Enviar pesquisa
Carregar
TEX マクロプログラミング
•
5 gostaram
•
15,290 visualizações
Koh Uehara
Seguir
TEX マクロプログラミング マクロ基礎 カウンタ 条件分岐 ループ 入出力 特殊マクロ
Leia menos
Leia mais
Software
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 38
Baixar agora
Baixar para ler offline
Recomendados
Paper: Objects as Points(CenterNet)
Paper: Objects as Points(CenterNet)
Yusuke Fujimoto
勾配降下法の最適化アルゴリズム
勾配降下法の最適化アルゴリズム
nishio
単語・句の分散表現の学習
単語・句の分散表現の学習
Naoaki Okazaki
2値分類・多クラス分類
2値分類・多クラス分類
t dev
VAEs for multimodal disentanglement
VAEs for multimodal disentanglement
Antonio Tejero de Pablos
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
Takahiro Kubo
数学で解き明かす深層学習の原理
数学で解き明かす深層学習の原理
Taiji Suzuki
線形計画法入門
線形計画法入門
Shunji Umetani
Recomendados
Paper: Objects as Points(CenterNet)
Paper: Objects as Points(CenterNet)
Yusuke Fujimoto
勾配降下法の最適化アルゴリズム
勾配降下法の最適化アルゴリズム
nishio
単語・句の分散表現の学習
単語・句の分散表現の学習
Naoaki Okazaki
2値分類・多クラス分類
2値分類・多クラス分類
t dev
VAEs for multimodal disentanglement
VAEs for multimodal disentanglement
Antonio Tejero de Pablos
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
Takahiro Kubo
数学で解き明かす深層学習の原理
数学で解き明かす深層学習の原理
Taiji Suzuki
線形計画法入門
線形計画法入門
Shunji Umetani
[DL輪読会]World Models
[DL輪読会]World Models
Deep Learning JP
[DL輪読会]深層強化学習はなぜ難しいのか?Why Deep RL fails? A brief survey of recent works.
[DL輪読会]深層強化学習はなぜ難しいのか?Why Deep RL fails? A brief survey of recent works.
Deep Learning JP
MixMatch: A Holistic Approach to Semi- Supervised Learning
MixMatch: A Holistic Approach to Semi- Supervised Learning
harmonylab
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
Naoto Tamiya
Transformerを雰囲気で理解する
Transformerを雰囲気で理解する
AtsukiYamaguchi1
【DL輪読会】DayDreamer: World Models for Physical Robot Learning
【DL輪読会】DayDreamer: World Models for Physical Robot Learning
Deep Learning JP
大規模言語モデルとChatGPT
大規模言語モデルとChatGPT
nlab_utokyo
クラシックな機械学習の入門 9. モデル推定
クラシックな機械学習の入門 9. モデル推定
Hiroshi Nakagawa
TensorFlowをもう少し詳しく入門
TensorFlowをもう少し詳しく入門
tak9029
異常の定義と推定
異常の定義と推定
Satoshi Hara
[DL輪読会]Deep Learning 第15章 表現学習
[DL輪読会]Deep Learning 第15章 表現学習
Deep Learning JP
近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer
Yusuke Uchida
Semi supervised, weakly-supervised, unsupervised, and active learning
Semi supervised, weakly-supervised, unsupervised, and active learning
Yusuke Uchida
画像処理AIを用いた異常検知
画像処理AIを用いた異常検知
Hideo Terada
クラシックな機械学習の入門 6. 最適化と学習アルゴリズム
クラシックな機械学習の入門 6. 最適化と学習アルゴリズム
Hiroshi Nakagawa
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models
Deep Learning JP
画像認識モデルを作るための鉄板レシピ
画像認識モデルを作るための鉄板レシピ
Takahiro Kubo
continual learning survey
continual learning survey
ぱんいち すみもと
SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて
SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて
SSII
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
Hitomi Yanaka
プログラミングTeX
プログラミングTeX
Hidetsugu Tamura
каталог фаберлик 5 2016
каталог фаберлик 5 2016
ivgen08
Mais conteúdo relacionado
Mais procurados
[DL輪読会]World Models
[DL輪読会]World Models
Deep Learning JP
[DL輪読会]深層強化学習はなぜ難しいのか?Why Deep RL fails? A brief survey of recent works.
[DL輪読会]深層強化学習はなぜ難しいのか?Why Deep RL fails? A brief survey of recent works.
