Submit Search
Upload
컴퓨터 프로그램 구조와 해석 3.5
•
2 likes
•
768 views
HyeonSeok Choi
Follow
Technology
Report
Share
Report
Share
1 of 29
Download now
Download to read offline
Recommended
제어-물리적시스템의 수학적모델링
제어-물리적시스템의 수학적모델링
jdo
2012 Ds 01
2012 Ds 01
Jungyerin
[14.10.21] Far Cry and DX9 번역(shaderstudy)
[14.10.21] Far Cry and DX9 번역(shaderstudy)
해강
[홍대 머신러닝 스터디 - 핸즈온 머신러닝] 3장. 분류
[홍대 머신러닝 스터디 - 핸즈온 머신러닝] 3장. 분류
Haesun Park
[홍대 머신러닝 스터디 - 핸즈온 머신러닝] 5장. 서포트 벡터 머신
[홍대 머신러닝 스터디 - 핸즈온 머신러닝] 5장. 서포트 벡터 머신
Haesun Park
3.unsupervised learing(epoch#2)
3.unsupervised learing(epoch#2)
Haesun Park
Efficient linear skyline algorithm in two dimensional space
Efficient linear skyline algorithm in two dimensional space
희수 박
밑바닥부터 시작하는 딥러닝_신경망학습
밑바닥부터 시작하는 딥러닝_신경망학습
Juhui Park
Recommended
제어-물리적시스템의 수학적모델링
제어-물리적시스템의 수학적모델링
jdo
2012 Ds 01
2012 Ds 01
Jungyerin
[14.10.21] Far Cry and DX9 번역(shaderstudy)
[14.10.21] Far Cry and DX9 번역(shaderstudy)
해강
[홍대 머신러닝 스터디 - 핸즈온 머신러닝] 3장. 분류
[홍대 머신러닝 스터디 - 핸즈온 머신러닝] 3장. 분류
Haesun Park
[홍대 머신러닝 스터디 - 핸즈온 머신러닝] 5장. 서포트 벡터 머신
[홍대 머신러닝 스터디 - 핸즈온 머신러닝] 5장. 서포트 벡터 머신
Haesun Park
3.unsupervised learing(epoch#2)
3.unsupervised learing(epoch#2)
Haesun Park
Efficient linear skyline algorithm in two dimensional space
Efficient linear skyline algorithm in two dimensional space
희수 박
밑바닥부터 시작하는 딥러닝_신경망학습
밑바닥부터 시작하는 딥러닝_신경망학습
Juhui Park
[홍대 머신러닝 스터디 - 핸즈온 머신러닝] 4장. 모델 훈련
[홍대 머신러닝 스터디 - 핸즈온 머신러닝] 4장. 모델 훈련
Haesun Park
3.unsupervised learing
3.unsupervised learing
Haesun Park
4.convolutional neural networks
4.convolutional neural networks
Haesun Park
3 Generative models for discrete data
3 Generative models for discrete data
Jungkyu Lee
차원축소 훑어보기 (PCA, SVD, NMF)
차원축소 훑어보기 (PCA, SVD, NMF)
beom kyun choi
람다, 스트림 Api
람다, 스트림 Api
Chi Hwan Choi
Code로 이해하는 RNN
Code로 이해하는 RNN
SANG WON PARK
Ch.5 Deep Learning
Ch.5 Deep Learning
PartPrime
8. Logistic Regression
8. Logistic Regression
Jungkyu Lee
Haskell study 4
Haskell study 4
Nam Hyeonuk
[홍대 머신러닝 스터디 - 핸즈온 머신러닝] 2장. 머신러닝 프로젝트 처음부터 끝까지
[홍대 머신러닝 스터디 - 핸즈온 머신러닝] 2장. 머신러닝 프로젝트 처음부터 끝까지
Haesun Park
[홍대 머신러닝 스터디 - 핸즈온 머신러닝] 6장 결정 트리
