數學建模課開始了,簡單認識一下數學模型的魅力。 雖然大一的時候已經參與過兩次建模比賽,但是實力是真的菜。 第一次建模之後只是寫完了論文就感覺自己牛逼的要死。 第二次建模,兩位大佬帶我拿了個國二,可是我自己做出的貢獻實在太少。
這一次上課,必須得真的學到東西,必須要真的自己carry一次,必須弄懂每一個算法每一行代碼每一個單詞。 在這裏記錄一下自己學到的東西,如果有錯誤,希望大家指正。
粒子羣算法全稱爲粒子羣優化算法(PSO),從名字可以看到,PSO主要解決的是優化問題,其基本原理是通過生成一羣隨機的粒子,通過多次迭代來找到最優解。 關於粒子有以下幾點解釋: 1、每個尋優問題的解被稱爲“粒子”,所有粒子都在一個D維空間內
模擬退火算法(SA)是一種尋優算法,但是與遺傳算法、粒子羣算法這類羣優化算法不同的是,模擬退火算法不需要產生多個潛在的可行解,只需要以一個解爲起點。 符號說明: 表示初始溫度表示當前溫度表示降溫係數表示終止溫度表示適應度函數(又叫做代價函
Ck: Candidate itemset of size k Lk : frequent itemset of size k L1 = {frequent items}; for (k = 1; Lk !=; k++) do be
def pca(dataMat, topNfeat=9999999): #數據矩陣, 輸出前topNfeat個feat meanVals = mean(dataMat, axis=0) #
整數規劃問題比較簡單, 主要解法分爲這幾種: (i)分枝定界法—可求純或混合整數線性規劃。 (ii)割平面法—可求純或混合整數線性規劃。 (iii)隱枚舉法—求解“0-1”整數規劃: ①過濾隱枚舉法; ②分枝隱枚
所謂概率圖模型,就是指運用了概率和圖這兩種工具創建的模型(逐漸忘記標題),咳咳,今天講一下限制玻爾茲曼機,或者叫做受限玻爾茲曼機,這個名字起的真是,。。,好的,咳咳 所謂玻爾茲曼機,就是就是玻爾茲曼家的機,就是說玻爾茲曼這個人發明
GLM模型應用於腦功能影像分析時,在某個因素影響下,由beta圖,經過t檢驗得到腦區顯著激活的區域。應用於其他地方也可加深我們對於模型的理解。 clc,clear; X=[ 136.5 215
前言: 我爲什麼會過來解這道數學題呢?我的腦回路大概是這樣的 讀hashmap源碼->發現大量位運算->發現這道題也是位運算的典型。 問題: 有 1000 個一模一樣的瓶子,其中有 999 瓶是普通的水,有一瓶是毒藥。任何喝