美赛数据预处理怎么操作
好，那么我们首先来讲解一下这次美赛 a 题的一些思路。首先看一下 a 题的题目要求啊，它要求我们开发一个智能手机电池的连续时间模型， 该模型呢，能够返回在真实使用条件下电量状态作为时间的函数啊，可以用来预测不同条件下剩余电量的耗尽啊。我们就假设啊，手机使用的是锂离子电池啊，这是题目要求的我们，所以说我们不用管 啊。接下来呢，它的要求我们可以看到，首先是一个连续时间模型啊，这是首先的要求，也是最重要的要求，就是它要求我们用一个这样的符合条件的模型来进行一个预测。 然后呢啊，比如说，我们可以扩展一些其他的影响因素，比如屏幕使用处理器附载网络连接 gps 等后台任务，因为它后台任务越多，我们的手机可能用的电量就越大嘛。 之后的话呢，哦，我们这个数据作为支持并非替代，意思就是说呢，我们可以收集啊，使用数据呢，进行这个参数估计和验证哦，如果哦，我们一般这里选的呢是开放数据集，当然我们可以选择一些已发表的测量数据， 但是需要啊，提前引用一下，但是这里呢，我们需要啊，尤其注意的是啊，这个参数呢，是有明确的理由说明和经过理性验证的， 所以呢，这个基于离散取现，你和时间不回归或机器学习而没有连续时间的模型项目 将不满足本期的要求啊，这句话是什么意思呢？其实就是它封死了你用神经网络和机器学习的这个啊思路就是说你不能用这两个思路了，因为大部分的时间序列，比如说 ram 或者是 l s t m 模型都是时间不回归 啊，黑箱基地学习就是叉列 boost 的 那些啊，随机森林啊，就不允许我们再用了。也就说这个题强制我们使用物理的方式啊，和数学的那个微型方程来进行建模。 然后要求二是电量耗尽预测。我们建立好模型之后呢，要使用我们的模型，在这个初识充电水平和使用场景下，计算或者是近似电量耗尽的时间。然后呢，将预测结果和观测到 与观测到或合理的行为进行比较，量化我们的不确定性。这里的意思其实就是判别我们模型的好坏。 然后呢，下面就是一些啊，不是很重要的一点啊，这些点呢，如果大家能实现呢，当然是最好，如果不能实现呢，其实也没有必要强求啊大家，嗯，就是 啊，看自己的这个数据的需求，因为数据不一样，可能能实现的目的呢，也并不一样， 就比如说这个哪些活动导致的电池寿命最大程度的减少，那么电池寿命啊，有没有数据可以标注呢啊，也许是有的，但大部分数据可能没有。然后最后一点呢，就是 这个敏感性和假设检验在这个我们的模型上啊，参数值使用模式波动后，我们的预测呢，有什么样的变化？就比如说我们可能动一个参数，看一看我们的预测是不是有很显著的变化啊，看一下这个模型的抗干扰性如何 啊？然后下面是他给你的一些建议，还有报告的一些书写形式啊，那么我们接下来直接来看一下我们的讲解思路。 首先的话呢，题目要求的是连续时间模型，所以我们需要从能量守恒出发建立这个微分方程 啊，建立的微分方程呢，就是这样一个形式，就这个形式比较简单，主要是我们后面有些扩展，它比较复杂 啊，这是最简单的基础形式，其中呢这个啊微分 soc 呢表示的是电量的百分比，这电量的百分比呢，其实题目中呃说明其实就是我们手机剩余电量和占据手机总电量的百分比是多少， 然后呢这个 p 透透呢是总功耗，也就是它它电池的总功率，然后呢这个 e 呢是电池的总能量， 这里呢是我们这个公式中的一些主要参数。 q 呢表示这个电池容量，然后 v 呢是电电池的标称电压，然后屏幕尺寸啊，手机型号，还有手机年份等。 然后呢第一步呢是最基础的形式，也就是啊我们的基础模型，首先我们就假设我们的工号是横定的，对吧？这样呢就可以得到一个最简单的限行模型， 我们就把右边呢啊变成了一个现行，比如说他叫负 k， 然后呢 k 呢我们这里表示的是啊耗电速率，其实就是一个常数， 然后呢建立一个那个限行模型，其实这里这一步的作用呢，就是帮助大家建立这个基础验证数据质量，理解基本的耗电规律 啊，对啊，对于我们这个模型的建立来说呢，是一个前期的支持和点击的工作，所以大家啊这一步，而且呢这一步呢也能丰富我们的论文，所以这一步大家可以根据自己的需求去做一下啊，最好是有这一步。 然后呢第二步呢，我们要分解一下他的工号组建，比如说我们将总工号呢，其实分解可以分解为多个来源，对吧？首先是这个基础待机的工号啊，这个呢是由手机型号决定的，我们可以查这个手机的具体规格。 然后呢这个是屏幕公号，屏幕公号呢是由我们数据中的一个字段进行推断的，然后呢 st 是 屏幕是否是开启的？然后呢蓝牙公号是有一个啊，蓝牙的信息。 之后呢，这个 b 表示蓝牙是不是连接了啊？可能它是零或者是一啊，零的话表示没连接，一的话表示正在连接。 然后呢这个 p usage 表示的是我们使用的强度功耗啊，比如说它可能这个手机连续使用了三个小时，和连续使用两个小时，那肯定是不一样的啊，这个 u t 呢是我们使强度系数，这个呢是由用户特征来进行预测的。 好，接下来呢第三步，第三步呢，我们加入这个设备参数，设备参数呢，大家这里有很多方式可以去查，就比如说大家可以直接去百度去查，也可以直接用 deepsea 去查啊，当然可能百度啊，可能这两个差不多，但是百度要准一些吧，可能， 嗯，或者是大家如果有条件翻墙的话，可以用谷歌去查，比如说这里 apple 手机牌子对吧？ iphone 十五，它的电池容量是多少？电压是多少？功率呢？是多少？ 然后这个每一个手机型号对吧？比如说小米，他的充电功率可能有六十七瓦，毕竟国产的吗？他有大家也都知道他的功率比较足啊，这一点呢，可能对于我们后边这个，呃 需求比较差距比较大，比如说啊，我们选了一个国产手机，对吧？想用在一个苹果手机上，让他这个充电功率之间的差异很大，就可能导致我们的数，导致我们的数据，导致我们的结果出现一些很大的差异。 然后呢这里给大家讲解一下这个完整的啊建模步骤。首先是数据预处理啊，数据数据预处理部分呢，我从头开始给大家讲，首先先看一下我们的这个数据，这个数据呢，包括我们这个啊， 包括我们的电池，比如说他这是一个时间训练，对吧？包括我们哪个手机哪个时间他耗费了这个他的电池容量是多少？然后他的这个状态是什么样的？ 然后这个呢是我们这个手机之间他的一些，比如说他的牌子，一些型号，然后时间啊，然后使用者的年龄、性别，当然这个可能没有多大用啊，大家去掉就可以。然后这个是手机的使用时间，然后呢这个是，呃， 这个是手机的年限啊，这个是手机使用的，它就就据这个手机生产，它已经过了多长时间啊？比如说这样的数据 啊，这里呢，比如说我们首先啊先用 python 处理一下导包，然后呢将我们的数据读取进来，然后把没用的列进行删掉，因为这我们用的这是一个问卷数据，我们就把用户回答的问题 哦给删掉。然后比如说这里我们就可以看到一些这个数据，对吧？都被我们读进来了，然后呢读取一下他的电池一些啊特征，然后 然后呢接下来是蓝牙他这个用户这个时间蓝牙是否在连接状态， 然后呢这是我们这个用户的一些信息，就是我们手机的一些详细信息，比如说啊它的型号啊，配件什么的，这些都在这个信息里，然后都读取完毕之后呢，我们就可以对这几个表呢进行一下连接，连接之后呢其实就是按照他们的 pid 和他们的时间， 把我们的蓝牙信息和这个手机电池状态啊，还有这个呃手机电池的容量当前剩余的多少啊，给它纳入进去 啊，然后呢再把最后呢再和我们用户的信息进行拼接，这样我们就得到了一个完整的数据框啊，这个数据呢大家呢如果说感兴趣的话呢，可以购买这个我们美赛 a t 的 讲解完整版，到时候所有的数据代码以及完整版的论文都会为大家奉上 啊。那么这里我们继续看，比如说它包括这样一些啊信息，就一个手机这个时间它的电池容量，然后蓝牙 是否是连接的，然后他的电池是什么样的状态，然后手机型号是多少，然后他的手机使用年限，对吧？这些都是我们的信息。然后我们后续可以加上一些这个手机的参数，就比如说这个手机的电池容量是多少，工号是多少，对，我们可以查出来之后把它加上就可以。 然后呢呃，这里呢是我们一些详细的统计，就是包括每一个手机他记录了多长时间，我们可以看到这个二零九七这个手机呢，他有六千多条记录，这里其实数据的选择是很重要的， 就你的数据呢，如果他的行数越多，我们建出来的模型呢，可能是越准的，如果数据越少，比如说他只有六百多条的话，可能我们处理之后他就没有多少了啊，这样的话呢就是差距很大。其实 啊，这里我们可以优先选一个这种比较高的，对吧？条数比较多的，然后呢我们可以看一下手机型号，我们也可以看到这个呃， iphone 还是比较多的，对吧？可能占了一多半，然后呢大部分都是国外的手机，然后哦我们接下来呢 看一下这个具体是怎么处理的，比如说这里我们选择了是二一四六这个手机，然后呢首先我们先把时间处理成正确的格式，然后呢看下一步距上一步我们过去了多长时间啊？计算一个小时时间处理， 然后呢啊还有一些，比如说创建指示变量，然后 看一下他这个，他这个蓝牙连接状态，然后呢算一下这个用户使用的强度，比如说我们根据这个用户他已经使用了多久的时长， 对吧？我们可以给他指定一个啊，映射到一个用户的使用强度，比如说如果他使用时间很短的话，那么他的这个指标也很短，对吧？如果他使用时间很长了，三个小时以上，那么我们给他的指标呢，就非常长啊。 然后呢这里我们有一些电池参数，这里的话就是查询的每一个手机它的一个这个啊 q 啊，电池容量，然后电压呀，这种电池的能耗到底是多少？ 然后这个信息的话呢？嗯，大家购买我们这个啊，美赛 a 版的啊，这个题目之后呢，这个完整版我们会给大家啊发过去，然后大家有什么数据上有什么问题呢？也可以购买之后加群，然后向我咨询， 然后呢这里就是把这些指标也加到原始的数据框里，然后呢还有一个老化系数，这个老化系数呢其实就是这个手机，对吧？它的根据它的使用年限，我们肯定要加一些这种老化系数， 就是这个手机使用的年限越长，它电池呢肯定是老化越严重的。这个大家在使用自己手机的时候肯定都有体会，一开始电池的这个健康程度可能是一百，但是我们使用一年之后，它可能就降到啊九十八或者是九十五，甚至更低啊，这个手机使用更长呢，它自然就更低了，对吧？ 然后呢我们去除无效的数据啊，这里呢我们就是我们只要因为我们要看这个电池使用时间有多长嘛，所以我们这里保留放电过程就行了，也就说只保留电池减少的那一部分就可以了啊，不需要去关注它充电的这个过程。 然后呢我们处理完成，我们可以发现就剩下这个一千八百多条信息，然后呢用户的强度，然后老化系数等等等等这些信息啊， 然后具体剩余的代码我们写完之后会第一时间发给大家，然后大家购买之后呢可以实时查看，然后可以进行答疑操作。
粉丝1.0万获赞6.2万
相关视频
04:25查看AI文稿AI文稿只要你会抄，那你就一定可以拿到一个好的奖。所有参加美赛的同学，如果说你现在还不知道论文要怎么写，模型要怎么建，甚至连队友都没有找齐的话，本期视频将告诉你如何零基础速充并拿下 h 奖， m 奖甚至 f 奖。 首先我自己在第一次参赛的时候是零基础，并且队友还跑路了，但最终我们还是拿到了 h 奖。第二次参赛的时候，我们带队拿到了 f 奖。去年我把我的经验总结成了一些文档，那么有一些同学根据我的文档第一次参赛就拿到了 m 奖甚至 f 奖。 接下来呢，就进入正题。首先我再重申一次，本期视频是为零基础同学准备的，如果你是大佬的话，那么帮助不大。 这里呢，我就给大家透露一个比赛的秘籍，这个比赛包括美赛在内的所有的比赛都适用，只要你是公立的参赛，为了加分，那你唯一的策略就是抄，只要你会抄，那你就一定可以拿到一个好的奖。那为什么要抄呢？ 首先天下文章一大抄，不抄白不抄。美赛刚好就是个写文章的比赛，那对于这种比赛虽然有一些评分标准，但是这些评分标准呢，其实我们也看不到什么具体的内容， 但是评委他们是有自己固定的审美，这些审美我们可以在往年的获奖作品，也就是欧奖论文里面可以看出来，那只要我们去模仿这样的欧奖论文，那么评委看到了他自然就会觉得我们是一篇优秀的论文， 那么从而我们就可以拿到一些更好的奖项。那美赛怎么抄呢？大家可以看我去年的合集，那这里所说的抄其实是一种像素级的模仿，什么叫像素级呢？就是说你要一点一点的根据全部的内容来模仿， 从标题、摘要一直到最后的参考文献附录， ai 使用说明。为什么我们要这样去抄呢？因为你并不知道 欧奖论文到底是哪个部分出彩才拿到了欧奖，我们作为领袖的小白怎么可能知道呢？如果我们知道的话，那我们自己就可以直接拿到这个欧奖，根本就不需要学了，所以说我们要一点一点去抄。 那为了更好的去模仿，我们可以去总结一下所有的欧奖论文，他们有哪些共同点，那这些共同点是我们一定要做的， 那对于其他的点呢？我们就只能自己来感受了，我们可以选一篇自己选的题目里面自己最喜欢的一篇论文，然后来进行模仿，以它为主要主要的参考对象来模仿，这样就可以了。 那我去年的合集呢，主要是针对了二十四年的我讲论文，那这个每年肯定都会有一些新的变化，所以说如果你想 直到二五年这个欧奖论文它有哪些最新的变化，那你可以自己去探索，自己去找一下，那你也可以关注我，然后呢，你可以在后台私信我，我在今年整理完之后会发出来。 那今年我们除了可以自己手动的去查看这个欧奖的论文有什么共同点，我们还有其他的方法，那就是说用 ai 的 帮忙， ai 可以 帮助我们去看到一些欧奖论文这个共同点， 并且它也可以帮助我们直接去模仿欧奖论文来生成一些文字，但是这些首先需要你自己对欧奖有的论文有一些大概的了解。 那么如果说你还想知道更多的关于 ai 要怎么样去帮助我们完成比赛， 而且是全部的流程，也就是说从甚至从这个组队友，一直到这个选择题，一直到每一步要怎么写，怎么用 ai 来帮助我们完成。 那么你可以进一下我们这个答疑群，这个答疑群是包括我提供的所有的资料，然后后续如果大家对 ai 有 一定的需求，就是说你希望知道怎么用 ai 来帮助我们完成所有的内容的话，我后续如果需要的人多，可以考虑开一个直播给答疑群的所有的同学， 然后教大家怎么用这个 ai 来完成这个比赛。关于美赛的部分呢，就结束了，感谢所有能够看到这的同学，这是我第一次采用录视频的方式来分享自己的经验。 后续如果说大家还有什么问题，比如说美赛，或者说其他学习上的问题，或者说有哪些想整的活，都可以在评论区或者后台私信我，那么谢谢大家。
4201coker
46:02查看AI文稿AI文稿大家好，我是曾经在美赛中获得过欧奖的小一学姐，今天我将带大家看一下我们当时获奖的那篇论文， 并且从我当时获奖的论文出发。大家先来看一下美赛的论文应该怎么写，才更加容易受到评委们的这个青睐。那我们首先就看到这个摘药页部分。摘药页部分通常又分为三个小部分，第一个小部分是我们摘这个摘药的总体的这个部分， 第三个部分则是我们关键词的部分。那么我们先来看一下这个标题我当时是怎么写的。我当时这个标题其实是采取了一种比较文学型的写法，可以看到这个标题是 turn off the light， turn on the stars。 实际上通过当时我们去查一些资料，找到一些优美的句子，或者是一些名人名言，对其进行改写，从而使它契合我们的这个文章。 这样子的方式我们就可以写出一个文学性的标题。但是这个标题其实也是有一些要求的，因为有的时候对于某些主题来说，我们是没有办法找到那么契合这个文章主题的一些句子，或者说一些名人名言啊。 那对于这种情况我们应该怎么去写这个标题？这个大家其实也不用担心，因为这个标题其实还有另外两种也是比较好用的格式。首先我们来看一下，第一种就是基于什么模型的什么问题或什么主题。 这个基于什么模型指的就是你这个文章中你使用的这个主要模型是什么，你就可以把它带进去。 就比如说刚刚我们所说那个文章是以光污染为主题的，那我们主要用的这个模型是层次分析法， 那我们就可以说基于层次分析法的光污染问题，通过这样子方式，我是不是就可以写出来一个也是比较好的一个标题？除此之外，还有另外一种格式也特别常见，就是 叉叉主题或者关键词冒号。后面就是对前面的主题或者关键词的解释，或者详细说一说这个主要模型。 那么对于刚刚那篇文章，我们怎么把把它改写成这种形式，那其实改写的方式比较简单，首先呢是这个主题，那我们知道这个主题是光污染，那我们是不是可以把这个光污染替换掉这个叉叉冒号后面是解释，那就是对前面光污染这个解释，那我们就可以说是光污染风险 的评价模型，那是不是这个标题又写出来了？光污染冒号，光污染风险评价模型或者评分模型或者评估模型之类的都可以， 那第二种形式也是不是很好写出来，那第三种形式实际上就是我刚刚所说的这个文学性的标题，但是这个标题使用是有前提的，你要搜寻到相关那些句子是契合你的文章主题，你才可以去使用。 如果发现我们找不到相关一些句子，那我们就可以采取前面两种形式，也是非常好的一个文章的标题。看完标题之后，我们再来看一下这个摘药的 部分。在摘药开始之前，如果说我们在搜索资料的过程中，我们可以找到一些特别契合文章的名人名言 作为引入，那自然也是非常好，我们就可以把它放在这个 java 的 开头。但是这也需要提醒一点，就是如果说我们找到这些句子跟这个文章可能只是有那么一点点关系，跟这个文章 没有特别明显的联系，那么这个时候我是不太建议放这句话的，除非说你发现这个句子刚好跟这个文章特别契合，我们才建议把这个名人名言放到前面去，去增添文章的一些色彩。我们就看到这个摘药的 部分，那个摘药一般是分为三个部分，一个就是开头部分，就主要是总体介绍一下你这个文章大概是干了些什么，还有说一说背景什么之类的。 