Хелп
№1
У логические формулы: 1) (А & В & С) v (А & В & С) v (А & В); 2) (A&BvA&B& С vB& С vC)&(C vA&Cv А &В& С).
№2
3. Путём преобразования докажите равносильность следующих высказываний:
1) (А&.В)v(В&С) и (А & В) v (А& С) v (В & С);
2) (А & В) v (А & С) и (А & В) v А v С .
№3
Элементами множеств А, Р и Q являются натуральные числа, причём Р = {2, 4, 6, 8, 10, 12} и Q = {2, 6, 12, 18, 24}.
Известно, что выражение (х е Q) ➔ (( хе А) ➔ ( хе Р )) истин-
но при любом значении переменной х. Определите наимень-
шее возможное количество элементов множества А.
Прообразы систем компьютерного перевода появились в начале 1930-х годов, работали такие системы по принципу словарей: на вход механизму подавались специально подготовленные наборы слов, которые переводились машиной, результат интерпретировался человеком, создававшим из него осмысленный текст.
Первые системы компьютерного перевода появились после второй мировой войны, содержали списки переводов слов и небольшой набор правил грамматики. В первой публичной демонстрации машинного перевода (1954 год, Джорджтаун) использовалась система, основанная на словаре из 250 записей, и всего на 6 правилах грамматики. Несмотря на позитивный настрой разработчиков, значительное финансирование и интерес со стороны средств массовой информации, переводчик был скорее игрушкой, качество перевода было невысоким. В последующие годы предпринимались многочисленные попытки улучшить качество перевода.
В 1980-х годах обрели широкое рас микрокомпьютеры, на базе которых были созданы портативные компьютерные переводчики. Это подогрело интерес к системам компьютерного перевода со стороны промышленности и, как следствие, и мотивацию учёных. В это же время начали развиваться системы распознавания и генерации речи, что давало надежды на машинный перевод в режиме "on-air", во время разговора.
В настоящее время используется множество систем компьютерного перевода. К системам с заранее заданными правилами перевода добавляют статистические модели, самообучающиеся алгоритмы. Популярен подход с использованием нейронных сетей - алгоритмов, которые состоят из множества изменяющихся под действием обучения частей (нейронов), которые выдают ответ, интерпретируя сигналы, возвращаемые нейронами. Усложнения используемых алгоритмов позволяют получать результаты, приближенные к переводам переводчиков-людей.