【SICP练习】152 练习4.8

本文介绍如何在Scheme语言中使用和转换Named let表达式,并提供了一个具体的例子:将迭代型Fibonacci过程重写使用Named let形式。此外还详细介绍了如何通过修改let->combination来支持Named let。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

练习4-8

原文

Exercise 4.8. “Named let” is a variant of let that has the form

(let <var> <bindings> <body>)

The and are just as in ordinary let, except that is bound within to a procedure whose body is and whose parameters are the variables in the . Thus, one can repeatedly execute the by invoking the procedure named . For example, the iterative Fibonacci procedure (section 1.2.2) can be rewritten using named let as follows:

(define (fib n) 
   (let fib-iter ((a 1)    
                  (b 0)    
                  (count n))
      (if (= count 0)      
          b      
          (fib-iter (+ a b) a (- count 1)))))

Modify let->combination of exercise 4.6 to also support named let.

分析

希望大家还是有事没事看看原文啦,我才发现见过很多次的modify原来是修改的意思。

关于named let的一些比较什么的,大家可以看这里:【Scheme归纳】3 比较do, let, loop

从题目的代码中我们也可以看到named-let的名字可以用cadr来取出,也就是书中的fib-iter。而body部分从以下代码中也可以看出来得用3个cdr和1个car。

(let <var> <bindings> <body>)

而parameter题中已经说了是binding中变量,取出binding用caddr,而取出题目示例中的a、b和count等则用map和car即可。取出题目示例中的1、0和n则用map和cadr。

那么接下来我们还需要将named-let转换成函数,用list来构造这些就好,首先当然是’define,然后再用cons把name和parameter构造在一起,最后就是body啦。

当然了,在let->combination中我们需要判断是不是named-let?,那么怎么判断呢,先判断是否是let?,再判断expr的名字是不是符号(symbol?)。

最后就可以写let-combination啦。首先用写好的named-let?谓词来进行判断expr,然后为真的话就调用第257页的sequence->exp函数,否则就用cons来继续构造了。

代码


(define (named-let-name expr) 
  (cadr expr))

(define (named-let-body expr)
  (cadddr expr))

(define (named-let-parameters expr)
  (map car (caddr expr)))

(define (named-let-exp expr)
  (map cadr (caddr expr)))

(define (named-let? expr)
  (and (let? expr) (symbol? (cadr expr))))  

(define (named-let->func expr)
  (list 'define
    (cons (named-let-name epxr)
          (named-let-parameters expr))
    (named-let-body expr)))

(define (let->combination expr)
  (if (named-let? expr)
      (sequence->exp
       (list (named-let->func expr)
         (cons (named-let-name expr) (named-let-exp expr))))
      (cons (make-lambda (let-vars expr)
             (list (let-body expr)))
        (let-exp expr))))



为使本文得到斧正和提问,转载请注明出处:
http://blog.youkuaiyun.com/nomasp

内容概要:本文档详细介绍了一个基于MATLAB实现的跨尺度注意力机制(CSA)结合Transformer编码器的多变量时间序列预测项目。项目旨在精准捕捉多尺度时间序列特征,提升多变量时间序列的预测性能,降低模型计算复杂度与训练时间,增强模型的解释性和可视化能力。通过跨尺度注意力机制,模型可以同时捕获局部细节和全局趋势,显著提升预测精度和泛化能力。文档还探讨了项目面临的挑战,如多尺度特征融合、多变量复杂依赖关系、计算资源瓶颈等问题,并提出了相应的解决方案。此外,项目模型架构包括跨尺度注意力机制模块、Transformer编码器层和输出预测层,文档最后提供了部分MATLAB代码示例。 适合人群:具备一定编程基础,尤其是熟悉MATLAB和深度学习的科研人员、工程师和研究生。 使用场景及目标:①需要处理多变量、多尺度时间序列数据的研究和应用场景,如金融市场分析、气象预测、工业设备监控、交通流量预测等;②希望深入了解跨尺度注意力机制和Transformer编码器在时间序列预测中的应用;③希望通过MATLAB实现高效的多变量时间序列预测模型,提升预测精度和模型解释性。 其他说明:此项目不仅提供了一种新的技术路径来处理复杂的时间序列数据,还推动了多领域多变量时间序列应用的创新。文档中的代码示例和详细的模型描述有助于读者快速理解和复现该项目,促进学术和技术交流。建议读者在实践中结合自己的数据集进行调试和优化,以达到最佳的预测效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值