[홍대 머신러닝 스터디 - 핸즈온 머신러닝] 6장 결정 트리
Haesun Park
[Algorithm] Selection Sort
[Algorithm] Selection Sort
Bill Kim
Haskell study 7
Haskell study 7
Nam Hyeonuk
사이킷런 최신 변경 사항 스터디
사이킷런 최신 변경 사항 스터디
Haesun Park
Hanoi2
Hanoi2
은석 김은석
내가 이해하는 SVM(왜, 어떻게를 중심으로)
내가 이해하는 SVM(왜, 어떻게를 중심으로)
SANG WON PARK
Haskell study 14
Haskell study 14
Nam Hyeonuk
파이썬 Numpy 선형대수 이해하기
파이썬 Numpy 선형대수 이해하기
Yong Joon Moon
Effective Python, Clean Code
Effective Python, Clean Code
JinHwan2
Domain driven design ch1
Domain driven design ch1
HyeonSeok Choi
Mining the social web 6
Mining the social web 6
HyeonSeok Choi
More Related Content
What's hot
[홍대 머신러닝 스터디 - 핸즈온 머신러닝] 4장. 모델 훈련
[홍대 머신러닝 스터디 - 핸즈온 머신러닝] 4장. 모델 훈련
Haesun Park
3.unsupervised learing
3.unsupervised learing
Haesun Park
4.convolutional neural networks
4.convolutional neural networks
Haesun Park
3 Generative models for discrete data
3 Generative models for discrete data
Jungkyu Lee
차원축소 훑어보기 (PCA, SVD, NMF)
차원축소 훑어보기 (PCA, SVD, NMF)
beom kyun choi
람다, 스트림 Api
람다, 스트림 Api
Chi Hwan Choi
Code로 이해하는 RNN
Code로 이해하는 RNN
SANG WON PARK
Ch.5 Deep Learning
Ch.5 Deep Learning
PartPrime
8. Logistic Regression
8. Logistic Regression
Jungkyu Lee
Haskell study 4
Haskell study 4
Nam Hyeonuk
[홍대 머신러닝 스터디 - 핸즈온 머신러닝] 2장. 머신러닝 프로젝트 처음부터 끝까지
[홍대 머신러닝 스터디 - 핸즈온 머신러닝] 2장. 머신러닝 프로젝트 처음부터 끝까지
Haesun Park
[홍대 머신러닝 스터디 - 핸즈온 머신러닝] 6장 결정 트리
[홍대 머신러닝 스터디 - 핸즈온 머신러닝] 6장 결정 트리
Haesun Park
[Algorithm] Selection Sort
[Algorithm] Selection Sort
Bill Kim
Haskell study 7
Haskell study 7
Nam Hyeonuk
사이킷런 최신 변경 사항 스터디
사이킷런 최신 변경 사항 스터디
Haesun Park
Hanoi2
Hanoi2
은석 김은석
내가 이해하는 SVM(왜, 어떻게를 중심으로)
내가 이해하는 SVM(왜, 어떻게를 중심으로)
SANG WON PARK
Haskell study 14
Haskell study 14
Nam Hyeonuk
파이썬 Numpy 선형대수 이해하기
파이썬 Numpy 선형대수 이해하기
Yong Joon Moon
Effective Python, Clean Code
Effective Python, Clean Code
JinHwan2
What's hot
(20)
[홍대 머신러닝 스터디 - 핸즈온 머신러닝] 4장. 모델 훈련
[홍대 머신러닝 스터디 - 핸즈온 머신러닝] 4장. 모델 훈련
3.unsupervised learing
3.unsupervised learing
4.convolutional neural networks
4.convolutional neural networks
3 Generative models for discrete data
3 Generative models for discrete data
차원축소 훑어보기 (PCA, SVD, NMF)
차원축소 훑어보기 (PCA, SVD, NMF)
