Pascal abc. добавить лепестки как на фото. код: uses graphabc; procedure stvol; begin setbrushcolor(clgreen); rectangle(198,300,202,100); end; var u, u0,i,j: integer; begin setwindowsize(400,400); stvol; lockdrawing; repeat clearwindow; stvol; setbrushcolor(clred); for j: =1 to 80 do begin u0: =20; for i: =1 to 6 do begin u: =u0 + 40; pie(200,100,j,u0,u); u0: =u+20; sleep(10); redraw; end; end; for j: =1 to 50 do begin u0: =0; for i: =1 to 5 do begin u: =u0 + 50; setbrushcolor(clgreen); pie(200,100,j,u0,u); setbrushcolor(clyellow); if j> 20 then pie(200,100,j-20,u0+5,u-5); u0: =u+20; sleep(10); redraw; end; end; for j: =100 downto 1 do begin u0: =0; clearwindow; setbrushcolor(clwhite); if j> 80 then circle(200,100,j-80); for i: =1 to 5 do begin u: =u0 + 50; setbrushcolor(clgreen); pie(200,100,j,u0,u); setbrushcolor(clyellow); if j> 20 then pie(200,100,j-20,u0+5,u-5); u0: =u+20; sleep(10); end; end; until false; end.

магистральная архитектура как основа современных эвм

современные эвм могут иметь различную архитектуру, но обязательно содержат в своей структуре следующие элементы (арифметико-логическое устройство (алу), выполняющее арифметические и логические операции.  устройство (уу), которое организует процесс выполнения программ. запоминающее устройство (память) для хранения программ и данных. внешние устройства для ввода–вывода информации ( и используют основной принцип функционирования эвм – принцип программируемости, дополненный новыми принципами, к которым можно отнести принципы  модульности, магистральности и микропрограммируемости.

Объяснение:

Машинное обучение (Machine Learning) это тренировка математической модели на исторических данных для того, чтобы прогнозировать какое-то событие или явление на новых данных. То есть попытка заставить алгоритмы программ совершать действия на основе предыдущего опыта, а не только на основе имеющихся данных.

Для обучения нужны исторические данные (обучающая выборка) и значение целевой переменной (то, что прогнозируем), которое соответствует заданным историческим данным. Модель наблюдает и находит зависимости между данными и целевой переменной. Эти зависимости используются моделью для нового набора данных, чтобы прогнозировать целевую переменную, которая неизвестна.

Машинное обучение включает в себя целый набор методов и алгоритмов, которые могут предсказать какой-то результат по входным данным. Например, у вас есть какая-то информация по тому, сколько стоили ценные бумаги в каждый момент из какого-то длинного промежутка времени, алгоритмы машинного обучения могут предсказать, сколько эти бумаги будут стоить в будущем.

Алгоритмов машинного обучение большое множество: одни эффективны для решения одного типа задач задач, вторые — для другого. Важно не путать машинное обучение, нейросети и искусственный интеллект, это принципиально разные вещи. Обучить искусственный интеллект можно не только методами машинного обучения, а кроме нейросетевых алгоритмов есть ещё и классическое обучение, и обучение с подкреплением.