ARM的指令BFI如何翻译成等效的C++?

PDD123 2019-09-24 03:40:32
ARM的指令:BFI{<c>}{<q>} <Rd>, <Rn>, #<lsb>, #<width>
其功能用C++描述是不是这样:
		unsigned int inline bfi(unsigned int rd, unsigned int rn, unsigned int lsb, unsigned int width)
{
unsigned int ls = (unsigned int(0xFFFFFFFF) >> (32 - width));
rn = (rn & ls) << lsb;
ls = ~(ls << lsb);
rd = rd & ls;
rd = rd | rn;
return rd;
}


...全文
661 5 打赏 收藏 举报
写回复
用AI写文章
5 条回复
切换为时间正序
请发表友善的回复…
发表回复
PDD123 2019-09-24
  • 打赏
  • 举报
回复
引用 3 楼 早打大打打核战争 的回复:
应该是对的,你对比一下用指令和自行计算的结果
好的,谢谢。 结果和我理解的相同,只要我理解对了就对了。
PDD123 2019-09-24
  • 打赏
  • 举报
回复
一般有可能有歧义的地方,我要嘛写成两段,要嘛带个括号。
  • 打赏
  • 举报
回复
应该是对的,你对比一下用指令和自行计算的结果

PDD123 2019-09-24
  • 打赏
  • 举报
回复
引用 1 楼 早打大打打核战争 的回复:
rd = rd & ls; rd = rd | rn; return rd; 可以直接: return rd & ls | rn;
你好,我就想问问对不对。
  • 打赏
  • 举报
回复
rd = rd & ls;
rd = rd | rn;
return rd;
可以直接:
return rd & ls | rn;
内容概要:本文提出并实现了一种基于Transform-KAN混合架构的电力负荷预测模型,旨在通过融合Transformer在长序列建模中的注意力机制优势与Kolmogorov-Arnold Network(KAN)在函数逼近方面的高精度非线性拟合能力,显著提升负荷预测的准确性与鲁棒性。研究系统阐述了模型的整体结构设计、输入特征工程、训练流程及关键超参数配置,并利用真实电力系统历史数据进行多步预测实验,验证了该方法在处理非线性、非平稳负荷序列时的优越性能。重点探讨了新型神经网络结构在时间序列预测任务中的创新应用,为复杂电力系统负荷的精准预估提供了有效的技术路径。; 适合人群:具备一定编程基础和机器学习知识,从事电力系统、能源管理或时间序列预测相关研究的研发人员,尤其适合工作1-3年希望深入理解前沿预测模型的技术人员。; 使用场景及目标:①应用于电网调度、能源管理系统中对未来电力负荷的精确预测;②探索Transformer与KAN等新兴神经网络模型在实际工业场景中的融合设计与实现方法;③为学术研究提供可复现的高性能负荷预测基准方案。; 阅读建议:此资源以Python代码实现为核心,强调理论与实践相结合,建议读者在学习过程中仔细研读模型架构细节,动手运行并调试代码,结合实验结果深入理解各模块的作用与优化策略,从而全面掌握该先进预测方法的设计精髓。

21,500

社区成员

发帖
与我相关
我的任务
社区描述
汇编语言(Assembly Language)是任何一种用于电子计算机、微处理器、微控制器或其他可编程器件的低级语言,亦称为符号语言。
社区管理员
  • 汇编语言
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