Ana içeriğe atla

Self Programlama Dili


Kendilik, prototip kavramına dayanan nesne yönelimli bir programlama dilidir. Self, Smalltalk'un bir lehçesiydi ve nesnelere prototip temelli bir yaklaşım yazdı ve ilk olarak just-in-time derlemeyi (JIT) kullanıyordu: ilk olarak 1980 ve 1990'larda dil tasarımı için deneysel bir test sistemi olarak. 2006 yılında Self, Klein projesinin bir parçası olarak geliştirildi, halen kendi başına yazılı bir kişisel sanal makine. En yeni sürüm 4.5.0 olup, Ocak 2014'te yayınlanmıştır.

Optimize edilmiş C oranının sonuna kadar yüksek düzeyde bir nesne tabanlı dile izin verilmesi gerektiği için, özdeğerlendirme çalışmalarında öncülük edilen ve gelişen birçok zamanlama derleme tekniği vardı. Benliğin gelişmesinin büyük kısmı Güneş'te yapılmıştır. Microsystems ve daha sonra geliştirdikleri teknikler Java'nın HotSpot sanal makinesi için konuşlandırıldı.

Bir noktada Smalltalk'un bir sürümü hayata geçti. Bu, JIT'yi kullanabileceği için çok iyi bir performanstı.

Benlik çoğunlukla David Ungar ve Randall Smith tarafından 1986'da Xerox PARC'da çalışırken tasarlandı. Amaç Smalltalk-80 laboratuarlar tarafından serbest bırakıldıktan ve endüstri tarafından ciddiye alınmaya başlandığında nesne yönelimli programlama dili araştırmalarında en son teknolojiyi ilerletmekti. Stanford Üniversitesine taşındılar ve 1987'de ilk kendi kendine çalışan derleyiciyi kurmak için dil üzerinde çalışmaya devam ettiler. Bu noktada odak, yalnızca dil yerine Kendine karşı bir bütün sistemi ortaya çıkarmaya çalışmak üzere değişti.

İlk halka açıklama 1990'da yapıldı ve ertesi yıl ekip Sun Microsystems'a taşındı ve dilde çalışmalarına devam ettiler. 1995'te 4.0 sürümü ile büyük ölüde uyku sekteye uğrayıncaya kadar birkaç yeni sürüm yayımlandı. 4.3 sürümü 2006'da çıktı ve Mac OS X ve Solaris'te yayınlandı. Özgün ekip ve bağımsız programcılardan oluşan bir grup tarafından geliştirilen ve Mac OS X ve Linux için olan 4.4 sürümü yeni bir sürümdür.

Benlik, ayrıca kavramlarına dayalı olarak birtakım dillere ilham kaynağı oldu. En dikkat çekici, belki de, Apple Newton ve JavaScript'in tüm modern tarayıcılarda kullanılan NewtonScript'ü idi. Diğer örnekler arasında Io, Lisaac ve Agora bulunur. IBM Tivoli Framework'ün 1990'da geliştirilen dağıtılmış nesne sistemi, en düşük seviyede, Kendinden esinlenmiş bir prototip temelli nesne sistemi idi.
Labels:

Yorumlar

Yorum Gönder

Bu blogdaki popüler yayınlar

Base64 Decode / Encode

Hızlıca String türündeki verinizi Base64  yada Base64  türündeki verinizi String veriye çevirme işlemlerinizi yapabilirsiniz, aynı zamanda Replace Özelliğini kullanarak şifrelenmiş değerleri düzelterek çevirebilirsiniz.Çevirme işlemlerini art arda yapabilirsiniz. Örnek: Bir veriyi üst üste defalarca Base64 veriye çevirebileceğiniz gibi, Base64 bir değeri defalarca geriye doğruda çevirebilirsiniz. Str To Base64 Base64 To Str Clear Not: Bu sayfada yapacağınız çeviriler %100 güvenlidir. Ağınız dinleniyor olsa dahi verileriniz başkaları tarafından görüntülenemez.Çünkü çeviri işlemini yapan sizin bilgisayarınızdır(Bu site yada dış bir bağlantı değil).
Yorum Gönder
Read more »

Str To Hex Converter (Hex To String)

Hızlıca String türündeki verinizi Hexadecimal yada Hexadecimal türündeki verinizi String veriye çevirme işlemlerinizi yapabilirsiniz, aynı zamanda Replace Özelliğini kullanarak şifrelenmiş değerleri düzelterek çevirebilirsiniz.Çevirme işlemlerini art arda yapabilirsiniz. Örnek: Bir veriyi üst üste defalarca hexadacimal veriye çevirebileceğiniz gibi, hexadacimal bir değeri defalarca geriye doğruda çevirebilirsiniz. Str To Hex Hex To Str Temizle Not: Bu sayfada yapacağınız çeviriler %100 güvenlidir. Ağınız dinleniyor olsa dahi verileriniz başkaları tarafından görüntülenemez.Çünkü çeviri işlemini yapan sizin bilgisayarınızdır(Bu site yada dış bir bağlantı değil).
Yorum Gönder
Read more »

Deep Learning

  Deep learning (also known as deep structured learning) is part of a broader family of machine learning methods based on artificial neural networks with representation learning. Learning can be supervised, semi-supervised or unsupervised. Deep-learning architectures such as deep neural networks, deep belief networks, deep reinforcement learning, recurrent neural networks, convolutional neural networks and Transformers have been applied to fields including computer vision, speech recognition, natural language processing, machine translation, bioinformatics, drug design, medical image analysis, climate science, material inspection and board game programs, where they have produced results comparable to and in some cases surpassing human expert performance
Yorum Gönder
Read more »