- 博客(53)
- 收藏
- 关注
RSS订阅原创 计组2.5（湖科大）
计算机中的数据以二进制的形式存储在寄存器或存储器中。例如32位寄存器**(一共2³²个组合)**汇编语言中的数据类型取决于指令操作码。，对该数进行何种数据类型的操作完全取决于。同一个操作数，既可以当作有符号数，也可以当作无符号数。C语言中常见的整型数据类型：char(8位)、short（16位）、int（32位）、long(64位) 默认表示有符号整数（前面加上“unsigned”表示无符号数）。
2025-07-16 10:23:18
387
原创 计组 第二章
一个八进制位对应3个二进制位一个十六进制位对应4个二进制位整数 除基取余 低位先得小数 乘基取整 高位先得 十进制转换为二进制会出现无限循环小数（精度缺失问题）
2025-07-16 10:07:46
816
原创 计组 第一章
计算机系统性能的好坏取决于。主机外设（在硬件上运行）（1）系统软件 （操作系统、数据库管理系统、网络系统、语言处理程序、服务程序）（2）应用软件（科学计算 、数据处理 、过程控制、事务管理）
2025-07-15 15:56:20
935
原创 [自然语言处理]统计语言模型
对给定中文语料，将最后5%作为测试语料，其他为训练语料。当n取不同值时，对测试语料的每个句子的最后一个字c，当前面n-1个字(上限为所有历史)已知时，预测c，计算预测准确率，并分析实验结果。
2025-07-12 13:22:03
275
原创 [自然语言处理]单词拼写检查
本文介绍了三个自然语言处理任务的实现：1. 动态规划算法计算字符串编辑距离，通过构建状态数组记录转换所需最少操作次数；2. 基于SpellChecker库的英文拼写检查程序，可识别错误单词并提供纠正建议；3. 简单的拼音输入法原型，通过拼音-汉字映射生成可能的汉字组合。实验结果表明，编辑距离算法能有效量化字符串差异，拼写检查器对常见错误具有纠错能力，拼音输入法展示了中文处理的复杂性。这些技术在实际应用中需结合语境优化，特别是中文处理需要更完善的词库支持。
2025-07-04 22:31:27
1051
原创 [自然语言处理]汉语文本分词
实验对比了jieba分词、互信息（MI）和双字耦合度（CD）三种中文分词方法。通过计算准确率、召回率和F1值发现：jieba库因成熟的词典和算法表现最佳，互信息侧重字符共现概率，双字耦合度强调相邻字符紧密度，但两者召回率均较低，存在未识别词问题。结果表明，基于统计的方法需调整阈值以优化效果，而jieba在通用领域仍具优势。改进方向包括参数调优和结合多特征提升分词性能。
2025-07-03 22:29:20
436
原创 [自然语言处理]计算语言的熵
本研究通过计算中英文语料的熵值，对比分析了两种语言的信息复杂度。实验结果显示：英语字母熵约为4.16比特（接近理论值4.03），单词熵为9.96比特（接近10）；汉字熵为9.50比特（理论值9.71），汉语词熵为10.77比特（理论值11.46）。研究发现汉语熵值普遍高于英语，表明汉语在词汇丰富度、语义灵活性方面更具复杂性。这种高熵特性使汉语处理面临更大挑战，需要更复杂的编码和处理技术。研究结果对理解语言信息结构及自然语言处理具有参考价值。
2025-07-03 22:24:42
468
原创 [深度学习]目标检测YOLO v3
摘要： 本实验基于YOLOv3算法在Baidu飞桨AIStudio平台上实现林业病虫害目标检测。通过Python编程，实验涉及锚框绘制、IoU计算、非极大值抑制等关键步骤，并构建了DarkNet53骨干网络。模型训练采用动量优化器，在昆虫数据集上验证了检测效果，最终通过预测框坐标和类别概率输出结果。实验表明，YOLOv3的多尺度特征融合策略有效提升了检测精度，实现了速度和准确率的平衡，为林业病虫害识别提供了可行方案。
2025-06-15 15:30:57
1093
原创 [深度学习]目标检测基础
本文介绍了基于Python的目标检测实验，主要包含边界框、锚框和多尺度目标检测的实现。实验使用PyTorch框架，在Baidu飞桨AIStudio环境下进行。第一部分实现了边界框的两种表示方法转换（角点与中心点）及可视化；第二部分重点研究锚框生成、交并比计算、边界框分配和非极大值抑制等关键算法；第三部分探讨了多尺度特征映射对目标检测效果的影响。实验结果表明，合理设置锚框参数和特征映射尺度对提高检测精度至关重要。文章还对边界框维度、锚框参数调整等问题进行了理论分析，为理解目标检测算法提供了实践基础。
2025-06-15 15:12:58
690
原创 [深度学习]卷积神经网络
本实验基于Python和PyTorch框架比较了LeNet、AlexNet、VGG和ResNet四种经典CNN模型在FashionMNIST数据集上的表现，并重点研究了超参数调整对模型性能的影响。实验结果表明：1）对于所有模型，SGD优化器普遍比Adam表现更好；2）学习率在0.05左右时模型性能最佳；3）增加训练轮数可以提高准确率但会延长训练时间；4）批量大小对模型性能影响相对较小。此外，通过简化AlexNet模型结构（减少卷积层和全连接层），在保证准确率基本不变的情况下将训练时间从29分钟缩短至17分钟
2025-06-13 16:33:32
1402
原创 [深度学习]全连接神经网络
