自定义博客皮肤VIP专享

*博客头图：

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览 取消 提交

自定义博客皮肤

-+
上一步保存

m0_52427832的博客

  • 博客(175)
  • 资源 (1)
  • 收藏
  • 关注
排序：
按最后发布时间
按访问量
RSS订阅

原创 【考研复习-持续更新】李春葆新编C语言习题与解析（错误答案订正+部分习题详细解答）

做习题时发现有些错误答案，写篇博客进行改正记录。不对地方欢迎指正～有偿出电子书及解答！！！！！！！！！！私我

2023-06-16 17:18:25 12414 104

原创 【废物研究生零基础刷算法】DFS与递归（二）习题

【代码】【废物研究生零基础刷算法】DFS与递归（二）习题。

2025-02-27 21:16:22 380

原创 【废物研究生零基础刷算法】DFS与递归（一）典型题型

为什么回溯处理方式不同？子集问题（指数型枚举）为什么不用for循环？决策方式：对于每个数字 x，只有“选”或“不选”两种固定选择。状态独立：选择 x 不会影响其他数字的可用性，因此不需要遍历所有可能选项，只需直接指定状态（st[x] = 1 或 2）。回溯逻辑：每次递归只处理一个数字的状态。直接设置 st[x]，递归后恢复为 0，不需要额外的循环来尝试其他值。本质：这是一个二分支问题（选或不选），每个位置的决策是固定的二选一。全排列问题为什么用for循环？

2025-02-23 16:04:51 652

原创 【废物研究生刷算法】字符串

str.split('分界符')str.join()

2025-02-22 21:42:30 731

原创 【废物研究生刷算法】数组

因为今年四月份报了python蓝桥杯，想熟悉python的语法，所以用python写。

2025-02-22 10:04:53 893

原创 【代码debug】RuntimeError: The size of tensor a (252) must match the size of tensor b (256) at non-singl

我在训练代码时，发现了上述错误，出现该问题的原因是由于在计算 L1 损失时，clear_fake 和 clear_real 张量在某个维度上的大小不匹配。具体地说，clear_fake 的宽度是 252，而 clear_real 的宽度是 256。没有改变输出的尺寸，因为它是通过在图片的边缘进行反射填充来增加边缘像素的，这样不会增加或减少数据的尺寸，只是改变了边缘的值。通过输出每层的尺寸可以发现在第一个输入层，导致尺寸发生了变化。进行卷积时，由于步幅为1和没有额外的填充，输出尺寸变为。

2024-10-21 16:51:31 1146

原创 【研1深度学习】《神经网络和深度学习》阅读笔记及其与知识点记录(记录中......

θt1​θt​−α∂θ∂RD​θ​α。

2024-09-27 19:34:25 1141

转载 【深度学习】如何在PyToch中查看是否存在mps(针对M系列芯片)

mps 设备支持使用 Metal 编程框架的 MacOS 设备在 GPU 上进行高性能训练。它引入了一种新的设备，用于分别在高效的 Metal Performance Shaders Graph 框架和 Metal Performance Shaders 框架提供的调优内核上映射机器学习计算图和基元。新的 MPS 后端扩展了 PyTorch 生态系统，并提供了现有的脚本功能，用于在 GPU 上设置和运行操作。

2024-07-24 09:57:17 754 3

原创 【Matlab绘图】Matlab 多饼图绘制 pie饼图颜色绘制 饼图不同颜色

因此，如果你给axis一个更大的范围，那么整个饼图看起来就会相对于坐标轴变小，因为它需要适应这个更大的空间。的范围来实现这一点。尺寸需要从大到小，这是因为在MATLAB中使用axis函数来设置坐标轴的显示范围时，你所观察到的现象是由于axis函数如何定义坐标轴的显示区域造成的。会将每个饼图特别设定的颜色给覆盖，所以只能生成figure图窗之后单独给每个扇形单独设置颜色，后期更改颜色，得到的就是如文章顶部的图片。依次准备好每个 饼状图上方的标题，下方的自定义文本，每个扇形图旁边的数据，以及要设置的颜色。

