上面的仍然不 work 的话,请按照下面的逐条实验。

2019-01-30

机器学习 -- Backpropagation

Backpropagation Gradient Descent Chain Rule Backpropagation Backpropagation – Forward pass Backpropagation – Backward pass

2019-01-30

机器学习 - Bias and Variance

Estimator Bias and Variance of Estimator Parallel Universes Variance Bias Model Selection

2019-01-30

机器学习 -- CNN

Convolutional Neural Network CNN – Convolution CNN – Colorful image CNN – Max Pooling First Convolution Layer Deep Dream

2019-01-30

机器学习 -- 分类

Classification: Probabilistic Generative Model Classification Probability from Class Probability from Class - Feature Maximum Likelihood Modifying Model

2019-01-30

机器学习 -- Deep Learning

Deep Learning Three Steps for Deep Learning Neural Network Fully Connect Feedforward Network Matrix Operation Output Layer as Multi-Class Classifier

2019-01-30

机器学习 -- Tips for Deep Learning

Tips for Deep Learning Do not always blame Overfitting Hard to get the power of Deep ... Vanishing Gradient Problem ReLU Maxout RMSProp

2019-01-30

机器学习-- ensemble

Ensemble Framework of Ensemble Ensemble: Bagging Review: Bias v.s. Variance Decision Tree Experiment: Function of Miku

2019-01-30

机器学习 -- Gradient Descent

Gradient Descent Review: Gradient Descent Tip 1: Tuning your learning rates Adaptive Learning Rates Adagrad Contradiction Intuitive Reason Larger gradient, larger steps

2019-01-30

机器学习 -- Recurrent Neural Network (RNN)

Recurrent Neural Network (RNN) Example Application 1-of-N encoding Beyond 1-of-N encoding Recurrent Neural Network (RNN) Elman Network & Jordan Network Bidirectional RNN Long Short-term Memory (LSTM)

2019-01-30

机器学习 -- keras

keras Mini-batch Speed Speed - Matrix Operation Using GPU to speed training • Way 1 • THEANO_FLAGS=device=gpu0 python YourCode.py • Way 2 (in your code) • import os • os.environ["THEANO_FLAGS"] = "device=gpu0"

2019-01-30

机器学习 -- Matrix Factorization

Matrix Factorization More about Matrix Factorization Matrix Factorization for Topic analysis

2019-01-30

机器学习 -- Unsupervised Learning: Principle Component Analysis

Unsupervised Learning: Principle Component Analysis Dimension Reduction Clustering Distributed Representation PCA PCA – Another Point of View

2019-01-30

机器学习 -- 回归

Regression Regression: Output a scalar Step 1: Model Step 2: Goodness of Function Step 3: Best Function

2019-01-30

机器学习 -- Structured Learning

Structured Learning Unified Framework Unified Framework – Object Detection Unified Framework - Summarization Unified Framework - Retrieval Structured Linear Model

2019-01-30

机器学习 -- Unsupervised Learning: Neighbor Embedding

Unsupervised Learning: Neighbor Embedding Manifold Learning Locally Linear Embedding (LLE) Laplacian Eigenmaps T-distributed Stochastic Neighbor Embedding (t-SNE)

2019-01-30

机器学习 -- Unsupervised Learning: Deep Auto-encoder

Unsupervised Learning: Deep Auto-encoder Auto-encoder Deep Auto-encoder Auto-encoder – Text Retrieval Auto-encoder – Similar Image Search Auto-encoder for CNN CNN -Unpooling CNN - Deconvolution

2019-01-30

机器学习 -- Semi-supervised Learning

Semi-supervised Learning Introduction Why semi-supervised learning helps? Semi-supervised Learning for Generative Model Low-density Separation Assumption Smoothness Assumption Better Representation

2019-01-30

机器学习教程 -- Transfer Learning

Transfer Learning Transfer Learning - Overview Model Fine-tuning Conservative Training Layer Transfer Layer Transfer - Image Multitask Learning Multilingual Speech Recognition

2019-01-30

机器学习教程 - Unsupervised Learning: Word Embedding

Unsupervised Learning: Word Embedding How to exploit the context? Prediction-based – Training Prediction-based – Language Modeling Prediction-based – Sharing Parameters Prediction-based – Various Architectures

2019-01-30

深度强化学习 - Actor-Critic

Actor-Critic Asynchronous Advantage Actor-Critic (A3C) Pathwise Derivative Policy Gradient

2019-01-30

深度强化学习 - Imitation Learning

Imitation Learning • Also known as learning by demonstration, apprenticeship learning • An expert demonstrates how to solve the task • Machine can also interact with the environment, but cannot explicitly obtain reward. • It is hard to define reward in some tasks. • Hand-crafted rewards can lead to uncontrolled behavior • Two approaches: • Behavior Cloning • Inverse Reinforcement Learning (inverse optimal control)

2019-01-30

英飞凌inifneon C166指令集的C编译器，哪种普及最广？

2020-05-12

VSCODE打开大文件后，搜索symbol无反馈

2017-12-30

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

【嵌入式系统】SCADE 6：面向高安全软件开发的基于模型的解决方案 - 作者为 Esterel 职工 Francois Xavier Dormy - 2008.1 月发表

ARINC 653 标准 Par1 Required Services

gcc-linaro-4.9-2016.02-i686-mingw32_arm-linux-gnueabihf.tar.xz

形式化方法概貌_2018

迁移学习Python实战 Hands on transfer learning with Python

python numpy 教程

十分钟上手sklearn 特征提取 常用模型 交叉验证

贝叶斯网络简史

机器学习 -- 调参经验之谈

机器学习 -- Backpropagation

机器学习 - Bias and Variance

机器学习 -- CNN

机器学习 -- 分类

机器学习 -- Deep Learning

机器学习 -- Tips for Deep Learning

机器学习-- ensemble

机器学习 -- Gradient Descent

机器学习 -- Recurrent Neural Network (RNN)

机器学习 -- keras

机器学习 -- Matrix Factorization

机器学习 -- Unsupervised Learning: Principle Component Analysis

机器学习 -- 回归

机器学习 -- Structured Learning

机器学习 -- Unsupervised Learning: Neighbor Embedding

机器学习 -- Unsupervised Learning: Deep Auto-encoder

机器学习 -- Semi-supervised Learning

机器学习教程 -- Transfer Learning

机器学习教程 - Unsupervised Learning: Word Embedding

深度强化学习 - Actor-Critic

深度强化学习 - Imitation Learning

深度强化学习 - Proximal Policy Optimization (PPO)

深度强化学习 - QLearning

深度强化学习 -- Sparse Reword介绍

机器学习个人笔记完整版

神经网络和深度学习

机器学习实战 中文双页版

斯坦福大学 - 深度学习基础教程

支持向量机通俗导论 -- 理解SVM的三层境界

Generative Adversarial Network (GAN)

算法教程 - Jeff Erickson

英飞凌inifneon C166指令集的C编译器，哪种普及最广？

VSCODE打开大文件后，搜索symbol无反馈

十分钟上手sklearn 特征提取常用模型交叉验证

机器学习实战中文双页版