judyzhong 的blog

PIC32学习笔记——错误疑问记录手册

1. 用Ethernet Starter Kit 跑程序时PORTA的值没有发生变化(未解决)

错误描述:

首先是程序如下:

/*  
**loops  
*/  
#include   
#define DELAY 36000 //256ms  
main(){  
  //initialization  
  DDPCONbits.JTAGEN=0;//disable the JTAG port  
  TRISA = 0xff00;  
  T1CON = 0x8030;  
  PR1 =0xFFFF;  
  //application main loop  
  while(1){  
     PORTA = 0xff;  
     TMR1 = 0;  
     while(TMR1
     PORTA = 0;  
     TMR1 = 0;  
     while(TMR1 < DELAY)  
     {  
            //just wait here  

PIC32学习笔记——关于如何控制PortA外围模块

单片机系统在系统复位或者上电之后,会在执行main()函数之前先执行一小段由MPLAB C32链接器自动插入的初始化程序,即所谓的Startup(启动)代码或者crt0代码,也称为c0代码。启动代码负责基本的内务操作,包括栈的所有重要初始化等。

首先我们的任务是激活PIC32的一个或多个输出引脚。PIC32的输入/输出(I/O)引脚也被成组地配置在模块或者端口中,其中每一组最多包含16个引脚,这些模块被依次命名为A至H。我们按照顺序最先使用PortA。 用于控制这些端口的SFR中最重要的也是最容易使用的是与模块同名的寄存器(比如PORTA)。

PORTA代表控制寄存器,PortA代表整个外围设备模块。

根据p32mx795f512l.h,我们可以找到PORTA的数据结构如下:
typedef union {
struct {
unsigned RA0:1;
unsigned RA1:1;
unsigned RA2:1;
unsigned RA3:1;
unsigned RA4:1;
unsigned RA5:1;
unsigned RA6:1;
unsigned RA7:1;
unsigned :1;
unsigned RA9:1;
unsigned RA10:1;

MIPS架构之start.s汇编分析

一、mips架构通用寄存器命名

mips架构通用寄存器命名

二、mips汇编指令操作
1、指令集


卷积神经网络(CNN)的参数优化方法

著名: 本文是从 Michael Nielsen的电子书Neural Network and Deep Learning深度学习那一章的卷积神经网络的参数优化方法的一些总结和摘录,并不是我自己的结论和做实验所得到的结果。我想Michael的实验结果更有说服力一些。本书在github上有中文翻译的版本,

前言

最近卷积神经网络(CNN)很火热,它在图像分类领域的卓越表现引起了大家的广泛关注。本文总结和摘录了Michael Nielsen的那本Neural Network and Deep Learning一书中关于深度学习一章中关于提高泛化能力的一些概述和实验结果。力争用数据给大家一个关于正则化,增加卷积层/全连接数,弃权技术,拓展训练集等参数优化方法的效果。

2030年前能引爆我们生活的21项黑科技

据国外媒体报道,从无人驾驶汽车到机器人工人,在我们熟悉所有这一切之前,未来正迎面走来。

  1、到2018年前,全球90%的人口将会拥有无限且免费的数据存储空间

  不超过3年时间,大约90%的人们将会拥有无限且免费的数据存储空间。现在,我们已经看到部分企业为用户提供廉价甚至完全免费的数据存储服务。例如,谷歌图片已经为用户提供了无限的存储空间,而亚马逊网站也即将为用户提供完全无容量限制的存储空间,而其年服务费仅为60美元。

  高科技企业之所以能够这样做的一个主要原因在于,每千兆存储容量的硬盘成本在持续下降。这刺激了比以往任何时候都多的数据产生。根据报告内容,估计所有数据中90%的部分,已经在过去一两年时间里被产生。不过也有迹象显示,完全相反的情况也有可能。例如,微软公司就刚刚取消了其基于云服务平台提供无限存储空间的OneDrive计划。

  2、到2021年前,全球首个机器人药剂师将会出现

2

首枚光子神经形态芯片问世!运算速度快3个数量级

据《麻省理工技术评论》杂志网站近日报道, 美国普林斯顿大学的科研团队日前研制出全球首枚光子神经形态芯片,并证明其能以超快速度计算 。该芯片有望开启一个全新的光子计算产业。

普林斯顿大学亚力山大·泰特团队的新成果是利用光子解决了神经网络电路速度受限这一难题。神经网络电路已在计算领域掀起风暴。科学家希望制造出更强大的神经网络电路,其关键在于制造出能像神经元那样工作的电路,或称神经形态芯片,但此类电路的主要问题是要提高速度。 光子计算是计算科学领域的“明日之星”。与电子相比,光子拥有更多带宽,能快速处理更多数据。但光子数据处理系统制造成本较高,因此一直未被广泛采用。

团队研制出的光子神经网络的核心是一种光学设备——其中的每个节点拥有神经元一样的响应特征。这些节点采用微型圆形波导的形式,被蚀刻进一个光可在其中循环的硅基座内。当光被输入,接着会调节在阈值处工作的激光器的输出,在此区域中,入射光的微小变化都会对该激光的输出产生巨大影响。

