Submit Search
Upload
TEX マクロプログラミング
•
5 likes
•
15,298 views
Koh Uehara
Follow
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
Read less
Read more
Software
Report
Share
Report
Share
1 of 38
Download now
Download to read offline
Recommended
【DL輪読会】Flow Matching for Generative Modeling
【DL輪読会】Flow Matching for Generative Modeling
Deep Learning JP
数式からみるWord2Vec
数式からみるWord2Vec
Okamoto Laboratory, The University of Electro-Communications
PRMLの線形回帰モデル(線形基底関数モデル)
PRMLの線形回帰モデル(線形基底関数モデル)
Yasunori Ozaki
[DL輪読会]Model soups: averaging weights of multiple fine-tuned models improves ...
[DL輪読会]Model soups: averaging weights of multiple fine-tuned models improves ...
Deep Learning JP
変分推論と Normalizing Flow
変分推論と Normalizing Flow
Akihiro Nitta
機械学習をこれから始める人が読んでおきたい 特徴選択の有名論文紹介
機械学習をこれから始める人が読んでおきたい 特徴選択の有名論文紹介
西岡 賢一郎
統計的因果推論への招待 -因果構造探索を中心に-
統計的因果推論への招待 -因果構造探索を中心に-
Shiga University, RIKEN
20180110 AI&ロボット勉強会 Deeplearning4J と時系列データの異常検知について
20180110 AI&ロボット勉強会 Deeplearning4J と時系列データの異常検知について
Kazuki Motohashi
Recommended
【DL輪読会】Flow Matching for Generative Modeling
【DL輪読会】Flow Matching for Generative Modeling
Deep Learning JP
数式からみるWord2Vec
数式からみるWord2Vec
Okamoto Laboratory, The University of Electro-Communications
PRMLの線形回帰モデル(線形基底関数モデル)
PRMLの線形回帰モデル(線形基底関数モデル)
Yasunori Ozaki
[DL輪読会]Model soups: averaging weights of multiple fine-tuned models improves ...
[DL輪読会]Model soups: averaging weights of multiple fine-tuned models improves ...
Deep Learning JP
変分推論と Normalizing Flow
変分推論と Normalizing Flow
Akihiro Nitta
機械学習をこれから始める人が読んでおきたい 特徴選択の有名論文紹介
機械学習をこれから始める人が読んでおきたい 特徴選択の有名論文紹介
西岡 賢一郎
統計的因果推論への招待 -因果構造探索を中心に-
統計的因果推論への招待 -因果構造探索を中心に-
Shiga University, RIKEN
20180110 AI&ロボット勉強会 Deeplearning4J と時系列データの異常検知について
20180110 AI&ロボット勉強会 Deeplearning4J と時系列データの異常検知について
Kazuki Motohashi
異常検知と変化検知で復習するPRML
異常検知と変化検知で復習するPRML
Katsuya Ito
東京都市大学 データ解析入門 10 ニューラルネットワークと深層学習 1
東京都市大学 データ解析入門 10 ニューラルネットワークと深層学習 1
hirokazutanaka
[DL輪読会]Towards End-to-End Prosody Transfer for Expressive Speech Synthesis wi...
[DL輪読会]Towards End-to-End Prosody Transfer for Expressive Speech Synthesis wi...
Deep Learning JP
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
Deep Learning JP
情報統計力学のすすめ
情報統計力学のすすめ
Naoki Hayashi
計算機アーキテクチャを考慮した高能率画像処理プログラミング
計算機アーキテクチャを考慮した高能率画像処理プログラミング
Norishige Fukushima
道具としての機械学習:直感的概要とその実際
道具としての機械学習:直感的概要とその実際
Ichigaku Takigawa
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
tmtm otm
ベイジアンディープニューラルネット
ベイジアンディープニューラルネット
Yuta Kashino
EMアルゴリズム
EMアルゴリズム
Sotetsu KOYAMADA(小山田創哲)
Fisher Vectorによる画像認識
Fisher Vectorによる画像認識
Takao Yamanaka
PRML上巻勉強会 at 東京大学 資料 第1章前半
PRML上巻勉強会 at 東京大学 資料 第1章前半
Ohsawa Goodfellow
ELBO型VAEのダメなところ
ELBO型VAEのダメなところ
KCS Keio Computer Society
データに内在する構造をみるための埋め込み手法
データに内在する構造をみるための埋め込み手法
Tatsuya Shirakawa
[DL輪読会]Model-Based Reinforcement Learning via Meta-Policy Optimization
[DL輪読会]Model-Based Reinforcement Learning via Meta-Policy Optimization
Deep Learning JP
変分推論法(変分ベイズ法)(PRML第10章)
変分推論法(変分ベイズ法)(PRML第10章)
Takao Yamanaka
[DL輪読会]Neural Radiance Flow for 4D View Synthesis and Video Processing (NeRF...
[DL輪読会]Neural Radiance Flow for 4D View Synthesis and Video Processing (NeRF...
