Hi mister,
Я рисовал (за рисовку извиняюсь, буду стараться лучше, просто так нагляднее)
Задание 2:
Сейчас распишу тебе сюда 1 задачу (она будет и с фоткой, другие все решение на фотке, чтобы ты просто понимал как делать)
У нас в дано сказано что первая должна быть гласная.
Т.е из наших букв Е,Г,Э мы находим гласные - их 2 штуки (Е и Э)
Т.е на первом месте будет 2 возможные, а далее просто все остальные наши буквы.
Т.е 3 и еще раз 3. (все у нас получится 2*3*3), ты можешь спросить почему именно столько раз, ответ прост, нам просто дали условие 'Сколько можно составить слов длиной в 3 символа'
Это значит, если бы нам дали условие '....длинной в 4 символа...', мы бы просто умножили еще раз на 3, и все! Все остальные задачи, аналогично!
Задание 4:
У тебя нету полного условия, у тебя сказано, что слова из 5 букв, а показано только 4! решить не смогу.
Задание 5:
ответ: 144 (+ доп условие. Нет, порядок цветов не имеет значение.)
Источник: Мозг
Можно встретить много критических замечаний о том, что биологический мозг или биологические нейронные сети работают совершенно не так как ныне популярные компьютерные нейронные сети. К подобным замечаниям прибегают различные специалисты, как со стороны биологов, нейрофизиологов так и со стороны специалистов по компьютерным наукам и машинному обучению, но при этом очень мало конкретных замечаний и предложений. В этой статье мы попытаемся провести анализ этой проблемы и выявить частные различия между работой биологической и компьютерной нейронной сетью, и предложить пути улучшения компьютерных нейронных сетей которые приблизят их работу к биологическому аналогу.
Граница знаний
Прежде я хочу пояснить, почему, по моему мнению, в вопросе создания сильного искусственного интеллекта до сих пор всё так печально, не смотря на грандиозные успехи в компьютерных науках и знаниях о биологическом мозге. Прежде всего, это связано с большой идеологической пропастью между этими двумя столпами науки. Компьютерные науки требуют некой схематичной простоты, строгости и лаконичности в описании систем, некого системного подхода, в отбрасывании лишнего и чёткой структуризации достаточной для оформления в программном коде. В биологии же главенствует подробность описания наблюдаемых систем, ничто не может быть отброшено или проигнорировано из наблюдений. В описываемые системы должны быть включены все наблюдаемые факты. Поэтому биологам сложно применять системный подход к своим обширным знаниям для создания алгоритмов мозга. Ведь чтобы создать конструктив самолёта потребовалось очень многое пересмотреть и отбросить из образа птицы.
С другой стороны легко понять учёных и инженеров, которые при погружении в изучение компьютерных нейронных сетей из описания принципов работы мозга довольствуются коротким абзацем текста о нейроне, который с синапсов на дендритах «слушает» другие нейроны и по единичному аксону передаёт результат вычислений суммации по слою дальше, не применяя к этим знаниям никакой критической оценки. Даже нейробиологи применяют формальный нейрон Маккаллока — Питтса при описаний принципов работы биологического нейрона, но делают они это по другой причине, по причине того что нет достойных альтернатив, нет в биологии чёткого описания того что делает нейрон, какую логику он выполняет, несмотря на обширные знания о нём.
Объяснение:
нашел в инете, поэтому инфа может быть не та.