람다, 스트림 Api
람다, 스트림 Api
Code로 이해하는 RNN
Code로 이해하는 RNN
Ch.5 Deep Learning
Ch.5 Deep Learning
8. Logistic Regression
8. Logistic Regression
Haskell study 4
Haskell study 4
[홍대 머신러닝 스터디 - 핸즈온 머신러닝] 2장. 머신러닝 프로젝트 처음부터 끝까지
[홍대 머신러닝 스터디 - 핸즈온 머신러닝] 2장. 머신러닝 프로젝트 처음부터 끝까지
[홍대 머신러닝 스터디 - 핸즈온 머신러닝] 6장 결정 트리
[홍대 머신러닝 스터디 - 핸즈온 머신러닝] 6장 결정 트리
[Algorithm] Selection Sort
[Algorithm] Selection Sort
Haskell study 7
Haskell study 7
사이킷런 최신 변경 사항 스터디
사이킷런 최신 변경 사항 스터디
Hanoi2
Hanoi2
내가 이해하는 SVM(왜, 어떻게를 중심으로)
내가 이해하는 SVM(왜, 어떻게를 중심으로)
Haskell study 14
Haskell study 14
파이썬 Numpy 선형대수 이해하기
파이썬 Numpy 선형대수 이해하기
Effective Python, Clean Code
Effective Python, Clean Code
Viewers also liked
Domain driven design ch1
Domain driven design ch1
HyeonSeok Choi
Mining the social web 6
Mining the social web 6
HyeonSeok Choi
MiningTheSocialWeb.Ch2.Microformat
MiningTheSocialWeb.Ch2.Microformat
HyeonSeok Choi
자바 병렬 프로그래밍 ch9
자바 병렬 프로그래밍 ch9
HyeonSeok Choi
Code 11 논리 게이트
Code 11 논리 게이트
HyeonSeok Choi
C++ api design 품질
C++ api design 품질
HyeonSeok Choi
서버인프라를지탱하는기술3_2_3
서버인프라를지탱하는기술3_2_3
HyeonSeok Choi
프로그래머로 사는 법 Ch14
프로그래머로 사는 법 Ch14
HyeonSeok Choi
Refactoring 메소드 호출의 단순화
Refactoring 메소드 호출의 단순화
HyeonSeok Choi
Code1_2
Code1_2
HyeonSeok Choi
SICP_2.5 일반화된 연산시스템
SICP_2.5 일반화된 연산시스템
HyeonSeok Choi
CODE Ch.21 버스에 올라 탑시다
CODE Ch.21 버스에 올라 탑시다
HyeonSeok Choi
Domain driven design ch9
Domain driven design ch9
HyeonSeok Choi
자바 병렬 프로그래밍 1&2
자바 병렬 프로그래밍 1&2
HyeonSeok Choi
HTTPS
HTTPS
HyeonSeok Choi
서버인프라를지탱하는기술2_1-2
서버인프라를지탱하는기술2_1-2
HyeonSeok Choi
실무로 배우는 시스템 성능 최적화 Ch7
실무로 배우는 시스템 성능 최적화 Ch7
HyeonSeok Choi
실무로 배우는 시스템 성능 최적화 Ch6
실무로 배우는 시스템 성능 최적화 Ch6
HyeonSeok Choi
HTTP 완벽가이드 16장
HTTP 완벽가이드 16장
HyeonSeok Choi
Abstract factory petterns
Abstract factory petterns
HyeonSeok Choi
Viewers also liked
(20)
Domain driven design ch1
Domain driven design ch1
Mining the social web 6
Mining the social web 6
MiningTheSocialWeb.Ch2.Microformat
MiningTheSocialWeb.Ch2.Microformat
자바 병렬 프로그래밍 ch9
자바 병렬 프로그래밍 ch9
Code 11 논리 게이트
Code 11 논리 게이트
C++ api design 품질
C++ api design 품질
서버인프라를지탱하는기술3_2_3
서버인프라를지탱하는기술3_2_3
프로그래머로 사는 법 Ch14