Deep Learning JP
MixMatch: A Holistic Approach to Semi- Supervised Learning
MixMatch: A Holistic Approach to Semi- Supervised Learning
harmonylab
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
Naoto Tamiya
Transformerを雰囲気で理解する
Transformerを雰囲気で理解する
AtsukiYamaguchi1
【DL輪読会】DayDreamer: World Models for Physical Robot Learning
【DL輪読会】DayDreamer: World Models for Physical Robot Learning
Deep Learning JP
大規模言語モデルとChatGPT
大規模言語モデルとChatGPT
nlab_utokyo
クラシックな機械学習の入門 9. モデル推定
クラシックな機械学習の入門 9. モデル推定
Hiroshi Nakagawa
TensorFlowをもう少し詳しく入門
TensorFlowをもう少し詳しく入門
tak9029
異常の定義と推定
異常の定義と推定
Satoshi Hara
[DL輪読会]Deep Learning 第15章 表現学習
[DL輪読会]Deep Learning 第15章 表現学習
Deep Learning JP
近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer
Yusuke Uchida
Semi supervised, weakly-supervised, unsupervised, and active learning
Semi supervised, weakly-supervised, unsupervised, and active learning
Yusuke Uchida
画像処理AIを用いた異常検知
画像処理AIを用いた異常検知
Hideo Terada
クラシックな機械学習の入門 6. 最適化と学習アルゴリズム
クラシックな機械学習の入門 6. 最適化と学習アルゴリズム
Hiroshi Nakagawa
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models
Deep Learning JP
画像認識モデルを作るための鉄板レシピ
画像認識モデルを作るための鉄板レシピ
Takahiro Kubo
continual learning survey
continual learning survey
ぱんいち すみもと
SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて
SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて
SSII
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
Hitomi Yanaka
Mais procurados
(20)
[DL輪読会]World Models
[DL輪読会]World Models
[DL輪読会]深層強化学習はなぜ難しいのか?Why Deep RL fails? A brief survey of recent works.
[DL輪読会]深層強化学習はなぜ難しいのか?Why Deep RL fails? A brief survey of recent works.