这一部分可以看到，接着就会分模型或者分题目，你看模型一、模型二、模型三，还有最后一个应用有多少个模型或者有多少个问题，我们就分多少段去描述。最后就是一个总结，一般我们就会放灵敏性分析， 可以看到这个主题。首先我们开头的部分，我们就会先用一到三句话说说这个背景， 那到底是使用多少句话，那主要是看一下你这个背景你能说多少，以及整体的这个摘药的篇幅是多少来决定的。 像这我就主要用了两句话去说明一下这个主体研究的必要。比如说光污染，那你就可以说一说现在随着社会发展，光污染问题这么严重了，所以需要我们去解决之类的， 是用一到两，一到三句话说一说这个背景。之后我们一般就会用一句话，一到两句话去总体说一说你这篇文章大概做了一些什么？ 你可以看到这就相当于一个总体，因为这篇文章我主要是去建了一个官污染风险的评估模型，所以我就在这里写了，我主要就是去建立这个模型，并且去给怎么去减少官污染的影响提供了一些建议。 当然了，我们也可以先去把我们使用的这些模型都给列出来，因为我这主要是使用了三个模型，一个是 es 模型，一个是 lpa 模型，还有一个 i 杠 es 模型。我们在总体的部分也可以先把这些模型给列出来，大家如果篇幅不允许，那这一步是可以省略的。 如果篇不允许，就总体说一说你这篇文章主要干了些什么就可以了。开头部分结束之后，我们就进入了到了这个摘要主体部分，那摘要主体部分我刚刚说的，我们会分 模型去说，如果有多少个模型，我们就分多少个模型去说。比如说我这有三个模型，那我就第一个模型我做了些什么，第二个模型我做了什么？我第三个模型做了什么？如果有应用，我们再把这个应用的结果给说出来，这个主体大概是这样。 而在对于每个模型的描述当中，我们来看一下。一般来说，如果说这个模型是要求你去计算出某个答案的，我们就要需要写一下我使用了些什么，什么方法计算得到的答案是什么。那如果说他没有在这个 题目中要求你去计算的，只是要求你去建立模型的，那我们这一小题，那我们可能就不需要写出答案。你看就比如说这个 model 一， 他如果没有让要求我们去算出答案，你看他就只需要把你使用的这个方法给他列出来就行。你看这标粗的这些地方就是我使用的这个方法， 你看对于模型二来说，那我是不是既使用什么方法，也要求我们计算？那对于这种情况，我们就先说我们使用这些方法，你看标示这些都是我使用的方法，得到的结果是什么，你看我这这些数字其实就是我得到的这个结果。 在这个文章摘要的主体部分，一般来说就是要写你使用了什么什么方法，什么模型，得到了什么什么答案。当然如果说这个题目没有要求你算出来这个答案，那内小问，那你就只需要叙述方法，不需要写出答案。 但是假如说他要求你算出答案，那你就要写你使用什么方法，然后计算得到什么答案，这个就是摘要主体部分， 最后摘到结尾部分，我们通常是会说一说做一些什么敏感性分析啊，证明这个模型是稳健的。 当然如果还有篇幅，还可以写一写我这个模型使用的这个优缺点是什么，或者是我们一些拓展方向是什么。那你看像这里因为篇幅有限，所以我就写一写我敏感性分析是怎么做的，得到的结果是稳健的。 通过这样的方式，我们就可以写出来摘药了。总结一下，摘药一般是分为开头、主体、结尾三部分。 摘药的开头通常就是为背景加做了什么事情，解决什么问题，做什么，指的是你建立了一个什么主要的模型，或者说你给出了一些什么的建议啊之类的，解决了什么问题？你文章主要解决的问题，就比如说刚刚那个解决的光污染 程度的一个问题，这样主体的结构通常就是你有多少个问题，或者你有多少个模型，你就分多少段。 比如说你如果是想按问题来分的话，那你就写针对问题一，我们使用了什么什么算法模型去解决什么什么问题，得到了什么什么结果？针对问题二，又怎么怎么样？针对问题三又怎么怎么样？针对问题四又怎么怎么样？而每个问题就分一段， 如果说你是按模型来分也是一样的，那就把问题变成模型，就是针对模型一，我们使用什么什么算法模型去解决什么什么东西得到了什么结果？针对模型二又怎么样？针对模型四， 这个就是摘药的主体结构，而摘摘药的结尾通常就是去简单概括一下敏感性分析，如果有篇幅，还可以说一说模型的优缺点以及拓展方向。 那么摘药有什么注意事项？首先一个就是一定要控制在一页以内，这个是必须的，你不能说你的这个摘药写了两页。 另外这个摘药是非常重要的一部分，因为评委很多时候都没有办法特别详细的去看这么多页的论文，他怎么对你这个文章进行一个快速判断，实际上就是去看你的摘药， 所以你这个摘要是非常重要的，因此一定要留出充足的时间进行润色和修改。除此之外，有的时候我们的结果是图表那些什么折线图、条形图，或者是一些表格之类的， 那对于这种情况，我们的结果应该怎么在摘要里说？我们对于这种情况，一般来说我们就只需要去简样描述一下图表的内容， 而不是说你在 java 中直接放图标，这个是万万不可行的，我们只需要用文字去描述一下这个图标，或者说你做了一个什么图就可以了。 除此之外呢， java 最重要的两个东西是什么？其实是你使用的这个模型算法以及你得到的这个结果。因为模型算法是可以让评委可以看出来你这个大概算的是不是合理的， 如果是合，也就认为你可能这个做的还不错，你至少得到的结果是合理的，所以这些就是 jio 的 注意事项。最后我们可以看到 关键词部分，关键词部分一般放的是什么？一般会放两类东西，一类就是文章的这个主题， 还有一类就是你使用的模型算法，你可以看到我这个关键词，你看我放的第一个就是文章的主题，文章主题就是光污染，所以我把文章的主题放上去了。 除此之外，我使用的一些模型， e， s， e， l， p， r， a， 还有什么层次分析法， k， means， 还有 g， e， q 之类的，这个就是关键词我们需要放的东西。所以说关键词其实我们通常写的就是文章的主题，或者你在文中使用的主要模型和算法。一般来说放四到六个会比较合适， 因为如果放太多，你就会发现这个关键词实在是太多了，让评委都看不过来了，而且也抓不到重点， 那这个时候大家可能就会有疑问了，那我这个文章中如果涉及到很多模型和算法，放不下怎么办？那么其实我们就主要放你觉得最主要的以及最能体现你创新的。因为有的时候我们这个文章可能会有些创新，那我们就把这些最主要的，最能体现你的创新水平， 或者是最高级的一些模型放上去。当然了，如果你觉得这个文章的主题特别重要，也可以放一到两个关于文章的主题的关键词上去， 这些就是我们的这个题目摘要和关键词的一些写作的一些方式。接下来我们再讲一讲这个文章的框架，那么文章框架一般会分为以下这几部分，基本上那些优秀范文基本上都是这个框架。 首先第一部分就是这个文章的整个介绍，文章介绍又会分为两到三个部分，一个是文章的问题背景，就是说一说这个问题怎么严重，为什么要研究它之类的，在这个部分可能会引入一些什么文献什么之类的。 第二部分则是问题的重述，意思就是我们需要用自己的语言去说一说这些问题是需要我们干什么。 除此之外，其实还有第三个部分就是我们的工作，也就是说我们对这个文章大概做了一些什么东西，你用的什么模型，用的是什么算法之类的。 而在这篇文章中，我事实上是把这个问题重述和我们的工作结合在一起，写了这种写法他的一个依据。我先说这个题目要求我们干什么，再说我们根据这个要求我们具体干了些什么。 当然也有一些文章是把它分开写的，会把先用一小节说一说这个问题重述说明这个题目都要求我们干些什么，再用一小节说一说我们具体使用什么模型，什么算法，如何去完成这个题目的要求，我觉得这两种都是可以的。 第二个部分则是这个假设以及这个假设的理性说明。我们的这个文章一般都会需要一些假设，因为毕竟是一个现实的问题，很多方面如果我们特别详细去考虑到这个，我觉得还是比较困难的一件事情。因为我们模型通常是简化之后的，所以我会做出一些假设， 当然这些假设你要论真一下，它是合理的，你就不能说你这个假设太不合理。所以第二个部分就是这个假设以及合理性的说明。第三部分一般就是这个符号的说明，主要就是会列出一些比较常出现的一些符号。 这三步完成之后，就到了我们最主要的部分，就是我们的这个模型建立以及这个结果分析。 通常来说这个模型建立与结果分析，它会分模型来或者分问题来。什么意思？有点类似于我刚才讲摘药的时候，我们摘药不是一个问题，或者一个模型我就占一段，这个也是一样的，它一张说一个模型，比如说这个第四张它就整体都在说这个 esc 模型， 这个第五张它整体就在说这个 lpa 模型。第六张主要说的是这个 lpa 的 这个应用， 今儿第七章说的是这个 i 杠 e s e 模型。第八章相当于是我们整个所有模型，它的一个应用就是一个 case study， 所以 说它整体的一个架构实际上就是分模型来和分问题来。你分模型也可以，分问题也可以，一般一个模型是占一整张结，或者一个问题就占一整张结， 那这一整章节里面包含一些什么内容？一般来说，首先我们会包含数据处理部分，有的时候你一开始前第一二问，一般肯定是要对这个数据进行处理，所以你可以看到他第一小节都是对这个数据进行一些处理， 处理完之后就开始我们这个模型建的过程。所以你可以看这个四点二到四点四都是模型建的过程，你看这个五点二也是这个模型建的过程。 除此之外还有结果分析的这一步。但是这里我需要说明一下，如果说你有些模型，比如说第四章节，这个模型，它是相当于是一个基础模型，它并不需要我们计算出什么，那对于这种情况下，我们就不需要加一个结果分析的章节。但比如说你看第五章 是需要我们算出来东西的，所以你看五点三去计算出结果的一个章节。类似的，那如果是应用，那应用只需要写结果分析，而不需要那种什么呃，模型建立之类的，所以要分清楚第四和到第八，其实所有都是模型建立和结果分析， 那模型建立和结果分析完之后，我们是不是要对模型检验啊？所以就来到我们第九章，因为我们模型检验通常来说对模型进行敏感性分析就可以了，就不需要做特别复杂的检验，所以你看到第九章就是一个敏感性的分析， 接下来我们再看啊。第十张实际上就是这个模型的评价，因为我们要说一说这个模型是有什么优点，还有什么缺点。如果在有篇幅的情况下，还有你有想法的情况下，还可以说一说模型可以拓展的方向， 但是由于篇文章这个篇幅是有限的，所以你可以看到我这里只写了模型的优点，还有模型缺点，没有写模型可以拓展的方向，这个模型拓展的方向是可写可不写的，你看过往的其他的一些优秀论文也是这样子的。 最后我们一般还会有一个部分，一般是用来解决这个文章的最后一个任务，因为像每道题，无论你选道题，他一般都会有一个最后一小问，是要求你画一个海报，或者写一个书信，或者写一个备忘录之类的。 那一般这个海报、书信、备忘录这种一般都会占一页，所以这一页通常就会放在这个文章的最后，所以你可以看到它就放在这里。 除此之外，还有最后一个部分，就是我们的参考文献和复录部分，这个主要是写，嗯，你在这个文章中你引用了一些什么文献，或者说你没有引用，但是你参考一些文献，你也可以放在这个参考文献里面。 而副路则是放一些，比如说你在这个文章中，由于篇幅限制，没有放的一些图或者是一些数据，或者说你想把你的代码放上去也是 ok 的， 这个代码是可以选择放在副路，也可以选择不放的，就具体看你们的一个想法， 这个就是我们这个文章的整体的结构。那总结一下这个文章的框架大致分为以下这几部分。首先是这个问题介绍，问题介绍又包含这个问题背景重述和我们的工作，而我们的工作室上可以跟这个问题重述就是一起写。 接下来第二个部分，一般就是模型的假设以及这个假设的合理验证。接下来是这个符号的说明， 符号说明文就正式进入到我们的这个文章的主体部分，就是模型的建立与求解，那么其中主要就包含模型的建立过程和模型的结果分析。 那么如果说你这个模型的建立过程中是对这个数据是进行了一些预处理，那在这个前面也要加入这个数据预处理的这个过程。模型建立并且求解结束之后，你就对这个模型进行检验，那么树模一般来说是只需要做一个敏感性分析就足够了的。 模型检验完发现这个模型是稳健的之后，最后要对这个模型进行评价，具体就包含模型的优点以及模型的缺点，如果有偏颇就可以说一说这个模型可以拓展的方向。 当然在美赛规定官方那个文件里面其实是有写这个模型结论的，但是这个模型结论我们一般来说会融入到模型的建立与求解部分， 所以说如果在你不是你发现这个篇幅差不多刚好的时候，其实我们把模型结论融入到这个前面这一部分就可以了，就不需要再另开一章节写。 但假如说你发现你写完这个论文之后，你还有很大的空间的话，那我们还可以加一个章节，就是模型的结论，去总结一下你前面那些模型都做了些什么东西，得到了些什么结果。 最后我们参考文献以及我们目录了，那么这些就是我们一般来说一篇优秀的美赛论文 该有的一个整体的文章框架。下面让我们来看到这个问题介绍部分。问题介绍其实一般分为三个部分，一个是问题重，问题背景，一个是问题重述，还有我们的工作， 因为这篇文章是受到这个篇幅的限制，我们写的比较长，为了限制这二十五页，我们是选择把这个问题重复和我们的工作结合在一起写，到时候大家自己写论文的时候可以选择把它合起来，当然也可以把它们分开，只需要包含这三个部分内容就可以，你可以选择合起来写，也可以选择分开写 来具体看一下这三个部分的内容具体需要写些什么。首先是这个关键背景，其实一般包含两方面的一个内容，第一个部分的内容说明你研究的这个主题它的一个必要和重要性，就是你为什么要研究这个主题， 所以你可以看到我第一段事上再去引用一些数据去说明光污染，呃，现在是比较严重的， 所以说我们才有研究光污染的必要。那针对于其他主题也是一样的，比如说有其他的环境问题，或者其他的需要研究的问题，那你就说一下他的这个问题是不是比较严重，或者说研究这个问题能给我们带来什么意义之类的。 这个就是一般是我们第一段呃的内容，当然如果你的内容特别丰富，你也可以写到两段，一般一到两段都是挺正常的。 接下来下一部部分其实就是去说明一下你的这个任务是什么。这个题目一般会给你几个任务，你就概述一下这个题目到底让你干些什么。 接着我们就开始讲针对这些任务，我们大概做一些什么事情。由于这只是一个背景部分，所以我们不需要写的特别详细，所以你看一般一句话去说明，简单说明一下就可以了，就不需要写的特别长， 这个就是我们的问题背景部分。我们再来看到我们的问题重述，还有我们的工作部分。问题重述事实上就是针对于我们题目一般会给你几个任务，我们问题重述实际上就是用我们自己的语言去复述那个题目给我们的任务。 像比如说这道题，他题目是给出了四个任务的，所以你可以看到这个问题重述我是写了四段的，你看这四段，这里需要注意一个点，这个问题重述里面 其实是不包含这个题目中要求你去写什么书信，写什么备忘录，写什么海报之类的，这一部分是不需要包含的，就只需要包含前面的需要你们去鉴摩或者需要你去应用的部分，把那些部分用自己的话去说清楚他的一个要求就可以了。 我们的工作则是针对于每一个问题重述去说明一下我们使用了些什么方法去如何解决这个问题。 你可以看到也是分这个题目去说的，因为这有四个小问，所以你可以看到 our work 也是写了四段的。除此之外，为了更加让读者可以亲自了解我们到底做了什么，所以我们往往会配上一个流程图，这个流程图事实上就是说明了我们整个文章的脉络。 由于评委在文章一开始除了你的摘药以外，第一个马上看到可能就是你的流程图，所以这个流程图也是比较重要的，帮助评委快速的知道你这个文章大概用了些什么方法，是如何解决我们要研究的这个问题的。 所以总结一下，这个问题陈述包含这几方面，一个是问题背景，问题背景又包含研究该主题的必要和重要性。一般写一到两段， 接着就开始将我们题目要求我们研究的问题进行引入，并且用一句话左右的篇幅去概括一下文章的主要工作。 如果有篇幅，其实还可以放上一个与背景有关图片。我那篇文章没有放上，原因是我们一开始是放上了，但是由于后面篇幅限制，这个图片相对于其他的部分其实是相对来说没有那么重要，所以说我们是把那个图片删了的。 但是如果大家发现写完之后还有很多篇幅，其实我们可以放一个与背景有关图片，就比如说关污染，我们就可以放一些关污染相关那些图片。 问题重述则是根据题目的任务用自己的话去复述，最后一部分是我们的工作，那其实就是针对前面问题重述不同的任务，来去描述我们建立什么模型算法之类的，然后解决什么问题。除此之外一般会用一个流程图去展示文章的整体脉络。 那么在这个部分我们需要注意些什么？首先是问题的背景，最好可以引用一到两处数据或者文献，这样子可以增加文章的可信度。 刚刚其实你也可以看到，我在一开头其实就引用了一些光污染的数据，这个引用时也一般不用太多，一般一到两处就差不多了，因为毕竟背景部分不是特别重要的部分，所以你用一到两处是比较合适的一个篇幅。 另外就是问题重述是用自己的话去复述题目的问题，切记不能照抄题目的问题。除此之外还有我在我们的工作那里提到的流程图，它是比较重要的，因为我前面有提到嘛，你这个评委一眼看过去的文章，除了你的摘要以外，可能第二个留意到的就是你这个流程图， 而且这个流程图是展示你整个文章的脉络，所以最好要将这个流程图做到清晰美观。 除此之外还有这个问题重述还有我们的工作，这两个部分是注意需要分不同问题有条例的罗列，你可以看到我刚刚那不是有四个小问吗？所以你可以看到问题重述和我们的工作都是分为四条去说明的， 这些就是我们的问题介绍部分。