计算机体系结构:量化研究方法:第5版(计算机体系结构的“圣经”与时俱进的教科书)

“本书之所以成为永恒的经典，是因为它的每一次再版都不仅仅是更新补充，而是一次全面的修订，对这个激动人心且快速变化领域给出了最及时的信息和最独到的解读。再次阅读本书仍自觉学无止境,感佩于两位卓越大师的渊博学识和深厚功底。”现今计算机界处于变革之中：移动客户端和云计算正在成为驱动程序设计和硬件创新的主流范型。因此在这个最新版中，作者考虑到这个巨大的变化，重点关注了新的平台（个人移动设备和仓库级计算机）和新的体系结构（多核和GPU），不仅介绍了移动计算和云计算等新内容，还讨论了成本、性能、功耗、可靠性等设计要素。每章都有两个真实例子，一个来源于手机，另一个来源于数据中心，以反映计算机界正在发生的革命性变革。

3.2 知识图谱研究现状 3.2.1 通用知识图谱案例 国外的 DBpedia [Auer et al,2007]使用固定的模式从维基百科中抽取信息实 体，当前拥有 127 种语言的超过两千八百万实体以及数亿 RDF 三元组；Yago [Suchanek et al,2007]则整合维基百科与 WordNet 的大规模本体， 拥有 10 种语言 约 459 万个实体，2400 万个事实；Babelnet [Navigli et al,2012]则采用将 WordNet 词典与 Wikipedia 百科集成的方法，构建了一个目前最大规模的多语言词典知识 库，包含 271 种语言 1400 万同义词组、36.4 万词语关系和 3.8 亿链接关系。 国内的 Zhishi.me 从开放的百科数据中抽取结构化数据，当前已融合了包括 百度百科、互动百科、中文维基三大百科的数据，拥有 1000 万个实体数据、一 亿两千万个 RDF 三元组；以通用百科为主线，结合垂直领域的 CN-DBPedia [Xu et al,2017]，则从百科类网站的纯文本页面中提取信息，经过滤、融合、推断等操 作后形成高质量的结构化数据；XLore[Wang et al,2013]则是基于中文维基百科、 英文维基百科、百度百科、互动百科构建的大规模中英文知识平衡知识图谱。 3.2.2 领域知识图谱案例 领域知识图谱常常用来辅助各种复杂的分析应用或决策支持，如下图所示， 在多个领域均有应用，不同领域的构建方案与应用形式则有所不同，本文将以电 商、企业商业、图情、创投四个领域为例，从图谱构建与知识应用两个方面介绍 领域知识图谱的技术构建应用与研究现状。 图2 行业知识图谱应用一览15 15 引自 2017CCKS《行业知识图谱的构建与应用》

计算机体系结构量化研究方法 第四版中文版清晰版

计算机体系结构量化研究方法第五版习题与附录答案，包括每一章（除第六章）以及附录的习题答案

PDF格式，字迹清晰，计算机体系结构的经典教程，英文版，非常不错的资料。喜欢的朋友鼓励下！ 国内有本高教版的教材基本就是翻译这个来的。

计算机体系结构量化研究方法第五版(英文版)

计算机体系结构 量化研究方法 第5版 高清 电子书 下载 pdf sample.pdf )

K.2.3 印制增量 按附录 K.2.2. 计算亮、暗平均值之间的反射率阈值，用这一阈值产生出另一个区分亮、 暗的二进制图像。 此印制增量参数，也就是亮暗标记是否能恰当地充满它们的模块边缘的程度，是影响识 读性能的一个重要的过程质量指标。最能标明符号相对于单元名义尺寸的增加量和减少量的 独特的图形结构因符号不同而不同，应该在其符号规范中规定。它们一般是固定的结构或者 是孤立的单元。它们的尺寸 D通过计算二进制数字化图像象素数量来决定。可以独立地对一 个以上的尺寸，例如水平增量和垂直增量，进行规定和检测。对于每一个检测的尺寸规定一 个标称值 DNOM，一个允许的最大值 Dmax和最小值 Dmin。每一个测量值 D 应该归一化到它对应的 名义值和极限值： D'=(D- DNOM)/( Dmax- Dmin) 如果 D> DNOM D'=(D- DNOM)/( DNOM - Dmin) 其他情况 印制增量的等级确定如下： 4.0 (A) 如果 –0.50≤D'≤0.50 3.0 (B) 如果 –0.70≤D'≤0.70 2.0 (C) 如果 –0.85≤D'≤0.85 1.0 (D) 如果 –1.00≤D'≤1.00 0.0 (F) 如果 D'1.00 印制增量测量的目的在于检测组成符号的图形质量，是否偏离名义的尺寸太多，从而影 响比测试条件还差的实际制做条件生产出来的符号的可读性。 K.2.4 轴向不一致性 二维矩阵符号包含由模块组成的数据区，这些模块名义上位于正多边形网格中。参考译 码算法必须能够映象这些模块的中心位置来取得数据。轴向不一致性指的是对映象中心的距 离，即取样点在网格的每一个主轴方向上的间隔的度量和分级。 在每一个多边形的轴向，对相邻取样点的间隔分别整理，然后再计算出沿每一个轴向的 平均间隔 XAVG，轴向不一致性度量了轴与另一轴之间的取样点间隔的差别有多大。即： AN=abs(XAVG-YAVG)/((XAVG+YAVG)/2) 其中 abs()是绝对值函数，如果一个符号有多于两个主轴，那么 AN用由差别最大的两 个平均间隔计算得出。轴向不一致性等级的确定如下： 4.0 (A) 如果 AN≤0.06 3.0 (B) 如果 AN≤0.08