- 博客(742)
- 收藏
- 关注
RSS订阅原创 2024 第十六届“华中杯”大学生数学建模挑战赛题目 C 题 基于光纤传感器的平面曲线重建算 思路代码 chatgpt-4版本
光纤传感技术是一种基于光波传输和调制的传感技术，利用光纤作为传输介质，通过测量光波的参数变化来感知外界环境的变化。光纤传感器的基本原理是，当外界环境参数发生变化时，会引起光纤传感器中光波参数（如波长、相位、强度等）的变化，从而产生光信号的调制。
2024-04-19 10:41:06
841
原创 2024 第十六届“华中杯”大学生数学建模挑战赛题目 B 题 使用行车轨迹估计交通信号灯周期问题 思路代码 chatgpt-4版本
不管大小赛事专栏内都会发布思路，小赛事会发布gpt-4版本思路代码。理解。对于问题一，我们首先需要明确目标：通过车辆行车轨迹数据估计信号灯的红绿周期。这意味着我们需要找到车辆通过信号灯的时间间隔，并从中推断出信号灯的周期。我将在以下内容中提供详细的思路和代码，以解决这个问题。
2024-04-19 10:23:18
1007
原创 2024 第十六届“华中杯”大学生数学建模挑战赛题目 A 题 太阳能路灯光伏板的朝向设计问 思路代码 chatgpt-4版本
然后，我们根据给定的条件计算了光伏板在不同朝向和倾斜角下接收到的太阳直射辐射强度，并确定了在每个条件下的最大值。为了解决问题三，我们需要综合考虑路灯蓄电池的储电效率和储电量两个目标，设计出光伏板固定安装的最优朝向，并计算晴天条件下光伏板受到的太阳直射辐射日均总能量和太阳直射辐射时长。为了解决问题二，我们需要设计光伏板的朝向，以使光伏板在晴天条件下受到的太阳直射辐射日均总能量最大。这段代码的运行结果将给出使得光伏板在晴天条件下受到的太阳直射辐射日均总能量最大的最佳朝向和倾斜角，并给出相应的总能量。
2024-04-19 10:13:50
650
原创 2024 年“认证杯”数学建模 D题 AI 绘画带来的挑战
当从几何角度来审视 AI 绘画时，我们可以关注一些常见的几何原理和规则，例如平行线、垂直线、对称性等。根据这些几何元素，检查是否存在不符合常规几何规则的情况，比如平行线不平行、垂直线不垂直等。如果存在不合理的几何特征，那么可能是由AI绘图软件生成的图片。从图片中提取关键的几何元素，如直线、角度、比例关系等。
2024-04-11 22:25:23
504
原创 2024 年“认证杯”数学建模C题 云中的海盐 思路代码
确定海面上空以及低层海云内喷洒雾化的海水是否能够降低海面接收到的日光辐射量，我们可以采用辐射传输模型。这个模型可以考虑海盐气溶胶对太阳辐射的散射和吸收作用，以及大气和云层的影响。使用Mie理论或其他散射理论来计算海盐气溶胶对太阳辐射的散射和吸收。考虑大气和云层的光学厚度，计算海盐气溶胶在大气和云层中的传播过程。根据传播过程中的吸收和散射，计算海面接收到的日光辐射量。
2024-04-11 22:24:19
1609
原创 2024 年“认证杯” 数学建模 B题 神经外科手术的定位与导航 思路代码
这个示例仅包含了模型建立和求解的基本步骤，具体的细节和参数需要根据实际情况进行调整和优化。建立几何模型： 使用术前的 CT 成像结果构建颅内的几何模型，包括颅骨和脑组织的形状和位置。定义材料属性： 给每个有限元单元定义材料属性，包括脑组织的弹性模量和泊松比等。求解模型： 使用有限元分析软件对模型进行求解，计算开颅后全脑的变形情况。针对这个问题，我们可以使用有限元方法来建立数学模型。施加加载： 根据术中测得的颅内压，将加载作用于模型中的适当位置。划分网格： 将颅内几何模型划分成小的单元，即有限元网格。
2024-04-11 22:21:53
412
原创 2024 年“认证杯”数学中国数学建模网络挑战赛 A题 保暖纤维的保暖能力 思路、代码和论文
建立一个合理的指标体系来衡量某种保暖纤维的保暖能力需要考虑多个因素，包括纤维的材料特性、填充方式、厚度、重量以及环境条件等。热阻值与热传导率成反比，因此较高的热阻值表示较好的保暖性能。湿气阻隔性（Moisture Barrier）：描述填充材料对湿气的阻隔能力，影响着保暖效果在潮湿环境下的表现。弹性（Flexibility）：填充材料的弹性会影响穿着舒适度和保暖效果，某些情况下较好的弹性可以提高保暖性能。厚度（Thickness）：填充物的厚度会影响其保暖效果，一般来说，较大的厚度可以提供更好的保暖效果。
