- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 81
- 收听数
- 1
- 能力
- 120 分
- 体力
- 541036 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 167689
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5324
- 主题
- 5250
- 精华
- 18
- 分享
- 0
- 好友
- 163
TA的每日心情 | 开心 2021-8-11 17:59 |
---|
签到天数: 17 天 [LV.4]偶尔看看III 网络挑战赛参赛者 网络挑战赛参赛者 - 自我介绍
- 本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。
群组: 2018美赛大象算法课程 群组: 2018美赛护航培训课程 群组: 2019年 数学中国站长建 群组: 2019年数据分析师课程 群组: 2018年大象老师国赛优 |
/ z" J% G2 n7 Z1 y% t9 Q* e
4 S, a+ r" W4 Y" r( p3 c Z$ f2 G* g, @/ g( l
如何在两个月内准备数学建模?
, _' ?4 k3 ?2 J% |; [9 P* g/ E9 J
& C- x7 [5 y0 Y作者:科研狗Doggy
. R3 Y. t. E( Y5 p/ ^链接:https://www.zhihu.com/question/61145535/answer/707035595
5 \# N7 }$ ?6 O/ I$ D8 j7 z来源:知乎
, N( ~; }9 z3 e; ~, Q; F! u/ d( K3 B著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。3 `5 [+ z z# G- }0 \6 c
! k3 l) e' p) n! K
泻药。真的像夺命三连邀。本来觉得知乎上回答这类问题的已经很多了,就没有想回答,今天被三连邀,认真回答一下吧。那些三个月之内准备数学建模的问题就不回答了,与此类似,而且这个问题问题比较具体。; ]# V/ B$ k: K) A; L: S
第一个问题,是不是需要提前学习?回答很肯定,必须提前学习。不知道大家有没有这样一种体会,假设你学会了一种方法,主成分分析,但是你会发现在很长的一段时间内用不到它。这样的知识点会有很多,让你觉得自己提前学习是没有用的。但是我想说的是,“幸存者偏差”,每个人参加建模的机会也不是非常多,学的方法应该是远大于参加比赛的次数,被你用到的“幸存者”的建模方法就显得很少了,就会导致你有这样一种学了很多东西但没有什么用的感受。所以,认真准备学习吧。) t6 U* p) K' ^8 ]7 T
重点是需要学什么?这个问题就很难回答了。我本身是学了很多关于建模的东西,我一直有这样一个想法,就是将我学到的东西整理出来,在辅助以个时间表,这个时间表就是一个按时间学习的打卡表。很多人都是寄希望于假期的学校培训,我也同意这种突击式的学习有效果,但是更多的我们应该在整个学期里慢慢学啊,一个星期学习“层析分析法”,咋地也能整明白了,而且这样并不是很耽误时间。但是苦与我现在时间并不是很充裕,科研项目压身,觉都不敢多睡,哈哈哈哈,不过我会尽量整理的,我现在已经初步的把握入门建模用的资料整理出来分享了,后边一步步来吧。
: G: A& h) u! x4 p那我先写几个比较简单,但是又比较常见的几个方向,注意我说的是方向。一定要分类别学习,这样在学习过程中就会有对比的学习,分清楚解决同一种题目,不同模型的优势在哪儿。0 K8 r7 Z; e; T+ d! ^
1、评价类模型:层次分析法、主成分分析法、灰色关联度分析、熵值法。这些方法很大一部分的作用都是用在确定权重的,确定权重。! n& _: X2 u" n9 {% W' l" k; c
2、预测类模型:灰色预测、时间序列预测、神经网络。
6 [9 |# U) d: ^& O; ~3、分类模型:支持向量机、模糊分类、聚类分析。
+ U# x9 M6 @, r. ?# C4、统计检验模型:参数检验、非参数检验;卡方检验、Z检验、T检验;配对样本检验、独立样本检验。这是不同分类下的名字,有很多是有交叉的,像配对样本用的就是T检验,注意分析啊。. s1 M- V$ ^+ i7 Z7 m5 A( V
5、智能算法:遗传算法、粒子群算法、蚁群算法、模拟退火算法、神经网络。 F; w0 C; \! Z4 m9 d1 T
