大学计算机基础知识点图文,大学计算机基础知识点超详细总结

41528d3028836879cd698677c3999917.gif大学计算机基础知识点超详细总结

第一章 计算机及信息技术概述1. 电子计算机的发展历程①1946 年 2 月由宾夕法尼亚大学研制成功的 ENIAC 是世界上第一台电子数字计算机。 “诞生了一个电子的大脑” 致命缺陷:没有存储程序。②电子技术的发展促进了电子计算机的更新换代:电子管、晶体管、集成电路、大规模及超大规模集成电路电子计算机发展时间: 第一代 1946-1958 电子管计算机,主要应用科学计算和军事计算  第二代 1958-1964 晶体管计算机,主要应用于数据处理领域 第三代 1964-1971 集成电路计算机,主要应用于可科学计算,数据处理,工业控制等领域 第四代 1971 年以来 超大规模集成电路,深入到各行各业,家庭和个人开始使用计算机2. 计算机的类型按计算机用途分类:通用计算机和专用计算机按计算机规模分类:巨型机、大型机、小型机、微型机、工作站、服务器、嵌入式计算机按计算机处理的数据分类:数字计算机、模拟计算机、数字模拟混合计算机3. 计算机的特点及应用领域计算机是一种能按照事先存储的程序,自动、高速地进行大量数值计算和各种信息处理的现代化智能电子设备。 (含义)A. 运算速度快 运算速度用 MIPS(百万条指令每秒)来衡量,是计算机性能的指标之一B. 计算精度高 应用于数值计算C. 具有逻辑判断能力 信息检索、图形识别D. 记忆性强E. 可靠性高、通用性强 应用于数据处理、工业控制、辅助设计(CAD) 、辅助制造(CAM)办公自动化。 应用领域:1)数值计算 (主要是科学研究等数学计算问题)2)数据及事务处理 (非科技方面的数据管理和计算处理)3)自动控制与人工智能 (多用于航空航天领域)4)计算机辅助设计(CAD) 、计算机辅助制造(CAM) 、计算机辅助教学(CAI)5)通信与网络4. 计算机发展趋势:巨型化、微型化、网络化、智能化1、光计算机 2、生物计算机 3、量子计算机5. 常用的数制进位制 进位规则 基数 所用的数码 位 权 表示符号二进制 逢二进一 R=2 O,1 2i B(Binary)八进制 逢八进一 R=8 0,1,…,7 8i O(Octal)十进制 逢十进一 R=10 0,1,…,9 10i D(Decimal)十六进制 逢十六进一 R=16 0,1…,9,A,.F 16i H(Hexadecimal)基数:R 进制的基数=R位权:在数制中,各位数字所表示值的大小不仅与该数字本身的大小有关,还与该数字所在的位置有关,我们称这关系为数的位权。位权:一个与数字位置有关的常数,位权=Rn6. 数据、信息和信息编码的概念数据不仅指数字、字母、文字和其他特殊字符。而且还包括图形、图像、动画、影像、声音等多媒体数据。信息是人们按照预先的目的,通过从各种不同的渠道、不同的角度观察记录反映客观事物状态和特征的某种概念或经过加工后的数据。信息强调的是对人有用的数据,这些数据将可能影响到人们的行为与决策。数据是客观存在的事实、概念等,是一种可供加工的特殊表达形式。信息编码的基本元素是 0 和 1 两个数码,称为二进制。7. 计算机仍采用二进制位数表示信息的原因:1)物理上容易实现 2)运算规则简单 3)可靠性高 4)易于实现逻辑运算和逻辑判断8. 二进制和其它进制的转换十进制转二进制:整数部分除以 2 取余,直至商为 0;小数部分乘以 2 取整,直至小数部分为 0 或达到所需精度为止。十进制转八进制:方法同上。整数部分除以 8,小数部分乘以 8。十进制转十六进制:方法同上。整数部分除以 16,小数部分乘以 16。 9. 计算机中的数据单位位(bit):计算机存储数据的最小单元(0、1)字节(Byte):处理数据的基本单位(8bit/Byte)常用的字节计数单位:1KB=1024 Byte (210B) 1MB=1024 KB (220B)1GB=1024 MB (230B) 1TB=1024 GB (240B)字长:CPU 一次处理数据的二进制位数。10. 信息表示与编码所谓编码,就是利用数字串来标识所处理对象的不同个体。 在数学中,数值是用“+”和“-”表示正数和负数的,而在计算机中只有 0 和 1,所以正负号也用 0 和 1 表示,即数值符号数字化。 “模”是指一个系统所能表示的数据个数。按模运算是指运算结果超过模时,模(或模的整数倍)将溢出而只剩下余数。 假设 M 为模,若数 a,b 满足 a+b=M,则称 a,b 互为补数。在有模运算中,减去一个数等于加上这个数对模的补数。  原码 用 0 表示正号 1 表示负号 例如:(+45) 10的原码为(00101101) 2 , (-45)的原码为(10101101)2 反码 对于正数,其反码与其原码相同;对于负数,用相应正数的原码各位取反来表示,包括将符号位取反。 补码 正数的补码与原码和反码相同;负数的补码为该负数的反码末位加 1.11. 实数的表示定点数: 小数点位置固定的数称为定点数。浮点数: 小数点位置不固定的数称为浮点数 BCD 码 即用二进制位表示十进制,最常见的是 842BCD 码采用四位二进制表示一位十进制。 ASCII 码 采用 7 位二进制表示一个字符,一个字节占 8 位二进制,一个 ASSII 码占最低 7 位,最高位通常定位 0.可以有 27中状态,即 128 种状态。 汉字编码输入码a) 输入码b) 国标码和区位码:每个汉字占两个字节的编码,且每个字节最高位均为 0。所有汉字分 94 个区,每个区 94 个汉字。由此构成区位码。而区位码的区码和位码各加 32 就得到国标码。c) 机内码 d) 字型码:汉字存储在计算机内采用机内码,但输出时必须转换成字形码,再根据字形码输出汉字。字形码又称汉字字模,用于在显示器或打印机上输出各种文字和符号。点阵汉字:每一个汉字以点阵形式存储,有点的地方为“1” ,空白的地方为“0” 。有16×16、24×24、48×48 点阵等。点阵越大,字形分辨率越好,字形也越美观,但汉字存储的字节数就多,字库也就越庞大。第二章 计算机系统1. 计算机系统的构成一个完整的计算机系统是由硬件和软件组成。硬件是由运算器、控制器、存储器、输入设备、输出设备五部分组成。其中:中央处理器(简称 CPU)=运算器+控制器主机=中央处理器+主存储器软件是指各类程序和数据,计算机软件包括计算机本身运行所需要的系统软件和用户完成任务所需要的应用软件。2. 冯·诺依曼型计算机的结构 冯·诺依曼型计算机是将程序和数据事先存放在外存储器中,在执行时将程序和数据先从外存装入内存中,然后使计算机在工作时自动地从内存中取出指令并加以执行,这就是存储程序概念的基本原理。 冯·诺依曼计算机体系结构的主要特点是:(1) 采用二进制形式表示程序和数据。 (2) 计算机硬件是由运算器、控制器、存储器、输入设备和输出设备五大部分组成 。(3) 程序和数据以二进制形式存放在存储器中。 (4) 控制器根据存放在存储器中的指令 (程序) 工作。3. 中央处理器 CPUCPU:运算器部件、寄存器部件和控制器部件。CPU 从存储器取出指令