下面我们来讲一讲假设以及理性验证这一部分， 那么这一部分整个结构你有多少条假设，你就列出来多少条。同时在假设后面我们要跟着一个理性验证，也就是说一个假设后面你要说明一下这个假设为什么是合理的？ 所以它整个的结构就是假设一加理性验证一、假设二加理性验证二、假设三加理性验证三这样子的一个结构。 这个时候大家可能会好奇一个问题，那我这个理性验证怎么去写？大家其实并不需要太担心，我们的理性验证并不需要说你有什么特别权威的一些依据，或者说找到一些什么权威的参考文献去支撑，这个是不需要的，基本上你就是言之有理，能自圆其说就可以了。 比如说你看我这个假设是说他的总群密度是维持稳定的，没什么变化的，那我的解释就是说他自然灾害不怎么发生，并且出生率和死亡率也是保持在一个比较平衡的状态， 这个就是我自己的一个常识和对这个假设的一些理解，所以说只需要自圆其说就可以，你并不需要找到一些什么文献支撑之类的。我们来看一下 这一部分的一个小小的总结，就是假设与理性的说明是需要写什么，就需要写出这个模型的假设以及理性说明，合理性说明做这个假设依据，而这个依据言之有理即可。 同时大家可能会好奇一个问题，这个假设内容，虽然说这个假设内容大家都是知道是根据本身模型简化所需要的条件去拟订， 有的时候大家可能就是全部都建完膜之后，我们才想起来写这个假设，那这个时候我们就想不出来我们到底做什么假设，就很多假设大家可能就潜移默化的做，那这种情况下我们没有思路，我们可以从哪些方面去考虑？首先是题目中 可能会本身就提及一些假设，那我们就可以把这些假设写进我们的这个假设里面。除此之外还有你文章中肯定会用到一些模型，那有些模型呢？它本身自带就有一些假设，比如说我们需要使用时间序的模型，那我们时间序列是假设它的自身的一个行为是不会随着历史 的退役而改变了，那这个就是模型本身自带的一个假设。除此之外还有一个非常常用的一个假设，就是假定某些波动不大的变量他是恒定的，就是我刚刚说的那个总区密度，他是维持稳定这个的意思， 你就说明一下为什么他这个波动不大，你就可以径似认为他是恒定就 ok 了。 除此之外，我们来看到这个符号说明，符号说明其实并不是一个非常主要的部分啊，他其实就是去解释一下文章里面一些常用变量他到底是什么意思， 所以你可以看到他所占的篇幅也不大。在我这里我用一个三线表分为两列，一列常见的一些符号，另外一列对这些符号他的一个解释。 所以总结一下符号说明其实一般来说就只是需要放那些比较核心的变量，因为我们是数目，他肯定会出现很多公式，那每个公式他肯定就会带有不同的符号，那这个时候我们并不是所有的符号都放上去，因为他并不是一个主要的部分，我们只需要放那些比较核心的变量， 或者是出现非常多次的一些变量就可以了。临时只是出现过很少次的一些变量，就不需要放在这个符号说明这里。 另外呢需要注意一下，这个符号说明一般来说都是用三线表，这是比较规范的格式，列数一般是两到三列，像我刚刚那个就是两列，只有符号和符号解释，当然也有些文章它是有三列包含这个符号解释和单位。 为什么我没有放单位？因为很多他都是一些评分的一些指标，所以说你这个评分他是本身就没什么单位，所以我就没有放单位这一列。但假如说你这里设计的一些变量全部都是带有不同单位的，那么我觉得是可以加一个单位这一列上去的。 这些就是我们的假设与理性说明以及符号说明这两部分的一些讲解。那在这一小节的课程中，我将会给大家介绍一下模型整个部分的内容。那么模型这一整个部分在论文中其实也分为几个小部分， 一个就是模型的建立，一个就是结果的分析，除此之外其实还有模型的检验。模型的建立其实就是指的是描述一下你整个建模的过程，你其中涉及到的一些公式，以这些公式代表的什么意思？这个就是建立模型 的部分。建立完模型之后，我们往往是要将一些数据进行带入计算得到的结果，所以第二个部分其实就是对这些结果的一个分析。 那么第三个部分其实就是这个模型的检验，因为我的模型未必是稳健的，所以我们往往要通过一些方式去检验一下这个模型是不是稳健的，那么检验的方法呢？往往是敏感性分析。 首先我们来讲一讲这个模型建立和结果分析这一部分，这个模型建立和结果分析往往是合在一起写的。 这个是什么意思？指的是文章主体的部分，它往往是根据这个模型或者问题来分的。比如说你看 我这个第四张，它就是这个 e s e model， 我 们来看一下这个第五张是什么？这个第五张它其实就是这个 l p r a model， 所以 你可以看到后面也是类似的，你可以看到这个文章，它的模型主体部分，它其实是根据这个 模型或者是问题来分的。一个模型是一章节或者一个问题就是一章节，在每个章节中其实就会包含这个模型的建立以及结果的分析。 看到这个第四章，它其实由于它是这个 e s e model， 它是不需要计算的，所以你可以看到这个第四章，它整个都是对这个 e s e model， 它的一个建模过程，你看这全部都是， 但是你可以看到第五个章节，它这个 l p i a model， 它是要计算出结果的，你就可以发现它就包含了数据预处理模型的建立过程以及它的一个计算结果啊。你看这个计算结果， 所以说这个模型建立和结果分析往往是合在一章节去写的，因为我们分的这个方式，其实是按照这个问题，或者是按照这个模型来分的，可以看到我的文章就是一个很好的例子。 接着我们再来讲一讲，那这个模型建立，还有这个结果分析应该具体怎么写？需要包含一些什么？实际上这个模型的建立首先要包含的就是你这个模型的简单介绍，就比如说这个 esc model， 你 就要介绍一下这个 model 它是由几个部分组成的，是由经济、社会还有生态组成的，你就要去介绍一下， 除了这个模型介绍我们还要包含什么东西，我们还要包含里面涉及到的一些公式，因为模型推导往往是要有一些公式的，你看这些就是公式， 而这些公式我们不能单单把这些公式给写上去，因为我们把这些公式写上去，我们并不知道这些公式什么意思，所以往往它的结构是这样子的。 先是会解释一下这个公式是通过什么东西去得到的，就比如说我这里是通过这个方法得到的，你看我这里还加了一个引用得到了，说用这个公式就把这个公式给写上。 其实把这个公式写上之后，我会解释这个公式里面出现的这些符号都是什么意思，你看他这也就说了， n 是 啥意思？ n n m 是 什么意思？ r 是 什么意思？你看对于下一个也是这样子，下一个这个是解出来，这个就不看，我们再看下一个，你看这个 e、 c， 那 你看它，首先它就会解释一下这个公式是怎么得出来的， 接着就会写这个公式，写完这个公式之后，你可以看到它就会说明一下这个公式里这个出现的 p c 是 啥意思， p l p 是 啥意思。所以它整个的一般用到这个公式，它的整个的结构就是这样子，先去解释一下这个公式是怎么得来的， 当然你不需要解释特别复杂，除非是本身那个公式，他就需要参考很多东西得出来，那可能可以写的复杂一点，但大部分情况你就用一两句话去解释一下这个公式是怎么得到的，你就可以把这个公式写出来。写完这个公式之后，你就去解释一下公式这些符号都是什么意思， 那么就 ok 了。除此之外，在模型建的过程中，我们往往会用到一些示意图，因为我们需要有一个比较图文并茂的这个文章，才更加容易受到评委青睐，所以你可以看到它这里还会加上一些 这种示意图，去让整个文章看起来更加的美观一些。来再来看一下那对于这个结果它是怎么样去做的，那我们可以看到 这里就开始会去计算它的结果，因为涉及到这个 l p i a 模型，我刚刚有提到 l p i a 模型不仅包括这个模型建立，还包括结果分析，所以你可以你看它这里涉及到这些结果，它都是会通过图表的形式去写出来的。 同时如果说这个结果是比较重要的，你还是要去解释一下这个结果的，比如说你看这里面他就会说一说他得到的这个结果他是啥意思，你就不能单单说我放一个表在这，这显然是不太行的。 那假如说你看如果说这个结果是比较复杂，那你可以写长一点文字去解释，但假如说这个结果比较简单，那我们就简单说明一下这个结果代表什么意思就可以了。那我们来看一下这个总结。 这个模型建立与求解部分其实分为几个小部分，一个就是数据分析和预处理部分，但这个部分他并不是必须的。首先说数据分析指的就是去描述一下你得的这个数据，一般来说会结合这些什么折线图、饼状图这些格式化的方式 去进行数据分析，又或者是说直接对这个变量进行描述性统计。但是在我们实际操作过程中，其实很多文章都会跳过这个部分，原因就是因为这个比赛他是有篇幅限制的，而这个数据分析 在很多时候他并不是那么重要，只有部分时候可能那个变量特别重要，他这个变量可能本身这个数据就有一些特点，那这个时候那我们就可以对他进行一些数据分析。 但是假如说这个篇幅你本身这个文章就写的很长了，而且你这个变量其实没有什么特别之处，跟后面的模型没有特别强的 这个关联。你这个数据可能有些特征，如果跟后面的模型有特别强的关联的话，那确实可以去做一些数据分析。但假如说你这个变量本身就跟后面的模型没什么关联的话，那其实数据分析就看你篇幅不够，那就没有必要去做数据分析了。 除此之外还有数据处理，但数据处理这一部分也是可有可无的，为什么这么说，你那个数据首先是需要处理，你才会去写这个数据处理，那你这个数据如果本身是非常完完整的一个数据， 也没有什么缺失值，也没有异常，加上你用的那些模型，他不需要对他做特艰工程，那么这个数据其实也可以 不预处理。但假如说这个数据是需要预处理，那你就需要去写一写，你就对他做一些什么预处理，那这个部分通常也是文字叙述，叙清楚即可，也不需要占用特别多的这个篇幅去说明这个数据处理。 但是记住是如果你对这个数据预处理，那肯定是要说一说的，只是不需要花特别大的篇幅去说而已。接着就是模型建立部分，模型建立部分其实就包含一个这个模型的简要介绍，你要介绍一下这个模型是什么， 但是也不需要太复杂，把这个模型介绍清楚就可以了。接着就是建模的步骤，那我们的这个模型往往都是这个公式，还有公式 说明了，所以他整个建模步骤其实就是像我们刚刚的这个结构，你一步步去推导写出这个公式是怎么得来的，把这个公式写出来，再去解释这个公式里面那些符号到底是什么意思就可以了。 当然在此过程中，为了整体文章的美观，往往会添加一些示意图去展示。接着是模型求写的部分，那模型求写部分其实我们一般来说都不会特别详细的去说你是怎么求解的，我们往往是直接展示你得到的这个结果， 那么结果其实也有两种，一种就是单一的值。什么意思？指的是你可能他单单要你算出来某个东西他的值是多少，那你就说你只算出一个数，那对于这种情况，你直接写出结果就可以了。 但比如说他涉及到多个个体啊，或者说他涉及到一个很长时间段某个值是多少，那你这个时候可能就需要通过一些图表或者表格去展示，那这里一般你就要画那些什么前面提到那些什么折线图、饼状图等等等等之类的， 或者说通过表格去展示。但是我个人是比较建议尽量用图标，你可以偶尔插几个表格，但是尽量多用图标，因为图标可能会让你这个文章会显得更加美观一些，而且这个可读性也更加强一些。 除此之外，展示完结果之后，你往往需要对这个结果进行分析。我前面提到，如果说你结果 比较基础，没有没有什么可分析，那你就只需要说明一下这个结果代表什么就可以了。但假如说这个图表或者表格他暗含了很多信息，那首你首先要描述这个图表，比如说你是一个时间段的，那你是不是要描述一下他的整个趋势是怎么样的，他整个增长速度是怎么样的 之类的？描述方向都是可以的。除此之外，也可以简单结合一下题目以及实际分析，说明一下为什么他会出现这样子的趋势或者这样子的变化等等之类的。接着就是一些注意事项了，首先文中的公式不能过多，也不能过少， 因为过少会显得你这个就不像一个数学建模，就比如说你整个文章只有十个公式左右，那显然这个公式就太少了。 那你这公式也不能太多，因为有些公式它其实可以结合起来写的，有些或者是有一些其实，嗯，没有那么重要的公式，其实也可以不写。 或者说你在推导一个东西的时候，你其实不需要一步去展示你推导出来的这个结果，你只需要展示你的这个原始公式和你最后化简到最后的这个结果就可以了， 这样子就可以达到一个文中的公式不是特别多，也不是特别少，一个比较适中的这种情况。 除此之外还有你结果用图表或者表格展示的时候，记得要对图表或者表格进行分析，就不能单单只放一个图，或者只放一个表，那个章节就这么过去了，那这个显然是不太行的。 还有最好呢，我们需要分布推导，分点写作。其实你可以看到我刚刚展示的论文，它每个章节的整个模型我都是一步步去推的，不同的点我会分成一小节， 因为这样子的结构会更加的清晰。说完这个模型建立，还有这个结果的分析之后，我们来看到这个模型的检验，我们翻到这个最后这个模型检验，其实我前面也有提到过，这个模型的检验其实就是一个敏感性分析，所以你可以看到我的标题就是一个敏感性分析。 敏感性分析因为他其实也不是特别难，其实就是去改变模型的一个参数，看他的这个结果会不会有特别大的变化，就正常来说，你去改变一个参数，只摆改变一点点，其实他的结果是不会发生什么变化的。那这样子我们就可以说明模型的文件了。你也可以看出来这个 文章篇幅不是很大，因为他只是起到一个使你的文章更加严谨，你的文章更加的完整的一个作用，所以我们往往不需要占用特别大的篇幅。 所以总结一下模型检验，他一般来说都是用灵敏度分析，也就是保持其他参数不变，改变其中的一个参数，看结果是怎么变化的。 写作形式其实通过我们这个文章也可以看出来，他是先用文字去说明一下你改变的是哪个参数，你改变了百分之多少，接着去用图表去展示，说它整体的这个趋势是没什么变化的，这样子我们就可以说明这个模型是稳健的， 大概的篇幅就占到半页左右，不会占用太大的篇幅。以上这些就是这个模型部分的一个完整的讲解。我们再来讲一讲这个模型评价 的部分。模型评价其实一般来说会包含模型的优点、模型缺点和模型拓展的方向， 但模型可以拓展的方向是可写可不写的，主要看你有没有篇幅，以及你有没有想到一些可以拓展的方向。就比如说有的时候你对于一个模型，你知道你是可以通过什么样的方向去给他拓展，会使得这个模型更好。 但是你可能在文章中，你因为部分，比如说数据或者技术的限制，你没有做，这个时候你可以写在这个拓展方向，但假如说你没有想到，或者说你的文章篇幅不允许了，那么我们只写这个优点或者以及缺点是可以的。 那么优点和缺点其实一般写每个大概写呃，两到五条左右就差不多了，整个站大概半夜多的篇幅，一般来说这个优点会写的更多一些，缺点可以写的少一些，这个就是模型的评价， 可以看到我这里你可以看到这个优点，我是写的四条，缺点是写了两条的。接着讲完这个模型评价之后，我们就看到这个最后的部分。其实参考文献还有一些副路。 参考文献通常去写一写你在前面引用的一些文献，以及你可能你发现你前面引用的文献并不多，你就发现，那你这个参考文献是不是感觉有点少了？ 因为如果你太少，就显得你这个文章没什么说服力，那这个时候你也可以去查一下那些跟主题相关的一些文献，你可以放上去， 大概站到半夜左右，篇幅就差不多了。副路一般是放什么？副路其实一般会放一些前面可能由于篇幅限制，没有办法展示的一些数据表格、图表之类的，就可以放到副路。 除此之外，我们也可以放代码，代码是可以放，也可以不放的，因为可能大家参加国赛是一定要在副路中放上代码的，但是美赛是不强求的。 如果大家觉得你们这个代码写的特别好，特别有信心，我觉得可以放到这个俘虏里面。但假如说大家的这个代码可能借助了很多 ai 的 帮助，其实也可以不放到上面，因为放到上面反而可能还会查虫，发现查虫率或者 ai 率会比较高之类的， 大家可以根据自己实际情况去选择放不放代码。所以总结来说，这个模型评价一般来说写的就是模型的优点或缺点，篇幅不需要特别多，如果有余力而且有篇幅的情况下，可以写一写模型可以进步拓展的方向。 优点如果大家没想到有什么优点，那就可以从使用的模型本身以及需要考虑的那些因素这些方向出发。就比如说模型本身他肯定会有一些优点，你在文章中使用那些那种经典模型，肯定是本身都会有优点和缺点的， 那你如果想不到你整个大模型它的一个优点和缺点，那你就可以写你使用那些模型的本身它的一个优点和缺点。除此之外，这个优点你也可以说一说你考虑的这些因素特别全面，因为我们往往考虑因素都是挺多的，你可以说自己全面，也可以说自己不全面， 缺点还是一样的，你使用的模型本身他肯定是会有缺点的，所以你如果想不到你整个文章的一个优缺点是什么的话，那你就可以从使用的模型本身出发写他的缺点。 除此之外，你这个缺点，呃，一般来说都会存在着数据或者指标不足的情况，因为美赛并没有提供数据，所以在实际操作过程中，肯定这些数据和指标都会有所删减， 所以一般都会有这个缺点。参考文献和目录参考文献就是如我刚刚说的，一般写半页左右篇幅即可， 可以包含前面引用的或者参考的，或者说你发现这个文献实在是太少了，那你可以自己去搜题目的关键词，然后去摘几篇这个文献去充数也是 ok 的。 因为如果参考文献太少，确实会显得你这个文章可能有点说服力不足。 目录一般写的就是部分没有篇幅在文章中展示的这个表格或者图表。如果说你对这里的代码是比较有信心的话，那么我们也可以在目录中附上你的这个代码。但假如说你这个代码很多都是参考这个 ai 或者是参考那个模板代码的话，那这一部分就不用放上去了。那么以上就是这个最后的模型评价和参考文献与目录的一些写法。
531云顶数模