2024-07-19 10:49:34 2182

原创 【写论文必看】Matlab常用绘图操作（一）

正常使用Matlab代码生成图后，使用maginify.m函数进行放大操纵。具体操作部分如链接所示maginify.m的使用方法。方法1: 得到的red_gradient和bule_gradient的矩阵就是渐变颜色矩阵。%% 定义自定义颜色映射% 渐变色的数量% 确保G和B通道为0% 从较浅的蓝到浅蓝，蓝色通道从0.5增加到1，红色和绿色通道保持为0% 确保R通道为0% 确保G通道也为0数据加载部分%数据柱状图绘制%加载画布figuredata2;

2024-07-17 11:04:56 1244

原创 【研0深度学习】李宏毅2024春《生成式人工智能导论》持续更新...

生成式人工智慧的目的不是进行做有结果的分类，而是使机器生成复杂有结构的物件。今天的生成式人工智慧多以深度学习构成。以现如今流通最广泛的ChatGPT为例，GPT可以看作一个函数，输入图片、语音或者文字等，“创造性”地输出结果。这里的“创造性”的实现是将问题拆解成一连串的文字进行接龙，转化为分类问题。对于每个结果都有概率，在这个概率的基础上掷骰子，进行输出。如下图所示有百分之五十的概率输出“学”字。那么问题来了，如果每次输出概率最大的不行吗？

2024-05-28 14:29:23 1624 1

原创 【2024考研】心情记录

今天是12.26日。距离24考研已经过去了2天，自认为缓过来了，故写下这篇文章。25日早上简单过了一下答案，但实在是记不住答案了，不知道是我的脑子抵触还是怎的，像一块灰色的布遮住了我的记忆，羞于打开，记得不太清楚，估分状况如下：政治60、英语70、数学70（可能还不够）、专业课110。总分：310。离我的目标院校十万百千里，也我和我的目标分数也相差很多。

2023-12-26 22:04:22 1054 3

原创 【考研复习】二叉树的特殊存储｜三叉链表存储二叉树、一维数组存储二叉树、线索二叉树

使用中序遍历的顺序进行线索化。代码中有一个难以理解的点，为什么不用p直接找后继，而是使用了前驱结点找后继。实际上，不是不用p找后继，而是从p找不到后继，所以只能间接地找前驱的后继，这样的方式找后继，明白了这点，代码就不难懂了。另外设计一个填充函数，函数功能是将所有结点的parent结点填充正确。

2023-11-14 17:54:28 4592

原创 【考研复习】union有关的输出问题

值得注意的是当共用体中含有数组元素时，重复的赋值则不会被覆盖，应为不同的数组元素对应不同的地址，如下例所示。计算所得值： i = 2^8 + 2^3 + 2^1 = 256 + 8 + 2 = 266。上例可知共用体u中有两个成员i和c分别占用4个字节和2个字节，故u占用4个字节。再将十六进制143存储u，该数对应二进制101000011。首先将A存入u中，字符A对应二进制为01000001。是则会输出01000011对应的十进制67，输出。后面的0x143将第一次存储的A覆盖，当输出。

2023-10-03 18:14:35 644

原创 【考研复习】24王道数据结构课后习题代码｜第3章栈与队列

【代码】【考研复习】24王道数据结构课后习题代码｜第3章栈与队列。

2023-08-09 18:24:17 958

原创 【考研复习】24王道数据结构课后习题代码｜2.3线性表的链式表示

删除结点：1、2、4就地逆置：5、合并链表分解链表：10、11、去除重复元素：12、并集：14、15循环链表：17、18、19、20头插法、尾插法重点基础必掌握。判断是否有环：21。