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/508048.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

js复制html到粘贴板,用clipboard.js实现纯JS复制文本到剪切板

以前很多人都是用ZeroClipboard.js来实现网页复制内容,火端也是用它。ZeroClipboard是利用flash来实现的,ZeroClipboard兼容性很好,但是由于现在越来越多的浏览器不支持flash,导致一些没法正常使用了。今天火端开始使用clipboard.…

计算机设备的存放,计算机硬件储存设备与网络储存的发展现状

计算机的出现,改变了人们的生活和生产,而计算机硬件技术的发展,则为计算机储存开辟了新的发展方向和途径。而随着时代的进步,计算机储存技术的发展也是日新月异,现在我们所使用的云储存技术,就是储存技术发…

计算机键盘没有fn,键盘Fn键失灵怎么解决?键盘Fn键失灵的修复方法

电脑键盘是电脑输入设备中最常用的设备之一,也是大家使用最频繁的的设备。其实键盘Fn键占据着很大分量,Fn键能够实现很多功能,如控制音量、打开关闭摄像头、屏幕亮度调节等。如果Fn键失灵的话,那就会对电脑造成很大的影响,有什么办法修复?下面…

网站的服务器分哪几种,服务器有哪几种分类?_服务器可分为四种类型

办事器能够按使用分:OA办事器、数据库办事器、流媒体办事器、高机能计较办事器、逛戏办事器等。软盘接口是软盘取从机系统间的毗连部件,感化是正在软盘缓存和从机内存之间传输数据。分歧的软盘接口决定灭软盘取计较机之间的毗连速度,正在零个…

英雄联盟服务器维护3月17,英雄联盟将于3月17日凌晨2点开始进行全区停机维护...

原标题:英雄联盟全区停机维护公告英雄联盟将于3月17日凌晨2点开始进行全区停机维护,公告如下:我们将于3月17日2点开始全区停机维护以进行后台服务升级,预计在凌晨1点关闭排位赛入口,不会影响正在进行中的排位赛。预计停…

网站服务器时间秒杀,Javascript实现商品秒杀倒计时(时间与服务器时间同步)...