20:20查看AI文稿AI文稿好的，亲爱的小伙伴们，大家好，我是老哥啊，今天呢，给大家整理了二零二六美赛 a， b， c， d， e， f 体的这个翻译哈，这个相关的一些工具啊，我们用我们的超级的这个 提示词给大家整理出来了一个 a， b， c， d， e， f 题的，整个的一个赛题的一个啊，相关的一个解析啊，模型的选择，以及相关的一个创新点的总结，以及相关的难度分析和选举的建议哈，大家可以看一下哈，今年的话呢，美赛的 a， b， c， d， e， f 题吧，顺序有点颠倒哈， 往年的美赛的 a 题是不可能出这种题目的啊，往往会出一些比较偏门的一些，是什么微方程啊，这种激励分析类的赛题，而这个 而这个 a， t 呢，呃，智能手机电池耗电建模啊，这个确实出乎了我们的意料啊，只不过呢，很多同学啊，用这样说老哥，既然是预测的话，我直接用时间训练预测模型就不就行了吗？对不对？你们记住哈， 每赛我觉得 a， b， c， d， e， f 他 出错的概率是非常的低的啊， a 题呢，历年往往都不可能是一个单纯的数据分析类题目的，你说这个，老哥我用一个什么灰色预测，回归预测，直接预测 打那个耗电不就行了吗？啊，你直接耗预测剩剩余时间随时间变化。函数，我直接用一个基础的回归函数，我直接用一个基础的回函数不就行了吗？你记住，这是 a 题， a， t 往往就是机理建模，机理分析，所以说这个题目的核心一定是机理建模的，用一些数学物理的公式，哎，把耗电量和各种各样的参数他内部之间是怎么关联的啊？内部之间具体的机理机理的流程 啊，只有你把这个串联起来，你才能够建好模型。所以说 a t 啊，绝对不是一个单纯的实验训练分析题目，我们后面会给大家讲到怎么拿大奖， 拿大奖的话，如果你想拿奖，我想拿一个 h 奖 m 奖，你用一个单纯的激励你单纯的时间去在分析类或者用普通的记忆学习算法是不可能拿奖的，所以大家一定要注意啊，这个地方要慎重，要慎重哈。 来啊，这是我们的 a t 的 一个翻译哈， a t 的 一个翻译 b 题的话呢，太空电梯系统建立，求直密地，你不要被这个题吓到。首先啊，这个题的话呢，你千万不要被吓到，不管是什么太空 g t 还是月球 g t 还是什么火星 g t， 本质上来说就是优化啊，本在本上来说就是涉及到多个系统的优化，对不对？就多目标或者是普通的优化类问题，他逃不出这个去的。 和本上和建一个医院啊，建一个修一个学校啊，基本上没有什么区别，所以你不要被他吓到哈，难就难在这个题目可能会涉及到数据的问题， 数据不好找而已啊，但是传统的我们常规的一些优化模型基本上就可以做出来，大家呢，也不用担心。好吧，这个题目呢，你也不用太担心。后面我会讲到一一的分析啊，就每个题目看了没，他会有一个完整的分析报告啊，到底评分依据考讲难点，解析要点，解析思路或讲要点哈，都给大家讲到的，所以你也不用担心啊， c 题，这是一个比较基础的一个记忆机，一个数据建模题目了，又有人说的记忆学习分析题目啊，这个呢，就是有点，有点不太，有点就 突突兀哈啊，今年呢，就是搞了一个节目啊，搞了一个节目叫舞动奇迹啊，说白了就是观众投票之类的，人家得到相关的数据分析，给了大量一些数据表啊。今年的话呢，我们用 ai 是 今年，我敢说是每赛历年获奖难度最大的一年，也是小白获奖最好获奖的一年。为什么？因为今年的 ai 将会是 ai 在 世界剑魔领域彻底渗透的一年，也是彻底渗透的一次比赛， 尤其是个 ct， 给的数据集竟然不多啊，给的数据集竟然不多啊，这也是超乎我的预料的啊 啊，你如果给的数据不多，那 ai 就 可以直接给你处理掉了， ai 就 可以直接给你处理掉，所以这个题目的核心就是你一定要做出创新性来，如果你没有做出创新性，你就利用了一个单纯的继续学习算法来做的话，那你这个题目想获奖就不可能。我们给大家讲了四种创新， 四种创新，对于啊，在这个位置上，那么你必须要选择一到两种创新来做，因为大本同学我估计会选这个 c 题，好吧，因为这个 c 题给了数据，也给了相关的一个难度系数，也不大，给了相关的一些一些。那个啊，题问题呢，也不是特别的复杂，但大本同学我估计会选这个 c 题， 既然如此的话，那你必须要有创新，你没有创新的话， a r 十分一个小时就可以做完，我一会呢会给大家演示 c 题，用 a r 怎么来？系统来建模，而我们 给大家用到的这个提示词儿看了没？我，我的超级 ai 模拟题，求解。提示词儿里面啊，看了没？这就是完整的一个求解，一个系统的呃，数学建模题目，它的一个 ai， 一个提示焦点提示词儿里面有一个，看了没？ 第一，模型选择阶段啊，你看用 ai 提出的词和不用 ai 提出的词呢，结果完全是不一样的。用 ai 提出词呢，我会让他给我创新，看到没，而且有三种创新啊，你给我任意的每个小位必须要给我选择至少三种。三种创新方案是至少选一种， 第一个算法改进创新，第二个交叉领域创新，第三个算法组合创新。这个你必须要放在你的 a r t 你 的模型，模型选择或者模型建立里面，如果你没有，你仅仅选了一个基础方案的话，那你拿奖是几乎是不可能的。 纠本呢？我们有四种啊，在这个地方我，我一般建议用三种就可以了。第四种只有一种场景就是优化的，就是预测类问题啊，预测类问题啊，这三种的话，能解决百分之九十以上的数学建模题目，而且能够得到创新性的算法哈，这呢，后面会演示啊，后面我会一一的演示啊， 大家也不用担心啊，一会会一一的演示啊，然后具体呢，这个题目的话呢，难度系数就比较大了， 但是这个题目也是我认为获奖最好获奖的一个题目，因为大本同学，只要你没听老哥的视频的，我相信你百分之百想不到 相关的一些思路啊，你最多也就按照一个普通的啊，体育赛事的一个一个研究啊，就建模去做了，比如说 a 题呢用系统动力学， b 题呢用，呃，第二位啊，这个第一位的系统动力学，第二小位的话用用我们的卡罗模拟或者些其他的模拟情况来做。 但是这个题目啊，记住体育赛事也好，经管类问题也好，你们记住一个事情哈，就是你想获奖，你必须要用，尤其这种冷门，看了没？体育赛事管理，这属于偏冷门了，对不对？ 没有说没，很很少有单独的模型是研究这个的，对不对？还有什么学校的管理，还有什么就是比如说一个部落的管理 啊，这些偏冷门的问题就是研究的没有那么细致的，你们记住一定要有创新，创新点核心就在于交叉创新。我们所说的刚才我给你们提的头里面看了没有三种创新方案， 第一种算法改进，第二种交叉领域，第三种算法组合。这里面对于地体这种偏冷门的赛题的话，你们记住交叉创新是典型的，哎呦，因为没有人会研究一个专门的冷门的问题的，对不对？比如说球队运营， 我可以用养殖策略啊，我不是说贬低，也不是歧视啊，我没有这个意思啊，啊？我比如说我可以用，是吧？这个这个养殖的一些策略，或者我可以用一些种群部落的管理，生态学中的一些种种群部落管理 啊，比如说，哎，我们一些种群哎，蚁群啊，或者是一些鸟群啊，哎，怎么去管理的？然后呢？对应的应用到我的体育赛事管理里面，这叫交叉， 懂我意思吧？或者我用一些比较偏偏的一些方向，就像我说的传染病模型吧，我传染病模型 sm 型对不对？我原来的是用在传染病疾病的扩散领域的，我现在把它用在了舆论传播，新闻传播领域，这就叫做交叉。而对于这个题目，我觉得最好的创新就是交叉。 好吧，交叉，交叉创新这个题目获奖非常关键哈，如果你没有用交叉创新的话，那你就要好好的思考思考了哈。 来，还有什么一体被动式太阳能遮阳系统这个题目的话，说实话哈，这个有点小难度啊，因为什么呢？这就是我们传说中的 a t 是吧？美赛的 a t 往往是这种类型的题目，就是一些比较冷门的设计，像什么让你设计一个对吧？浴缸啊，设计一个人机工程学的座椅啊，而现在的被动式太阳能系统让你用在了一体上面，这个题目超出出乎预测啊，因为一体的话一般是可环境和可持续之类的， 但这个的话也属于可持续哈，因为太阳能吗？对不对？这个题目的话呢，你核心就是你就要 首先的话呢，知道啊，怎么构建相关的一些微型方程是吧？那个激励分析啊，激励分析必须要有的，像什么热传导啊啊之类的要做，还有就是常规的优化类问题，什么目标优化，优化模型要构建 对不对？这两个是核心啊，你必须要学会构建啊。一会呢，我们可以讲到，好的这个题目的话难度系数不大，但是呢，就是难点就在于比较马，就要求解的话呢，就是要对模型啊，建模的要求比较强一点啊，就就比较典型的数学建模难题。数学建模题目 啊，因为 ai 吧，也很强的，在这题目也不在话下，也不在话下。 f 叫政策类题目，政策类题目我们啊政策类题目的话，我们求解的一个非常关键的模型就是系统动力学模型，你们记住哈，解决政策类题目啊， 往往用系统力学是最典型的一种算法。做 f 题的话呢，大部分同学我估计都会用这个系统动力学模型， 因为要要评估政策对未来的一个影响，这个任何的模型都模拟不了哈，任何的模型啊，只有系统的理学这种半积累模型，我们说才能够分析这个政策对未来这个影响，所以这个题目大家很关键哈，只要用好这个，这个题目就可以解决掉了啊， 来啊，整个的我们来具体具体来看一下。 a 题一共有四个小问，第一小问叫构建连续时间模型，描述电池剩余电量随时间的变化， 对不对？一定要考虑多种因素的影响，不能单纯的就用电池原来的电量和是吧。然后呢，预测未来的电量，这种是不能的，因为题目就具体分析，不是一个单纯的数据分析类题目啊，不是一个单纯的数据分析类题目，你们记住啊。 第二小问，预测不同场景下剩余续航时间，分析耗电系统，这个就是一个预测类问题了，预测不同场景下剩余续航时间吗？对不对？第三位分析假设参数使用魔镜对影响，这就是一看这个问题就是 敏感性分析吗？是不是因为参数对结果的影响？这不就典型的敏感性分析，某一个参数的改变对于我的结果有什么影响吗？对不对？这个题目我觉得不应该单纯作为一个小问， 为什么？因为单独做一个小问的话很匪夷所思哈，因为每这个是不百分之百你必须要做的，对不对？你不是说哦，题目没问你是吧，没某个参数对结果的影响，你就不做了？ 百分之百你是必须要做的。同学们，告诉大家啊，百分之百你必须要做啊，你不做就不行，记住哈，百分之百必须要做的啊，还有就提出用户和操作系统层面的省电建议，这个就决策建议类了啊，就学一下 demo 之类的啊，学一下 demo 之类的啊，建议建议信相关的东西哈。 然后推荐算法啊，第一个激励分析类啊，推荐的算法是什么？什么扩展型，带为难等等效电路模型加温方程组 啊，这个推荐的是这个算法，这个算法的话还有点创新性的哈，来贴合锂电池电子化、电电化学基体可量化多因素对 soc 的 影响啊。这说白了就是你看融合了微方程，所以 a 体的话，你要但凡说我用时间系列预测模型，那有点小问题哈，第一问哈 来，第二本预测类就是机机理模型的模特卡罗模拟啊，原因是什么？可处理使用场景的随机性，量化系数不确定性啊，因为使用场景是随机的，你可能上着厕所使用，也有可能听课使用， 也有可能在路上使用，也有可能看视频使用，所以你的场景非常的多，所以用模特卡罗来模拟多场景的，这可是关键。 来第三节问敏感性分析，这个就无所谓了啊，你只要做好敏感性分析就行了。这个官方推这我们推荐就是这个买水实验吧和手把手吧纸吧。这个其实啊，都还好哈，你只要能把这个做出来就行了，你把改变参数的结果看看 这个这个结果怎么变化，因为第一问和第二问才是获奖的核心啊，第一问，第二问，大家不管怎么样，一定一定要把握好，一定要把握好，好吧， 来后面的政策建议类啊，你，你多多少少吧，你想拿奖你就别整的吧。这个，这个太 low 啊，你可以什么多标规划之类的，用多标规划算法，多个省电目标，别续航时间长，使用体验，使用体验好之类的来找到一个自由平衡。因为你不要说把 f 题，把 a 题的最后一问就当成写个建议了， 老哥我整合前面弄一针，我我的写个建议行不行？今年 a t 竞争非常激烈，同学们，我建议不管怎么样，你们一定一定一定啊，说白了啊，真的一定一定，老铁们，明白我意思吧，不要上来就用什么啊，不要上来就就说白了，老哥我那个 对吧，就，就用一个，那个什么行不行就用一个啊，写个建议行不行啊？今年 a， 今年数学建模将是最难的一年，老铁们，我们不管怎么样，我们都要建立的有点创新性行不行？ 政策建议类，你也要做出点花来好吧，但是不管怎么样，你们记住啊，一定要做出花来，好吧，你不知道怎么建模怎么内容的啊，老哥这里也有哈，我们 a t， 到时候呢，相关的输入代码包里面还有 b t 的， c t 的， e， d， f d 的 啊，我们都把相关的思路解析原代码都放到这个代码里面，如果你实在求解不出来了，你也可以看什么用老哥的超级 ar 提示词，我们 ar 提示词里面也有哈，在这个地方 啊，超级 ar 提示词里面也有有十七道。一会呢，我会幸好演示一下到底每一小问啊，就是到底怎么来做的啊，每一小问 a 题的话，超级 ar 提示词，他 到底是怎么一步一步的把这个题目建出来的啊？没有领取到咱们的这个思路代码的，大家一定要去领取一下，到时候我们可以把 a t 的 相关源代码解析思路啊，论文答案之类的，包括我这个文档啊，我这个文档也都会放到我这个 a t 的 这个这个相关这个资料里面。好吧，没有领取的抓紧去领取一下哈。来 啊，最后一问啊，决策建议类啊，你们必须要啊，不能说单纯的就上来就提供一个小建议就完事了啊，必须不能提供一个小建议，一定要有一个分析好吧，一定要有一个分析哈。来， 这个难度系数整体只整体是三分好吧，难度系数不大哈，这个 a t 的 话呢，整体的难度系数并不大哈， 然后评分的依据啊，模型复杂度是中等的啊，因为就要结合一些电化学记忆多因素融合是吧，这这个其实难度系数并不大哈，因为这些内容的话，我们在一些网上公开的一些资料都可以找到 啊，然后呢？数据获取难度低啊，可以通过一些公开文件厂商数据，这个的话呢，网网上也是资料比较多的啊，老哥这里给大家提供好，到时候提供好以后，我们直接就给大家放到这个 a t 这个里面好吧？ a t 的 里面啊，给大家放到这个 a t 的 里面好吧啊？ a t。 到时候直接给大家放到这个 a t 的 里面啊，相关的一些资料哈啊，包括数据之类的给大家放到这里面哈， 然后就是这个，呃，创新性要求中等啊，但是我说实话哈，如果你让我来推荐大家做哪个题目，我给你们推荐哈，我百分之百会推荐你们做 a t， 为什么呢？因为这是一个非常非常典型的数学建模问题了，对吧？就是你按照流程来，按照老哥的要求来，你做出来之后去，说白了你起码来说没有那么大的坑， 对吧？像什么太空电梯啊，像什么体育赛事，说实话啊，都有点偏啊，都有点偏， 我最推荐的就是大家做 a t， 我 觉得这就是典型的数学建模题目了，难度系数并不大，说高也不高，说低也不低，每个人会的数据也不一样，所以大家得到的结果也不一样。有创新吗？哎，你的微方程那个地方，你只要弄的复杂一点， 对不对？你只要最后一位上个目标规划啊，你只要在，是吧？这样的，所以说这个创新硬有难度系数还不大，数据也没那么难，我觉得这个题目你要让我来做哈，老哥你要是你做，你会选哪个题目？我就会选 a t， 真的，老铁们，别的题目说实话都有点坑对吧，都多多少少吧，有点麻烦，像 b 题吧，太空电梯有点小麻烦， c 题的话与星共舞也有点小麻烦，数据量那么那么那么乱对不对？地理体育赛事吧，你说交叉创新，你能创业到什么程度？也有点麻烦， 这不是一体呢，你得有非常强大的这个，呃，这个这个，这个构建微方程啊，以及这个积累分析相关的一些能力啊，也不是很好做 f 的 呢。人工智能说很多同学都这个新动力学呢，豆芽都用这个，你很难创新，所以 a 题呢，你要创新有创新 对不对？要数据也不难，要好好深入的做，你就你就优化就行了，你就一点点的优化，比如说我参数，哎，我优化模模型可不可以再弄的复杂一点，就是你先构建一个基础模型， 基础模型就能够解决结构问题，然后你再一点点的生化，这样的话 a t 就 可以了。我们后面会给大家用全 ai， 用这个 ai 技术词哈，以完整的把 a t 的 给大家解出来，直到生成一篇高质量的 a t 论文， 你们再看一看啊，我用超级 ai 技术词来做的情况下会做到一个什么样的效果？好吧，一会我们给大家直接来做啊，来演示，好吧，来难点啊，难点就在于什么 啊？那建模工作量也也中等哈，难点就在于什么多因素啊，就屏幕，处理器温度，每一个模块到底和耗电量是怎么耦合的，这是一个难点，只要这个解决了， 这个题目就可以解决了啊，这个题目就可以解决了，好吧。第二点，连续实践房顶的构建，贴合电池实验，避免纯数学孪合啊，这个也是一样道理 对不对？这个的话呢，你不能纯属于你和你不能用一个基础的回归就完事了，你要顾及积累分析第三个不足，使用上下参数标准验证问题，这个蒙德卡罗模拟这个有点小难度对不对？你只要能把这几个解决了，好吧，这都叫小难度哈。还有就不确定性电话啊，不确定电话 啊，兼顾模型误差，有随机场景，这叫模型检验吗？对不对？你必须要做模型检验啊，要点就是第一个啊，是坚守连续时间见模合金，避免理散化处理，因为 a t 是 连续性问题，所以你别整成理散型问题了， 你 a t 要整成理散型问题，就背离了 a t 的 要求了好吧，不要做理散化处理哈。 a t 不要做理散化处理好吧， 比如说把整个的这个这个时间或者什么的场景模拟变成离散化数据不行啊，明确各耗电组建的低耗与参数取值模型，区分不同环境下使用对使用模式的一个影响，这个就说白了，改变吗？对不对？ 这个就说明大量的场景，比如说温度高的时候，热带或者是海南岛是吧？我极地的向东北东三省 温度冬天比较冷的时候，我怎么样？就你要考虑大量的场景，刷视频的时候怎么怎么耗电对不对？拍照的时候，所以说你可以拓展的点特别多，你第一天，第二天你可以构建一个基础模型，在这个基础模型的基础上你再生化， 这样的话你们就得出来东西都特别的好哈，真的就这样的话，我觉得你的模型会越来越深化，越来越深化，这才是 ai 的 贡献，明白吧？ ai 不是 第一天你把，你把你题目解出来了，而是第一天你，你可以用它做一个基础的框架，然后第一点后逐渐的生化，逐渐的生化，明白吧？逐渐的生化 啊，逐渐的生化，懂我意思吧？所以说哈，真的特别有意思哈，特别有意思 啊，我，我真的觉得特别有意思啊，这个题目啊，逐渐生化，这样的话你每一天都用 ai 生化，每一天都用 ai 生化。 来，老铁们，你们告诉我，你们这样的话获奖概率是不是比较大了？所以说你们啊，换讲套路，就第一天构建一个基础的，第二三天不愿生化，比如说不同的场景，冬天夏天刷视频高耗电量，是吧？然后呢？这个拍照，然后呢？这个普通的观看文本数据。