2023-08-05 23:15:25 1369

原创 【Tableau案例】神奇宝贝属性及实力强弱｜数据可视化

提前声明：神奇宝贝的数据分析仅供参考，不涉及对于神奇宝贝的各种评价，另外我是初学tableau，涉及到使用的tableau操作可能很简单，复杂的还掌握不熟练，之后会拿时间系统学习tabelau。该数据集有721个口袋妖怪，分别包括他们的名称，属性，生命值，攻击值等等，这些数据精确地量化了每个口袋妖怪的战斗能力和属性值。（该数据可能不符合最新的神奇宝贝数据，详细数据可以参考神奇宝贝百科）#：每个口袋妖怪的ID，对于同一个妖怪有不同的进化形态，对应的ID是同一个值名字：对应的英文名字（数据库中好处理）属性1

2023-06-25 09:35:45 1416

原创 【考研复习】关于C语言输出溢出问题|关于short i=65535/65536/65537

short int类型截取65535后八位11111111（八个1），首位为1，认定为负数。由于负数在计算机内由补码形式表示，负数的补码为取反加1，最后得到00000001，结果为-1.当65536用int（四个字节32位）表示为0000 0000 0000 0001 0000 0000 0000 0001，转化为short的时候高两位字节丢失，于是变成1。求j的值是再将i转化为int类型，高位两位字节补0，所以i没有变化，j的值为2。输出：i=1,j=2。

2023-06-09 16:53:54 4207

原创 【论文】中文论文翻译英文论文

最近在写论文，中文版的写好了就差翻译为英文的。下面介绍一下我翻译的过程。

2023-03-26 16:44:22 849 3

原创 【总结】2023数学建模美赛！收官！

2023数学建模美赛

2023-02-22 14:08:00 881 1

原创 【数学建模美赛】2023数模美赛备赛指南

二月中旬要开始美赛了，应该是准备考研这一年的唯一一次正规比赛了，希望能好好完成，在博客边分享边准备。打算开一个新坑，好好准备一下。

2023-01-07 10:26:24 12501 1

原创 【深度学习】卷积神经网络之语义分割｜FCN、DeepLab v1 v2 v3、U-Net、转置卷积、膨胀卷积

本文介绍卷积神经网络应用指语音分割：FCN网络是在VGG16的基础上将最后三层全连接层改为卷积层；DeepLab v1网络提出膨胀卷积、Large FOV、MSc、CRF；DeepLab v2在v1的基础上提出ASPP模块，Multi-scale；DeepLab v3在v2的基础上改进ASPP模块并将backbone改为ResNet，同时在ASPP模块中加入multi-grid、BN、ReLu，最后经过ASPP后再进行卷积、dropout处理；U-Net则是先进行下采样、再进行上采样处理。

2022-11-05 17:15:26 3080 4

原创 【数据库】实验五 数据库综合查询｜多表查询、聚集函数、orderby、groupby

本文在实验四的基础上增加了orderby、聚集函数、groupby、多表查询的知识点，相较于上一次实验的难度变大了，嵌套表达更多了，逐渐开始套娃……其实可以看成一个偏正短语来拆分，再写成SQL语句，比如，那么学生成绩就为，年龄大于20则作为，将中心语放至之间，依次类推进行分析。11.使用嵌套查询列出选修了’Data structure’课程的学生学号和姓名。

2022-11-04 15:51:14 1994 2

原创 【强化学习】深入浅出强化学习--机器人找金币

首先自定义环境，自定义的环境将继承gym.env环境。在初始化的时候，可以指定环境支持的渲染模式（例如human,rgb_array,ansi)以及渲染环境的帧速率。当没有初始化的时候都有默认的渲染模式，在Grid World中将支持rgb_array和human模式，并以4FPS的速度渲染。环境的__init__方法将接受整数大小，它决定了方形网格的大小。同时将设置一些用于渲染的变量，并定义和。在我们代码中，观测值应该提供有关代理和目标在二维网格上的位置的信息。