프로그래머로 사는 법 Ch14
Refactoring 메소드 호출의 단순화
Refactoring 메소드 호출의 단순화
Code1_2
Code1_2
SICP_2.5 일반화된 연산시스템
SICP_2.5 일반화된 연산시스템
CODE Ch.21 버스에 올라 탑시다
CODE Ch.21 버스에 올라 탑시다
Domain driven design ch9
Domain driven design ch9
자바 병렬 프로그래밍 1&2
자바 병렬 프로그래밍 1&2
HTTPS
HTTPS
서버인프라를지탱하는기술2_1-2
서버인프라를지탱하는기술2_1-2
실무로 배우는 시스템 성능 최적화 Ch7
실무로 배우는 시스템 성능 최적화 Ch7
실무로 배우는 시스템 성능 최적화 Ch6
실무로 배우는 시스템 성능 최적화 Ch6
HTTP 완벽가이드 16장
HTTP 완벽가이드 16장
Abstract factory petterns
Abstract factory petterns
Similar to 컴퓨터 프로그램 구조와 해석 3.5
Java stream v0.1
Java stream v0.1
Hyosang Hong
Java stream v0.1
Java stream v0.1
Hyosang Hong
2014.07.26 KSUG와 지앤선이 함께하는 테크니컬 세미나 - 씹고 뜯고 맛보고 즐기는 스트림 API(박용권)
2014.07.26 KSUG와 지앤선이 함께하는 테크니컬 세미나 - 씹고 뜯고 맛보고 즐기는 스트림 API(박용권)
JiandSon
텐서플로우 기초 이해하기
텐서플로우 기초 이해하기
Yong Joon Moon
Where to Apply Dropout in Recurrent Neural Networks for Handwriting Recognition?
Where to Apply Dropout in Recurrent Neural Networks for Handwriting Recognition?
Lee Gyeong Hoon
Keras
Keras
나윤 황
Howto_Tensorflow+Linear Regression
Howto_Tensorflow+Linear Regression
Hyo jeong Lee
Javascript introduction, dynamic data type, operator
Javascript introduction, dynamic data type, operator
Young-Beom Rhee
자바8강의 2강. Stream API
자바8강의 2강. Stream API
Sejong Park
Data Mining with R CH1 요약
Data Mining with R CH1 요약
Sung Yub Kim
씹고 뜯고 맛보고 즐기는 스트림 API
씹고 뜯고 맛보고 즐기는 스트림 API
Arawn Park
프로그래밍 대회: C++11 이야기
프로그래밍 대회: C++11 이야기
Jongwook Choi
파이썬정리 20160130
파이썬정리 20160130
Yong Joon Moon
딥러닝을 위한 Tensor flow(skt academy)
딥러닝을 위한 Tensor flow(skt academy)
Tae Young Lee
프론트엔드스터디 E03 - Javascript intro.
프론트엔드스터디 E03 - Javascript intro.
Young-Beom Rhee
Java8 람다
Java8 람다
Jong Woo Rhee
[Swift] Subscripts
[Swift] Subscripts
Bill Kim
Similar to 컴퓨터 프로그램 구조와 해석 3.5
(17)
Java stream v0.1
Java stream v0.1
Java stream v0.1
Java stream v0.1
2014.07.26 KSUG와 지앤선이 함께하는 테크니컬 세미나 - 씹고 뜯고 맛보고 즐기는 스트림 API(박용권)
2014.07.26 KSUG와 지앤선이 함께하는 테크니컬 세미나 - 씹고 뜯고 맛보고 즐기는 스트림 API(박용권)
텐서플로우 기초 이해하기
텐서플로우 기초 이해하기
Where to Apply Dropout in Recurrent Neural Networks for Handwriting Recognition?
Where to Apply Dropout in Recurrent Neural Networks for Handwriting Recognition?