2024-04-11 22:19:52
1487
原创 2024 年“认证杯”数学建模C题 云中的海盐 思路代码
import numpy as npimport matplotlib.pyplot as plt# Sample function to simulate global surface temperature changedef simulate_global_surface_temperature_change(): # Simulate temperature change for each grid point (latitude, longitude) global_sur
2024-04-11 22:16:38
423
原创 2024 年“认证杯”数学建模 D题 AI 绘画带来的挑战
建立数学模型对图片进行评分以评估其由AI绘图软件生成的可能性是一个挑战性问题。一个可能的方法是利用计算机视觉和机器学习技术来提取图片的特征，并使用这些特征来训练一个分类模型，区分由AI生成的图片和由人类设计师生成的图片。当从几何角度来审视 AI 绘画时，我们可以关注一些常见的几何原理和规则，例如平行线、垂直线、对称性等。专栏内含有ABCD四题思路和代码。
2024-04-11 22:13:12
439
原创 2024 年“认证杯” 数学建模 B题 神经外科手术的定位与导航 思路代码
在术中无法测得颅内压的情况下，我们可以尝试通过模拟不同的颅内压力场来评估全脑在开颅后的变形情况。这样的模拟可以用来理解在不同压力下脑组织的移位和变形情况，并帮助医生更好地设计手术方案。这个示例仅包含了模型建立和求解的基本步骤，具体的细节和参数需要根据实际情况进行调整和优化。分析模拟结果，评估不同压力场下全脑的变形情况，并根据结果进行进一步的讨论和优化。使用术前的 CT 成像结果构建颅内的几何模型，包括颅骨和脑组织的形状和位置。使用术前的 CT 成像结果构建颅内的几何模型，并将其划分成有限元网格。
2024-04-11 21:57:36
169
原创 2024 年“认证杯”数学中国数学建模网络挑战赛 A题 保暖纤维的保暖能力 思路、代码和论文
为了研究涤纶作为保暖纤维的保暖能力与纤维平均长度和纤维直径的关系，我们可以建立一个简单的数学模型。在这个模型中，我们假设保暖能力与纤维的表面积有关，因为表面积越大，纤维与周围环境的热交换也就越多，从而影响保暖性能。基于以上理论，我们可以估算棉花和羽绒的保暖能力，但这些估算可能不够精确，因为实际的保暖性能受到多种因素的影响，包括材料的处理方式、衣物的设计结构等。较轻的填充物可能会提供较差的保暖效果，但更适合活动较多的环境。：填充物的厚度会影响其保暖效果，一般来说，较大的厚度可以提供更好的保暖效果。
2024-04-11 21:05:38
367
原创 2024年第三届中国高校大数据挑战赛 第二场 D题：行业职业技术培训能力评价 详细思路+代码+代码
分析入学的各技能考核成绩与对应的离校考核成绩之间的关联性，可以使用相关性分析的方法。在Python中，你可以使用pandas库来处理数据，使用matplotlib或seaborn进行可视化，以及使用scipy库进行相关性分析。1. 般而言，入学的各技能考核成绩与对应的离校考核成绩绩可 能存在着或多或少或无的关联性。
2024-03-09 10:27:48
766
原创 2023年第三届中国高校大数据挑战赛 第二场 赛题 D：行业职业技术培训能力评价 详细思路、代码
entrance_skills = ['入学技能1', '入学技能2', '入学技能3', '入学技能4', '入学技能5']exit_skills = ['离校技能1', '离校技能2', '离校技能3', '离校技能4', '离校技能5']# 假设技能的列名格式为：'入学技能1', '入学技能2', ..., '离校技能1', '离校技能2', ...# 假设数据的列名为：'入学技能1', '入学技能2', ..., '离校技能1', '离校技能2', ...
