《东南大学计算机组成原理历年真题解析》 计算机组成原理是计算机科学与技术专业的一门核心课程，它涉及计算机硬件系统的基本结构、工作原理及设计方法。东南大学作为国内知名的高等学府，其计算机组成原理课程的教学质量和考试难度备受业界认可。这份资料包含了东南大学多年来计算机组成原理的考试试卷，对于学习者来说，是一份极其宝贵的参考资料。 一、试卷结构与题型分析 东南大学的计算机组成原理解答题通常包括选择题、填空题、判断题、简答题和综合设计题等几大类型。选择题和填空题主要测试考生对基本概念、原理的理解和记忆；判断题则考察考生对知识点的辨析能力；简答题和综合设计题则更注重考生的逻辑思维和实际应用能力，要求考生能够运用所学知识解决具体问题。 二、重点知识梳理 1. 计算机系统概述：了解计算机的层次结构，掌握计算机硬件系统的五大组成部分（运算器、控制器、存储器、输入设备和输出设备）及其功能。 2. 数据表示与运算：理解不同进制转换，掌握二进制补码、反码和原码表示，理解浮点数的表示及运算规则。 3. 存储系统：了解内存的分类（如RAM、ROM），理解Cache的工作原理及优化策略，掌握虚拟内存的概念和实现方法。 4. 运算器：理解算术逻辑单元（ALU）的设计，掌握各种算术和逻辑运算的实现。 5. 控制器：理解指令系统设计，掌握微程序控制和硬连线控制的区别，了解时序系统和中断处理机制。 6. 机器语言与汇编语言：熟悉汇编语言指令集，掌握简单的程序设计。 7. 输入输出系统：理解I/O设备的工作原理，了解I/O方式（如DMA、中断、端口映射）及其应用场景。 8. 总线与接口：理解总线的分类，掌握总线仲裁和通信协议。 三、解题技巧与策略 1. 对于选择题和填空题，考生需熟练掌握基础知识点，通过平时的积累和复习，做到快速准确。 2. 简答题要求考生能够条理清晰地阐述概念，对于原理性问题，可以采用流程图或实例来解释。 3. 综合设计题往往需要将多个知识点融合，考生应具备扎实的基础知识，并能灵活运用，解决实际问题。 四、备考建议 1. 系统复习：按照教材章节，全面复习计算机组成原理的基本概念和原理。 2. 做题实践：通过历年真题和模拟题的练习，熟悉题型和解题思路，提高解题速度。 3. 深度理解：对于复杂知识点，深入理解其工作原理，可以通过画图、编程等方式加深理解。 4. 实践操作：有条件的话，可以进行硬件实验，增强对计算机硬件运行的理解。 5. 交流讨论：与同学一起讨论，相互解答疑惑，共同进步。 这份东南大学计算机组成原理的历年真题集，不仅有助于考生检验自己的学习效果，还可以帮助考生熟悉考试风格，提高应试能力。通过对这些真题的深入研究，相信考生能够在计算机组成原理的学习上取得显著的进步。

这是东南大学计算机组成原理课程实验设计源码及报告，主要是一个CPU的设计，包含全套源码和word版实验报告 一、实验目的 本实验的目的是设计并验证一个简单的CPU（中央处理器）。这个CPU有基本的指令集，并且我们将利用它的指令集来生成一个非常简单的程序来验证它的性能。为了简单起见，我们只会考虑CPU、寄存器、主存储器和指令集之间的关系也就是说，我们只需要考虑以下三部分：读/写寄存器、读/写记忆以及执行指令。 一个简单的CPU至少有四个部分组成：控制单元、内部寄存器、ALU和指令集，这是我们项目设计的主要方面。 二、实验任务 CPU设计中使用单地址指令格式。指令字包括两部分：操作码(OPCODE)，用来定义指令的功能；地址段(Address Part)，用来存放要被操作的指令的地址。称之为直接寻址(Direct Addressing)。在一些少量的指令中，地址段就是操作数，这是立即数寻址(Immediate Addressing)。 简化起见，主存储器的大小为256×16Bits。指令字有16比特，其中操作码部分8比特，地址段8比特。指令字的格式如图一。