Keras
Keras
Howto_Tensorflow+Linear Regression
Howto_Tensorflow+Linear Regression
Javascript introduction, dynamic data type, operator
Javascript introduction, dynamic data type, operator
자바8강의 2강. Stream API
자바8강의 2강. Stream API
Data Mining with R CH1 요약
Data Mining with R CH1 요약
씹고 뜯고 맛보고 즐기는 스트림 API
씹고 뜯고 맛보고 즐기는 스트림 API
프로그래밍 대회: C++11 이야기
프로그래밍 대회: C++11 이야기
파이썬정리 20160130
파이썬정리 20160130
딥러닝을 위한 Tensor flow(skt academy)
딥러닝을 위한 Tensor flow(skt academy)
프론트엔드스터디 E03 - Javascript intro.
프론트엔드스터디 E03 - Javascript intro.
Java8 람다
Java8 람다
[Swift] Subscripts
[Swift] Subscripts
More from HyeonSeok Choi
밑바닥부터시작하는딥러닝 Ch05
밑바닥부터시작하는딥러닝 Ch05
HyeonSeok Choi
밑바닥부터시작하는딥러닝 Ch2
밑바닥부터시작하는딥러닝 Ch2
HyeonSeok Choi
프로그래머를위한선형대수학1.2
프로그래머를위한선형대수학1.2
HyeonSeok Choi
알고리즘 중심의 머신러닝 가이드 Ch04
알고리즘 중심의 머신러닝 가이드 Ch04
HyeonSeok Choi
딥러닝 제대로시작하기 Ch04
딥러닝 제대로시작하기 Ch04
HyeonSeok Choi
밑바닥부터시작하는딥러닝 Ch05
밑바닥부터시작하는딥러닝 Ch05
HyeonSeok Choi
함수적 사고 2장
함수적 사고 2장
HyeonSeok Choi
7가지 동시성 모델 - 데이터 병렬성
7가지 동시성 모델 - 데이터 병렬성
HyeonSeok Choi
7가지 동시성 모델 4장
7가지 동시성 모델 4장
HyeonSeok Choi
Bounded Context
Bounded Context
HyeonSeok Choi
DDD Repository
DDD Repository
HyeonSeok Choi
DDD Start Ch#3
DDD Start Ch#3
HyeonSeok Choi
실무로 배우는 시스템 성능 최적화 Ch8
실무로 배우는 시스템 성능 최적화 Ch8
HyeonSeok Choi
Logstash, ElasticSearch, Kibana
Logstash, ElasticSearch, Kibana
HyeonSeok Choi
실무로배우는시스템성능최적화 Ch1
실무로배우는시스템성능최적화 Ch1
HyeonSeok Choi
HTTP 완벽가이드 21장
HTTP 완벽가이드 21장
HyeonSeok Choi
HTTP 완벽가이드 6장.
HTTP 완벽가이드 6장.
HyeonSeok Choi
HTTP 완벽가이드 1장.
HTTP 완벽가이드 1장.
HyeonSeok Choi
Cluster - spark
Cluster - spark
HyeonSeok Choi
Pair RDD - Spark
Pair RDD - Spark
HyeonSeok Choi
More from HyeonSeok Choi
(20)
밑바닥부터시작하는딥러닝 Ch05
밑바닥부터시작하는딥러닝 Ch05
밑바닥부터시작하는딥러닝 Ch2
밑바닥부터시작하는딥러닝 Ch2
프로그래머를위한선형대수학1.2
프로그래머를위한선형대수학1.2
알고리즘 중심의 머신러닝 가이드 Ch04
알고리즘 중심의 머신러닝 가이드 Ch04
딥러닝 제대로시작하기 Ch04
딥러닝 제대로시작하기 Ch04
밑바닥부터시작하는딥러닝 Ch05
밑바닥부터시작하는딥러닝 Ch05
함수적 사고 2장
함수적 사고 2장
7가지 동시성 모델 - 데이터 병렬성
7가지 동시성 모델 - 데이터 병렬성
7가지 동시성 모델 4장
7가지 동시성 모델 4장
Bounded Context
Bounded Context
DDD Repository
DDD Repository
DDD Start Ch#3
DDD Start Ch#3
실무로 배우는 시스템 성능 최적화 Ch8
실무로 배우는 시스템 성능 최적화 Ch8
Logstash, ElasticSearch, Kibana
Logstash, ElasticSearch, Kibana
실무로배우는시스템성능최적화 Ch1
실무로배우는시스템성능최적화 Ch1
HTTP 완벽가이드 21장
HTTP 완벽가이드 21장
HTTP 완벽가이드 6장.