现在有很多网站都在做秒杀商品,而这其中有一个很重要的环节就是倒计时。关于倒计时,有下面几点需要注意:1.应该使用服务器时间而不是本地时间(本地时间存在时区不同、用户自行设置等问题)。2.要考虑网络传输的耗时。3.获取时间时可直接从AJAX…

i7 8700 服务器系统,i7 8700k 云服务器

i7 8700k 云服务器 内容精选换一换您可以在几分钟之内快速获得基于公有云平台的弹性云服务器设施,并且这些设施是弹性的,可以根据需求伸缩。该任务指导用户如何创建支持IB网卡的弹性云服务器,包括管理控制台方式和基于HTTPS请求的API(Applica…

(教程)2020最新windows10/anaconda/pytorch-gpu环境配置(附CUDA/cuDNN配置)

(教程)2020最新windows10/anaconda/pytorch-gpu环境配置(附CUDA/cuDNN配置) 环境:windows10 nvidia 165ti 1. 安装anaconda3,自行安装 https://www.anaconda.com/download/ 安装完成后,配置…

信息论 哈夫曼编码 与 菲诺编码的实现(对一幅BMP格式的灰度图像(个人 证件照片)进行二元霍夫曼编码和译码。并进行编码效率的计算,对一幅BMP格式的灰度图像进行二 元Fano编码、译码 )

信息论 哈夫曼编码 与 菲诺编码的实现(对一幅BMP格式的灰度图像(个人 证件照片)进行二元霍夫曼编码和译码。并进行编码效率的计算,对一幅BMP格式的灰度图像进行二 元Fano编码、译码 ) 原始图片 灰度处理 编码生成的…

教你如何使用hexo以及nginx、github搭建属于自己的博客(操心的妈妈级教学)

教你如何使用hexo以及nginx、github搭建属于自己的博客(妈妈级教学) ~~ 1.解释一下你要的服务器的效果以及对应的操作 ~~ 首先你要有自己的一台服务器,可以是云服务器,或者你可以用自己的电脑作为服务器,&#xff0…

(菜鸟入门)使用pytorch框架实现前馈神经网络

前馈神经网络 常见的前馈神经网络有感知机(Perceptrons)、BP(Back Propagation)网络等。前馈神经网络(FNN)是人工智能领域中最早发明的简单人工神经网络类型。各神经元分层排列。每个神经元只与前一层的神经元相连。接收前一层的…

Windows下如何如何将项目上传至GitHub?

安装git客户端 进入官网,点击右侧下载windows版本的软件包 如果下载慢的话,给一个传送门,可以快速下载: 双击安装 一直点击下一步就可,安装位置可以自己选择一下 Github创建仓库 填写项目名称以及ba…

(pytorch-深度学习系列)pytorch卷积层与池化层输出的尺寸的计算公式详解

pytorch卷积层与池化层输出的尺寸的计算公式详解 注:这篇blog写的不够完善,在后面的CNN网络分析padding和stride详细讲了公式,感兴趣的可以移步这里:卷积神经网络中的填充(padding)和步幅(stride) 要设计卷积神经网络的结构&…

idea创建springboot项目,一直在reading pom.xml

problem:遇到的问题 idea创建springboot项目,一直在reading pom.xml 解决方法有三种: (1)修改windows配置文件 c;\windows\System32\drivers\etc\hosts将12.0.0.1 localhost前的注释符号#去掉 (2&#x…

springboot 项目实战 基本框架搭建(IDEA)

springboot 项目实战 基本框架搭建(IDEA) IDEA下载 我使用的是破解的专业版IDEA,使用权一直到2089年: 下载IDEA: 下载processional版本,然后百度搜索激活码即可概率激活,如果你不成功就多找几个激活码 配…

使用IDEA 连接mysql数据库,执行sql指令

使用IDEA 连接mysql数据库,执行sql指令 1 配置项目的SQL依赖 首先参考这篇博文,创建springboot的基本框架 在创建项目的过程中,需要选择SQL相关的依赖,如下: SQL勾选:MySQL Driver,JDBC API …

thymeleaf There was an unexpected error (type=Internal Server Error, status=500).

thymeleaf There was an unexpected error (typeInternal Server Error, status500). 使用thymeleaf依赖&#xff0c;无法访问html文件&#xff0c;解决方法有以下几种可能&#xff1a; 1. 未加载thymeleaf依赖&#xff0c;打开pom.xml&#xff0c;加入依赖&#xff1a; <…

org.attoparser.ParseException: Could not parse as expression: “

Caused by: org.attoparser.ParseException: Could not parse as expression: " {field: ‘id’, title: ‘ID’, fixed: ‘left’, unresize: true, sort: true} , {field: ‘number’, title: ‘学号’, edit: ‘number’, sort: true} , {field: ‘name’, title: ‘姓…

(pytorch-深度学习系列)pytorch中backwards()函数对梯度的操作

backwards()函数对梯度的操作 对于一个新的tensor来说&#xff0c;梯度是空的&#xff1b;但当对这个tensor进行运算操作后&#xff0c;他就会拥有一个梯度&#xff1a; x torch.ones(2, 2, requires_gradTrue) print(x) print(x.grad_fn)y x 2 print(y) print(y.grad_fn)…

(pytorch-深度学习系列)pytorch实现线性回归

pytorch实现线性回归 1. 实现线性回归前的准备 线性回归输出是一个连续值&#xff0c;因此适用于回归问题。回归问题在实际中很常见&#xff0c;如预测房屋价格、气温、销售额等连续值的问题。 与回归问题不同&#xff0c;分类问题中模型的最终输出是一个离散值。我们所说的图…