2022-11-02 11:02:07 2396 3

原创 【深度学习】卷积神经网络应用之双阶段目标检测｜R-CNN、SPP-Net、Fast-RCNN、Faster-RCNN

本文主要介绍了卷积神经网络应用之目标检测。测试阶段，RCNN网络首先通过SS算法得到约2000张特征图，然后经过卷积将conv5特征图进行Maxpooling后分别进行回归和分类操作；SPPnet是将Maxpooling层替换为SPPpooling层进行特征图的提取；Fast RCNN则是使用RoI pooling层，经过特征层后进行多任务损失的计算实现了end to end的网络训练；Faster RCNN是将Fast RCNN和RPN网络进行结合，后者是进一步对SS算法提取特征图进行优化的网络

2022-10-28 20:59:07 3152 2

原创 【深度学习】生成对抗网络GAN｜GAN、WGAN、WGAN-UP、CGAN、CycleGAN、DCGAN

生成对抗网络由两个部分组成：生成器（Generator）和判别器（Distriminator）* 生成器：生成一个真实数据类似的数据分布（伪造数据）* 判别器：判断生成器生成的图片是真的还是假的（鉴别数据），类似于一个二分类器在生成对抗模型框架中，有两个模型一个是生成模型G，一个判别模型D。生成器G根据隐含信息来随机生成观测数据，判别器D判别生成器生成的数据是真还是假。当判别器D判断生成器G生成了假数据后给生成器G一个惩罚，这导致生成器G被迫向“不受到”判别器D惩罚的方向进化学习，二者就构成了一个动态

2022-10-21 18:55:25 3321 2

原创 【计算方法】python求解常微分方程｜显式欧拉、改进欧拉、龙格库塔

【代码】【计算方法】python求解常微分方程｜显式欧拉、改进欧拉、龙格库塔。

2022-10-19 22:38:00 2750 6

原创 【深度学习】卷积神经网络之图像分类｜CNN、AlexNet、VGG、GoogLeNet、ResNet

卷积神经网络分为卷积层、池化层、全连接层、softmax层。卷积层：卷积核与输入层中的一个区域相连，计算内积后加上权重。激活函数层：激活函数层包括在卷积层中，将相连的神经元进行激活，通常使用ReLu激活函数max(0,x)。池化层：又称为下采样层，通常包括max pooling和average pooling，不会改变通道数量。全连接层：将特征图拉直，转化为1×1×4096的向量。

2022-10-19 15:02:59 6797 4

原创 【计算方法】python求解数值积分｜梯形公式｜辛普森公式｜高斯求积公式

【代码】【计算方法】python求解数值积分｜梯形公式｜辛普森公式｜高斯求积公式。

2022-10-12 20:24:20 2430 1

原创 【计算方法】实验四：python实现拉格朗日插值和牛顿插值

【代码】【计算方法】实验四：python实现拉格朗日插值和牛顿插值。

2022-10-06 18:30:28 680

原创 【统计学习｜书籍阅读】第七章 支持向量机 p95-p133

算法是支持向量机学习的一种快速算法，其特点是不断地将原二次规划问题分解为只有两个变量的二次规划子问题，并对自问题进行解析求解，直到所有变量满足KKT条件为止。现实中训练数据是线性可分的情形较少，训练数据往往是近似线性可分的，这时使用线性支持向量机，或软间隔支持向量机。支持向量机最简单的情况是线性可分支持向量机，或硬间隔支持向量机，构建它的条件是训练数据线性可分，其学习策略是。线性可分支持向量机的最优解存在且唯一，位于间隔边界上的实例点为支持向量，最优分离超平面由支持向量完全决定。

2022-10-02 09:08:17 877

原创 【计算方法】实验三：线性方程组的迭代解法｜Jacobi迭代 高斯迭代 高斯消去性能比较

随机生成 N*N 稀疏的对称正定矩阵,用两种迭代方法和guass消去求解法比较性能（时间），N=1000。生成稀疏对称正定矩阵，参考。

2022-10-01 15:30:47 898

原创 【数值分析+python】python生成稀疏对称正定矩阵

如何生成随机对称正定矩阵？1. 随机生成一个单位正交阵A2. 随机生成一个对角元素均大于0的对角矩阵B（这个更容易了，就是生成几个随机正数而已）3. $C=A*B*A$即为一个正定矩阵,同时也是一个对称矩阵。