HTTP 완벽가이드 6장.
HTTP 완벽가이드 1장.
HTTP 완벽가이드 1장.
Cluster - spark
Cluster - spark
Pair RDD - Spark
Pair RDD - Spark
Recently uploaded
Merge (Kitworks Team Study 이성수 발표자료 240426)
Merge (Kitworks Team Study 이성수 발표자료 240426)
Wonjun Hwang
캐드앤그래픽스 2024년 5월호 목차
캐드앤그래픽스 2024년 5월호 목차
캐드앤그래픽스
A future that integrates LLMs and LAMs (Symposium)
A future that integrates LLMs and LAMs (Symposium)
Tae Young Lee
Continual Active Learning for Efficient Adaptation of Machine LearningModels ...
Continual Active Learning for Efficient Adaptation of Machine LearningModels ...
Kim Daeun
Console API (Kitworks Team Study 백혜인 발표자료)
Console API (Kitworks Team Study 백혜인 발표자료)
Wonjun Hwang
MOODv2 : Masked Image Modeling for Out-of-Distribution Detection
MOODv2 : Masked Image Modeling for Out-of-Distribution Detection
Kim Daeun
Recently uploaded
(6)
Merge (Kitworks Team Study 이성수 발표자료 240426)
Merge (Kitworks Team Study 이성수 발표자료 240426)
캐드앤그래픽스 2024년 5월호 목차
캐드앤그래픽스 2024년 5월호 목차
A future that integrates LLMs and LAMs (Symposium)
A future that integrates LLMs and LAMs (Symposium)
Continual Active Learning for Efficient Adaptation of Machine LearningModels ...
Continual Active Learning for Efficient Adaptation of Machine LearningModels ...
Console API (Kitworks Team Study 백혜인 발표자료)
Console API (Kitworks Team Study 백혜인 발표자료)
MOODv2 : Masked Image Modeling for Out-of-Distribution Detection
MOODv2 : Masked Image Modeling for Out-of-Distribution Detection
컴퓨터 프로그램 구조와 해석 3.5
1.
SICP
2.
3.5
3.
스트림 cecil
4.
이
5.
장에서는,
6.
스트림
7.
데이터
8.
구조를
9.
바탕으로
10.
상태를
11.
12.
흉내내는
13.
방법을
14.
학습함
15.
스트림이란?
16.
17.
시간에
18.
따른
19.
데이터를
20.
이산
21.
값으로
22.
잴
23.
수
24.
있다는
25.
가정하에
26.
27.
차례열로
28.
시간
29.
데이터를
30.
표현
31.
(리스트
32.
대신
33.
delayed
34.
evaluation
35.
방법을
36.
사용)
37.
3.5.1
38.
스트림과
39.
(계산을)
40.
미룬
41.
리스트
42.
차례열
43.
프로그램을
44.
리스트의
45.
변환
46.
과정으로
47.
표현할
48.
경우
49.
단계별
50.
처리
51.
과정을
52.
거칠때
53.
마다
54.
데이터
55.
구조를
56.
새로
57.
만들어서
58.
복사하는
59.
일을
60.
피할
61.
도리가
62.
없다
63.
구간내의
64.
소수를
65.
모두
66.
구하는
67.
프로그램 반복하는
68.
방식으로
69.
구현 되도는
70.
방식으로
71.
구현 쓸데
72.
없는
73.
계산이
74.
많고,
75.