19:44查看AI文稿AI文稿hello， 大家好，下面我给大家讲解，完全用我们这个 ai 这个豆包完成美赛的一个完整的一个论文拿下 m 奖。这个论文是去年完全用这个 ai 生成的， 这是翻译以后的这个文章，我们可以看一下最后拿的是 m 奖，好吧，我们可以看一下这个完全就是这个文章翻译的。 好。下面我给大家详细的演示如何用这个 ai 拿下我们这个 m 奖。好，下面是我们详细的演示，已经有美赛了吗？演示一下怎么样去用我们这个就是目前受众可能说最广的这个豆包和这个 deepsea 去完成一个美赛题目的一个解析。我以这个二零二五年这个 ct 为例，给大家演示一下怎么样我用这两个软件去完成我题目的一个解析，这篇这篇文章是用这个 ai 完成的，我这个文章在去年把它翻译成这个英文，它是拿了这个 m 奖，完全用 ai 去生成的，大家可以看一下这个 感觉 ai 上证的。好吧，教一下大家怎么样我能够拿到一个美赛的题目，把这个题目怎么样一步一步的拆解，把这个题目去解决出来，还能拿到一个不错的奖项。当然我还是建议大家在这个 ai 辅助的技术上， 自己也能够去进行一定的修正，画一些好看的图加进去美化一下，那我相信大家拿一个 h 奖以上应该也是非常容易的。好吧， 好，我们现在说怎么样给大家去演示一下，主要用的就是我这个给大家总结好的这个 提示词，我教大家怎么样去一步一步的去拆解这个题目，怎么去把这个题目写出来？这个提示词还有相关的资料，大家可以看这个置顶评论看获取，都是免费获取的。好吧，好，我们来看一下这个题目怎么去拆解。 首先拿到这么一个题目，首先我们可以拿到是英文，这个翻译成中文，你可以关注一些公众号，公众号上一般都会发，或者你等不及自己翻译，就把这个直接丢给英文，丢给 ai， 你 翻译出来这个还不是难事，你可以适当的进行一下的语句的修正，这都是可以的。 好吧，下面说这个，我们当然还是翻译过来以后再去做题。好吧，其实第一步大家是先翻译，翻译完以后相当于我现在这个题目一样。好，那我们怎么样去做题？第一步 先就是什么问题背景，我们就是以这个文章的行文为例，当然摘要是我们最后写好目录，肯定是最后生成的。好，第一步问题背景怎么整？生成这个直接我们看一下这个多少字，大概是七百六十五字，这个还是有点多的，为什么？因为我们最后要把它翻译成英文拼符，在二十五页 以内，我记得是你中文，相对于如果是二十四页可能会比较多，最后这个也是进行了一定的筛选好，所以说大家肯定要是先把这个什么刚开始要少一点，为大家推荐的就是六百字。好，我们来试一下这些内容其实可以直接用，是用这个 豆包去做就可以，我们可以把这个，你看我们可以把这个东西复制过来啊，你，你就可以把这些下面是说的数据了，这些东西就可以不用，也可以复制过来，这个影响不大。好吧， 我也可以把这个题目，就把哪一块内容，把数据，不是把这个问题上面的这些部分全部 像这些东西，关于数据的就可以不复制，关于问题的前面这些东西都可以复制过来，复制过来以后呢？你可以用我们这个指令，问题背景的指令，好吧，好，直接输给他，其实整体底下这个过程非常快的，好吧？ 我们可以看一下，当然深度思考，你如果写问题背景，你完全没有必要去开看更快一点，但是也没必要，时间还是挺长的，你也不用说那么紧张。好，这是这个问题背景，我们可以看一下，你可以完全把这个东西复制过来， 我们可以看下这个内容还是写的非常好的，复制过来以后你可以放到这个文章里面，再放到这一块，这块就完成了。其实数据这个东西建议大家你可以这个东西你可以 直接丢给，也可以数据，这我没有。这个主要就是说你首先第一步你把这个数据有哪些，你可以丢给他，让他去写数据有哪些，还有表仪的这些东西， 下面还有这些，你看这个是直接复制的，你会发现了，你看数据文件，这个是直接复制的，一模一样，所以说这个东西就可以你自己写，也可以直接去复制一下，也没影响，因为最后还是要翻译成英文的，所以这个查重基本上没问题，美在不用担心这个问题。 好吧？第二个说第二步是写什么？解决问题的时候直接丢给 ai 写就行了，不用麻烦了，这怎么写呢？就会把这个这几个问题全部直接丢给他， 用我们的这个指令，这是三个问题，那就直接把这个改一下，好吧，这个你自己改一下呗，就是很快的，整个过程你会发现非常的行云流水，最后你再去精修，还整个过程非常的流畅，你会发现这个 行文是不是有点多了？可以，这个时候你就可以什么简化一下，你写美菜的论文的时候，你前期写中文的时候，你 自己心里有意无意的去控制一下字数是最好的，因为后面你还要筛选，还是会很麻烦的。好吧，看着他比较多了，你可以让他简化一下，这个是很灵活的一个过程，你看这样其实就非常简洁了，你就可以把这个复制过来放到我们这个文章里， 这个其实是有点多，后面到处也是筛选了很多的好假设部分，你就可以你把问题给他了，所以他已经知道你的问题是什么了，所以你完全可以直接再丢给他，一般就是四个或者三个选四个比较好。好吧，这完全就是让他给你去解决这个问题，还是你自己 去看了一下这个篇幅怎么样？好吧，你有意无意的控制一下，到最后你就不用说还要花费很多的时间去减字数。看这个还是有点多，因为他一般都会给你偏多一点，所以你可以自己去看着一点去简化，现在其实就非常的完美了。把这四个你复制过来，复制到这个里面， 这个可以加粗一下都可以。好，这个符号说明就不说了，对吧？你自己的事了。好，这个当然是问题分析，当然也还写了就是一条指定的事，就是这些东西其实 你要说哪一块是有你自己的思路的思想，其实还是一会我再给你说模型建立部分，好吧，你看这个东西还可以，这个篇幅其实也还行，因为问题分析你还是字数，字数其实可以了。好吧，这个是有点多。 好，下面就是具体的问题，具体问题部分我给大家有一个思路。好，我们看一下这个具体的问题，这个题目在说什么？在说什么？开发一个模型预测，所以在说什么？预测， 所以你不管他后面多么滑，他主要在说什么预测。那这个为大家提供两个思路。第一个思路就是说你是新手小白，你不知道哪些预测模型，你不知道哪个更好， 那你就可以什么把这个问题你要再重新去，一个一个的再给 ai， 你 不要再基于前面的基础，那样会不惊喜。好，这个时候你就把整个问题再丢给他，你可以问他解决这个问题，先写代码。 好，先写代码，为什么呢？因为你先看这个代码能不能跑通，他给的代码如果能跑通，那你就可以继续用这个模型了。好，这是一个对小白的措施，说我们可以直接用这个指令就可以，这个没有什么太，因为前面已经数据没有，一般 没有什么数据。这个，好吧，这个就是说给我使用什么样的给我解决问题的完整的代码。好，这个我给大家举个例子。 好吧？这个预测，这个也是个预测模型，这个预测模型可以直接用吗？可以，当然我建议你可以，如果你有自己的想法，你可以换一下，用自己想的这个模型，让他给你写代码，或者说如果你是小白，你就可以把这个问题抛给他， 我有哪些模型可以解决这个问题？或者说我怎么样去解决这个问题？让他给你模型， 好吧？当然我建议大家去有自己的筛选，好吧，就可以直接用了。他这个携带码还是现在他也很净化，基本上给你大烟扫过去也没有什么问题， 核心框架他肯定都是搭了尾腰。对的，当时我们这个代码也是用这个 ai 跑的，你可以看一下导数据数据清洗，对吧？好，你看下这个数据，这是什么数据？这个是他的运动员的数据，这个是下载的，你可以把这个数据下载一下，好吧？到时候你就最好的是什么？你把这个数据给他， 再给大家演示一下，你一个数据你肯定是自己下载的。对，你下载数据这个工作不难的。下载数据，因为题目你看他告诉你了，说这个数据是哪些，你看他告诉你了，告诉你这些数据了， 所以你这个东西你不难的，你把这个东西下载下来以后，你把这个东西丢给他，好吧？好，你可以把这个东西复制给他，告诉他说使用我真实的数据，其实，哎呀，这不这么很灵活，你要灵活的去用它 去随机应变。好，我们这可以再新建一个。好，他终于也是写完了，写的还是非常的完善。好，我们可以把它放到我们这个代码里面，这个路径应该都是对的。好吧，那这应该正好有， 我们来运行一下，测试一下，你看他告诉你了缺少酷，他会告诉你，你就可以安装一下就可以，这个不是什么大事。哦，我们安装完成了。好，再来看一下，我们刚才不是安装完成了吗？再来继续看一下。哦，不是，这个弄成之前的代码了， 刚才是我有点卡，我来看一下。好，应该是有问题的。这个问题主要是什么？说我们刚才其实刚才用的时候发现一个问题，这里给大家说的是先把数据传给，所以说其实你如果直接去把这个名字给他，而没有把数据传给他，他是很难去说把它 去做对的。所以我们尽量什么还是去把这个 ai 去，我们去把这个东西传给他，好吧？把这个数据尽量还要都给他，他了解这个数据的情况下，这个时候我们才什么才能 去更精准的把这个代码他可以编辑出来，否则其实他很难说去了解这个真实的情况，那可能就会出一些偏差。 我们先用这两个，因为你看一下他这个问题，其实他并不是说每一个题他都要用到全部的，你看他这个是还有这个，其实所以说每一个你要自己进行一定的筛选，看一下他会用到哪些数据， 好吧，我们这个就先以这两个为例，好吧，你我们再用这个，好，这个时候就对了，所以刚才流程其实还是有一点问题的，说你先要什么，这个这个多了其实影响也不大， 你可以先筛检一下，或者到时候你可以自己去删一下。那这个东西其实量有点大，但是他其实你只用前面的一部分也可以了，比如说我们之前没写一个代码，你看他只用了其中两个，还是比较少的，也可以把这个问题解决。 所以说另外一个你如果再遇到这个梅赛的题目，他可能有两种，第一种是说没有给你数据， 这个时候你要自己搜集数据了。另外一种就是说给他的数据，但是数据量非常大，这个时候你其实可以适当的去，如果不好处理的话，这个数据可以适当的进行一部分的筛检，或者你只提取某一部分去进行做。因为 其实美赛他对这个结果的看重并没有那么特别大，他可能更看重你，你解析的这个思路 是不是？所以说这大家一个思路说他数据量可能会非常大，那这个时候你就自己进行一部分的筛选，或者说有一定的代码基础的同学，可以什么自己去使用其中的某一部分提取出来去做，当然你也可以自己去什么编辑的这个代码量更大， 但是因为这个豆包它是对这个文件是有限制的，所以这个部分就要求大家可以只用一部分，或者说你可以自己去写提取数据的代码，后续让这个 ai 辅助一下，但你也可以用 jpt， 是 jpt 是 可以的，我记得，好吧？ 好，这给大家提供思路。好，我们可以试一下这个。好，我们来试一下这个路径的问题，路径， 注意这个路径，因为我们就直接在这个目录下面的，所以说这个路径的问题你要改一下，这是成功读取了，当然也是有报错，但是成功读取了这个数据， 但是它里面有一部分是没有找到的，你们可以再把这个去你如果遇到的问题可以直接丢给 ai 去调试，如果你是小白，但是这个其实你 如果你有一定的技术，也可以自己去改一下。好吧，刚给大家演示的就是说你是纯小白，你怎么样去一步一步的去解决它，这过程可能会比较慢，但是 你其实也还好，教程完了。好，我们来复制一下过去，当然有他写代码过程遇到各种问题是非常正常的，路径一般是你需要自己去改的。好吧， 可以检查一下，因为 ai 它其实多包，其实还没有那么特别值得，所以大家遇到这些问题，你完全可以说 boss 复制给他，让他帮你解决一下。 好吧，这就是小白，你去这么去做，就给大家演示的时候，站在我一个纯零基础的一个小白身上，怎么样去解决这个问题？路径你改成你自己的路径，一般你就直接在这个文件下面放便会很方便，你就直接用它这个路径就可以了。 好，我们来看一下。本该应该是有错误来继续就说你这个过程就是你不断的发给 ai， 然后 a 改错就可以了， 这个过程其实就是一个不断的反复的一个过程。好，我们来看一下这次的情况，这个过程你不要嫌烦啊你，你要用 ai 给你写，肯定是这样的一个效果。 ok， 试一下，还是有列名错误，他是说哪个文件，我们可以看一下这个文件。好，我们这个时候就可以什么也可以把文件丢给他， 还要一直保存，你可以把文件再丢给他，让他看一看。这个文件是刚才说我们不用的，这样，我们改一下，好吧？ 因为刚才我们说了不用那个文件，这个文件因为刚才我们说了他有点大就可以受限了，那我们可以这里，比如说我们只用这个两个，好吧？ 就好。这就是刚才我给你说的，如果你有两种方法解决，一种是你自己有一定基础，你可以自己去编写，或者说你可以把这个大量的文件去给它进行一个删减，丢给这个呀，或者你用 gpt， 好吧，因为他这个是有他的能力是有限制的好吧？作为他演示给免费的这两个软件，他免费，他在能力方面肯定是有限制的，因为 gbt 用起来还是有低的门槛，好吧。当然这个用的这个流程是不变的， 所以你能用了 gbt， 那 也更好，你可以去用 gbt。 总而言之，这个流程其实都是不变的。首先就是这个论文的行文， 从这个背景到数据，到解决问题，到假设不好，你自己写就可以分析到模型的建立部分。整个流程你不管用哪个 ai， 基本上都是这个流程。 我让他给先写代码，代码跑通以后，把这个代码丢给任何一个 ai， 让他给你写这个内容，好吧？一个过程，因为那个文件它是太大，你没有一定基础是很难处理的，或者说你可以直接去 b 站上搜一下相应的一部分的教程也可以， 好吧，你毕竟想做的更完美，肯定是要多考虑一点。好，我们这一次来试一下，这次应该就可我来停止一下再重新运行，好吧，刚才这个问题是说这个图像没有中文保存的，这个问题 好，差不多前面这个报错可以无管他。好，现在差不多就运行出来了。好，这就整个的流程，这是这个图像也可以改一下上场了。好，所以总的来说这个过程就是这样， 你肯定会遇到错误。我给大家演示的也是说我在事先没有一定的排练的情况下，面对一个题目怎样去解决？这是错误，肯定是会经常出现的， 你其他的那种就是一下给你生成出来。那我想可能是前面已经进行了一个一定的预演，你面对一个实际的之前没有解决过的问题，那肯定是有可能会遇到各种问题。那刚才解决的方案我给大家提供了，把这个报错去给 ai， 让他帮你解决，一步一步的调试，到最后成功这样一个过程。好吧，代码跑通了以后该写论文了。好，这个时候干什么呢？那基于这个内容给你写，你看 把 ai 给你的代码重新丢给他，根据这个代码，这不用丢给他，因为刚才刚用的代码这个问题，这个步骤他给写，这个时候就该写什么啊？正文，正文部分 ai 都可以完成的。好吧。这些图可以自己去画一下，也可以去织网上， 比如这个 l s t m 模型。那可以去什么去知网上找，直接解锁 l s t m 模型，从它论文里面抠一些图，接下来放进去，或者你自己再复现一下这个图，好吧，非常完美的方式。 前面全部都是搬运工，这个过程也可以写的，其实也还行，你可以自己去找一些文献一下，加一些公式， 好吧，都是可以的。你像这些东西其实都是从文献里边 copy 的， 你可以直接解锁一下 l i c r 模型相关的文献，把里面的一部分内容可以 copy 过来，那就可以更完美了。 好的，这个文章主体部分内容的编解方法，你可以让 ai 结合你的代码去生成这个东西，也可以你去知网解锁相关的模型的文献， copy 一 些过程。好吧，你能自己手动结合一下题目那是更好。你不能那也可以了。 结果这些东西吧，你看这个结果不就是这个结果吗？一个图像结果没那么重要，你看这去年这个图这么样，最后也可以得奖。 结果生成出来以后，就比如说把你生成的结果给他根据这个内容给我写一段话的分析，是吧？你看这个分析一定要有上面结果，下面配分析，这个一定要有参与一个这样流程就可以。你可以把你图像放这， 再截个头像，让他给写分析，他用的指令是一样的，还是说根据这个内容给我写一段话的分析指令是一样的，好吧？好。看，这个写的篇幅也挺好的。 好，写完这些东西以后问题二、问题三是一样的，就不给大家具体演示了，这个流程都是一样的。好吧？好。最后到了一个知识点怎么写？把整个文章抛给他， 你再把这个指令附过去就可以了。最后写完以后再把整个文章给他，再用最后这个指令就可以了，我来给大家演示一下，好吧，完全 ok 的， 整个文章就 ok 了，当然这个数量你可以自己改一下。好吧，都可以， 我是给他写了一个四个的，当然他也可以用。这个就先不用了，其实这个流程是一样的。好，要登录我就不给他演示了。好，你看非常天赋也挺好的。好吧。 好，最后这个东西可以删减。好吧，可以自己根据篇幅删减改进推广，大家都可以写了，这样微信自己找就可以。好吧，这个路径你按照他的格式从翅膀上自己添加就可以。好，最后这个摘药也是一样的，就按照我这个指令也可以。最后摘药一定要什么 自己再精修一遍，你和你的队友每个人去修改，精修再精修是最重要的。好，自己的文章就到这。好吧。好，谢谢大家。
