MCM美赛系列课程讲座 | 经典数学模型
分类:

留学新闻

时间:2019-04-24

 来源:新东方美国研究生留学

我们的MCM美赛系列课程讲座正在如火如荼的进行当中,上周四我们也发布了第二期的视频课程链接。两节视频课加起来,长达一个半小时的干货课程,很多听过之后的同学反馈,都是收获颇丰。

 

 

 

然而,很多同学因为种种原因,并没有加入到第二期的课程群中。之前的海报宣传,大家也都只是看到了课程大纲,而不太清楚到底在课程中提到了哪些。不要急,今天,我们就来给大家揭秘课程内容。

 

(详细具体的课程全部视频内容,请留意文章最后哟)

 

 


 

经典数学模型

 

第一段视频

 

在数学建模中有一些常见的基本模型,赛题基本是这些模型的深入或变形。本讲主要介绍了基本模型中模拟方法建模和离散概率模型。其中包括蒙特卡洛模拟、排队模型、马尔科夫过程、线性回归四大模型

 

课程开头,引入了模拟方法建模的原因与必要性,引出了建模中常用的模拟方法:蒙特卡洛模拟,并用求圆形面积的例子讲解基本的用法。在计算机模拟中,产生随机数是比较关键的步骤,随后课程讲解平方取中与线性同余两种较为常见的随机数生成方法。最后以2010年国赛A题为例讲解了模型的具体用法。

 

第二模型讲解了排队模型,从概念、模型常见的结构、排队模型的建模步骤以及模型的主要指标几个方面对其进行了讲解,并用2017年美赛B题特等奖赛题作为例子对排队模型的应用进行举例。

 

随后,引入了另一个建模中较为重要的模型:离散概率模型选择了典型的马尔科夫过程进行重点讲解,用天气的变化作为例子,讲解马尔科夫链、状态转移矩阵、稳态分布的概念,并用“选举投票趋势预测”作为例子讲解其应用。

 

本节课程最后讲解了线性回归模型首先讲解了定义、基本的统计量(和方差、均方差、均方根、SSR、SST、R-square),随后讲解了如何用线性回归来解题,利用木材切割者的例子讲解了模型的用法。

 

每个模型从概述到算法描述再到应用举例,帮助学生对基本模型有大致了解。

 

 

第二段视频

 

承接第2讲,本讲首先介绍了离散模型的优化,包括了单目标与多目标的规划。首先给出了优化模型的概述与定义,随后直接用应用例子来讲解优化方法,包括生产计划的例子、投资问题的例子,并以2017年国赛B题作为应用举例,讲解了优化模型的具体应用。

 

分类与聚类模型这也是建模中较为常用的方法。

 

分类模型中,以决策树为例,讲解了模型的定义,用通俗的相亲问题对定义进行描述,并重点介绍决策树中的较为关键的ID3算法,结合周志华老师《机器学习》书中的判断西瓜好坏的例子进行算法应用的讲解。最后以2017年深圳杯赛题对决策树的应用进行举例。

 

之后,课程又讲解了聚类模型。首先区分了分类和聚类的区别,并以聚类算法当中的k-means算法对聚类进行讲解,包括算法的描述与举例算法如何运行。同样以2017年深圳杯赛题对聚类算法的应用进行了举例。

 

本节的优化模型、分类/聚类模型是建模中应用非常广泛的模型,可以说在每个赛题中都有应用的影子,应该予以重点关注与掌握。

 


评论

首页| 企业文化| 联系我们| 加入我们| English website| 微博:新浪| 投诉建议|
新东方教育科技集团有限公司
经营许可证编号:京ICP备05067667号 ©版权所有:新东方教育科技集团有限公司

梁柏爽美国部后期顾问

MCM美赛系列课程讲座 | 经典数学模型
更多详情
 来源:新东方美国研究生留学

我们的MCM美赛系列课程讲座正在如火如荼的进行当中,上周四我们也发布了第二期的视频课程链接。两节视频课加起来,长达一个半小时的干货课程,很多听过之后的同学反馈,都是收获颇丰。

 

 

 

然而,很多同学因为种种原因,并没有加入到第二期的课程群中。之前的海报宣传,大家也都只是看到了课程大纲,而不太清楚到底在课程中提到了哪些。不要急,今天,我们就来给大家揭秘课程内容。

 

(详细具体的课程全部视频内容,请留意文章最后哟)

 

 


 

经典数学模型

 

第一段视频

 

在数学建模中有一些常见的基本模型,赛题基本是这些模型的深入或变形。本讲主要介绍了基本模型中模拟方法建模和离散概率模型。其中包括蒙特卡洛模拟、排队模型、马尔科夫过程、线性回归四大模型

 

课程开头,引入了模拟方法建模的原因与必要性,引出了建模中常用的模拟方法:蒙特卡洛模拟,并用求圆形面积的例子讲解基本的用法。在计算机模拟中,产生随机数是比较关键的步骤,随后课程讲解平方取中与线性同余两种较为常见的随机数生成方法。最后以2010年国赛A题为例讲解了模型的具体用法。

 

第二模型讲解了排队模型,从概念、模型常见的结构、排队模型的建模步骤以及模型的主要指标几个方面对其进行了讲解,并用2017年美赛B题特等奖赛题作为例子对排队模型的应用进行举例。

 

随后,引入了另一个建模中较为重要的模型:离散概率模型选择了典型的马尔科夫过程进行重点讲解,用天气的变化作为例子,讲解马尔科夫链、状态转移矩阵、稳态分布的概念,并用“选举投票趋势预测”作为例子讲解其应用。

 

本节课程最后讲解了线性回归模型首先讲解了定义、基本的统计量(和方差、均方差、均方根、SSR、SST、R-square),随后讲解了如何用线性回归来解题,利用木材切割者的例子讲解了模型的用法。

 

每个模型从概述到算法描述再到应用举例,帮助学生对基本模型有大致了解。

 

 

第二段视频

 

承接第2讲,本讲首先介绍了离散模型的优化,包括了单目标与多目标的规划。首先给出了优化模型的概述与定义,随后直接用应用例子来讲解优化方法,包括生产计划的例子、投资问题的例子,并以2017年国赛B题作为应用举例,讲解了优化模型的具体应用。

 

分类与聚类模型这也是建模中较为常用的方法。

 

分类模型中,以决策树为例,讲解了模型的定义,用通俗的相亲问题对定义进行描述,并重点介绍决策树中的较为关键的ID3算法,结合周志华老师《机器学习》书中的判断西瓜好坏的例子进行算法应用的讲解。最后以2017年深圳杯赛题对决策树的应用进行举例。

 

之后,课程又讲解了聚类模型。首先区分了分类和聚类的区别,并以聚类算法当中的k-means算法对聚类进行讲解,包括算法的描述与举例算法如何运行。同样以2017年深圳杯赛题对聚类算法的应用进行了举例。

 

本节的优化模型、分类/聚类模型是建模中应用非常广泛的模型,可以说在每个赛题中都有应用的影子,应该予以重点关注与掌握。

 


分享
请梁柏爽老师帮我评估
  • 您的姓名:
  • 手机号码:
提交

京ICP备案05067667
新东方教育科技集团有限公司

电脑版