Deep Learning JP
計算論的学習理論入門 -PAC学習とかVC次元とか-
計算論的学習理論入門 -PAC学習とかVC次元とか-
sleepy_yoshi
特徴選択のためのLasso解列挙
特徴選択のためのLasso解列挙
Satoshi Hara
Generating Diverse High-Fidelity Images with VQ-VAE-2
Generating Diverse High-Fidelity Images with VQ-VAE-2
harmonylab
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
More Related Content
What's hot
異常検知と変化検知で復習するPRML
異常検知と変化検知で復習するPRML
Katsuya Ito
東京都市大学 データ解析入門 10 ニューラルネットワークと深層学習 1
東京都市大学 データ解析入門 10 ニューラルネットワークと深層学習 1
hirokazutanaka
[DL輪読会]Towards End-to-End Prosody Transfer for Expressive Speech Synthesis wi...
[DL輪読会]Towards End-to-End Prosody Transfer for Expressive Speech Synthesis wi...
Deep Learning JP
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
Deep Learning JP
情報統計力学のすすめ
情報統計力学のすすめ
Naoki Hayashi
計算機アーキテクチャを考慮した高能率画像処理プログラミング
計算機アーキテクチャを考慮した高能率画像処理プログラミング
Norishige Fukushima
道具としての機械学習:直感的概要とその実際
道具としての機械学習:直感的概要とその実際
Ichigaku Takigawa
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
tmtm otm
ベイジアンディープニューラルネット
ベイジアンディープニューラルネット
Yuta Kashino
EMアルゴリズム
EMアルゴリズム
Sotetsu KOYAMADA(小山田創哲)
Fisher Vectorによる画像認識
Fisher Vectorによる画像認識
Takao Yamanaka
PRML上巻勉強会 at 東京大学 資料 第1章前半
PRML上巻勉強会 at 東京大学 資料 第1章前半
Ohsawa Goodfellow
ELBO型VAEのダメなところ
ELBO型VAEのダメなところ
KCS Keio Computer Society
データに内在する構造をみるための埋め込み手法
データに内在する構造をみるための埋め込み手法
Tatsuya Shirakawa
[DL輪読会]Model-Based Reinforcement Learning via Meta-Policy Optimization
[DL輪読会]Model-Based Reinforcement Learning via Meta-Policy Optimization
Deep Learning JP
変分推論法(変分ベイズ法)(PRML第10章)
変分推論法(変分ベイズ法)(PRML第10章)
Takao Yamanaka
[DL輪読会]Neural Radiance Flow for 4D View Synthesis and Video Processing (NeRF...
[DL輪読会]Neural Radiance Flow for 4D View Synthesis and Video Processing (NeRF...
Deep Learning JP
計算論的学習理論入門 -PAC学習とかVC次元とか-
計算論的学習理論入門 -PAC学習とかVC次元とか-
sleepy_yoshi
特徴選択のためのLasso解列挙
特徴選択のためのLasso解列挙
Satoshi Hara
Generating Diverse High-Fidelity Images with VQ-VAE-2
Generating Diverse High-Fidelity Images with VQ-VAE-2
harmonylab
What's hot
(20)
異常検知と変化検知で復習するPRML
異常検知と変化検知で復習するPRML
東京都市大学 データ解析入門 10 ニューラルネットワークと深層学習 1
東京都市大学 データ解析入門 10 ニューラルネットワークと深層学習 1
[DL輪読会]Towards End-to-End Prosody Transfer for Expressive Speech Synthesis wi...
[DL輪読会]Towards End-to-End Prosody Transfer for Expressive Speech Synthesis wi...
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
情報統計力学のすすめ
情報統計力学のすすめ
計算機アーキテクチャを考慮した高能率画像処理プログラミング
計算機アーキテクチャを考慮した高能率画像処理プログラミング
道具としての機械学習:直感的概要とその実際
道具としての機械学習:直感的概要とその実際
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
ベイジアンディープニューラルネット
ベイジアンディープニューラルネット
EMアルゴリズム
EMアルゴリズム
Fisher Vectorによる画像認識
Fisher Vectorによる画像認識
PRML上巻勉強会 at 東京大学 資料 第1章前半
PRML上巻勉強会 at 東京大学 資料 第1章前半
ELBO型VAEのダメなところ
ELBO型VAEのダメなところ
データに内在する構造をみるための埋め込み手法
データに内在する構造をみるための埋め込み手法
[DL輪読会]Model-Based Reinforcement Learning via Meta-Policy Optimization
[DL輪読会]Model-Based Reinforcement Learning via Meta-Policy Optimization
変分推論法(変分ベイズ法)(PRML第10章)
変分推論法(変分ベイズ法)(PRML第10章)
[DL輪読会]Neural Radiance Flow for 4D View Synthesis and Video Processing (NeRF...
[DL輪読会]Neural Radiance Flow for 4D View Synthesis and Video Processing (NeRF...
計算論的学習理論入門 -PAC学習とかVC次元とか-
計算論的学習理論入門 -PAC学習とかVC次元とか-
特徴選択のためのLasso解列挙
特徴選択のためのLasso解列挙
Generating Diverse High-Fidelity Images with VQ-VAE-2
Generating Diverse High-Fidelity Images with VQ-VAE-2
Viewers also liked
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
Viewers also liked
(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
Similar to 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
Similar to 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
Download now