3347云顶数模
01:19:04查看AI文稿AI文稿大家好，欢迎来到数码教学站，那么本次给带来的是这样数码美赛的一个速成攻略，那么本次视频的话，除了我们整个的一个备赛流程之外，还有我们的一个工具合集，特别是我们的一个 ai 的 一个合集，因为我们知道现在这个数学建模这一块的话， 其实 ai 还是用的比较多的，比较典型的，对吧？像我们用来解题的，用来画图的，或者是用来干其他的事情的，那么比如说我们这地方还有一个是 用来排版的，可以给大家大概的去看一下这个效果， 对吧？这个是 ai 生成的一个排版的一个文件， 可以看到，对吧？里面的一些样式的话，它其实已经绑定好了，已经和我们模板的样式是绑定好了的， 这样的一个有序列表，像我们一般用 ai 写的话，它里面都是没有绑定样式的啊，我们这地方是直接给帮样式给绑定好了，而且我们的一个公式也是完全，对吧？按照它的一个 word， 我 的一个公式的一个格式， 那么绑了样式之后的话，我们就可以很容易的干嘛？我们绑了样式之后，我们一改的话，它就会整个的去进行修改，就不需要担心，对吧？我们改了前面之后，后面要一个一个的去修改了， 这个的话就是我们用来用来建的一个拍板的一个 ai， 但的话里面还有一些缺陷，就是它这个序号，对吧？这个序号的话还没它里面原先就有序号，然后加上我们自带的一个样式，这个序号的话就有两个序号，但是的话应该还可以，说的话也是可以帮我们节约非常多的一个时间了。 那么其次的话还包括我们一些画图的 ai， 还有包括我们这样的一个，对吧？这样的一个翻译润色、审教、预审，来看看我们这样的一篇论文写的到底怎么样？ 然后包括我们这样的一些，比如说查看文献的一些 ai 对 不对？用来查看文献的一些 ai 里面的话，会告诉我们我们应该去参考哪一些文献， 包括去帮助我们去辅助这样的一个编程的一些 ai， 让我们去快速的学习如何实现这些算法，我们到底用对吧？怎么去调库，怎么去调包，怎么去完成我们代码， 这样的话我们既能够学到东西，又能够快速的去完成整个的一个备赛的一个过程。那么我们话不多说，我们直接进入我们的一个正题，那么首先的话是大概的介绍我们的一个美赛的一个情况， 我们这地方的话一共分了九个小节里面都破坏好我们的一个美赛的基本情况。然后我们美赛近几年用了哪些算法，然后我们各个位置，我们到底要准备哪些东西？我们到底要准备哪些软件，以及我们整个的一个 ai 工具的一个汇总。 还有我们就是美赛里面比较重要的一个点，就是我们的一个绘图的一个专题，还有我们的一个数据，我们如何去进行剪辑，以及我们今年美赛的一个论文和翻译，我们到底应该怎么去做 好？那么我们题目类型的话，其实这个东西在美赛里面它的一个官网上面已经有提到过了，那么的话我们一共分为六个赛题，前三个的话是偏数学的就是 mcm， 后三个的话是偏向于交叉学科，就是我们的 acm。 那 么历年来的一个数据题的话是选的最多的，那么对应的一般就是我们的 c 题和 e 题，去年比较特殊，去年选 b 题的人也很多，但是一般的情况下选择 c 和 e 的 人在往年的情况下是最多的， 这两个的话分别是一个数据科学的一个科目，另外一个是我们的可持续发展的一个题目，他们两个的话都是这种数据性比较强的， 所以说的话可能上手的话就相对容易一点。而我们 a 题的话就偏向于我们整个偏向于一个物理机制，类似于呃，像我们国赛的一个 a 题，对吧？里面会有一些微分方程和动力学方程这些东西。然后 b 题的话是一个偏向于优化的一个题目， 他近些年的考点的话还是主要是偏向于可持续发展和社会科学的一个题目， 主要的用的方法的话就是我们的一个东北语言化，然后 d、 c、 d 题的话就是一个专门用来描述图论的一个题目，里面的话百分之百会考到的数据结构就是我们的一个图结构， 然后 f 体的话就是我们的政治经济学，也是我们一个偏向于刺客的一个内容。然后里面比较常用的模型的话就是政治经济学里面比较常用的模型，比如说 d、 i、 d， 然后的话我们的一个 固定效应啊这些东西，那么的话我们要拿到我们的一个 h 奖以上，我们大概的话只要能够打进百分之前三十就可以了，它的一个整体的一个获奖比例还是比较比较高的，相比于国赛而言的话，因为国赛的话我们要拿国奖的话，比例可能就就百分之 百分之二，百分之二左右，对不对？还可能还不到百分之二，但是的话整个美赛的话，你要拿到 m 加以上的话，它的一个概率的话是能够到百分之三十以上的，所以大家完全不用担心。 那么我们来详细介绍一下我们这样的几个题目到底要考哪些东西。 那么 a 题的话主要是解答的还是微分方程这一块，或者是说更加详细一点，动力学方程。那么近些年来 a 题的一个考点的话，基本上还是围绕着动力学去展开， 呃，像一些其他的东西，比如说像我们扩散方程啊，这些东西的话，其实不怎么考到，基本上的话就是在我们动力学，不管是我们的我们的生物环境，还是说我们这种呃自行车的功率，还是说我们这种磨损，这些东西的话，其实都是和我们的一个动力学相关的。 所以说的话如果说我们要去准备 a 题的话，那么的话我们的一个核心的点的话，其实应该放在我们的一个动力学上面来， 那么比较典型的话就是会考到一个 lot 卡方程， lot 卡的话基本上只要涉及到这种环境类的问题，或者是说呃跟环境这种沾边的，基本上的话每赛的话就会用到我们的那个 lot 卡方程， 这个 lot 卡方程的话在我们的 a 题、 b 题和 e 题里面是出现的频率非常高的，它这一个东西会涉及到三个考点。 lot 卡， 它的话是 logist 的， 它的话是 logist 的 一个扩展型，它的话主要的话是描述它的一个增长率的， 基本上的话也是可以呈现出一个 s 型曲线的一个特点，这个的话也是一个非常老的一个模型，已经是上个世纪提出来的，是美赛最喜欢考的模型之一，常见于 a、 b、 e 三道题。 那么其次的话，像数学建模比赛，近些年来喜欢考的一些比较新的内容的话，就是我们的一个贝爷斯用来做繁衍， 那贝耶斯相信大家都不陌生，那像这这个东西在哪些地方考过？在二零二四年国赛的 b 题，二零二五年国赛的 a 题，然后的话在二零 二四年美赛和国美赛的美赛的哪个是来着？二零幺四年，二零五二五年美赛里面也考过，然后的话同时的话研赛也考过。这个东西，现在的话贝耶斯的话相当于是一个现在这个就考考察的一个趋势，也就是说 他现在不光要求你会正着推过去，还要求你会反着推过来。因为为什么呢？我觉得可能是和我们的一个 ai 有 关， 因为 ai 的 话，他喜欢遇到这种问题的话，喜欢做模拟，而不喜欢去推它的概率，而做模拟的话，实际上他喜欢自己去设值，这样的话其实是很很缺乏积极性的。 所以说一般的时候的话，他可能是用来去仿仿 ai， 用我们的一个贝塞尔来仿 ai， 因为说实话我用 ai 测过非常多的题目， ai 非常非常不喜欢用概率分布去进行模，去 模拟一些东西，虽然他本身就是一个概率模型，但是他特别不喜欢用概率分布，他更多的时候会设置一些值或者设置一些常数， 而用概率分布用的非常非常的少。所以说的话，你可以看到我们近两年来各种各样的比赛考概率分布考的非常多，目前就这两年来已经考过的分布有二项分布，拨通分布、指数分布、 几何分布、正态分布，还有哪些？我想一下，去年啊，去年还考了一，去年有一个贝塔分布，呃，还有均匀分布， 然后还有啊对数正态分布，这个的话也是去年，去年的国赛和今年的美赛里面考过的对数正态，然后还有一个韦布尔分布。 其他的话应该就是这近两年来几个大的比赛里面考过的分布的话，基本上就有这些东西。 都说了。现在这个概率分布的话也是一个非常非常热门的一个考点，尤其是在我们偏数学的题目里面，以及在我们一些统计学的题目上面，这种常见分布是一个非常重要的一个考点。 那么第二个的话是我们那个 b 题， b 题的话它是一个也是关于一个优化的一个问题，那么用的最多的话其实是东边优化以及动力学， 那么你可以看到它现在 b 题的一个处出题的一个趋势的话，基本上也是和我们那个可持续发展相关的。比如说我们油货房制啊，对不对？ 什么水电呀，什么保护区呀，什么旅游保护啊，对不对？其实的话很多时候他考的东西的话也是和我们的可学发展相关的，然后的话主要的话也会涉及到一些生态的动力学模型，那么既然有生态动力学模型的话，那么基本上美声的话是离不开这个东西的，洛特卡，对不对？我刚刚说了， 那么其次的话，它里面还有一个是多目标优化，那么的话和我们国赛不同，国赛的话一般不考多目标优化，国赛一般只考我们那个单目标优化，用的比较多的就是我们 遗传魔力退火加智力咨询，对吧？然后的话每赛的话 b 题是喜欢考多目标优化，那么用到的方法的话基本上也很固定， n s g r， 而且一般来说的话，它的一个 b 题的话不会考的 太难，对你的模型要求太高，因为很多时候他的一个难点的话主要是在找数据上面，所以说基本上的话他对于你模型的一个限制没有那么高，就算就像我们之前复现一样，里面可能会有一些明显的，对吧？明显不合理的地方，但是的话， 呃，没有太大的一个影响啊，对吧？对人家评价好像没有什么太大的影响。所以说呢，其实 b 题的话在解析这一块的话是比较容易的，但是的话他的难点的话就是怎么能够找到 能够支撑你去解析的一个数据，你的一个数据来源是不是足够权威，是不是足够官方，那么我们就可以看到有一些同学的话，他们喜欢在什么地方去找数据。简书 c s d n， 知乎 就如这些类似于这种，对吧？这种博客平台，或者说一些贴吧里面这种非官方的一些数据源上面去找数据， 从而导致你整个解决方案的话，他的一个数据，对吧？他的一个基层就没有，就失去了的一个可信性， 那么是从数据上面都出了问题，从机器上面都出了问题，那么你后面的模型你建的再好又有什么用呢？所以说的话，这个的话就是很多同学喜欢遇到遇到一个问题，就是查资料总是喜欢在那一些，对吧？对于我们学术性的一些内容的话，总是喜欢在一些这种薄客平台上面去查资料， 这个的话是非常非常致命的。我们要保证我们的数据，我们的解决方案是足够权威，足够有效的，那么的话，而这些数据的话，它是每个人都可以去写的，它的话是没有 这种，对吧？没有权威的这种背景的，那你不能够保证你的数据是有效的。 那么 ct 就是 我们的一个数据题，数据题的话像往年的话其实考的比较杂，现在的话也开始慢慢的回归我们的一个统计了， 这个的话也是整个数学建模比赛的一个趋势，你可以看一看往年都喜欢考些什么东西，二零幺一一年的巨型狂风，这个的话它当年是考了一个 c b 的 一个题目，对吧？计算机视觉， 然后的话你们会涉及到一些，对吧？一些神经网络、深度的网络的这些理论，甚至还会考到扩散模型 这些比较新颖的一些东西。而往越往后面的话，你会发现他的一个模型是越来越简单，越来越回归传统，不会再考虑那些比较先进的一些东西。二零二二年这种量化的一个问题， 二三年这样的一个关于我们的一个，呃，应该是属于我们的一个自然元处理 nip 的 一个内容， 但是 nip 它没有考的太深，基本也不需要你去去用什么全息薄膜啊，用什么其他的东西去建模，它的话，基本上的话你去用一般的机器学习，它也是可以做的。然后第四第五的话，一个是网球动量效应，一个是我们奥运奖牌预测， 这两个的话就是一个类似于这种序列的一个模型，然后的话加上它的一个贝叶斯 去做繁衍。那么对于数据写的话，它的一个核心的话，现在是越来越回归统计上面的，而不是积极学习，越来越回归传统。那么对于传统问题的话，我们基本上要准备的点的话，就是我们一些比较基础性的 这种计算学模型或者统计学模型，比如说我们回归的现金回归，然后的话我们的决策树，对吧？ 然后我们多相似，多相似回归，然后的话我们的 gbt， 然后的话 random forest， 或者说那 gbt 整个算法族，对吧？里面还有什么擦街 boss 的， 什么那 gbm 什么开的 boss 的， 然后要分类模型的话，这个逻辑的，对吧？逻辑的回归，然后的话还有一个 svm 矩阵数，然后的话加上我们整个元素家族，对吧？ finn forest， 叉级 boss， gbt， 然后的话我们的来的基本 m 开的 boss， 诸如此类。 当然的话还有一些是比较更加传统的这种分类模型，比如说我们的朴素贝叶斯，那么第三个的话就是我们的一个时间训练，时间训练的话基本上考察的点也是那么几个，一个是我们的 lma， 对 吧？ 智慧会叉分移动模拟平均模型，然后的话还有我们的一个 lstm 长短是 gg 网络，然后的话可能对于我们多变量的话还可以用一个我们那个 one 向量智慧微， 那么的话，其实这个地方的话，我们也给大家去准备了那个今天一些比较常见的模型， 对吧？比较常用的 a m a s l t m， 然后 proper hat， 然后一个 one， 然后我们的一般回归现金回归，多向式回归，逐步回归拉索 s o m， 绝对数水就是零 g b d t 分 类逻辑回归 s o m， 绝对数水就是零 g b d t t， 然后剧类的话，目前用的最多的话就是我们一个 k means 和我们的一个 db scan， 所以说的话，其实你觉得这个它里面考的东西很杂，但是实际上的话，你把它归正一下的话，其实也就是那么些东西。如果说你要去准备某一个赛题的话，其实你所要准备的东西没有那么多， 那么第一题的话就是一个永恒不变的一个图论的一个题目了，图论加上我们的一个评价， 那么因为图的话，它本身的话像一些 python 包，比如说我们的 networks， 基本上你只要把图建出来之后，所有的图的一些算法的话，你都可以直接去用一个函数去实现，说实话它不可能只可能那么简单，不然的话你只要把图给建立出来了，那个题目你就解出来了，不管你用什么模型，它里面都要有一个函数去实现， 那么所以说的话，他怎么去增加你这样的一个建模的难度呢？他就喜欢把我们的这个图和我们的评价模型去靠起来。你要建图，你必须要有什么东西？要有节点和边，对不对？ 那么边要有什么东西，边是不是应该有权重？那我很简单，我不把这个边的权重给你，或者说把权重啊给你很多个指标，你不知道你选选哪个指标作为他的一个核心权重，你也不知道怎么把它综合起来。那么这个时候我怎么去确定边权呢？我就等于用评价模型，对吧？就会给他们打分。 它的核心的话就是要去量化我们的一个编权，原先的话我们只需要去把我们的节点和编识别出来，然后建立一个图就完事了。现在的话就需要你去自己去计算它的一个编了， 这个的话就是他目前喜欢考的一个点，尤其是像我们那个去年建的一个交通网络，那么我们一个交通，我们一个马路有什么？有它的一个长度，对吧？有车道的数量，车道的数量和长度这两东西决定了它这个地方能够容容纳多少辆车， 然后他的一个限速，限速的话决定他每个单时，每个单位时间内可以通过多少辆车，以及我们当一个节点失效的时候，比如说我们有基本上要维修，对吧？或者说什么像去年可能就是倒塌一个边失效了之后，那么他的一个流量应该怎么去分割？ 分割之后会对虾的编权，会对虾的编造成什么的影响？然后的话它整个是一个从静态到动态的一个过程，但是的核心的话仍然是围绕图去展开。好，那么我们来看一下一体一体的话，历年的话都是可持续发展的一个题目。 那么什么食物系统啊，什么碳烊，什么财产保险，什么龙帝，它的一个考法非常非常的多变， 因为我们可持续发展的话其实是一门课，对吧？它是一个很大的一个议题，它没有说专门的去针对某一个特定的领域 所说的话，这个东西是比较头疼的，但是的话里面一些比较典型的一些方法，呃，有我们的一个裸特卡。其次的话就是我们美赛最喜欢考的评价模型，评价模型的话基本上在美赛里面用的就是三个 i、 g、 p、 top、 cs 和商权法这么三个模型。 如果说你想把我们这个一体里面所有可能考的模型全都学一遍的话，那么的话可能就不太可能了，因为你可以可以看看到底是考些什么东西，像我们去年，去年什么玩意，不对，前年 保险里面都考精算，考你的精算这个东西，所以说的话它里面实际上实际上的专业非常非常的多，你很难去完全的准备好，但是的话我们可以把它经常考的一些东西，就是说 这些比较通用的模型给它准备好，像这些专用的模型的话，我们是没办法去一一准备的，我们只需要掌握好它通用模型，其他内容的话，我们到时候现去查文献，或者说现去用我们的 ai 的 话，呃，它的一个效率的话其实也很高， 而且非常节约，我们这个时间我们还是尽可能去把我们整体的一个基石去准备好，而我们其他的，对吧？这个东西的话，我们要去准备的话，它这个性价比实在太低了， 你总不能可能，对吧？还有这么几天的时间，还有十天的时间，你去把我们这么多的专业全部学一遍，这个的话不太现实，也没有那个必要。 那么 f d 的 话就是一个政治经济学的内容了，那么政治经济学这个东西的话，其实应该有相关专业同学，对吧？ 基本上你要用的那一个模型的话，就是政治经济学里面那几个 d i d， 对 吧？双重差分面板回归，然后我们的 还有什么来着？那个叫什么来着？那个结构方程 s e m， 然后的话用来去做我们的一个因果的，对吧？ 