浅谈数学、数学建模与人工智能(机器学习,深度学习)之间的关系?

版权声明:本文为博主原创文章,遵循 CC 4.0 by-sa 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/CEOko1007/article/details/78696099
前言: 
       说来也巧合,我在大学里加入的第一个社团就是数学建模,各种各样的社团对我没有完全没有吸引力,什么舞蹈、爱心、创业、英语等,加入数学建模的原因有二:一是可以参加比赛,二是可以认识更多的朋友,但是在加入的第四周我就完全失望了,完全没有达到我的预期,平时组织活动比较及时,但是真正给你教东西的却很少,所以从那开始我就退出了,再也没去。所以你感觉一个社团给你提供不了你当初加入的初心,那就赶紧离开吧,别再浪费时间了。之后一年里都是按部就班地上课,没有搭理社团,但是QQ通知群还是留着,直到有一天群里通知有没有人愿意参加数模大赛,虽然群里只剩下十几个人,那就报名呗,反正有专门的老师培训,之后都会在课余去参加培训,偶尔偷懒没去,之后经过平时,暑期培训参加了比赛。在比赛的时候一脸懵逼,B题题目都搞不懂,怎么做,那就选B吧,查各种资料写论文,建模,到了最后提交不了?你是在逗吗,三天的辛苦白费了?结果也就没有拿到好成绩,就这样大一结束了,大二同样参加了,也拿到了成绩,在其期间也参加了其他的比赛,比如美赛,亚太赛,数创杯等,就算是经历吧。

总叙:
    好了,言归正传,参加了这么多关于数模比赛,到底是为什么,或者是我喜欢数学吗?不是的,我高数一般般,由于个中原因,反正没怎么听老师讲课,所以对于数学我平常心,从2016年开始,AI的兴起,让我非常感兴趣,就特地去了解了下所学的课程,结果是无论是machine larning 还是deep leraning都需要数学建模思维,也就是现在非常抢手,工资非常高的算法工程师,并且数学建模是核心点,没有很好地建模思维,那你的项目就达不到所谓的智能。


那么数学与建模有什么联系,我们知道在大学如果要学高数必须要学习微积分,定积分,线性代数,概率论等,所以这些都是建模的基础,建模没有对错,只有better,所以基础肯定要有的,其次要会查资料,比如各种出版论文,最新的建模思维,只要熟练掌握,那么你的建模思维就会很高级,解决实际情况的方法就会很高效。我接触比较少,所以建模这块还在努力中,菜鸟一只。
数学与数学建模:
    举个简单的列子:
    如:一个星级旅馆有150个客房,经过一段时间的经营实践,旅馆经理得到了一些数据:每间客房定价为160元时,住房率为55%,每间客房定价为140元时,住房率为65%
每间客房定价为120元时,住房率为75%,每间客房定价为100元时,住房率为85%。欲使旅馆每天收入最高,每间客房应如何定价?
[简化假设]
  (1)每间客房最高定价为160元;
  (2)设随着房价的下降,住房率呈线性增长;
  (3)设旅馆每间客房定价相等。
  [建立模型]
 y表示旅馆一天的总收入,与160元相比每间客房降低的房价为x元。由假设(2)可得,每降价1元,住房率就增加 。因此
  由 
可知
  [求解模型]
  利用二次函数求最值可得到当x=25即住房定价为135元时,y取最大值13668.75(元),
  [讨论与验证]
  (1)容易验证此收入在各种已知定价对应的收入中是最大的。如果为了便于管理,定价为140元也是可以的,因为此时它与最高收入只差18.75元。
  (2)如果定价为180元,住房率应为45%,相应的收入只有12150元,因此假设(1)是合理的。
这便是一个简单的数学建模,在这道题中我们需要考虑的是:
1.要做什么?
2.怎么做?
3.这样做合理吗?
4.如果这样做,假设那些可以改变?
5.这样做需要用到那些模型?
6.这种模型简洁吗?
7.确定了这种模型,怎么求解?
8.求解出来了,与现实合理吗?
9.在这个模型中,存在什么缺点,怎么去优化?
10.总结
差不多这十点是需要我们考虑的,也许要大量用到数学计算,甚至涉及到统计,经济学,专有软件(matlab,spass)的处理等,所以整个建模过程离不了数学知识
数学建模与人工智能:
    同样通过一个小例子来理解他们之间的关系:
    题目:在一个公司中,由于某些原因,有些员工渐渐离网(从公司流失),对于此,请用机器学习算法预测客户流失的一些特点,包括年龄,性别等其它因素。
    在这道题中,利用机器学习时要用到一种建模模型:决策树
1.决策树如何构建?

 2.构建决策树

3.生成决策树

4.利用ID3算法实现function
5.集成学习

6.然后利用PAI算法执行

7.分析效果

8.总结
    不难发现通过这复杂的八步就完美提供了解决方案,完成项目需求,而这八步都需要扎实的建模思维,要不然几乎没办法做,所以数学建模对于人工智能算法非常关键。
     再者比如最新的滴滴Di-Tech算法大赛:
问题是:对无人驾驶车而言,最重要的是能够理解周围环境并做出相应决策,保证行车安全。参赛者需要努力找到通过摄像头和 LIDAR 数据检测道路上的障碍物的最好方法。最终的系统应该能够识别行人、车辆和普通障碍物,对人类驾驶员和无人驾驶系统都有很大帮助。参赛者需要处理 LIDAR、RADAR及摄像头原始数据,输出障碍物位置、移除噪音和环境错误检测。参赛者可以利用已经较为完善的 Kitti 数据集,在现有技术的基础上,加入自己的新方法和手段,来让算法获得更好表现。
不难发现无论是怎样的安全措施,数据分析,算法处理,都需要建模思维各个方面考虑,完美的建模便是最好的答案。
所以学习人工智能,数学建模是必须的,很难,但要坚持!
2017的最后一个月,大家努力!
2017-12-01

展开阅读全文

没有更多推荐了,返回首页