2022-10-01 14:20:04 2627 1

原创 【数据库】实验一 openGauss数据库管理系统

openGauss数据库管理系统实验步骤1 未命名使用 docker ps 命令查看在运行的docker容器，下图说明没有运行的容器。 使用如下命令运行容器enmotech/opengauss:3.0.0，名字为opengauss，密码为opengs01@CG，可以修改成自己熟悉的密码，但必须包含数字、大小写字母和特殊符号，镜像不存在的话会自动拉取； docker run --name opengauss --privileged=true -d -e GS_PASSWORD=opengs01@CG

2022-09-30 15:41:45 1473

原创 【统计学习｜书籍阅读】第六章 logistics回国和最大熵模型 p77-p88

logistic 回归是统计学习的经典分类方法。最大熵是概率模型学习的一个准则，将其推广到分类问题得到最大熵模型。

2022-09-28 13:17:26 409

原创 【统计学习｜书籍阅读】第五章 决策树 p55-p75

决策树是一种基本的分类与回归方法。主要讨论分类决策树。决策树模型呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程。可以认为是if-then规则的集合，也可认为是定义在特征空间与类空间的条件概率分布。学习时，利用训练数据，根据损失函数最小化原则建立决策树模型。预测时，对新的数据，利用决策树模型进行分类。决策树学习通常包括3个步骤：特征选择、决策树的生成和决策树的修建。

2022-09-26 20:53:48 642

原创 【统计学习｜书籍阅读】第四章 朴素贝叶斯 p47-p54

朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集，首先基于特征特征条件独立假设学习输入/输出的联合概率分布；然后基于此模型，对给定的输入，利用贝叶斯定理求出后验概率最大的输出y。

2022-09-26 09:14:49 448

原创 【统计学习｜书籍阅读】第二章 感知机 p25-p35

感知器对应于输入空间中将实例划分为正负两类的分离超平面，属于判别模型，感知机学习旨在求出将训练数据进行线性划分的分离超平面。为此，导入基于误分类的损失函数，利用梯度下降法对损失函数进行极小化，求的感知机模型。感知机学习算法是基于随机梯度下降法的对损失函数的最优化算法，有原始形式和对偶形式。当训练数据集线性可分时，感知机学习算法存在无穷多个解，其解由于不同的初值或不同的迭代顺序而可能有所不同。对偶形式的基本思想是将w和b表示为实例xi和标记yi的线性组合的形式，通过求解系数而得到w和b.

2022-09-26 08:29:15 247

原创 【统计学习｜书籍阅读】第一章 统计学习方法概论 p1-p24

统计学习的对象：数据。统计学习的目标：考虑学习什么样的模型和如何学习模型，以使模型能对数据进行准确的预测与分析，同时也要考虑尽可能提高学习效率。

2022-09-25 17:43:46 553

原创 【计算方法】实验二：python实现高斯消去、列主元高斯消去，LU分解分别求解线性方程组

方法结果高斯迭代法列主元素高斯LU分解。

2022-09-23 23:38:49 4430 3

思想道德与政治.pdf
思想道德与法治是指在社会中维护秩序和促进公正的三个重要维度。思想是人们对事物的认知和理念，道德是规范个体行为的价值观，而法治是通过法律体系规范社会成员的行为。 思想在社会中起着引导和塑造价值观的作用，它能够影响人们的行为、决策和社会风气。道德则是社会共识的体现，规定了良好行为的准则，有助于人们在道德层面选择正确的行动。 法治是通过法律制度来规范社会行为，确保公平、正义和秩序。法律是一种正式的规范，它通过法庭和执法机构来执行，为社会提供了明确的规则和制度。 思想道德与法治三者相辅相成，协同作用于社会。良好的思想引导可以促使人们遵循正确的价值观，道德规范有助于建立和维护社会的基本道德秩序，而法治则是对违法行为的明确规定和制约，为社会提供了法律的保障。这三者共同构建了一个稳定、公正、有序的社会基础。

