先异或得到 a^b
再去 a^b^x=c (x不为全1,0的情况下)
a^b同或x=d (x不为全1,0的情况下)
如果 c==~d就算得出一个值
有其他更好的方法吗?
On Nov 19, 2007 4:55 PM, codediscuss.com <flyi...@gmail.com> wrote:
> x^y=a
> x+y=b
>
> 能否解出x和y?
>
> >
>
--
On Nov 26, 2007 8:15 PM, pongba <pon...@gmail.com> wrote:
这让我想起了数论。数论可以算是最没有系统化方法的一门数学分支,数论的发展几乎都存在着各种各样的灵感和创造。往往是在别的分支发现了某个方程,既而发现把它应用在数论上可以得到很好的结果。
根据歌德尔不完备性原理,要证明公理体系以外的结论,光靠逻辑和推理是不能完成的,总有某处依靠所谓的灵感——在这一点上你可能怎么找不出想到它的理由。所以我觉得所谓系统化的方法不一定导致解答的产生,但是或许能增大发现解答的概率:大量的知识积累至少让你可以站得更高,也许离解答很近的时候你就能先看见;一个好用的脑子可以作为数据库帮助你管理这些知识,搜索起来又快又准。
如果有n个不同的数呢?
ps 记得以前有个关于数学家的笑话。说是有个大牛数学家,带博士的毕业论文就是证明某个定理在特定维度下的正确性。第一个博士生证明1维情况,第二个证明2维情况,等等。
之后有个博士生,一高兴把n维普遍情况给证明了。结果引得这位大牛大怒,因为他把后面所有人的博士课题都证完了……
在 07-11-26,pongba<pon...@gmail.com> 写道:
--
新的理论从少数人的主张到一统天下,并不是因为这个理论说服了别人抛弃旧观点,而是因为一代人的逝去。
My blog: http://googollee.blog.163.com
看机器学习还是少发散些比较好。遗传算法与生物进化如天壤之别,神经网络和人脑构造远不是一回事。相似,但是截然不同的两个领域。
人工神经网络和生物神经网络之间的差异主要在于形式和规模,以及复杂度上。他们的实现手法不同,但原理一致。人工神经网络正在努力接近生物神经网络的特性。
举个例子:神经胶质细胞在十年前被认为不参与神经活动,只是起到支撑和营养供应的作用。但最近的研究表明,神经胶质细胞非但参加神经活动,而且起到了重要的长时程调控作用。当研究人员将胶质细胞引入人工神经网络模型后,系统的性能大幅提高,更加接近生物神经系统的特征。