2024-03-09 10:18:14
229
原创 2023 年中国高校大数据挑战赛 赛题 C：用户对博物馆评论的情感分析 详细思路代码
好多是最近房地产开发盖新房子时新 挖出来的，不错“，可得知该评论为正面情感，影响其正面评价的是” 房地产开发盖新房子时新挖的“、”环境高大上“两个因素。这有助于提高模型的泛化能力。针对每位用户的评论，建立情感判别模型，判断评论内 容的情感正反方向，输出评论内容的情感方向为正面、中立、负面， 并统计每个博物馆历史评论各个方向情感的比例分布情况.综合考虑评论内容中情感词、程度副词、否定词、标点 符合等等影响情感方向的指标，建立情感得分评价模型，得到每位用户评论的情感得分，并基于得分对五个博物馆进行客观排名。
2024-03-09 09:51:14
562
1
原创 2023 年中国高校大数据挑战赛 赛题 C：用户对博物馆评论的情感分析
针对每位用户的评论，建立情感判别模型，判断评论内 容的情感正反方向，输出评论内容的情感方向为正面、中立、负面， 并统计每个博物馆历史评论各个方向情感的比例分布情况.对评论文本进行预处理，包括去除停用词、词干提取（或词形还原）、转换为小写等。这有助于提高模型的泛化能力。将数据集划分为训练集和测试集，以便评估模型性能。可以使用工具如来完成这一步骤。将文本数据转换为模型可以处理的特征表示。
2024-03-09 09:06:55
607
原创 2024年第三届中国高校大数据挑战赛赛题 C：用户对博物馆评论的情感分析 思路+代码+论文
为了促进高校大学生实际应用技能的提高，着眼于未来，培养具有创新能力和实践能力的大数据人才，推动大数据的产学研用，探索大数据的核心科学与技术，提升高校毕业生的就业竞争力。经研究决定，天津市未来与预测科学研究会、中国未来研究会大数据与数学模型专业委员会联合发起2023年第三届中国高校大数据挑战赛。中国未来研究会是中国科协下属团体，国家一级学会，成立于1979年。发起单位是国家科委、中国科协、中国科学院、中国社科院、教育部、北京大学、清华大学、中国科技大学、中国人民大学、北京师范大学、光明日报社。
2024-03-08 09:54:27
436
原创 2024年第三届中国高校大数据挑战赛 第二场 赛题 D：行业职业技术培训能力评价 思路+代码+论文
培训能力很好，而有些学校可能是技能 2 的培训能力上有优势。省级等）的职业技术培训学校，进行 5 种技能培训。同类型的培训学校培训能力进行排序，以及给出培训能力前 10 的学。进行统一的技能考核（称作“入校考核”），培训结束后再次进行统一。熟的技术工人进入工厂。绩不仅仅是由于培训学校的培训能力导致的，还有学员的素质等其他。并会挫伤大多数培训学校和培训教员的工作积极性，影响了学校改进。型的培训学校进行公正合理的培训能力评价是一件很有意义的事情。校师资水平等的差异，仅仅用离校考核成绩的高低无法真正有效的体。
2024-03-08 09:53:40
722
原创 2023年第三届中国高校大数据挑战赛D题:行业职业技术培训能力评价思路+代码+论文
为了促进高校大学生实际应用技能的提高，着眼于未来，培养具有创新能力和实践能力的大数据人才，推动大数据的产学研用，探索大数据的核心科学与技术，提升高校毕业生的就业竞争力。经研究决定，天津市未来与预测科学研究会、中国未来研究会大数据与数学模型专业委员会联合发起2023年第三届中国高校大数据挑战赛。中国未来研究会是中国科协下属团体，国家一级学会，成立于1979年。发起单位是国家科委、中国科协、中国科学院、中国社科院、教育部、北京大学、清华大学、中国科技大学、中国人民大学、北京师范大学、光明日报社。
2024-03-08 09:52:47
988
原创 2024年第三届中国高校大数据挑战赛 第二场思路+代码+论文 预约
