南开大学2014年硕士研究生入学考试试题(回忆版)

南开大学2014年硕士研究生入学考试试题(回忆版)

学院:011陈省身数学研究所、012数学科学学院

考试科目:701数学分析

专业:基础数学、应用数学、概率论与数理统计、应用数学、生物信息学

 

一、求极限$\underset{n\to +\infty }{\mathop{\lim }}\,(\sqrt[n]{n}-1)\sin n\ln n$

二、证明二元函数$
f(x,y)=\left\{\begin{array}{ll}
{e^{ - xy\frac{{\sin x}}{x}}}, & \hbox {$x \ne 0$;} \\
1, & \hbox{$x = 0$.}
\end{array}
\right.$在二维平面上连续。

三、已知$0<a<b,c>0$,求点$(0,0,c)$到曲面$\frac{z}{c}=\frac{{{x}^{2}}}{{{a}^{2}}}+\frac{{{y}^{2}}}{{{b}^{2}}}$的最短距离。

四、求曲面积分$I=\iint\limits_{S}{\frac{xdydz+ydzdx+zdxdy}{{{(a{{x}^{2}}+b{{y}^{2}}+c{{z}^{2}})}^{\frac{3}{2}}}}}$,其中$S$是曲面${{x}^{2}}={{y}^{2}}+{{z}^{2}}$的外侧。

五、求级数$\sum\limits_{n=0}^{+\infty }{\frac{{{(-1)}^{n}}}{3n+2}}$的值。

六、已知$S(x)=\sum\limits_{n=0}^{+\infty }{\frac{\sin nx}{{{n}^{x}}}},0<x<+\infty $,求证:

(1)$S(x)$在$(0,+\infty )$ 上非一致收敛;

(2)$S(x)$在$(0,+\infty )$上连续。

七、已知$f(x)$在$(0,+\infty )$上连续可导

(1)若$\underset{x\to +\infty }{\mathop{\lim }}\,f(x)=1,\underset{x\to +\infty }{\mathop{\lim }}\,f''(x)=0$,证明$\underset{x\to +\infty }{\mathop{\lim }}\,f'(x)=0$

(2)构造一个函数,使得$\underset{x\to +\infty }{\mathop{\lim }}\,f(x)=1$但$\underset{x\to +\infty }{\mathop{\lim }}\,f'(x)$不存在

八、已知\[\sum\limits_{n=0}^{+\infty }{{{x}_{n}}}\]收敛,证明存在${{\theta }_{n}}=\{-1,1\},n=1,2,\cdots ,$使得\[\sum\limits_{n=0}^{+\infty }{{{\theta }_{n}}}{{x}_{n}}\]收敛。

九、求$\underset{n\to +\infty }{\mathop{\lim }}\,\sum\limits_{k=1}^{n}{\frac{1}{\sqrt{k(n-k+1)}}}$

转载于:https://www.cnblogs.com/Colgatetoothpaste/p/3674861.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值