原资源可在github中搜索到，这里只是用于个人学习方便。 课程内容 第1讲 知识图谱概论 （2019-3-1,2019-3-8） 1.1 知识图谱起源和发展 1.2 知识图谱 VS 深度学习 1.3 知识图谱 VS 关系数据库 VS 传统专家库 1.4 知识图谱本质和核心价值 1.5 知识图谱技术体系 1.6 典型知识图谱 1.7 知识图谱应用场景 第2讲 知识表示 (2019-3-15) 2.1 知识表示概念 2.2 知识表示方法 语义网络 产生式系统 框架系统 概念图 形式化概念分析 描述逻辑 本体 本体语言 统计表示学习 第3讲 知识建模 （2019-3-15，2019-3-22） 3.1 本体 3.2 知识建模方法 本体工程 本体学习 知识建模工具 知识建模实践 第4讲 知识抽取基础:问题和方法（2019-3-22） 4.1 知识抽取场景 4.2 知识抽取挑战 4.3 面向结构化数据的知识抽取 4.4 面向半结构化数据的知识抽取 4.5 面向非机构化数据的知识抽取 第5讲 知识抽取:数据采集（2019-3-29） 5.1 数据采集原理和技术 爬虫原理 请求和响应 多线程并行爬取 反爬机制应对 5.2 数据采集实践 百科 论坛 社交网络等爬取实践 第6讲 知识抽取:实体识别（2019-3-29） 6.1 实体识别基本概念 6.2 基于规则和词典的实体识别方法 6.3 基于机器学习的实体识别方法 6.4 基于深度学习的实体识别方法 6.5 基于半监督学习的实体识别方法 6.6 基于迁移学习的实体识别方法 6.7 基于预训练的实体识别方法 第7讲 知识抽取:关系抽取（2019-4-19，2019-4-26） 7.1 关系基本概念 7.2 语义关系 7.3 关系抽取的特征 7.4 关系抽取数据集 7.5 基于监督学习的关系抽取方法 7.6 基于无监督学习的关系抽取方法 7.7 基于远程监督的关系抽取方法 7.8 基于深度学习/强化学习的关系抽取方法 第8讲 知识抽取:事件抽取（2019-3-29） 8.1 事件抽取基本概念 8.2 基于规则和模板的事件抽取方法 8.3 基于机器学习的事件抽取方法 8.4 基于深度学习的事件抽取方法 8.5 基于知识库的事件抽取方法 8.6 基于强化学习的事件抽取方法 第9讲 知识融合（2019-4-28） 9.1 知识异构 9.2 本体匹配 9.3 匹配抽取和匹配调谐 9.4 实体匹配 9.5 大规模实体匹配处理 9.6 知识融合应用实例 第10讲 知识图谱表示学习（2019-5-5） 10.1 知识表示学习概念 10.2 基于距离的表示学习模型 10.3 基于翻译的表示学习模型 10.4 基于语义的表示学习模型 10.5 融合多源信息的表示学习模型 10.6 知识图谱表示学习模型的评测 10.7 知识图谱表示学习前沿进展和挑战 第11讲 知识存储（2019-5-10） 11.1 知识存储概念 11.2 图数据库管理系统、模型、查询语言 11.3 RDF数据库管理系统、模型、查询语言 11.4 基于关系型数据库的知识存储 第12讲 基于知识的智能问答（2019-5-10） 12.1 智能问答基础 12.2 问题理解 12.3 问题求解 12.4 基于模板的知识问答方法 12.5 基于语义分析的知识问答方法 12.6 基于深度学习的知识问答方法 12.7 IBM Watson原理和技术剖析 12.8 微软小冰的原理和技术剖析 第13讲 实体链接（2019-5-17） 13.1 实体链接基本概念 13.2 基于概率生成模型的实体链接方法 13.3 基于主题模型的实体链接方法 13.4 基于图的实体链接方法 13.5 基于深度学习的实体链接方法 13.6 基于无监督的实体链接方法 第14讲 知识推理（2019-5-17） 14.1 知识推理基础概念 14.2 基于逻辑的知识推理方法 14.3 基于统计学习的知识推理方法 14.4 基于图的知识推理方法 14.4 基于神经网络的知识推理方法 14.5 多种方法混合的知识推理方法

东南大学计算机图形学---机器人手臂，计算机图形学原创作业！！很牛的！！

东南大学计算机图形学实验3，纹理映射，贴图，球，有明暗处理。

东南大学计算机组成原理第二版答案任国林935教材答案！答案！答案！

东南大学计算机图形学实验，实验内容包括，三维镂空三角形，能用鼠标拖动，实现了拾取功能

2017年东南大学计算机专业考研真题回忆版，以前整理的，希望能帮助大家

此资源包含共4次作业（加上你的姓名学号即可提交）

这是东南大学计算机系数据结构（data structure）的KMP, Monte Carlo 和Las Vegas算法的程序类实现，里面有代码，报告。