matlab做信效度分析代码使用深度神经网络及其分析预测下颞（IT）多单元输出。 深度神经网络由多层组成，以处理输入图像。 以类似的方式，灵长类动物大脑的视觉皮层具有多个层，这些层处理从视神经传入的视觉刺激。 它们按以下顺序排列：V1，V2，V3，V4，IT（下颞）。 IT层类似于经过训练的DNN的最后一层，确定图像中的对象。 在该项目中，比较了灵长类动物大脑的视觉皮层（V4和IT）的5个区域中的2个区域与流行的DNN模型之间的比较。 用于比较的一些DNN模型是： HMO HMAX 像V1 像V2 克里热夫斯基等。 2012年 Zeiler＆Fergus 2013 1.1）数据获取和使用 在显示测试对象（灵长类动物）测试图像的同时，从其V4和IT区域记录神经输出。 V4区域具有128个通道，通过该通道收集神经输出，而IT区域具有168个通道。 因此，灵长类动物大脑中一幅图像的IT表示是一个168维向量。 总共向灵长类动物显示了1960张图像，因此V4数据矩阵为1960x128，而IT数据矩阵为1960x168。 这是数据的链接： 这里仅使用多单位数据。 为了从DNN模型的最后一个完全连

Cortex-M3权威指南Cn.pdf 中文版，里面对M3做了详细说明，是本不错的书籍。

接CM3之后，CM0和CM4再次掀起浪潮，CM4有增加DSP功能

Cortex-M3权威指南中文版，学习Cortex-M3的好资料

ARM7引系列处理器是英国ARM公司设计的主流嵌入式处理器 Cortex-M3是一个32位的核，在传统的单片机领域中，有一些不同于通用32位CPU应用的要求。

Cortex M系列在处理能力基本与ARM7相同，主要是成本低，功耗小。该文档给出Cortex M3技术参考手册。

Cortex-M ™ System Design Kit

不错的ＡＲＭ单片机资料，很适合新手学习。 新手上路，选择的资料。

为了将μC／OS-III移植到Cortex-M3处理器上，选用RealViewMDK作为软件开发平台，针对Cortex-M3处理器特性编写了移植所需的C语言和汇编语言源代码，并验证了移植的正确性。移植后的μC／OS-III能够稳定运行于Cortex-M3处理器上。该移植对大部分Cortex-M3处理器具有通用性，对其他架构处理器的μC／OS-III移植具有参考作用。

STM32CubeIDE新建工程并移植UC/OS官方教程 AN-ST-STM32CubeIDE-ARM-Cortex-M 可在Micrium官网下载