为了促进高校大学生实际应用技能的提高，着眼于未来，培养具有创新能力和实践能力的大数据人才，推动大数据的产学研用，探索大数据的核心科学与技术，提升高校毕业生的就业竞争力。经研究决定，天津市未来与预测科学研究会、中国未来研究会大数据与数学模型专业委员会联合发起2023年第三届中国高校大数据挑战赛。中国未来研究会是中国科协下属团体，国家一级学会，成立于1979年。发起单位是国家科委、中国科协、中国科学院、中国社科院、教育部、北京大学、清华大学、中国科技大学、中国人民大学、北京师范大学、光明日报社。
2024-03-08 09:47:50
66
原创 2023年第三届中国高校大数据挑战赛 C题：用户对博物馆评论的情感分析 思路+代码+论文
为了促进高校大学生实际应用技能的提高，着眼于未来，培养具有创新能力和实践能力的大数据人才，推动大数据的产学研用，探索大数据的核心科学与技术，提升高校毕业生的就业竞争力。经研究决定，天津市未来与预测科学研究会、中国未来研究会大数据与数学模型专业委员会联合发起2023年第三届中国高校大数据挑战赛。中国未来研究会是中国科协下属团体，国家一级学会，成立于1979年。发起单位是国家科委、中国科协、中国科学院、中国社科院、教育部、北京大学、清华大学、中国科技大学、中国人民大学、北京师范大学、光明日报社。
2024-03-08 09:42:18
1058
原创 【概率图与随机过程】25 从有向到无向：谈谈条件随机场
这是这一期专栏的最后一讲了，我们来简要介绍一下无向图模型中的一个非常重要的模型：条件随机场。
2024-02-25 19:46:08
672
原创 【概率图与随机过程】24 重采样：粒子滤波中的处理技巧
同时 t = 1 t=1 t=1时， z t ( i ) ∼ p ( z t ∣ z t − 1 ( i ) ) z_t^{(i)}\sim p(z_t|z_{t-1}^{(i)}) zt(i)∼p(zt∣zt−1(i))中的 p ( z t ∣ z t − 1 ( i ) ) p(z_t|z_{t-1}^{(i)}) p(zt∣zt−1(i))也直接就是初始概率分布 p ( z 1 ) p(z_1) p(z1)这么一想就非常清晰了。
2024-02-25 19:45:37
611
原创 【概率图与随机过程】23 粒子滤波基本原理
我们欣喜的发现，等式的最后一部分就是 w t − 1 w_{t-1} wt−1的表达式： p ( z 1 : t − 1 ∣ x 1 : t − 1 ) q ( z 1 : t − 1 ∣ x 1 : t − 1 ) = w t − 1 \frac{p(z_{1:t-1}|x_{1:t-1})}{q(z_{1:t-1}|x_{1:t-1})}=w_{t-1} q(z1:t−1∣x1:t−1)p(z1:t−1∣x1:t−1)=wt−1。那么每一步同样都能获得滤波结果。
2024-02-25 19:45:06
630
原创 【概率图与随机过程】22 线性高斯：卡尔曼滤波
在递推的过程中，在 t − 1 t-1 t−1时刻，我们总是先利用 t − 1 t-1 t−1时刻的滤波结果，在 t − 1 t-1 t−1时刻的观测序列 x 1 , x 2 , x 3 , . . . , x t − 1 x_1,x_2,x_3,...,x_{t-1} x1,x2,x3,...,xt−1的基础上，去预测下一时刻 t t t的状态 z t z_t zt的概率，这一步，我们称之为。
2024-02-25 19:44:34
511
原创 【概率图与随机过程】21 隐马尔科夫模型的状态解码
那么用形式化的语言来说就是已知模型 λ = ( A , B , π ) \lambda=(A,B,\pi) λ=(A,B,π)和观测序列 O = ( o 1 , o 2 , . . . , o T ) O=(o_1,o_2,...,o_T) O=(o1,o2,...,oT)，求使得条件概率 P ( I ∣ O ) P(I|O) P(I∣O)最大的隐状态序列 I = ( i 1 , i 2 , . . . , i T ) I=(i_1,i_2,...,i_T) I=(i1,i2,...,iT)。