2024-01-20

《自然地理学》雨课堂试题模板.pdf
自然地理学是地理学的一个分支，专注于研究地球表面的自然环境和自然现象。这一学科涵盖了地球的物理特征，包括地形、气候、气象、土壤、水文、生态系统等方面。自然地理学通过对自然系统的观察、测量和分析，探讨地球的物理过程和相互作用。 地形是自然地理学中的重要主题，研究地球表面的山脉、平原、河流、湖泊等地貌特征。气候和气象研究大气的温度、湿度、风向等气象要素，探讨天气变化和气象现象。水文学关注地球上的水循环、河流、湖泊和地下水。生态学研究不同生物群落之间的相互作用和生态系统的结构与功能。 自然地理学的研究有助于我们理解地球的自然环境、资源分布和地球系统的互动，为环境保护、自然灾害预测以及可持续发展提供了重要的科学基础。

2024-01-20

《气象学与气候学》复习思考题
"新思想"通常指的是社会、政治或文化领域中出现的新理念、观念或思考方式。这种思想的出现通常反映了社会的变革和人们对现有问题的重新认知。 在政治上，新思想可能包括对治理体系的创新、社会公平的追求，或者对民主、人权等价值观念的重新思考。在文化领域，新思想可能涉及艺术、文学、哲学等方面的创新，反映了人们对美学和道德的新理解。在科技和科学方面，新思想可能推动创新和技术发展，改变人们对自然界和人类自身的认知。 新思想的涌现常常推动社会的进步和发展，促使人们对现实进行深刻的思考，并寻找更加符合时代需求的解决方案。这种思想的传播和接受通常是社会变革和发展的重要推动力。

2024-01-20

“地貌学”试卷库及参考答案.doc
地貌学是研究地球表面形态和其演变过程的科学领域。地貌学涉及地表的各种特征，如山脉、河流、湖泊、沙丘等，以及它们的形成和演变机制。通过分析地球上不同地区的地貌特征，地貌学可以揭示地壳运动、风化、沉积等自然过程对地表造成的影响。地貌学的研究有助于理解地球表面的动力学和环境演变，对资源管理、自然灾害预测等方面具有重要意义。

2024-01-20

人文地理学总结-逢考必过
人文地理学是地理学的一个分支，侧重于研究人类与地理环境之间的相互关系。这一学科关注人类活动如何塑造和被地理环境所影响，强调社会文化因素在地理空间中的表现和演变。 人文地理学研究范围包括城市和乡村的发展、文化景观、人口分布、迁移、地方认同等。研究方法涵盖实地考察、访谈、文献分析以及地理信息系统等工具的运用。 该学科旨在理解人类在地球表面的行为和体验，揭示地理环境与人类社会文化的相互关系。人文地理学的研究有助于解释不同地区的社会文化差异，为城市规划、社会政策制定、文化保护等提供深入洞察。在跨学科研究中，人文地理学与社会学、人类学等学科紧密合作，共同探讨人类社会与地理空间的交互作用。

2024-01-20

地理信息科学复习题-逢考必过
地理信息科学（GIS）是一门研究如何收集、存储、处理、分析和展示地理信息的学科。地理信息科学结合地理学、计算机科学和信息技术，旨在理解和解释地球上空间分布的各种现象。 GIS利用数字技术和地理信息系统软件，将地球表面的数据以空间形式进行组织和管理。这些数据可以包括地形、地貌、气象、土壤、人口分布等。GIS技术可以帮助人们进行空间分析，提供决策支持和解决实际问题的工具。 地理信息科学在各个领域都有广泛的应用，包括城市规划、环境保护、资源管理、应急响应等。它不仅可以帮助研究者更好地理解地球表面的空间模式，还能够为政府、企业和社会提供空间信息的管理和利用方法。GIS的发展推动了地理学在数字时代的发展，对于解决复杂的地理问题和推动可持续发展具有重要意义。