MixMatch: A Holistic Approach to Semi- Supervised Learning
MixMatch: A Holistic Approach to Semi- Supervised Learning
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
Transformerを雰囲気で理解する
Transformerを雰囲気で理解する
【DL輪読会】DayDreamer: World Models for Physical Robot Learning
【DL輪読会】DayDreamer: World Models for Physical Robot Learning
大規模言語モデルとChatGPT
大規模言語モデルとChatGPT
クラシックな機械学習の入門 9. モデル推定
クラシックな機械学習の入門 9. モデル推定
TensorFlowをもう少し詳しく入門
TensorFlowをもう少し詳しく入門
異常の定義と推定
異常の定義と推定
[DL輪読会]Deep Learning 第15章 表現学習
[DL輪読会]Deep Learning 第15章 表現学習
近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer
Semi supervised, weakly-supervised, unsupervised, and active learning
Semi supervised, weakly-supervised, unsupervised, and active learning
画像処理AIを用いた異常検知
画像処理AIを用いた異常検知
クラシックな機械学習の入門 6. 最適化と学習アルゴリズム
クラシックな機械学習の入門 6. 最適化と学習アルゴリズム
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models
画像認識モデルを作るための鉄板レシピ
画像認識モデルを作るための鉄板レシピ
continual learning survey
continual learning survey
SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて
SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
Destaque
プログラミングTeX
プログラミングTeX
Hidetsugu Tamura
каталог фаберлик 5 2016
каталог фаберлик 5 2016
ivgen08
01 2015-small
01 2015-small
ivgen08
Cougars Overview
Cougars Overview
Shawn Touney
Asian landscapes
Asian landscapes
Thai Chamroeun
Cat pdf-09-2015-small
Cat pdf-09-2015-small
ivgen08
Dell pc support number 1-866-757-9494
Dell pc support number 1-866-757-9494
Tech Cillin
innovation
innovation
Md Ikbal Hussain
Checking E-mail
Checking E-mail
Rafiqul Islam
教師の資質能力に対する認識のズレ―アクターとしての大学と教育委員会に着目した実証分析―
教師の資質能力に対する認識のズレ―アクターとしての大学と教育委員会に着目した実証分析―
Shinnji Matsumiya
Madonna della Neve al Feo di Altavilla Silentina. Salerno
Madonna della Neve al Feo di Altavilla Silentina. Salerno
L. A.
детская одежда фаберлик
детская одежда фаберлик
ivgen08
110215_Irrigation_Leader_Snow_Article
110215_Irrigation_Leader_Snow_Article
Matt Hoobler
каталог фаберлик 15
каталог фаберлик 15
ivgen08
Destaque
(14)
プログラミングTeX
プログラミングTeX
каталог фаберлик 5 2016
каталог фаберлик 5 2016
01 2015-small
01 2015-small
Cougars Overview
Cougars Overview
Asian landscapes
Asian landscapes
Cat pdf-09-2015-small
Cat pdf-09-2015-small
Dell pc support number 1-866-757-9494
Dell pc support number 1-866-757-9494
innovation
innovation
Checking E-mail
Checking E-mail
教師の資質能力に対する認識のズレ―アクターとしての大学と教育委員会に着目した実証分析―
教師の資質能力に対する認識のズレ―アクターとしての大学と教育委員会に着目した実証分析―
Madonna della Neve al Feo di Altavilla Silentina. Salerno
Madonna della Neve al Feo di Altavilla Silentina. Salerno
детская одежда фаберлик
детская одежда фаберлик
110215_Irrigation_Leader_Snow_Article
110215_Irrigation_Leader_Snow_Article
каталог фаберлик 15
каталог фаберлик 15
Semelhante a TEX マクロプログラミング
AI入門「第3回:数学が苦手でも作って使えるKerasディープラーニング」【旧版】※新版あります
AI入門「第3回:数学が苦手でも作って使えるKerasディープラーニング」【旧版】※新版あります
fukuoka.ex
【macOSにも対応】AI入門「第3回:数学が苦手でも作って使えるKerasディープラーニング」
【macOSにも対応】AI入門「第3回:数学が苦手でも作って使えるKerasディープラーニング」
fukuoka.ex
Excelマクロ・vbaについて
Excelマクロ・vbaについて
Yoshinori Kamaishi
Tdd
Tdd
Takaya Kotohata
JAWSDAYS 2014 ACEに聞け! EMR編
JAWSDAYS 2014 ACEに聞け! EMR編
陽平 山口
20121215 DevLOVE2012 Mahout on AWS
20121215 DevLOVE2012 Mahout on AWS
都元ダイスケ Miyamoto
大規模なギョームシステムにHaxeを採用してみた話
大規模なギョームシステムにHaxeを採用してみた話
terurou
C# から java へのプログラム移植で体験したtddの効果は?
C# から java へのプログラム移植で体験したtddの効果は?
Shinichi Hirauchi
関数プログラミング入門
関数プログラミング入門
masatora atarashi
pi-3. 式の抽象化とメソッド
pi-3. 式の抽象化とメソッド
kunihikokaneko1
jenkinsで遊ぶ
jenkinsで遊ぶ
(^-^) togakushi
Semelhante a TEX マクロプログラミング
(11)
AI入門「第3回:数学が苦手でも作って使えるKerasディープラーニング」【旧版】※新版あります
AI入門「第3回:数学が苦手でも作って使えるKerasディープラーニング」【旧版】※新版あります
【macOSにも対応】AI入門「第3回:数学が苦手でも作って使えるKerasディープラーニング」
【macOSにも対応】AI入門「第3回:数学が苦手でも作って使えるKerasディープラーニング」
Excelマクロ・vbaについて
Excelマクロ・vbaについて
Tdd
Tdd
JAWSDAYS 2014 ACEに聞け! EMR編
JAWSDAYS 2014 ACEに聞け! EMR編
20121215 DevLOVE2012 Mahout on AWS
20121215 DevLOVE2012 Mahout on AWS
大規模なギョームシステムにHaxeを採用してみた話
大規模なギョームシステムにHaxeを採用してみた話
C# から java へのプログラム移植で体験したtddの効果は?
C# から java へのプログラム移植で体験したtddの効果は?
関数プログラミング入門
関数プログラミング入門
pi-3. 式の抽象化とメソッド
pi-3. 式の抽象化とメソッド
jenkinsで遊ぶ
jenkinsで遊ぶ
TEX マクロプログラミング
1.
TEX マクロ プログラミング 2012.03.30 植原 昂
2.
TeXで論文を書く時に、 マクロを使うと効率的です
3.
しかし、 体系的にまとまった資料は なかなか見つかりません
4.
そこで、 使えそうなものに絞り まとめてみました
5.
この資料で伝える項目です ✓マクロ基礎 ✓カウンタ ✓条件分岐 ✓ループ ✓入出力 ✓特殊マクロ
6.
マクロを定義する
7.
マクロ定義は簡単です devmyname{ウエハラ} 私は myname です =>
私は ウエハラ です
8.
