javalock(〇)写在前头

java,本科学到硕士,硕士学到工作,到今天都在写hello world。。。

最近事情比较少,所以重新复习下java。

想当年本科的时候学了个java,学了个皮毛,没去实习过,也用不熟练,等到硕士,要实习了,然后花了点功夫阅读了一遍java 基本数据结构相关类的源码写简历上,结果没找到实习,最后还是靠c++找了份实习。。。当时也是似懂非懂,今天来说则是全忘光了,然后随着工作积累的知识越来越多,对知识的理解也越来越“深”,所以就最近就打算回过头来再次复习下java 锁系列相关的东西,因为以前虽然也看过许多相关的java并发相关的书籍,也对aqs有个模糊的影响,只知道是一个队列,但是似懂非懂,所以这里的java锁系列就是相当于对以前的查漏补缺吧。

等搞完aqs,有时间则还会补充ReentrantLock/Semphore/ReentrantReadWriteLock/CountDownWatch,但是只要搞懂了aqs,这些很好理解,读起来很快的,但是因为这些代码都很长而且理解aqs后读起来相对好理解,所以如果要逐行注释就太费时间,也感觉没多大意义,所以后面如果要发,则很可能不是逐行注释了,可能就是一点杂记,记录一些自己的理解。

java系列个人目前的弱点在于:
1:好多框架都没用过。。。不过这点不急,等以后要用了再查就是了,反正只要会用就行了,反正现在也用不到
2:java future系列。。。即java同步异步调用方面的,这个可能是下阶段java源码阅读的重点(当然,搞完aqs后最近就不怎么想搞了,先定个计划,搞不搞是以后的事情,因为年底了(2024/12/19 11:48),但是我阅读higress的kpi还没完成。。。接下来两周得赶紧把这个源码阅读的kpi弄完才行。。。哎,早知道当初定学习kpi的时候就不指定框架了。。。)
3:还没想好,等以后想好了再补充。

人生就是这样,一步一个脚印,源码系列,当初只是想着要是被开了,笔记要带走,不能传文件,就只能写csdn了,这样即使被开了,一部分笔记也还在,然后零零散散也写了几十篇了,主记录,次分享,所以有些笔记就杂乱无章了,毕竟笔记而已,从来都不是谁笔记做得工整谁成绩就好

STM32F103是意法半导体(STMicroelectronics)推出的一款基于ARM Cortex-M3内核的微控制器,广泛应用于工业控制、物联网设备等领域。本资料包主要提供了STM32F103在实现RS485通信及Modbus RTU协议的主机和从机模式下的源代码实例,帮助开发者快速理解和应用这一通讯技术。 RS485是一种物理层通信标准,用于构建多点数据通信网络,具有传输距离远、抗干扰能力强的特点。它采用差分信号传输方式,可以实现双向通信,适合于长距离的工业环境。在RS485网络中,通常有一个主机(Master)和一个或多个从机(Slave),主机负责发起通信,从机响应主机的请求。 Modbus RTU(Remote Terminal Unit)是一种常用的过程控制工业通信协议,基于ASCII或RTU(远程终端单元)报文格式,常用于PLC(可编程逻辑控制器)和嵌入式系统之间的通信。Modbus RTU使用串行通信接口,如RS485,以减少布线成本和提高通信效率。 在STM32F103上实现RS485 Modbus RTU通信,首先需要配置GPIO口作为RS485的硬件接口,包括数据线(一般为RX和TX)和方向控制线(DE和RE)。DE线用于控制发送数据时的数据线方向,RE线则用于接收数据时的方向。这些设置可以通过STM32的HAL库或LL库进行编程。 接着,你需要编Modbus RTU协议栈的实现,这包括解析和构造Modbus报文、错误检测与处理、超时管理等。Modbus RTU报文由功能码、地址、数据和CRC校验码组成。主机向从机发送请求报文,从机会根据接收到的功能码执行相应的操作,并返回响应报文。 在主机端,你需要实现发送请求和接收响应的函数,以及解析从机返回的数据。在从机端,你需要监听串口,解析接收到的请求,执行相应的功能并构造响应报文。
内容概要:本文档详细介绍了一个使用Python实现最小二乘支持向量机(LSSVM)进行时间序列预测的项目实例。项目背景指出,传统的时间序列预测方法在处理非线性、复杂数据时存在局限性,而LSSVM通过将SVM的二次规划问题转化为线性方程组求解,提高了计算效率和预测精度。项目目标包括数据预处理、特征提取、模型构建、模型评估、优化与调参以及可视化展示。项目挑战主要集中在数据质量、模型泛化能力、计算效率、模型解释性、实时性和超参数优化等方面。项目特点与创新体现在高效的预测算法、多样化的数据处理方法、自动化的特征提取、多维度的模型评估、可视化的结果展示和高效的超参数优化。最后,文档展示了模型架构和具体的代码实现,包括数据预处理、LSSVM模型的构建与训练、预测和评估。 适合人群:具备一定编程基础,特别是对Python和机器学习有一定了解的研发人员,尤其是从事时间序列预测相关工作的数据科学家和工程师。 使用场景及目标:①适用于金融、气象、交通、能源、医疗、制造业和零售业等领域的时间序列预测任务;②帮助用户理解LSSVM算法的工作原理及其相对于传统SVM的优势;③通过实际代码示例,指导用户如何实现和优化LSSVM模型,以提高预测精度和处理大规模数据的能力。 阅读建议:本项目不仅提供了详细的理论背景和技术细节,还包含了完整的代码实现和可视化工具,因此在学习过程中,建议读者结合代码逐步实践,并通过调整超参数和实验不同的数据集来加深对LSSVM的理解。同时,注意数据预处理和特征提取的重要性,这对模型性能有着关键影响。
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