- 02數學建模基礎入門講解
- 03美賽基礎入門講解與賽前準備
- 04數學建模線性規(guī)劃
- 05蒙特卡羅方法
- 06數學建模非線性規(guī)劃問題
- 07數學建模差值與擬合問題
- 08數模常規(guī)算法之層次分析法應用講解
- 09美賽尖端培訓之灰色預測模型及其應用
- 10神經網絡基本原理
- 11神經網絡編程和案例分享
- 12神經網絡基本應用領域
- 13聚類分析上1
- 13聚類分析上2
- 13聚類分析上3
- 13聚類分析上4
- 14聚類分析下1
- 14聚類分析下2
- 14聚類分析下3
- 15模智能算法之粒子群算法(上)
- 16模智能算法之粒子群算法(下)
- 17時間序列分析
- 18主成分分析
- 19支持向量機
- 20EViews入門講解及簡單示例
- 21美賽試題講解+歷年特點分析
- 22因子分析
- 23對應分析1
- 23對應分析2
- 23對應分析3
- 24典型相關分析1
- 24典型相關分析2
- 24典型相關分析3
- 25多目標規(guī)劃1
- 25多目標規(guī)劃2
- 25多目標規(guī)劃3
- 26數字圖像識別1
- 26數字圖像識別2
- 27綜合評價與決策方法1
- 27綜合評價與決策方法2
- 27綜合評價與決策方法3
- 28綜合評價與決策方法4
- 28綜合評價與決策方法5
- 28綜合評價與決策方法6
- 29小波分析應用1
- 29小波分析應用2
- 29小波分析應用3
- 30綜合預測方法1
- 30綜合預測方法2
- 30綜合預測方法3
- 31偏最小二乘回歸分析1
- 31偏最小二乘回歸分析2
- 31偏最小二乘回歸分析3
- 32卷積神經網絡應用1
- 32卷積神經網絡應用2
- 32卷積神經網絡應用3
- 33Matlab基礎入門與算法進階01
- 33Matlab基礎入門與算法進階02
- 33Matlab基礎入門與算法進階03
- 33Matlab基礎入門與算法進階04
- 33Matlab基礎入門與算法進階05
- 33Matlab基礎入門與算法進階06
- 33Matlab基礎入門與算法進階07
- 34Python基礎入門與深度學習時間01
- 34Python基礎入門與深度學習時間02
- 34Python基礎入門與深度學習時間03
- 34Python基礎入門與深度學習時間04
- 34Python基礎入門與深度學習時間05
- 34Python基礎入門與深度學習時間06
- 34Python基礎入門與深度學習時間07
- 34Python基礎入門與深度學習時間08
- 36美賽數模智能算法之模擬退火算法
數學建模是用數學的語言和工具表述、分析和求解現實世界中的實際問題,特別強調要將最終得到的解決方案回歸實際問題、檢驗是否有效地解答了原問題,是數學聯接應用領域的橋梁和道路,在數學學科中占有特殊重要的地位。
本課程以實際問題為載體,將數學建模、數學知識、數學軟件和計算機應用有機地結合起來,對于培養(yǎng)大學生發(fā)現問題、提出問題、分析問題和應用數學知識、通過數學軟件解決實際問題的能力具有重要的作用。
本課程共12講,包括數學建模案例講解與數學建模競賽相關活動兩部分:首先李大潛院士和陳叔平教授分別與你分享數學建模的意義、課程學習的建議和參加競賽的指導;第2—6與8—11講分別為入門級和提高級應用案例分析,是本課程的核心講授內容(配有單元測驗題),從實際問題出發(fā),講授模型構建、分析求解、問題解決驗證等數學建模的全過程;數學建模競賽相關內容依據競賽的進程實時發(fā)布,提供最權威的賽況信息。第12講作為課后續(xù)篇,不作為本課程的考核內容,將在本課程結課之后擇機發(fā)布,內容包括賽題的權威分析點評,也分享獲獎隊員的參賽感悟。