공간이
76.
낭비
77.
됨
78.
스트림은
79.
리스트만큼
80.
커다란
81.
대가를
82.
치리지
83.
않으면서,
84.
차례열
85.
패러다임으로
86.
프로그램을
87.
짤
88.
수
89.
있음.
90.
스트림을
91.
사용한
92.
방법
93.
프로그램에서
94.
스트림을
95.
인자로
96.
받는
97.
경우,
98.
스트림을
99.
덜
100.
만든
101.
상태에서
102.
전달
103.
후,
104.
실제로
105.
사용하려고
106.
할때
107.
필요한
108.
만큼
109.
원소를
110.
만들어
111.
냄
112.
리스트와
113.
대응하는
114.
스트림
115.
프로시저
116.
정의 기본
117.
연산 각각의
118.
항목을
119.
처리하는
120.
연산 출력을
121.
위한
122.
연산
123.
스트림의
124.
구성
125.
(delay
126.
방식
127.
사용) (delay
128.
exp)
129.
결과를
130.
미룬
131.
객체를
132.
생성
133.
(force
134.
delay
135.
object):
136.
계산을
137.
적용
138.
스트림을
139.
이용한
140.
소수
141.
구하는
142.
프로그램 delay force
143.
필요한
144.
순간
145.
필요한
146.
원소를
147.
생성
148.
stream-filter의
149.
정의에
150.
따라
151.
만들어
152.
지는
153.
방식 하나씩
154.
풀어서
155.
쓸
156.
경우
157.
(10007을
158.
찾고
159.
이후
160.
과정) 필요한
161.
값만
162.
구간
163.
값만큼만
164.
필터로
165.
생성
166.
delay와
167.
force
168.
프로시저 delay의
169.
구현 force의
170.
구현
171.
메모
172.
기능을
173.
적용한
174.
delay,
175.
force delay의
176.
구현 force의
177.
구현 같은
178.
값을
179.
여러번
180.
되풀이
181.
하는
182.
경우
183.
효율적!!
184.
3.5.2
185.
무한
186.
스트림
187.
끝없이
188.
길게
189.
늘어진
190.
차례열을
191.
표현 양의
192.
정수를
193.
나타내는
194.
스트림 7로
195.
나누어
196.
떨어지는
197.
않는
198.
정수
199.
스트림 7로
200.
나누어
201.
지지
202.
않는
203.
100번째
204.
수
205.
에라토스테네스의
206.
체라는
207.
계산
208.
방법을
209.
210.
이용한
211.
무한
212.
소수
213.
스트림 필터가
214.
연속해서
215.
적용이
216.
됨
217.
스트림을
218.
드러나지
219.
않게
220.
정의하는
221.
방법 원소
222.
1의
223.
무한
224.
스트림 두
225.
스트림을
226.
더
227.
하는
228.
프로시저 끝
229.
없는
230.
양의
231.
정수의
232.
표현
233.
스트림을
234.
드러나지
235.
않게
236.
정의하는
237.
방법(2) 피보나치
238.
수열의
239.
정의 정해진
240.
상수
241.
값을
242.
곱한
243.
스트림을
244.
생성
245.
3.5.3
246.
스트림
247.
패러다임
248.
스트림
249.
프로세스로
250.
반복을
251.
표현하는
252.
방법
253.
(무한
254.
스트림을
255.
이용한
256.
제곱근
257.
구하기)
258.
신호를
259.
표현하는
260.
스트림 연속하는
261.
시간
262.
간격의
263.
신호
264.
값들을
265.
줄줄이
266.
이어진
267.
스트림의
268.
원소로
269.
표현
270.
덧셈기
271.
스트림
272.
x
273.
=
274.
(xi),
275.
첫값
276.
C,
277.
증분
278.
Dt를
279.
인수로
280.
받아서
281.
S=(Sj)로
282.
뽑아내는
283.
연산을
284.
표현
285.
3.5.4
286.
