原创 《陶哲軒教你學數學》讀後感
1 解題的策略 1.1 理解問題類型 一般有三種類型問題 “證明‘’‘’”，或者推算的問題，要求證明某個特定命題爲真 “求一個”，或者求所有的值，要求我們求出滿足特定條件的一個值或者所有值 “是否存在‘’‘’”，要求一個命題
2020-07-04 01:38:51
1
原创 離散數學第一章
爲了感興趣而學。 1.1 主要內容（集合論和圖論） 1.2 命題邏輯 定義原子命題，而後原子命題的各種結合，可以滿足某些定理。就像定義數字以及其運算規則一樣，比如乘法交換律等等啥，不過這裏數字
2020-07-04 01:38:51
165
原创 NP難問題以及近似算法（基於次模）
主要是對自己領域的多源定位NP問題轉換和證明，以及如何設計有次摸性質的函數，效果更好。 改進思路： 我們首先從一個問題出發，然後藉助證明這個問題是NP難問題，然後使用近似算法去解決，然後近似算法的目標函數是次摸，從而
2020-07-04 01:38:51
31
原创 網絡科學引論和導論網絡傳播章節閱讀
目錄 目錄 網絡科學導論中第9章網絡傳播 9.1 關注SI，SIR，SIS傳播模型中各種疾病狀態人數比例跟傳播時間關係 9.2 考慮傳播模型在幾類網絡（均勻平均網絡，非均勻網絡（無限規模網絡，有限規模網絡，淬火網絡分析））上的傳播行爲，
2020-06-14 09:02:27
原创 數學模型(對各種模型以及應用範圍做一個瞭解）
學習數學建模，對所有大致模型做一個瞭解和學習，參考《數學模型》和《算法建模與應用》 1 如何建立數學模型 這部分已經在另一篇博客說過，不贅餘了。 2 初等模型 非常簡單的入門介紹，做過數學高中題目的都知道了。 3 優化模型
2020-06-14 09:02:17
原创 罐子模型以及波利亞罐子模型（附加對論文的分析）
1 罐子模型簡介 1.1 基本模型 基本罐子模型中，罐子包含x個白色和y個黑色的球，它們混合在一起。從中中隨機抽取一個球，觀察其顏色；然後將其放回缸中（或不放回缸中），並重複選擇過程。 在此模型中可以回答的可能問題是： 我可以從n
2020-06-14 09:02:17
4
原创 數學思想和萬能學習公式
1 以問題爲導向 所有的學習過程如果不是爲了解決該問題而學，那便沒有必要。因爲學了就會忘記，我們對於知識最深的感觸就是它解決了什麼問題，只有用它解決了某個問題。才能學到它，不用則不學。 2 理解任何知識的萬能
2020-06-14 09:02:17
原创 科研的簡明行程（計算機專業）
0 前言 這是一篇自述，結合別人的經驗，給出自己的學習路徑，我的方向有點雜，涉及到的有圖論、網絡傳播、近似算法、謠言源定位等，是一名普通碩士生。 1 技能積累 各種算法加數學。 推薦書籍： 《算法導論》 《概率導論》 《線性
2020-06-14 09:02:17
原创 概率論與統計的基礎知識（概率空間、最基本的分佈、數字特徵）
瞭解最基礎的概率論知識，參考來自《概率導論》和《波利亞罐子模型的相關分佈》 1 樣本空間與概率 1.2概率模型 1.2.1 樣本空間和事件 每個概率模型對應一個試驗，這個試驗所產生的所有可能結果組成
2020-06-14 09:02:17
7
原创 《陶哲軒實分析》閱讀
在讀論文過程中，發現當作者通過數學建模構建了其自變量和因變量的表達式之後，在模型求解階段，會關心其單調性、極值、衰減因子，而後在模型檢驗階段通過實驗來驗證求解的性質或者推論等，這也可以在論文中發表，於是對數學分析這個過程
2020-06-14 09:02:17
原创 數學建模算法及應用
在我精讀一些本研究方向的論文後，發現其大多跟數學建模有關係。因爲每個研究人員提出獨樹一幟的方法時，一般都是不同角度提出，其對問題的解讀不同，其就依據這個建立不同的數學模型去建模求解。所以掌握一般、全面的數學模型學習是必要的。參考《數學建
2020-06-14 09:02:17
原创 線性代數幾何直觀的理解
這門課的重要性不言而言，它是解釋線性代數的來源以及它可以怎麼用的重點，而在學校裏面，我們只能夠學到它的定義和計算方式。 1 向量是什麼？ 1.1問題 向量是什麼？ 學物理的說是空間的一個箭頭，學計算機的說
2020-06-14 09:02:17
20
原创 線性代數第二章
之前本科學習線性代數，始終不得要領，現在接觸《線性代數及其應用》以及b站視頻《線性代數的本質》，重新學習線性代數。 1矩陣代數 1.1 問題 矩陣運算時什麼？ 一些基本定理 矩陣乘法的幾何意義？ AB的實質是 每當我闡述
2020-06-14 09:02:17