Cтраница 4
Эффективность программирования в кодах, возможно, наиболее серьезное возражение против языков высокого уровня. Конечно же, с точки зрения микроуровня хороший программист на машинном языке может создать более эффективную программу, чем компилятор. Однако в системе, содержащей миллион команд, фактор эффективности кодирования не так очевиден. Опытный программист, перекодируя ПЛ / 1-программу в коды машины, может увеличить скорость решения или эффективность распределения памяти в два-три раза. Но с точки зрения макроподхода к проблеме эффективности совершенно не очевидно, что истинная экономия сводится только к случайной экономии отдельных байтов или слов. Часто оказывается более важным то, что при использовании языка высокого уровня алгоритм решения задачи становится проще и нагляднее. К сказанному следует также добавить, что в действительности программист, создавая программу на машинном языке, редко имеет время для ее всесторонней оптимизации. [46]
К настоящему времени в нейроматематике выделяют общую нейроматематику, прикладную нейроматематику и, наконец, специальную нейроматематику. Задачи общей нейроматематики включают разработку нейросетевых алгоритмов решения систем уравнений, обыкновенных дифференциальных уравнений и дифференциальных уравнений в частных производных, задачи оптимизации, матричной алгебры и другие. Надо отметить, что нейросетевые алгоритмы решения задач, основываясь на распараллеливании процесса решения, позволяют не только существенно повысить скорость решения, но и получить решение прежде нерешаемых задач. [47]
Новый вариант мнемосхемы был выполнен с совмещенным отображением перекрестков и сигналов их состояния. Однако выяснилось, что и при таком изображении слишком высока реальная сложность решения оперативных задач, связанных с нормализацией работы системы в случае возникновения заторов движения и сбоев автоматических устройств. Как было показано ранее, эти факторы, обозначенные нами через / С1Р и / С7Р, существенно влияют на скорость решения и число допускаемых ошибок. [48]