还有呃，固定效应，然后以及我们万年不变的这样的一个平价模型。而平价模型呢，我没有说过每三里面设计的平价模型就是基本上就三个， a h p、 top six 和双转法，然后的话常用组合就是 a h p 加双转法和 top six 加双转法。这个的话不管你怎么搞的话，选择这几个模型是不会出错的，如果说考平价问题的话，选择这几个模型是不会出错的。 除此之外呢，我们评价模型的话，还有一些其他的什么模糊中的评价，然后什么这种数据报告分析，什么字和笔灰色关联，这东西虽然说里面呃也有用到，但是的话你要去看具体场景，你不如这些东西通用的不如这些通用的模型，对不对？ 三权法加乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘 乘乘乘乘乘乘乘乘乘乘， 乱七八糟的什么都考一点，但是的话其实模型就是那么些，只是说换了一个场景而已。那么如果说要准备这样 f 题的话，最好还是有这么一点点的去准备一点点这样的一个政治经济学的一个内容， 这的话相当于说一些比较专业的一个领域。但是的话其实模型也我们也说过了 d i d， 然后的话我们的面板回归我们的结构方程 s e m， 然后还有一个是我们这个固定效应 政治经营协议用来用去的话，基本上就是这么东西，然后我让你去衡量一下，对吧？这个用这几个模型去衡量一下这个政策实施对于我们这样的一个东西有什么影响，这个影响是否显著就 ok 了。 好，那么我们来看一看各个位置的一个速成攻略，那么的话这个地方后面的话都是给大家附上这个超链接的，大家可以直接去拿着使用。 那么一般的时候我们在做数学建模的时候，还是会建议大家去用 python， 因为 ai 写 python 的 能力比较强，这个是确实是这样的，目前 ai， 呃， ai 拷定它的一个， 它的一个强项的话，基本上就体现在它的一个 python 和一个 js 上面，因为这两个东西它是开源的，而且的话生态非常丰富，所以说的话基本上我会如果说你是完全小白的话，我会建议你去用 python 来写，它的环境也比较比较好，安， 也不像 maclab 那 么一搞就是二十多个 g， 而且如果说大家不想去一个一个的去安纳第三方库的话，你可以直接去安装一个 l 空的，里面的话基本上就包含了我们这样数据建模里面一些比较常见的库， 比如说我们矩阵预算单派，然后的话我们表格，对吧？数据分析 panda， 我 们的科学计算三派，然后的话我们的统计学 this models， 然后我们的画图 maple 和 c 泵里面的话，已经完全集成了，你不需要再去重新下载。那么除了一些比较特殊的情况啊，比如说你对于 像我们一些素专的同学，或者说数学相关的同学的话，可能还是用 maclab 用的比较多，那么的话如果说你之前没有接触过 python， 你 之前一直用的是 maclab 的 话，那么的话你也没必要去为了这个东西去专门重新学学一门语言，你继续用你的 maclab 也也可以， 这个的话一定是按照自己的一个自身的一个情况来的，不要说对吧？为了追求某一个语言啊，又追求某一个工具，因为工具最后还是为我们人类服务的嘛，对不对？你最后还是要选择自己顺手的一个。 那 my lab 的 话，它主要是在它的一个稳定性和它的一个运行速度上面，它的一个运行速度的话是要比 python 要稍微快一些的，而且的话它不会有很多那种环境的问题，因为 python 的 话， 它的优点就是它的各种各样的库很多，那么缺点的话就是它的各种各样的库可能会有冲突问题，所以说的话 maclab 的 话，它的稳，它的胜呢？就是胜在稳定性，不会有各种各样的环境问题，对于我们这种完全没有搞过计算机同学来说的话，可能还是比较友好的， 因为你遇到的环境问题的话，你可能完全没有搞过计算机的话，可能完全不知道该怎么去修这个东西，它又不像我们这个程序保守它是环境问题。 然后的话我们可以去根据我们这样的一些算法去收集我们的代码包，去准备好我们自己的一个知识库，然后同时确保我们这些代码都可以正常运行，不要到时候我们到了美赛的时候再去 再去搞，结果呢发现啊，你这个当你本地的一个环境出了问题，你这些有些算法你是不能运行的，然后呢到时候去现场修环境，那么你就非常浪费时间说提前把我们常见的算法去准备好，常见的算法的代码包准备好，去一个一个测一遍， 看你到底有没有哪些问题，能不能够跑得通，跑得通的话就没有什么问题，当然的话我们这地方的话也可以去借助 ai 来帮我们完成，对不对？我们可以去告诉他，你需要准备 ai 去， 你需要准备 mcmic 竞赛，作为编程手，你要了解常见的比如说优化算法，或者说统计算法，或者说怎么预测算法，或者说具体分析算法，然后的话以及对应的 api 实现 api 的 话就它的一个编程的接口嘛，然后给它详细的算法，应用场景，适用条件， api 说明，代码视力说明，然后的话整理出来，整理成我们一个讲义的形式， 然后的话我们就知道哦，有一些 lp， lp 的 话可以在我们一个包叫做零 pro， 然后约束是什么？ x 一 加 x 大 于等于十，哦，计算于负 x 一 减 x 二小于等于负十，对不对？哦？那就是系数是负一，系数是负一，结果是负十，这个是我们那个标准形式，要化为我们那个标准形式，标准形式的话是小于等于的形式，然后约束公式二 x 一 加一 x 二，对吧？小于等于的形式， 然后约束公式二 x 一 加一 x 二，对吧？小于等于的十六，那么就是二一，然后一个十六， 那么的话这个的话就是我们的一个，我们的一个矩阵就定义完毕了，然后我们就直接调一个库，对吧？把这个函数给调用进来，把我们这些约束条件，我们的目标函数全部都传入进去，然后我们就可以完成一个求结了， 然后还有包括我们各种各样数学题目比赛里面最常见的一类这个混合整数陷阱规划，对吧？ m a l p， 哦，要用这个包 p o l p 这个包，然后的话你去完成这样的一个实线， 然后什么约束规划呀，对吧？突优化呀，然后连续非限性优化，然后我们非限性最小而成，对吧？图，网络背包，然后我们插帧净化，然后的话模拟退火， 地方是给了一个文档，然后 ga 啊，这个地方也是给了一个文档，还没有给出具体的代码性，然后我们那个拍末 n s g r 也在拍末里面， 然后哪些东西是我们翻车点，然后的话我们怎么把它写成约束，然后我们验证一下我们是不是真的能够解得好，它会，对吧？全部都给你输出来， 所以说的话这个东西来这个地方就有世界代码了，所以说的话来辅助我们学习的话，整体的一个效率还是非常高的， 比起我们自己去一步一步的学的话，它的一个效率肯定是可以成倍的提高，我们不要去抗拒新工具的使用，对吧？我们要学会把新工具用的熟练，然后的话去加快自己的一个效率。 那么对于剑魔手而言呢？剑魔手就是整个团队的大脑，对于剑魔手而言的话，你必须要熟悉我们常用的模型，熟悉他们常用的场景，然后并且能够有拍板的一个能力，对不对？你要能够确定下来我这个场景里面什么样的模型就是最适合的， 我们这个队伍大的方向是什么？我们必须要朝着这个大的方向走，你也必须要作为我们团队大脑的一个身份，然后的话去推动整个团队前进。那么对于我们数学建模而言的话，常用的算法，常用的算法就是这么四类， 基于分析、运筹、优化去梳理、统计和评价，那么的话，这地方的话，我们前面的话也给大家去展示过这个流程图了，对不对？我们常用的哪些算法？ 那么对于我们很多同学来说的话，那么学习这个东西，学习这个 模型去看公式，实际上是非常枯燥无味的，而且很多时候的话，你对于一个背三而言的话，你并不需要去把公式的原理给它扣清楚，你只需要知道它这个模型应该用在哪些地方就可以了？那么比较典型的我们也可以用我们的 ai 去辅助我们， 比如说我们可以用那个 labkin， 那 么 labkin 的 话它就可以，我们怎么去用呢？我们可以首先的话我们去用我们的 gmail 呀，或者说用我们的 gpt 啊，去让它去给你规整出一套。呃，这样的一个模型， 它是用在哪地方的？然后让它用非数学的新的语言给你描述出来，然后你就把这一段语言，然后的话你直接扔给 labkin， 然后的话它就可以去给你生成出一些小卡片， 对不对？比如说什么是正在分布呀？然后我们怎么去分类啊？嗯， 那的话大概的话就是这么样一个效果，对不对？比如说我们的 a h p 每赛里面出现频率最高的一个模型，我们要干嘛？首先的话写清目标，加备选项，然后列出我最在乎的三到五个标准，然后标准之间两两对比算出权重，然后每个方案按照标准 表现评分自动汇总得到排名 啊，在这个地方对不对？然后比如说什么是吉拉斯坦估计啊？哦，我们要通过我们观察到的数据。嗯， 它这个的话是国内访问，国内访问比较慢，它这个是外网的，不挂贴纸也可以访问，但是的话访问速度比较受限， 大概的话就是这么一个效果，可以，你可以让 jimmy 呀这些东西用，让他去用非数学性的语言，用讲故事的语言把你让，让他把一个模型给他，给你讲清楚。 今天这个网是这么慢吗？这谁偷我网呢？这是 好，让他先深层一会吧，这平常按道理来说的话，平常都是秒出的，今天这是发生什么事情了？这是网被偷了 对吧？我们要把一团乱麻的复杂问题拆分成一个一个简单的二选一的小问题，然后的话通过像洋葱一样怎么分析基于内心的真实偏好，哪个选手是这样赢家？ 然后比如说我们要去搭建一个金字塔对不对？然后去擂台侧对比较，然后的话加权。 我们的目的就是让我们把我觉得这种模糊的感觉变成清晰的结构，然后的话不忽略主观喜好，如实的计算对于这种结果的影响。比如说把我们的主观变得客观，然后如果团队有错的话，可以分头给权重，最好算平均值，避免吵架。 通过这些方式的话，我们就可以很清楚明了的去把我们这样一些难搞的数学公式，然后的话变成我们比较生动的语言， 但的话我们也不能够只懂原理，我们完全没有实战经验对不对？我们可以去通过我们这样的一些教材啊，对吧？这这个是非常经典的一本书，可以通过里面的这些教材，然后的话去干嘛呢？去做一做里面的题目， 看看我们学会了之后到底能不能够把它给用出来，到底能不能把它用的好。我们需要用实战来进行演练， 然后的话当然我们演练的话也不能够只靠我们自己，我们需要我们三个人来进行协调， 因为你一个人效率高，并不能代表你在美赛里面就可以取得非常好的成绩，我们最后的话我们还是要三个人协同去完成的，当然的话，如果说你能够去单刷的话，那么要当我没说，对吧？单刷的话你应该也不需要来看这个课了， 那么对于我们团队大脑来说的话，你必须要保证，对吧？保持你的一个思维是活跃的，如果说你没有办法去保持你的思维活跃的话，那么你就一定要把工具给用好，确保你能够把握整个团队的一个效率。 那么对于论文而言的话，其实除了写作之外，还有一个非常非常重要的点是画图。虽然说数据格式化是应该由编程手去完成，但是的话 里面我们知道美册里面除了数据格式化还有很多其他东西，比如说我们 ourwork， 对 吧？很多流程图、框架图、示意图这些东西。 而且对于诺言来说的话，你提交的就是你们整个队伍的一个脸面，如果说你的这样的一个排版非常乱，然后的话，你让你的这种图标非常不专业的话，那么基本上你的一个内容的话，对于屏幕来说就完全没有任何吸引力了，因为他根本就不会去细看，他在我们的第一关就把你给 pass 掉了，因为他对你的印象实在太差了， 这个是大家非常要注意的点，至少说你的一个排版看起来不那么乱，至少要要工整一点，不是说你要排的多么的好，多么的专业，至少说你的一个基本项还是要保持的。那么我看到的话啊，就目前我们带过的这些队伍里面有一些非常典型的一些问题， 图表字体不统一、大小不统一、样式不统一， 这个是我们遇到的队伍里面非常常见的一种现象，我们为什么一直强调大家要去用模板去写作呢？因为你用模板刷了之后，你可以强制的保证他们的样式是一样的， 但是如果说你自己去一个一个的调格式的话，你要到时候你有的大，有的小，很乱很乱，让人看着之后第一印象非常非常的差。所以说的话还是不建议大家自己去一个一个的去调格式，尽可能的去用模板去刷格式，保证你的文的样式是一样的， 否则你做的再好，你的模型建立的再完美，你的这个第一关就没过去，那都没有什么用。 那么对于一个论文而言的话，你不能说你只会排版就完事了，你还要去写作呀？你写作的话，你如果说你完全不懂这些东西的话，那你写的出来吗？你不能够完全指望着去复制粘贴吧， 也不能够完全百分之百的去抄 ai 吧，这个东西的话你必须要有带有一些自己的一些理解，否则的话你的这样一个论文那个拼凑痕迹是非常重的， 而且这个东西的话是很容易看出来的，至少说我们拿到一篇这种拼凑痕迹比较明显的论文的话，我们可以很明显的看出来你哪些东西不是你自己写的，和你的这个文风完全不统一。 所以说的话，你一定要把自己的一个这样的一个写作的一个专业性给提起来，当然怎么提的话，我后面的话也会给大家列出一个工具，然后最后的话，我们这一段时间的话，就是尽可能的去协同，尽可能的去合作，尽可能的去加快我们整个团队这个效率。 那么我们数学建模比赛里面会涉及到哪一些软件呢？那么除了我们编程用的 python lab 对 不对？还有的话就是我们的 alaconda 和拍唱或者是我们 vs code 的， 那么 alaconda 的 话就是用来就是一个环境管理的一个东西，它的话自带了一些数据科学的环境，可以去帮助我们，可以包含我们大部分数学建模比赛里面的一些算法 来加快我们的效率。拍像和 vs 刻的话就是写代码的一个工具，那么一般的话，我们追求轻量化的话，我们还是用 vs 刻的用的比较多一点，拍像的话可能相对于而言会更专一点，更适合于用工程环境一点。 然后的话，一般的情况下我们用 g 拍的环节，那么 g 拍的话也是按照 ctrl 自带的，他的话就可以，你他的话就可以让你写多少，对吧？有有一边写边测试，边写边测试，而不是说你一次把一道题全部写出来，到后到时候啊改一改，全部都要改， 那么就很麻烦。所以说我们一般的时候会建议大家去用我们那个主拍的环境去完成。那么我们一般的绘图软件的话，那么 visa 的 话，我相信大家应该都是用过的，这个学校的话应该也会教，对不对？ 其次的话 ppt 也是我们一个常用的一个绘图的一个工具，那么的话之前的话，比如说我们一些环状图啊，其实用 ppt 绘制还是比较方便的，我来找一找。 嗯，应该不是这一门， 应该是第三个吧， 比如说一些环状图啊，对不对？这种类型的图片用 ppt 绘的话还是其实还是比较方便的， 无非就是给它加一个什么设限渐变嘛，对不对？然后把大家都给调整，然后到环状文字的话， ppt 里面也有自带的，这个的话就没有什么 挺方便的，只要说你用的比较熟的话，就没有什么太大问题。然后 wechat on 的 话，这种东西的话，它是一个在线网站，它里面的话也是有比较多的一些素材，来找一找 wechat on 在 每个点 wechat on 对 吧，里面的话其实也有非常多的一些素材， 它里面可以绘制的图还是挺多的，各种各样的都有。 再然后的话就是我们的一个 auto cad， cad 的 话这个应该学功课的同学的话都会接触到，对不对？可以画一些这种示意图啊，尽力图啊，特别是几何这一块的东西， 用 cad 的 话应该可以非常方便的进行模拟，而且的话你可以去把它的一个比例给它还原出来。然后的话还有一个的话是我们的一个飞格桌 里面，头面给我们提供了非常多的绘图模板，但是的话它主要的话还是面向于生物科学的，里面有些内容的话我们可以拿来套，但是的话有些内容的话我们不好直接套， 比如说这种我们去掏一些可持续发展的话，可能就没有什么问题，对不对？然后这个的话我们可能要去换一换他的一些样式和底色，然后这个的话我们倒是可以直接拿来用，只是说要把这个，对吧？这些东西换一换就可以用 里面的内容的话其实还是挺多的。 还有个的话就是我们的一个意图图示，那么的话这个意图图示的话我相信大家都已经非常熟悉了，那么比如说我们前面去复现的这项一些 我们之前去复现的一些论文，那里面那些图片就是 overwork 那 一部分的话都是用意图图示去做还原，或者是用 ppt 去做还原。但我觉得意图图示可能要更好用一点， 因为里面的话给我们提供非常多的模板和样式，我们可以直接拿来去套，然后的话 ppt 的 话可能很多东西，很多形状的话要自己去剪，所以说我们尽可能的去加快一下我们的一个， 加快一下我们的一个效率，这个是一个七零五 啊，比如说这个是我们的一个 f 题的， 那么写作软件的话，基本上呢它就是我们那个 lo word 和 laxt， 那 么 laxt 的 话我们一般都会用我们 laxt 加 vs code 的 一个形式。那么前面我们不是给大家展示那个有一个自动排版的吗？里面其实是同样的可以去拍了，我们的一个 laxt 应该在我们啊在这个地方扣子，当然的话这个的话也是基于我们美赛的一个模板，不因为我们 不然的话到时候环境冲突的话会麻，很麻烦。所以说的话，你首先的话要把我们那个美赛的模板和我们他那个模板文件给它传入进去，然后的话再去让他去做生成， 这样的话它里面生成出来的文件的话就可以去完全的去符合我们模板的一个内容， 然后最后的话就会给我们生成出来一份 text 文件，然后我们直接把 text 文件去替换掉我们原来的文件就可以了，还是非常方便的。 那么对于我们 ai 工具的话，那么我们比较头疼的查文献，查文献的话有我们的星火科研助手里面我给看暗度了，我们可以去搜，对吧？