2024-01-20

近代史纲要复习总结.wps
"近代史纲要"是一本旨在总结和介绍近代历史的书籍，涵盖了从近代初期到现代的历史发展脉络。该书通常包括对社会、政治、经济、文化等多个方面的重要事件和变革的概述。 在近代史纲要中，作者通常会探讨近代社会的重大转折点，如工业革命、法国大革命、殖民扩张、世界两次大战等。此外，该书还可能关注各个国家和地区的历史发展，介绍不同国家在近代历史中的角色和影响。 这样的纲要旨在为读者提供对近代历史整体走势的基本了解，帮助他们理解现代社会和国际关系的根源。这类书籍通常采用简练的语言和清晰的结构，以便读者能够轻松地理解和记忆重要的历史事件，从而培养对历史发展的整体认知。

2024-01-20

吉普斯博弈论基础课件 期末复习资料
老师分享的PPT，并在期末考试前提供相关的学习资料。 《博弈论基础》是一本由数学家约翰·冯·诺伊曼和经济学家奥斯卡·摩根斯特恩合著的经典著作，对博弈论进行了深入而全面的阐述。该书可能会成为博弈论课程的教材，提供了深刻的理论和应用知识。

2024-01-15

美赛题目与获奖论文近5年整理
美国大学生数学建模竞赛（MCM/ICM）是一个旨在培养学生团队协作、解决实际问题的国际性竞赛。近5年来，该竞赛的题目涵盖了多个领域，展现了学生在数学建模和创新解决方案方面的卓越能力。 过去几年的竞赛题目包括经济、环境、社会等多个方面的实际问题。学生们需要运用数学模型、统计方法和计算技术，为这些问题提供可行的解决方案。题目设计注重团队协作、创新思维和对实际问题的深入理解。 获奖论文涉及的主题广泛，包括资源分配、气候变化、金融风险、交通规划等。优秀的论文展现了学生对问题的深刻洞察、创造性的建模方法以及严密的数学推导。评选标准包括模型的合理性、解决方案的实用性和对问题的全面理解。 获奖团队通常在竞赛中表现出色，他们的论文在全球范围内受到认可。这不仅对个人学术成就有所提升，也为团队展示了在跨学科、实际问题解决方面的杰出才能。通过参与美赛，学生们得以锻炼数学建模、团队协作和创新思维的能力，为未来的学术研究和职业发展奠定了坚实基础。

2024-01-15

美赛latex和word模板
美国大学生数学建模竞赛（MCM/ICM）提供了专用的LaTeX和Word模板，以便参赛学生能够规范地呈现他们的建模论文。这些模板为学生提供了方便、一致的排版工具，确保了论文的专业性和可读性。 LaTeX模板是基于TeX排版系统的，它以其出色的数学公式排版和专业的科技文档排版而闻名。美赛的LaTeX模板遵循竞赛规定，提供了标题、摘要、目录、正文、参考文献等标准部分的格式，为学生提供了一个规范的写作框架。 Word模板则适用于更广泛的用户群体，提供了直观的编辑界面，方便学生进行文本排版。它包括了论文的各个部分，并预先定义了字体、字号、行距等格式，以确保论文的一致性和专业性。 这些模板的使用有助于学生将更多精力集中在问题建模和解决方案的研究上，而无需过多关心论文排版的技术细节。通过规范的排版，学生能够清晰地呈现他们的思路和成果，使评审人更容易理解和评估他们的工作。 总的来说，美赛的LaTeX和Word模板为参赛学生提供了方便、规范的写作工具，促进了他们对问题建模和解决方案的深入研究。

