嗯要用计算机,计算机自述 ①我的名字叫计算机.是一种现代化的计算工具.对了.我还有一个名字叫“电脑 .怎么样.这个名字挺别致吧! ②嗯.要说我的老祖宗吗.那就说来话长啰.可以追根溯源到算盘.那是聪明的...

计算机自述

①我的名字叫计算机,是一种现代化的计算工具。对了,我还有一个名字叫“电脑”,怎么样,这个名字挺别致吧!

②嗯,要说我的老祖宗吗,那就说来话长啰,可以追根溯源到算盘。那是聪明的中国人发明的。不过呢,人们现在所说的计算机,一般是指电子计算机。最早在1946年由美国宾夕法尼亚大学发明。它的名字叫埃尼阿克,是个大家伙,足足有两三间房子那么大。它可重了,有30多吨。它是我们电子计算机家族的第一代,叫做电子管计算机。我们家族的第二代是20世纪50年代末期出生的晶体管计算机。第三代是半导体集成电路计算机。第四代是大规模半导体集成电路计算机。如今已是第五代,超大规模集成电路计算机。从我们家族成员的发展趋势来看,它们的个子越来越小,但计算能力越来越强。比如埃尼阿克,占地170平方米,每秒只能运算5 000次。而美国最近制造的“克雷-Ⅱ”巨型计算机,每秒能够进行10亿次运算。嗯,还有呢,现在有些计算机甚至还没有手掌那么大。

③你大概很想知道我是怎样进行工作的吧?好,那我就简单介绍一下吧。不过,你先要把我的结构弄清楚。这样,我再讲我是怎样工作的,你就容易明白了。

④我主要由运算器、存储器、控制器、输入设备和输出设备构成。运算器相当于会计的算盘,主要是进行运算的。存储器好比是会计的账本,里面存放着计算时要用的数据和规定计算机应该怎么做的命令。输入设备和输出设备好比是计算机的眼睛和鼻子,负责把命令和数据送进和送出存储器。控制器的作用就像是人的大脑,指挥着运算过程。

⑤当我工作时,由人通过键盘给我命令,命令被送往存储器和控制器。控制器命令运算器进行人指定的运算。运算器运用存储器里人给定的数据进行运算,把运算结果送到存储器和控制器,控制器再命令输出设备打印出结果,于是输出设备便把存储器里的结果打印出来。这只是眨眼工夫的事。

⑥最后,我再说说我的作用吧。要说我的作用啊,那可真是太多了,多得简直不知从何说起。怎么,你不相信?你说我在吹牛?好,让我慢慢告诉你吧。先让我来问问你,航天史上最伟大的创举是什么?对了,是美国的“阿波罗”登月计划。可是你是否知道,在“阿波罗”登月计划中,对月球的大量调查研究工作是谁做的吗?是我——大名鼎鼎的电子计算机!我对宇航员采集到的标本仔细研究,把数据送给科学家,让科学家得出正确的结论,这其中,我可立下了汗马功劳。

⑦晴朗的夜晚,你抬头看天,如果运气好,或许可以看见人造卫星。人造卫星是那么高,上面的工作由谁做呢?告诉你,也是我——计算机干的。我操纵它们做各种事情,侦察、探矿……

⑧现在,你明白我的作用了吧?什么?你说什么?哦,你说我只在尖端技术中有用。哈!那你可大错特错了。告诉你,我不仅在尖端技术中有用,在民用技术、日常生活中也有很大用处。

⑨在一些工业发达的国家,在一些大工厂,如汽车工厂里,很少看到工人,那么,是谁在工作呢?也是我!我操纵机械手装配零件,速度可快了,很短的时间里就能装好一辆汽车,保证质量!

⑩我是优秀的售货员,我能把当天的售货信息总结起来,交给负责人,让他了解情况,能正确工作;我又是最好的资料保管员,我脑袋里收藏着的资料比一整座图书馆还要多。需要什么资料,尽管到我这儿来查,又快又方便。

(11)我还是小朋友的良师益友,我可以在屏幕上和他们做游戏;玩打坦克、打飞机等电子游戏,可好玩啦;我还可以教他们认字,学文化。

(12)现在,你该明白我的作用有多大了吧?你还要问什么呢?哦,你问我将来会不会取代人类,主宰世界,给人类带来灾难。我想不会的,因为虽然我能干很多事,但我毕竟是机器,只不过比其他机器高明一些罢了。我处事不如人那么灵活,我只能按预定的程序工作。所以,我相信是不会发生那种不愉快的事的。谁能代替人呢?没有,谁也不能代替人!

(13)好了,今天就谈到这儿,改天有时间再谈吧,再见!

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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