Это . нужно написать код на языке python. нужно создать функцию, способную сортировать вложенные списки, содержащие целые числа, как линейные. есть параметр data - это собственно говоря список, который нужно отсортировать, и параметр key - который задает правило сортировки. например: вводим: data = [[1, 2], [3, 4], [5, а выводим res = [[6, 5], [4, 3], [2, или другой пример с параметром key: ввод: data = [[3], [2, 1]] key = lambda x: x вывод: res = [[1], [2, 3]]

Hi mister,

Скрин прикрепил ниже, там все кратко и ясно.Для документов -  " .xls ",  для шаблонов   " .xlt ".1 048 576 строк.16 385 столбцов.Команда "Вставить..." или сочетание клавиш Shift+F11 В окне открытой книги дважды щелкнуть по левой кнопке мыши на ярлыке нужного листа, после чего набрать нужное имя листа и нажать на клавишу Enter на клавиатуре для закрепления введенного имени.Левой кнопкой мыши щелкаем по первой ячейке диапазона, после чего нажимаем на клавишу Ctrl и не отпускаем ее, пока не отметим последнюю нужную ячейку.  Далее по очереди щелкаем левой кнопкой мыши по всем оставшимся ячейкам.  После выделения последней ячейки  отпускаем клавишу Ctrl.Выделите ячейку или диапазон ячеек, затем выберите команду "Формат" - "Ячейки"  Ctrl+1.  В появившемся окне диалога введите нужные параметры форматирования, после чего нажмите ' ок '.Выбранная ширина ячейки, не позволяет разместить в ней результаты вычислений.Ставим курсор перед тем отрезком, который нужно перенести, а затем используем на клавиатуре сочетание клавиш Alt+Enter.

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.