2024-02-25 19:44:04
978
原创 【概率图与随机过程】20 隐马尔科夫模型的基本形态和性质
其中，初始概率向量 π = ( π 1 , π 2 , π 3 , . . . , π N ) \pi=(\pi_1,\pi_2,\pi_3,...,\pi_N) π=(π1,π2,π3,...,πN)，其中 π i \pi_i πi表示的就是隐含状态序列中第 1 1 1个状态为 q i q_i qi的概率，即 π i = P ( i 1 = q i ) \pi_i=P(i_1=q_i) πi=P(i1=qi)。
2024-02-25 19:42:39
594
原创 【概率图与随机过程】19 引入时间轴：动态图模型的共性与特征
p ( z t + 1 ∣ x 1 , x 2 , x 3 , . . . , x t ) p(z_{t+1}|x_1,x_2,x_3,...,x_t) p(zt+1∣x1,x2,x3,...,xt)和 p ( x t + 1 ∣ x 1 , x 2 , x 3 , . . . , x t ) p(x_{t+1}|x_1,x_2,x_3,...,x_t) p(xt+1∣x1,x2,x3,...,xt)那么，我们在利用动态图模型的过程中，一般都会尝试去解决哪些问题呢？
2024-02-25 19:42:08
473
原创 【概率图与随机过程】17 概率图模型导论
积准则： p ( x 1 , x 2 ) = p ( x 1 ) p ( x 2 ∣ x 1 ) = p ( x 2 ) p ( x 1 ∣ x 2 ) p(x_1,x_2)=p(x_1)p(x_2|x_1)=p(x_2)p(x_1|x_2) p(x1,x2)=p(x1)p(x2∣x1)=p(x2)p(x1∣x2)联合概率： p ( x 1 , x 2 , x 3 , . . . , x p ) p(x_1,x_2,x_3,...,x_p) p(x1,x2,x3,...,xp)
2024-02-25 19:41:07
857
原创 【概率图与随机过程】16 马尔科夫链蒙特卡洛方法：从M-H到Gibbs
这一讲，我们利用前面介绍的马尔科夫链稳态的性质，来谈谈如何基于马尔科夫链蒙特卡洛方法进行近似采样。
2024-02-25 19:40:32
593
原创 【概率图与随机过程】14 随机近似方法初步
1 N ∑ i = 1 N f ( z ( i ) ) ≈ ∫ z p ( z ∣ x ) f ( z ) d z \frac{1}{N}\sum_{i=1}^Nf(z^{(i)})\approx \int_z p(z|x)f(z)dz N1i=1∑Nf(z(i))≈∫zp(z∣x)f(z)dz如果我们直接令这个函数 f ( z ) = z f(z)=z f(z)=z，那么通过上述方法求出的就是分布p ( z ∣ x ) p(z|x) p(z∣x)的期望。
2024-02-25 19:39:30
375
原创 【概率图与随机过程】13 统计推断的基本思想和分类
这里我们重点介绍一下变分推断的核心思想，我们的目的是去找一个分布 Q ( θ ) Q(\theta) Q(θ)去逼近一个没办法找到解析解的后验分布 p ( θ ∣ X ) p(\theta|X) p(θ∣X)，变分推断之所以称之为确定性近似，是因为虽然结果不是精确的，是近似结果，但是他能拿出一个解析解的形式。具体的思路过程是这样的：我们令 X X X是观测数据， θ \theta θ是参数。
2024-02-25 19:38:58
733
原创 【概率图与随机过程】12 连续域上的无限维：高斯过程介绍
这一讲，我们介绍高斯过程，从字面上分解，我们就可以看出他包含两部分：第一：高斯，指的是高斯分布第二：过程，指的是随机过程随机过程最基础的概念我们在《机器学习中的数学：概率统计》中已经详细介绍过，大家有兴趣可以再去回顾一下。