引数も使えます devhour#1{#1時} 今は hour{5} です =>
今は 5時 です
9.
別の定義方法もあります newcommand{myname}{ウエハラ} newcommand{hour}[1]{#1時}
10.
defとnewcommandの違い - マクロを多重定義した場合の動作 - 引数のとり方 -
処理系
11.
多重定義の違い devlang{ruby} devlang{python} 言語は lang です =>
言語は python です >> 上書きされる newcommad{lang}{ruby} newcommad{lang}{python} >> コンパイルエラーとなる def newcommand
12.
引数の取り方 deftodo(#1,#2)#3{#1月#2日 #3} todo(3,3){耳の日} => 3月3日
耳の日 def ではパターンマッチのイメージで マクロを使用できる
13.
処理系の違い LaTeXTeX def newcommand newcommandはTeXの環境では使用できません
14.
マクロを操作する
15.
マクロをコピーします defperson{ウエハラ} letcloneperson clone => ウエハラ
16.
マクロを初期化します defhoge{ほげ} lethogerelax hoge => 未定義エラー relaxは初期化のために利用する空の定義です
17.
カウンタを使う
18.
カウンタを定義します newcountnum >> カウンタ num
が作られます
19.
値を代入・参照します newcountnum num=100 numbernum => 100 num=300 numbernum => 300
20.
計算します newcountnum num=100 advancenum by3 numbernum => 103 advancenum
by-5 numbernum => 98
21.
条件分岐を使う
22.
文字列と比較します deftoday{休日} iftoday{平日} defwakeup{7時} else defwakeup{9時} fi wakeup => 9時
23.
数値と比較します newcountprice price=380 ifnumprice>500 deflunchbox{普通の弁当} else deflunchbox{ワンコイン弁当} fi lunchbox => ワンコイン弁当
24.
2個のマクロを比較します defmikeIsAt{東京} defemilyIsAt{大阪} ifx mikeIsAt emilyIsAt 会える! else すれ違い fi =>
すれ違い
25.
他にもたくさん 参考)http://www-sop.inria.fr/marelle/tralics/doc-i.html ifundefined ifodd ifdim iftrue iffalse ifcase
ifinner ifdefined ifhbox ifvoid ifvbox ifcat ifthenelse ifmmode
26.
スイッチを使います newififrainy #スイッチrainyを作る rainytrue #スイッチをtrueにする ifrainy
部屋干し else 外干しfi =>部屋干し rainyfalse #スイッチをfalseにする ifrainy 部屋干し else 外干し fi => 外干し
27.
繰り返しを使う
28.
ループを使います newcountn #ループ変数を用意します n=0 loopifnumn<3 advancen
by1 test numbern, repeat => test1, test2, test3
29.
色々組み合わせてみます newcountn defseq#1{n=0 loopifnumn<#1 advancen by1 numbern. repeat} seq{3} =>
1.2.3. seq{5} => 1.2.3.4.5. ✓ マクロ定義 ✓ カウンタ操作 ✓ 条件分岐 ✓ ループ
30.
入出力を使う
31.
入力をマクロに代入します read-1 totmp tmp =
(tmp) => tmp= (abc) texコンパイル時に入力を求められます 試しに ”abc” と入力します
32.
文字列を出力します deftmp{テスト} message{ABC tmp 012} コンパイル時に
“ABC テスト 012” と 表示されます
33.
特殊文字を使う
34.
マクロ名に数字を使います makeatletter @namedef{test1}#1{テスト1:#1} makeatother deftest1 はエラーとなります
35.
数字を含むマクロを参照します makeatletter @nameuse{test1}{走り幅跳び} makeatother => テスト1:走り幅跳び test1 もエラーとなります
36.
まとめ
37.
マクロ定義 devname{名前} newcommand{name}{名前}マクロ参照 name コピー
letdstsrc 初期化 lettemprelax カウンタ定義 newcountnum カウンタの参照 numbernum 加減算 advancenum by5 分岐 ifmacro{比較文字列} 真です else 偽です fi ifnumcounter<10 真です else 偽です fi ifxmacroAmacroB 真です else 偽です fi
38.
スイッチ newififcond condtrue condfalse ifcond 真です else
偽です fi ループ loopifnumn<3 advancen by1 ループn repeat 入力 read-1 tohoge 出力 message{Hello World!} 特殊文字付きマクロ定義 makeatletter @namedef{macro1}#1{MACRO1 #1} makeatother 特殊文字付きマクロ参照 makeatletter @nameuse{macro1}{ABC} makeatother
Baixar agora