博客
关于我
南京晓庄学院计组期末复习限时训练15(第六章计算机的计算方法)
阅读量:336 次
发布时间:2019-03-04

本文共 417 字,大约阅读时间需要 1 分钟。

补码运算过程如下:

  • 计算X的补码:

    • X = -0.10110
    • 绝对值0.10110的补码为1.011011
    • 补1后得到1.0111000
  • 计算Y的补码:

    • Y = 0.10010
    • 补码为0.10010(前导零不影响)
  • 计算[-Y]的补码:

    • Y = 0.10010
    • -Y = -0.10010
    • 绝对值0.10010的补码为1.011011
    • 补1后得到1.0111000
  • 计算[X+Y]的补码:

    • X的补码1.0111000与Y的补码0.10010相加:
    • 结果为11.1110000,符号位未变,无溢出。
  • 计算[X-Y]的补码:

    • X的补码1.0111000与Y的补码0.10010相减:
    • 结果为10.1100000,符号位未变,无溢出。
  • 最终答案:

    (1)1.0111000

    (2)0.10010
    (3)1.0111000
    (4)11.1110000,无溢出
    (5)无
    (6)10.1100000,无溢出

    注:补码运算时,符号位未变则无溢出。

    转载地址:http://nyrq.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
    查看>>
    OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
    查看>>
    OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
    查看>>
    OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
    查看>>
    OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
    查看>>
    OpenCV与AI深度学习 | 深度学习检测小目标常用方法
    查看>>
    OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
    查看>>
    OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
    查看>>
    OpenCV与AI深度学习|16个含源码和数据集的计算机视觉实战项目(建议收藏!)
    查看>>
    Opencv中KNN背景分割器
    查看>>