2024-02-25 19:38:33
677
原创 【概率图与随机过程】11 高斯混合模型的参数求解
参数为 θ = { p 1 , p 2 , . . . , p K , μ 1 , μ 2 , . . . , μ K , Σ 1 , Σ 2 , . . . , Σ K } \theta=\{p_1,p_2,...,p_K,\mu_1,\mu_2,...,\mu_K,\Sigma_1,\Sigma_2,...,\Sigma_K\} θ={p1,p2,...,pK,μ1,μ2,...,μK,Σ1,Σ2,...,ΣK}
2024-02-24 18:24:39
384
原创 【概率图与随机过程】10 探索高斯混合模型：EM迭代实践
即，我们假设混合高斯模型中有 N N N个高斯分布，每个高斯分布概率密度函数 N ( μ k , Σ k ) N(\mu _k,\Sigma_k) N(μk,Σk)的权重是 α k \alpha_k αk，那么针对上面的例子，我们可以假定高斯混合模型中的高斯分布有3个，我们用不同的颜色区分不同的高斯分布，如下图所示，他们拥有不同的权重 α 1 , α 2 , α 3 \alpha_1,\alpha_2,\alpha_3 α1,α2,α3，最终叠加形成所有样本的概率密度函数。
2024-02-24 18:24:08
372
原创 【概率图与随机过程】09 探索EM公式的底层逻辑与由来
K L ( q ( z ) ∣ ∣ p ( z ∣ x , θ ) ) ≥ 0 KL(q(z)||p(z|x,\theta))\ge 0 KL(q(z)∣∣p(z∣x,θ))≥0 当且仅当： q ( z ) = p ( z ∣ x , θ ) 时 , K L ( q ( z ) ∣ ∣ p ( z ∣ x , θ ) ) = 0 q(z)=p(z|x,\theta)时,KL(q(z)||p(z|x,\theta))=0 q(z)=p(z∣x,θ)时,KL(q(z)∣∣p(z∣x,θ))=0。
2024-02-24 18:23:36
534
原创 【概率图与随机过程】08 概率渐增：EM算法的合理性
在上一讲中，我们用一个例子介绍了含有隐变量的情形下，如何用迭代法去估计模型的参数，这是 E M EM EM算法的概念基础。那么，从这一讲开始，我们将深入到 E M EM EM算法的理论中去，带领读者们一探究竟。
2024-02-24 18:23:06
757
原创 【概率图与随机过程】07 含有隐变量的参数估计问题
就好像当初的 θ A ( 0 ) \theta_A^{(0)} θA(0)和 θ B ( 0 ) \theta_B^{(0)} θB(0)那样，此时我们有了 θ A ( 1 ) \theta_A^{(1)} θA(1)和 θ B ( 1 ) \theta_B^{(1)} θB(1)，就可以把上面两张表的计算过程不停的重复，不断的去计算和更新出 θ A ( 2 ) , θ B ( 2 );
2024-02-24 18:22:34
413
原创 【概率图与随机过程】06 朴素贝叶斯：基于条件独立性假设
从上图中我们可以看出，对于平面上任意一个点，他既可能属于 C 1 C_1 C1，也可能属于 C 2 C_2 C2，那么到底属于哪一类，就要看 p ( y = C 1 ) p ( x ∣ y = C 1 ) p(y=C_1)p(x|y=C_1) p(y=C1)p(x∣y=C1)和 p ( y = C 2 ) p ( x ∣ y = C 2 ) p(y=C_2)p(x|y=C_2) p(y=C2)p(x∣y=C2)谁更大。
2024-02-24 18:22:04
300
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人