美赛模型手学习安排

Posted 九磅十五便士的业余编程人

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了美赛模型手学习安排相关的知识,希望对你有一定的参考价值。

看的那个mooc的数模课,感觉复习了很多,但去看论文的时候总感觉自己做不到那么有条理的论文建模,自己分析了几个原因。首先,模型学习的还是不到位,这个也是肯定的了,还的学。其次,自己对建立模型的全过程没有很好的掌握;最后,没有很好的查文献资料,没有仔细的了解题目的背景知识。

针对以上问题,我觉得都很重要,亟待解决。

自己的计划:

我大概是17号考科一,在那之前还是以科一为重,数模并进。

数模方向,一个是继续跟着课程走一遍全模型,学习模型适用的条件、优势、例子。

针对第二个原因,自己也想总结一下数模论文,我应该做的有哪些工作,细化一下 ,已经有过一定的总结,在看了一些论文之后,自己再补充完善一下,毕竟计划做起来还是简单的,难在行动,

后续针对每个问题都会写对应的解决文档、解决后 口->✅

按照论文阅读的顺序理清写作的顺序

参考文献: 数学建模论文各部分写作指导及获奖技巧讲解【美赛MCM/ICM】

对未来工作的拆解

题目、简介、关键词

  • 如何概括
  1. 如何精炼概括我们的工作、创新点,分两到三次
    1. 在解题前的计划后
    2. 在第一个问题解决后修正
    3. 在最后一个问题解决前修正
  2. 如何让团队成员明白我们准备怎么做,在解题前定下路线,并时刻进行
    1. 论文怎么写
    2. 代码要解决什么问题

问题重述

  • 如何写好问题重述
  1. 对题目进行拆解,在读题查资料阶段
  2. 将拆解下来的因素按照结题思路重新拼装,分两次:
    1. 在读题阶段
    2. 在论文完成前修正

假设

  • 如何写好假设
  1. 怎么简化问题,抽象成一个简单但是又有意义的理想模型需要什么样的假设
    1. 怎么弄简单,简单到能够简单解决并有一定的意义
    2. 怎么弄复杂,复杂到能有一定的实际应用、经得起实践数据的检验
  2. 假设应该从哪找原因

模型建立

  • 如何建好模型

最需要下心思的地方,大概需要

  1. 选择合适的模型
    1. 文献搜集,是否有前人实践过的模型 and 什么模型适合
  2. 选择适合的自变量、因变量
    1. 如何筛选,怎么判断重要
  3. 确定自变量、因变量的影响关系
    1. 定性关系
    2. 定量关系
    3. 多个单变量定量关系整合
  4. 对数据进行处理
    1. 找数据
    2. 预处理(找到数据采集的误差、归一化、插值、是否采用、可视化),如何交待给代码的同学

模型检验

  1. 检验什么
  2. 如何设计


解题顺序


闪念

  1. 能不能把近些年美赛国赛赛题稍微整理一下,如果要是类型相似可以查找特等奖论文以坐参考

 

以上是关于美赛模型手学习安排的主要内容,如果未能解决你的问题,请参考以下文章

美赛模型手学习安排

美赛必看丨不同类型的神经网络模型

2019美赛D题 人员疏散模型Python编程

持续更新一个简洁易用的美赛LaTeX模板:easyMCM

2023美赛春季赛D题思路数据代码论文分享

2023美国大学生数学建模竞赛(美赛)E题解读&思路&基本模型