摩尔定律放缓,科学家另辟他径挖掘芯片性能

《纽约时报》近日刊文称,由于硅半导体的发展趋近物理极限,芯片性能的提升越来越困难,于是一些计算科学家开始研究如何依靠新的算法和电路设计让现有芯片的性能完全发挥出来。

以下为文章全文:

阿里·法尔哈迪(Ali Farhadi)手心里拿着一部价值5美元的树莓派电脑,他的研究团队刚刚往这部微型电脑植入了一项强大的程序,使其可以识别上万种物体。为此,他兴奋不已。

法尔哈迪博士是艾伦人工智能研究所(the Allen Institute forArtificial Intelligence)的计算机科学家。他将这个程序称为“指尖上的人工智能”。该实验程序可以大大降低人工智能的成本,并提高隐私,因为你不需要通过互联网共享信息。

对于微电子工业,该AI系统具有更重要的象征意义。它进一步接近了硅半导体的物理极限:跟竞争产品相比,它只使用了1/32的内存,运行速度却快了57倍。

对替代计算方法的研究变得越来越急迫。几十年来,计算机研发人员每两年就能获得更便宜和更快速的芯片。随着晶体管尺寸不断缩小,计算机以加速度变得更加强大和更加便宜——这就是著名的摩尔定律。

两年前,由于制造成本激增,且制造技术提升越来越难,晶体管的成本不再快速下降。芯片厂商商不再能够——至少是暂时——轻松地生产出更便宜、更快速的芯片。

由基频、中频、射频零部件让你一次看懂手机芯片

无线通讯的频谱有限,分配非常严格,相同频宽的电磁波只能使用一次,为了解决僧多粥少的难题,工程师研发出许多“调变技术”(Modulation)与“多工技术”(Multiplex),来增加频谱效率,因此才有了 3G、4G、5G 不同通讯世代技术的发明,那么在我们的手机里,是什么元件负责替我们处理这些技术的呢?

调变技术与多工技术

首先我们要了解“调变技术(Modulation)”与“多工技术(Multiplex)”是完全不一样的东西,让我们先来看看它们到底有什么不同?

数码讯号调变技术(ASK、FSK、PSK、QAM):将类比的电磁波调变成不同的波形来代表 0 与 1 两种不同的数码讯号。ASK 用振幅大小来代表 0 与 1、FSK 用频率大小来代表 0 与 1、PSK 用相位(波形)不同来代表 0 与 1、QAM 同时使用振幅大小与相位(波形)不同来代表 0 与 1。

好啦,每个人的手机天线要传送出去的数码讯号 0 与 1 都变成不同波形的电磁波了,问题又来了,这么多不同波形的电磁波丢到空中,该如何区分那些是你的(和你通话的),那些是我的(和我通话的)呢?

量子计算:真正的计算革命颠覆者

量子计算机的影响将会十分巨大,而我们在明年或许能看到第一台真正的量子计算机。

何为量子计算

摩尔定律(或者说集成电路的指数增长)实际上是指计算的第五种计算范式。以下是基本计算范式的列表:(1)电子管(2)真空管(3)继电器(4)晶体管(5)集成电路。

量子计算机或许是第六种计算范式,因为其工作原理跟“传统”的计算机完全不一样。

传统的计算机通过“位”进行计算,这些“位”只有两种状态:0和1。与之对比,一台量子计算机使用的是“量子位”或者说“量子比特”。得益于量子叠加原理,这些量子位可以记录“0”,“1”,或者同时记录“0和1”。

这种能力让量子计算机能够解决一些普通计算机难以处理的复杂问题。

量子计算:真正的计算革命颠覆

Accellion:可穿戴设备安全性低泄密风险大

可穿戴技术如今已经由科幻电影变成了现实,各种各样的智能手表、手环和眼镜在对我们的活动数据进行追踪的同时,也让我们体验到了科技发展所带来的巨大便利,但同时这也引发了一系列我们很容易忽略掉的安全隐患。

来自安全公司Accellion的报告称,英国地区内有超过80%的受访企业表示不断增多的可穿戴设备将会带来更多的风险,有77%的企业并没有将可穿戴设备纳入到他们的移动安全策略范围之内。

许多公司针对可穿戴设备的态度比较放松,即便像谷歌眼镜这样的设备已经引发了隐私侵犯方面的诸多问题。“以往当我们进入一些公司时,都需要将相机之类的设备留在门口,”英国工程与技术学会的教授威尔·斯图尔特(Will Stewart)说道,“但是如今除非是那些要求高度安全的公司,否则都不会禁止可穿戴设备的进入,这实际上是并不安全的。”

那么,当我们允许智能手表和谷歌眼镜渗透到我们日常生活的各个角落之后,它们又能引发那些安全威胁呢?

智能手机原本就已经引发了许多数据安全问题(比如通过GPS进行位置追踪),但可穿戴技术让隐私数据变得更加不安全。举例来说,佩戴在手腕上的健身手环不仅能够追踪其行走步数,而且还能够通过追踪你的行走路线,进而获得你家和你喜欢的咖啡馆在什么位置等,同样,它还能获得心率等比较隐私的医疗信息。

同步内容
--电子创新网--
粤ICP备12070055号