6、其他:图论、排队论、微分方程。, Z5 k) x s3 [" ~. {
先就这些吧,我就的上边的这些就是基础了。有很多人问我,“遗传算法”这种算基础吗?这种真的是基础。但是我说的这个基础跟大家理解的可能还不大一样,大家理解的基础可能就是我学会“遗传算法”了,那我以这个为基础,把神经网络结合进去升华一下。就算搞出来 基于遗传算法的神经网络分类模型,这也是基础。什么程度就不是基础了呢?最简单的微分方程模型,你能把它用在热传导,并能充分考虑好边界条件的影响,这就不是基础了。所以你如果仅仅停留在把书上的东西看明白了,那你永远是停留在基础上了。% _ c4 B' N' q# ?/ y6 z6 p% [
第二个问题,之前回答过,直接贴链接了。! V' u/ y7 z4 R, b% O3 D6 d7 N
还有两个月数模国赛,该怎么样学习matlab才能达到要求呢?www.zhihu.com总结起来就两点,第一点:啃好我推荐的那本书《 MATLAB 在数学建模中的应用》,复现里面实现的功能,当然不用全部复现,主要是培养逻辑,做完这一点基本就算是入门了;第二点:尽可能多的接触问题,并通过自己查阅资料解决这个问题。
3 ]* y8 ?% E: i3 ?6 v6 ^) P入门 MATLAB 门槛真的很低,不要害怕,三四个小时就入门了,但是入门后需要大量的积累啊,不然你在解决实际问题的时候,难道plot画图你想新开一个界面,figure(2),这样的命令你需要现查吗?甚至你都不会形容这个问题,搜不到就凑活一下?所以说平常的积累对于学习 MATLAB 真的非常重要。即使你不会的内容,你也得在搜索答案的时候学会形容。真的,这点非常重要,中国人口基数这么大,你遇到的问题也顶多算是个小问题,一定有其他人遇到过。平常在自己地练习中,要以最快的速度找到答案,有的人也能找到只不过耗时很多。$ p8 q8 t- w- J# B
讲一个很久之前我自己的例子吧,这样更生动形象,曾经需要画地图,我一直苦于寻找东南亚地区的轮廓数据,实际上真的有这样的数据,也能画出来。然鹅在我找的差不多的时候,我发现了 .map 工具包,仿佛打开了我另一个世界,又方便又好看。大家看,我一开始就找错了方向浪费了很多时间,实际上 MATLAB 中有多这样方便的工具包,这也是 MATLAB 比起 Python 的最大优势啊,调用简单。
% p3 \( q4 \/ C. ]第三个问题,建模中能不能直接套用模型。能,但是成绩不会很高啊,原因就是直接套用会显得非常的生硬。所以我在第一个问题中就是建议大家在有时间的基础上,尽可能的把方法、模型的理论整的清楚一点,不要只会套用。现在的建模都是一个交叉学科,数学是基础,另一个学科才是模型的主体。你解决的问题是围绕着另一个学科展开,以数学的工具进行处理。所以你的模型、思路、计算都是得有理论支撑的,以今年深圳杯 B 题为例,如果不懂波束的合成、电磁波的相关理论,遗传算法能起到什么用?就根本无处套用。所以抱着临场套用的组,遇到难题基本是做不动,就是唉声淘气的愁。
' n9 s2 v0 N- G4 G再说一个我自己的例子,在某年国赛的时候,第四问,我突发奇想的把一个毫不相关的电磁场知识点引用到人口上,做了一个转化。这种转化就类似于电流密度连续,将界面两边不同物质的电场联系起来,进而做一个转化的思想是一样的,最后的效果非常好,当然这只是题目中的一个小点,但是让我很有底,因为这真的是我自己想的方法。所以你在平常的学习过程中,如果能真的深入了解方法的原理了,在遇到一个新的问题,一开始你可能不知道能这样引入一个新的概念,但是你慢慢的深入了解解决这个新的问题,就很“突发奇想”的这么整一下,因为这两个问题在根源上是有相似性的。
% d' x' Y {- U( J上边这种突发奇想,我有过很多次了,不管是在建模中,还是科研项目上,所以我现在一直保持了学东西就深学原理的习惯。
( ?/ j( f% Q$ D7 Y2 u4 l" f5 o希望大家能从我的文字中找到一些自己学习的灵感,尽早开始,“早就是优势”,适合自己的学习方法才是最好的,前提是得动手学啊。) v4 F$ W. D- w4 L6 |9 ^
最后给大家看一下我曾经的经历,希望能帮到大家。最后这个链接大家可以看一下,里边有我自己使用过的一些资料,不像云盘里传的动辄十几个G,我用过的资料都非常有条理的整理出来了。
, V- K8 ^+ g P+ l) T3 y7 d& }
. m* h5 J7 K0 ^" e* z2 [- K) S. }) a$ {! j0 X+ W2 B
: X$ i; v$ G, F
; d* ~) P I: t* N1 f! n' M |
zan
|