2024-01-15

机器学习课件、期末复习资料
有关机器学习的相关课件 机器学习是人工智能领域中的一个重要分支，旨在让计算机系统通过学习经验数据，不断改进其性能和决策能力。这一领域涉及到多种算法和技术，以实现从数据中提取模式、做出预测和自主学习的目标。 在机器学习中，算法通过处理大量的数据集，从中学到规律并做出相应的决策。有监督学习是其中的一种常见方法，通过给算法提供标注好的训练数据，使其学会关联输入和输出。无监督学习则通过让算法自行寻找数据之间的模式和关系，实现自主学习。 机器学习在各行各业都有广泛应用。在医疗领域，它可以用于诊断和预测疾病。在金融领域，可以用于风险评估和市场预测。在自动驾驶汽车中，机器学习使车辆能够不断适应交通状况。此外，自然语言处理、图像识别和推荐系统等方面也是机器学习的重要应用领域。 随着大数据和计算能力的不断提升，机器学习正在取得更加显著的成果。它不仅为科学研究提供了新的工具，也为社会创新和发展带来了前所未有的机遇。机器学习的发展将继续推动人工智能的进步，成为未来科技领域的关键引擎。

2024-01-15

单片机原理及应用期末考试练习题
有关微型处理器、微机、单片机的相关期末考试试题、同时包括对应答案 单片机（Microcontroller）作为嵌入式系统的核心组成部分，其原理及应用涵盖了多个领域，从电子设备控制到自动化系统都有广泛应用。 单片机的原理基于紧凑的架构，集成了中央处理器（CPU）、内存、输入输出端口和定时器等核心功能。这使得它成为一种灵活、高效的微型计算机系统。内存通常包括程序存储器（Flash）和数据存储器（RAM），而输入输出端口则用于连接外部设备，实现与环境的数据交互。 在应用方面，单片机广泛应用于嵌入式系统，如家用电器、汽车电子、医疗设备等。它们通过输入输出端口与各种传感器和执行器连接，实现对设备的智能控制。单片机的定时器功能可以用于产生精确的时间延迟，使其在自动化控制系统中发挥关键作用。 学习单片机原理及应用涉及编程、电路设计、传感器技术等方面的知识。一些流行的单片机包括Arduino、Raspberry Pi、PIC等，它们得到了广泛的社区支持和应用。单片机技术的不断发展，推动了物联网、自动化和智能化领域的进步，为电子工程师和开发者提供了丰富的创新空间。

2024-01-15

2022冬奥会前端作品+HTML5 CSS JavaScript
2022年冬奥会前端作品充分展示了HTML5、CSS和JavaScript等前端技术的强大威力。 首先，采用了HTML5，使页面结构更语义化，提高了网站的可访问性和搜索引擎优化。这为用户提供了更清晰、直观的内容呈现。 其次，CSS的灵活运用赋予了网站独特而引人注目的外观。通过CSS3的动画和过渡效果，成功增强了用户与页面的互动体验，使整个冬奥网站更富有活力。 JavaScript的运用则为用户提供了更强大的交互性。通过JavaScript实现的动态效果，让用户能够更流畅地浏览赛事信息，实时获取更新，并参与到各种互动功能中。 综合来看，HTML5、CSS和JavaScript的巧妙结合使得2022年冬奥会前端作品成为一个技术和设计的佳作，为用户创造了更富有趣味性和参与感的数字体验。

2024-01-15

2018数学建模国赛问题一代码
本文从购买力、购买时间偏好两个维度分析会员的消费特征。 以会员消费总金额、消费次数、商品购买数量代表会员购买力； 同时按季节和天对会员消费行为进行消费时间偏好分析。 同时对会员及非会员的消费次数和消费金额进行对比分析。

2022-09-07

配送中心选址问题 数学建模
数学建模+配送中心选址问题 通过使用Matlab和lingo两个编程方法对0-1整数规划问题进行求解。问题一中涉及佛洛依德算法；问题二中通过构建有关0-1整数规划的数学模型使用lingo求解目标函数为最小的成本；问题三使用lingo求解利润最大；问题四引入买家求解lingo利润最大。

2022-07-20

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章？
取消 删除