编译原理初探

编译的第一个过程是词法分析,目的就是在连续的字符中识别出一个一个的符号,并尽可能的识别出符号的属性,再词法分析阶段,能够识别出一些符号的意义,它们包括关键字,数字字符串,分隔符等,它们不需要其他符号的辅助就能确定本身的意义,如int代表整型


但是有一些符号需要通过前后的其它符号才能确定,更多的信息需要对符号所在的上下文分析才能得到,这部分有语法分析来完成

语法分析的作用就是从词法分析识别出的符号流中识别出符合C语言语法的语句

在语法分析器中把通过表达式产生的C语法映射成一套模板,并把这套模板融汇在语法分析器的程序中,语法分析器的作用就是讲词法识别出的符合一个一个与模板匹配,匹配上模板中的某一个语法就可以确定它了

 语法分析树包含了源程序的全部信息此后的分析就和源程序没有关系了,它会被先转换成通用的,抽象的cpu指令,这就是中间代码,然后,根据cpu的类型转换成相应的目标代码
 最左边的是低地址,是存放系统内核代码的,中间的是动态区域,最右边的是高地址,建栈是从最高的地址开始,最右边开始,向动态区域扩展,也就是向低地址扩展最先建立的是栈底

如下图:

编译要经过词法分析识别出符号( token ),语法分析生成语法书,语法树生成中间代码,中间代码最后再生成目标代码这几个阶段,将目标代码进行汇编和连接,最后生成可执行代码
主要内容:本文详细介绍了一种QRBiLSTM(分位数回归双向长短期记忆网络)的时间序列区间预测方法。首先介绍了项目背景以及模型的优势,比如能够有效利用双向的信息,并对未来的趋势上限和下限做出估计。接着从数据生成出发讲述了具体的代码操作过程:数据预处理,搭建模型,进行训练,并最终可视化预测结果与计算分位数回归的边界线。提供的示例代码可以完全运行并且包含了数据生成环节,便于新手快速上手,深入学习。此外还指出了模型未来发展的方向,例如加入额外的输入特性和改善超参数配置等途径提高模型的表现。文中强调了时间序列的标准化和平稳检验,在样本划分阶段需要按时间序列顺序进行划分,并在训练阶段采取合适的手段预防过度拟合发生。 适合人群:对于希望学习和应用双向长短时记忆网络解决时序数据预测的初学者和具有一定基础的研究人员。尤其适用于有金融数据分析需求、需要做多一步或多步预测任务的从业者。 使用场景及目标:应用于金融市场波动预报、天气状况变化预测或是物流管理等多个领域内的决策支持。主要目的在于不仅能够提供精确的数值预计还能描绘出相应的区间概率图以增强结论置信程度。 补充说明:本教程通过一个由正弦信号加白噪构造而成的简单实例来指导大家理解和执行QRBiLSTM流程的所有关键步骤,这既方便于初学者跟踪学习,又有利于专业人士作为现有系统的补充参考工具。
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