本实验基于MNIST数据集，使用PyTorch框架构建批标准化全连接神经网络。实验内容包括：(1)解压MNIST数据集并分析代码结构；(2)调整超参数（批量大小、学习率、Epoch次数），发现适当增大学习率和批量大小可提升训练效率，但过大会降低精度；(3)修改网络结构（隐藏层数和神经元数量），结果表明增加隐藏层和神经元能提高准确率但延长训练时间。实验验证了超参数选择对模型性能的重要影响，为神经网络调参提供了实践参考。
2025-06-13 16:05:52
875
原创 [深度学习]搭建开发平台及Tensor基础
张量的创建、调整形状、加减乘除、取绝对值操作、比较、数理统计操作、与Numpy的互相转换、降维和增维、裁剪、索引，把Tensor 移到GPU上去。1. 要定义一个64位浮点型Tensor，其值是矩阵：[[1,2],[3,4],[5,6]]，并输出结果。17.创建一个二阶张量，长度为8，元素为[0,1,2,3,4,5,6,7]，将其改编成形状为2*4的张量。8.要定义一个16位整型Tensor，其值是矩阵：[[1,2],[3,4],[5,6]] ，并输出结果。7.创建一个张量f，从1开始到7结束，步长为2。
2025-06-08 12:51:33
904
原创 [嵌入式实验]实验五：freeRTOS
在STM32 CubeMX可以配置 freeRTOS 的一些重要的属性，包括是否支持抢占机制，freeRTOS 的 系统时钟速率，最大优先级数量，最小任务栈尺寸，最大任务名称长度等。本次实验通过freeRTOS进行对LED的控制，FreeRTOS提供了丰富的API和工具，使得嵌入式系统的开发更加高效和可靠，将程序分成更小的任务，使得每个任务能够有效执行。如图5、图6、图7所示，可以看到开发板在程序的运行下依次由蓝灯变成红灯，再变成绿灯。软件：STM32CubeMX软件、ARM的IDE：Keil C51。
2025-05-29 16:44:06
347
原创 [嵌入式实验]实验四：串口打印电压及温度
接着将其波特率设置为 115200，数据帧设置为 8 位数据位，无校验位，1 位停止位。打开串口调试助手，选择usb串行设备，设置波特率为115200，并点击“打开串口”操作，运行程序后可以看到在窗口中接收到电压和温度信息，如图4所示，可以看到打印的电压是1.23V，打印的温度是29.41，根据打印出的数据可以看到温度在实时发生变化。（1）在实验中发现，开发板的六号接口（&huart6）可以正常输出，一号（&huart1）不能输出结果，所以运行后，在串口调试助手中显示的是六号接口的数据，如图5所示。
2025-05-29 16:38:02
872
原创 [嵌入式实验]实验三：PWM实现LED呼吸灯
第二个循环从511递减到1，同样调用__HAL_TIM_SET_COMPARE函数来设置定时器的比较值，并使用HAL_Delay函数延迟，随着比较值的减小，输出信号的频率也会减小。一个周期内高水平的持续时间占总周期的比例称为占空比，通过修改占空比，可以改变输出的等效模拟电压。通过控制不同的PWM占空比，控制某个颜色的LED的亮度，以这样的方式就可以通过设置aRGB的值控制最后输出的LED灯效。如图3、图4、图5所示，在开发板上，控制LED灯颜色循环切换，从红灯变成绿灯，再变成蓝灯，切换过程带有呼吸效果。
2025-05-29 16:37:43
370
原创 [嵌入式实验]实验二：LED控制
程序中部分代码如下图（图4）所示，其中设置变量a=0,循环次数max=5，当运行while循环时，通过bsp_led_toggle()函数翻转指定的LED指示灯，即当LED灯亮时，该函数会让其熄灭；程序中部分代码如下图（图2）所示，首先，通过调用HAL_GPIO_WritePin（）函数将每个LED灯设置为高电平（GPIO_PIN_SET），使它们点亮。同时，学习了HAL库中的相关函数，例如使用bsp_led_toggle()函数翻转指定的LED指示灯，通过nop_delay_ms()函数实现延时功能。
2025-05-29 16:15:36
565
原创 [嵌入式实验]实验一：点亮LED
程序中部分代码如下图（图1）所示，HAL库中提供一个操作GPIO电平的函数：HAL_GPIO_WritePin 函数，使得对应的引脚输出高电平或者低电平。（3）问题三：在编译后下载出现Error: Flash Download failed - "Cortex-M4"的错误，如下图（图8）所示。（1）问题一：在使用Keil μVision开发环境时遇到了设备未找到的问题，如下图（图4）所示。解决方法：修改设置，更改使用的调试器接口，如下图（图7）所示。如下图（图3）所示，运行程序后点亮LED灯。
2025-05-29 16:05:19
374
原创 [计算机视觉]chapter1
计算机视觉就是用计算机编程，并设计算法来理解在这些图像中有什么。计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。计算机视觉的有力应用有图像搜索、机器人导航、医学图像分析、照片管理等。
2024-10-12 23:30:31
1043
1机器学习 KNN算法实现鸢尾花分类 （分类算法）
2025-01-22
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人