스트림과
287.
셈미룸(delay)
288.
계산법
289.
루프(피드백)가
290.
있는
291.
시스템을
292.
모델링할때
293.
Cons-stream에
294.
숨어
295.
있는
296.
delay
297.
연산이외에
298.
추가로
299.
delay
300.
연산을
301.
사용해야할
302.
경우가
303.
있음
304.
delay와
305.
force를
306.
사용하면
307.
프로그램의
308.
표현력을
309.
크게
310.
올릴
311.
수
312.
있음
313.
이로
314.
인하여
315.
프로시저를
316.
계산하는
317.
방법이
318.
2가지가
319.
필요
320.
(보통
321.
프로시저,
322.
셈미룸
323.
프로시저)
324.
이를
325.
하나로
326.
하기
327.
위해서는
328.
모든
329.
프로시저가
330.
인자
331.
값
332.
계산을
333.
미루도록
334.
하는
335.
것이
336.
필요
337.
정의
338.
대로
339.
계산법이
340.
셈미룬
341.
프로시저를
342.
처리하는
343.
가장
344.
자연스러운
345.
방식
346.
3.5.5
347.
모델로
348.
바라본
349.
함수와
350.
물체
351.
상태가
352.
있는
353.
진짜
354.
시스템을
355.
컴퓨터
356.
프로그램으로
357.
시뮬레이션
358.
하기
359.
위한
360.
방법
361.
•상태
362.
변수
363.
사용하여,
364.
덮어
365.
쓰기
366.
연산을
367.
적용
368.
•스트림
369.
기법의
370.
적용
371.
•스트림
372.
기법의
373.
특징:
374.
덮어
375.
쓰기를
376.
하지
377.
않고,
378.
상태를
379.
표현
380.
가능
381.
물체는
382.
상태
383.
변수로
384.
시뮬레이션하고,
385.
달라지는
386.
상태는
387.
상태
388.
변수를
389.
390.
덮어쓰는
391.
것으로
392.
표현
393.
할
394.
수
395.
있다.
396.
또한
397.
컴퓨터
398.
계산을
399.
물체로
400.
표현하는
401.
방식,
402.
즉
403.
물체
404.
방식이
405.
받아
406.
들이기
407.
쉽다
408.
But,
409.
여러
410.
프로세스의
411.
동기를
412.
맞춘다거나
413.
하는
414.
껄끄러운
415.
문제가
416.
생김.
417.
이러한
418.
문제를
419.
피해갈
420.
수
421.
있으
422.
함수
423.
프로그래밍
424.
언어가
425.
426.
병행
427.
시스템을
428.
다루는데
429.
인기가
430.
있음.
431.
하지만,
432.
함수
433.
방식을
434.
사용하더라도
435.
동기화
436.
문제에
437.
자유로울
438.
수
439.
없음.
440.
3장.
441.
결
442.
443.
444.
445.
론 실세계의
446.
모형을
447.
시간에
448.
따라
449.
상태가
450.
변하는
451.
물체로
452.
볼수
453.
있고,
454.
455.
그와
456.
달리
457.
상태
458.
없고,
459.
시간의
460.
영향을
461.
받지도
462.
않는
463.
단일체로
464.
볼수
465.
있다.
466.
467.
양쪽
468.
다
469.
장점이
470.
있지만,
471.
어느
472.
한쪽도
473.
만족스러운
474.
해결책을
475.
주지
476.
않음.
477.
상황에
478.
따라
479.
골라서
480.
사용하는
481.
지혜가
482.
필요
483.
QA
484.
Reference • Harold
485.
Abelson,
486.
Gerald
487.
Jay
488.
Sussman,
489.
Julie
490.
Sussman,
491.
컴퓨 터
492.
프로그램의
493.
구조와
494.
해석(김재우,
495.
안윤호,
496.
김수정,
497.
김정민
498.
옮김).
499.
서울시
500.
마포구:
501.
인사이트,
502.
2008
Download now