可以去搜我们的文献， 然后还可以去生成我们的中数。那么其实美赛的话里面有一个小节的话，是用来写我们的中数的，就是我们那个 layer feature view 那 一个部分， 嗯 啊，这是解锁历史中数列表这个地方， 对吧？它里面的话是可以给我们去生产钟数的，我们可以去根据我们这样的一个比赛里面的一个情况，然后的话去看看我们到底用哪些文献来辅助。 那么除此之外的话还包括我们什么深度研修啊，对不对？比如说我们要研究哪个主题，当然话这个的话一般在美赛里面可能还是不怎么用的到，以及我们论文研读啊，对不对？我们这个论文讲的什么东西？但是我看这个论文研读的功能的话，我感觉还是不如这个网站好。 然后包括我们翻译，当然翻译的话里面有限制，它里面的翻译的话是有，对吧？两千个字母的限制，每次的话只有两千个字母，所以说基本上我们写完一个小节之后，我们就要去翻译一个小节了， 然后包括我们的一个润色，我们怎么让他去更加学术化一点，怎么让他看起来，对吧？高级一点，怎么符合英语的一个说话习惯，我们可以通过这样的一个学术润色的一个功能， 那比如说我们来随便审一篇论文吧， 那么比如说我们前面有的同学，对吧？自己写了论文之后，不知道自己写的怎么样，就可以通过这样的一个审校的一个功能 来看看，对吧？自己到底有哪些缺陷？看看大家我们这个团队有哪些内容是没有考虑到的，就可以通过对吧？这样的一个 ai 评选的这样的一个功能来帮助我们提高整个团队的一个水平。这么慢， 今天这个网络真的不对劲， 好，终于上传出上来了啊，这样一篇论文是干到一个什么东西？ id， 哦，老朋友了， 好，优点是哪些缺点呢？模型假设较为理想化，数据预处理细节不足，对不对？模型验证和比较不充分，缺乏与其他基建模型的对比分析， 无法全面评估所提模型的相对优越性。对模型局限性讨论不足，对吧？没有存在扩力、扩力和问题以及泛化能力的讨论 符号和公式没有解释得清楚，对吧？ apple shell i 的 具体含义未作详细说明，参考文献引用不规范 对不对？然后改进了建议综合评分。哇，欧奖论文三点五分刚刚集合，所以说的话，这个竞赛论文和我们的学术论文，对吧？看看这个差距还是挺大的，因为欧奖论文的话在我们这里也就是刚刚过几何线的一个水平。 然后其次的话就是我们那个 s c s pace， s c s pace 的 话，这个动画应该之前有跟过我们国赛的同学的话应该知道， 他的话只需要你，比如说你这个地方用的很，用了很多 ai， 结果你完全没有查文献，到时候你要交的时候发现你没有文献，那么的话怎么办？你直接把你的一个专利给它上传上去， 那么的话他就会根据你的个专利内容，或者是说根据你所提的内容去寻找对应的文献，同时的话生成一篇类似于中数的这样一个东西， 然后后面的话就会附上它的一个参考文献，而且的话它里面还可以去做一个分类， 对不对？ d p 模型 rostop 文件优化，然后的话 rcf 质量控制对吧？不是质量控制，生产质量，制造质量啊，系统上面的生产质量有个问题， powermad 生产质量问题， scholar 生产质量问题，质量控制， 对吧？有模型也有我们的来源，这个的话都很明确的， 这样的话也可以避免我们这样的一些 ai 去胡编乱造一些文献。 当然的话这些我们也给大家提到过扣子那个智能体 这个又改版了， 这个里面的话就可以根据我们这样的一篇，我们直接把我们的一个赛题给上传上去， 把它的赛题上传上去之后，它就会直接根据我们这样的一些内容，然后的话去对应的去查找文献，去查找我们的一个解决方案，对不对？后面的话也会附上我们的一个文献 啊，这个还是比较少的，这个的话是因为它里面的话在原文里面是给我们提供了一些文件，所以的话比较少。之前我们测过的那个 a t 的 话，它后面附的文件还是比较多的， 那么阿密的话就是我们之前说过的我们这个东西的话，如果说我们要去做我们的一个问答的话，那么的话我们就可以通过我们这样阿密的去来做我们的一个交互， 他会告诉你这个东西哈，我还研究了一个什么样内容，然后的话按那个论文概要，然后的话可以问一问他这个里面到底用的什么东西啊？这个的话就可以加快我们读文献的一个过程， 比如说我这地方提问模型一部分用的哪些方法解决哪些问题，他就告诉我们哦， 首先抽向我们的交通网络，然后的话用双旋法确定我们的边权，然后用流量平衡方程模拟我们的一个桥梁的倒塌，最后用我们的这样的迪迦斯克拉算法去分析他的一个最短路， 然后用 a a d t 去分析它的一个交通流的一个变化，这样的话就可以非常快的，对吧？快速的去过一篇论文，省得我们还要一个的去翻，一个去读，到时候又浪费时间，然后的话还不一定读的明白。 当然的话我们也可以让他去给出我们的一些思路，它里面的话其实是类似的我们一个 glm 模型所制服的一个模型，对不对？ 它里面集成了我们制图的模型，然后你可以让他去给你一些这种解决的思路，那么的话一般的还有这种学术专用型的 ai 的 话，他一般给的内容还是偏向于学术性一点的。 那么对于我们编程的话，我们也可以直接让我们的一个 gpt 去帮助我们去编程，让他直接给出我们的一个代码，然后我们直接把代码去跑就可以了。 然后同样的我们的一个 ai 的 话，它里面也有一个画图的一个功能，嗯，这地方好像 ppt 没更新， 那么的话这地方的话一个是我们那个 infamend 的， 一个是我们那个 sora， 这个的话我之前我前面还加了一个 banana 的， 就是我们那个 juma 的 juma 里的，那么 infamend 是 里面可以去有一个科研汇总的过程，哎， 但是问题的话就是它那个中文不太油耗，所以说一般的中文的图片的话，一般还是用我们的一个呃节目来说画，但是的话我们美赛的英文的话可以考虑用我们的 infamend， 那 个有点太卡了吧。今天 so 的 话是我们的一个 gpt 里面的一个模型，然后的话它里面同样的也可以用 gpt 来画图，然后我们也可以去用我们的 啊接下来来画图，那么接下来的话我就帮自己来演示吧。比如说我们把我们的论文上传给他，然后告诉他我们到底应该要怎么画图， 对吧？我们把我们的一个问题上传给他，然后问他，让他去帮我们设计 t 的 十，然后的话去让他去给我们生成对应的 t 的 十，我们就会把 t 的 十直接复制到我们的积木栏里面来，然后的话让他去帮我们去生成对应的图片， 那么的话我们可以来测一测，看看他在这个地方画出来的东西到底是怎么样的。 这个是不是题词有点简单呢？ 等一下我们换一个题，他的一个内容比较丰富一点的。 好，他终于出来了，大概的话，画出来的话又是一个这样的一个效果，虽然说题词是很少，但是的话画出来内容的话还是没有什么太大的问题，对吧？内容还是比较丰富的， 而且图标的话基本上也是和我们这样的一个它的一个文本的内容是比较匹配的，比如说钱啊，对不啦？ 十亿人民币的知识，然后的话就应该是一个金币的一个图标，然后的话我们这样的一个 teach teaching innovation 科技研究啊，它是一个芯片的一个图标。然后第二个是我们 talent development， uh talent development and edu education， 人才发展与教育，它的话就是一个这样的一个学时髦，对吧？然后 infrastructure and economy， growth， 基础设施与经济增长，它又是一个这样的一个桥梁，对吧？这个的话都是很匹配的。 然后下面的话一个环路数据分析啊，这两个可能好像还有点啊，啊，没有重复，没有什么问题。 data analytics， monitor， policy， adjustment， 政策适应， resource relocation 啊，这个的话可能它下面中间这一块的话有点问题，它的话就会有一点重复，是不是有点重复？ 但是的话整体的话，它的一个出错率的话，在我们的一个美观性以及它的一个错率上面的话应该是比较低的， 基本上的话它画出来图的话，基本上可以直接用到我们的一个论文里面来，没有什么太大的问题。现在的一个 ai 深图这个技术的话，还是相对而言的话是比较成熟的， 好，出来了。然后的话，首先的话是数据和处理，有我们的 world bank 啊，世界银行的数据 top， 五百超算的数据， open， alex， 学术数据， patent families， 然后的话， github， activity， gorms， index， 政府指数，然后问题，我们的一个指标系统与我们的一个指标系统里的构建， 那问题二，我们的一个 a c i 的 一个评价和我们二零二五年的一个排名，然后问题三，我们的一个预测，二零二四啊。问题四，政策优化来最大化，我们中国的 a c i 在 二零三五年， 然后这地方还给了一行小字， policy in size 与反 microsoft and scanners， 政策洞察重新来，政策洞察的重新定义，我们的一个 什么场景，对吧？坏了，太久没背单词了啊，不过反正总体来说的话，他的一个生图，对吧？这样一个风格的话，风格风格还是样式的话，基本上还是比较美观的，可能比我们很多同学他的一个画图水平都要好一点，对吧？ 所以说的话，这个的话也是我们的一个画图的一个方案，大家也可以拿去用。 那么还有一个比较麻烦的是我们数据网站，那么数据网站的话，我们这地方也给大家准备好了，这里有吗？有这么多的数据网站， 包括我们美团里面最常用的就是我们什么东西呢？世界银行， 嗯，我的世纪银行都跑哪去了？他这个最近，最近浏览器都是罢工了嘛， 改的内容他也没没存进去，我的计算夹还没了。 这个地方的话给大家就总结出来了，我们地方的话比较常见一些数据，这的话都是一些偏比较官方的数据，就不会像我们有的同学，对吧？用什么简书啊，什么知乎什么这种东西到处去找数据员，结果找到了数据的话，他又不是官方的 结果，人家也导致你的一个论文不可信，你做的再好，有一个数据员从根本上就错了，那，那就那不就完蛋吗？ 把世界银行的一个公开数据，这个的话是我们美赞里面比较常用的一些数据网站，然后还有包括我们什么卡购啊，对不对？这个的话相信计算机的同学应该不陌生， 那么这地方的话也是把它给大家，把所有的超链接都练好了，大家可以直接链接给跳过去， 当然的话现在的一个 ai 的 话也能够去帮我们去找一些数据，你只需要去干嘛呢？你只需要把它的一个 网页搜索的一个功能给它打开就可以了， 你就可以让它根据题目的内容去帮你去整理一些文件出来，所以说的话，现在的话，对吧？干什么都很方便，只要说你会用这些工具的话， 那么对于我们一些比较喜欢这种古法解题的同学来说的话，对吧？我还是有的时候还是喜欢自己一个人搞搞题目 啊，有的时候但是一个人有的时候搞不过来，因为现在毕业了嘛，有的时候可能无聊的时候可能去单刷一下，但是现在毕业的话没有队友，有的时候而且还要上班，所以说的话时间很紧， 时间很紧的话，有的时候画图的话就不是很想去画，特别是像 python 的 话，它 maclab 现在的一个画图的一个，它原生画图的话就是不去做什么样式修改的话，它的那个图有点看不上，所以说的话我有的时候为了图方便的话，我就会去找一些数据网站， 因为实在不想在我们画图上面花费太多的功夫，因为解析已经够头疼了，还要去花时间挑图的样式，也不想去写 r 语言更麻烦，所以说的话就直接用我们的数据网站直接一一次性搞定， 那么的话这三个的话都是集成了 r 语言的一些网站，它的话是用 r 语言来画图，它里面的出的图的效果是非常好的，只需要你把数据上传上去，它就可以帮你出图。 那么比方我们典型的看看我们相关性的矩阵，我们一般做 p 小 卷四 p 尔曼的，我们是不是都画的方框，他的话就可以帮我们出一些其他的东西，比如说我们的圆块，然后下面的话我们一些字， 当然的话我们也可以去给它调一调，对吧？我们可以用换成四 p 尔曼，然后我们还可以用换成什么，还可以选择椭圆，对吧？ 可以显示我们的饼图，可以显示我们的方框，各种各样的， 这个樱花纹还是太丑了，那么椭圆的话就可以表示它们之间相关性的一个方向，是正相关还是负相关。 那么 cs， nova 它也是一样的，来看一下它应该在我们的一个， 对吧？这个里面的话也有非常多的一些图， 非常省事，省得我们自己去写代码，去一个调乱七八糟的格式里面都已经帮我们集成好了， 毕竟现在 a 有 ai 里面 ai 画的有些图的话，我也是有点看不上的，如果说他画个数据格式化的话，我也不想花很多时间去调那个提示词，太麻烦了，要一个一个的调，所以说干脆就用我们的一个在线网站已经给我生成好了，省事 上，毕竟上传，对吧？打开一个网站上传数据，这样的一个时间的话，比我自己挑战码这样的一个时间还是少多了， 里面基本上什么图都有， 然后包括我们这个 high pro 的 也是一样的，也是我们的一个二元 p c a 生成分析，然后的话我们的各种各样的分析的图，什么热图，什么相关性热图啊，乱七八糟的全部都有， 第一次呢是用 map 这些我们比较常用的 p c a 对 吧？有了这些网站之后，我们这样的一个 效率就可以提高了，然后的话省的我们，嗯啊， 省得我们头上自己写代码，对不对？能用工具就用工具，不要重复的造轮子对吧？这个东西 好，那么其他的话，像我们之前给大家说过我们的 weisson， figuero s c i 这些东西，然后包括我们用 sora 去生成图片，然后的话导入我们的 dob library 里面去进行编辑，或者是说我们用我们的 那的 banana， 也是我们 jama 去生图，然后再用我们的一个 lobe illustrator 去进行编辑也可以，但是一般的话应该不需要编辑吧？就像我们刚刚给大家看过的一样，它生图的一个质量还是比较高的，基本上不需要我们再怎么去修改，基本上去应付一个美赛的话，还是没有什么问题的，对不对？ 那么对于我们那个整体的时间安排的话，那么的话我们比赛的话在我们那个早上六点钟开始，那的话我们拿到赛题之后三个人就要去干嘛？齐心协力的去找文献，找资料，去确定选择题，确定我们的大方向， 我们到底应该走哪些方向？不管你们是用 ai 也好，还是说你们自己手动去查也好，最开始的话肯定是三个人一起把整个思路给它统一掉的，不要觉得这个统一思路之后，对吧？去搞这些思路会浪费你的一个时间， 因为我们写作的时候越复杂的项目就越要去达成共识，然后的话收敛我们的要素，我们达成共识比我们先干不一定会花花费更多的时间， 因为我们达成共识之后，我们后期的话分歧就会越来越少，同时的话也能够让我们整体的一个思路更加的稳定，对吧？ 当然我们不能够在这上面去浪费太多太多的时间，因为我们这个是有时间限制的，对吧？我们只有四天的时间，比我们国泰多一点四天的时间，那么的话基本上我们第一天的上午的话，那我们拿到题目开始 第一天上午的话，我们就要去大概的去明白我们到底应该用哪些模型了，到底应该去 走哪个大方向，然后下午的话基本上我们的一个步骤就要出来了，然后的话我们编程和论文的话就同步进行推进编程，把我们论文的框架给搭出来，然后的话等到我们的论文手跑出了结果就直接填填直就可以了， 然后差不多到晚上的时候的话，就可以去大概的去完成我们第一问的一个写作。然后一般的情况下，我们第一天的话是不建议大家去熬夜的，因为我们四天的时间它是一个拉力赛，对吧？它是一个马拉松， 你在前面花费的精力过多的话，那么你后面可能会影响你的一个效率。我们要保证我们四天的时间每天都可以去高负荷，高负荷运转，不能够因为我们第一某一天而影响到后面那个效率，当然除非说你是干地，那么的话就当我没说。 然后第二天的话，基本上我们来到之后的话也不用起的太早，毕竟我们第一天是六点钟开始嘛，我第二天的话也不用起太早，就像我平时上学一样，对吧？早拔就可以了。然后的话我们继续完成我们的第一问，然后的话准备开始我们的第二问， 那么有了第一问的结论之后，你对于整个题目的一个理解的话，应该会上升一个台阶。所以说的话在上午的时候，虽然说你花的时间比第一天要少，但是的话你在第二天上午的话，基本上也可以把第二问的一个大概思路给弄出来了，然后基本上你第二天的话就可以去 完成我们第二问的一个模型建立了，然后的话根据他的一个结果的话去不断调整优化你的一个内容，因为很多时候你跑出来的结果的话并不一定能够满意。 在很多时候的话，我们第一次见模的时候，我们总会我们的一个结果总会和我们的一个想象是有一点出入的，那么他这个时候你就要去慢慢的去优化迭代的一个过程呢，看看内容里面到底有哪些东西是没有考虑到的，或者说有哪些东西是考虑的太复杂的可以简化掉的， 然后的话去不断的去迭代和修改，然后的话到了晚上的时候差不多的话就能够 拿到我们问题二的一个初稿以及他的一个结果。那么的话第二天的话同样的话不建议大家去熬夜，那么的话基本上建议大家，对吧？十二点多之前睡觉一天奋斗个在早八到晚十二，对吧？十六个小时差不多了， 当然的话现在这个工具这么发达的一个情况的话，一天的话应该是用不到十六个小时的，我觉得一天可能啊十个小时都已经很多了。 那么第三天的话他的一个整体安排实际上是差不多的，但是的话我们基本上第三天的话，我们的一个整个题目的调解都已经要完成了。然后的话下面的话就是灵敏度分析这个部分了，对于每一次而言的话，灵敏度分析是非常非常非常重要的一个板块， 如果说你这个灵敏度飞行做的不好的话，那么很容易就直接降档，因为美赛一般的话都是面向于他的一个现实问题， 那么面向现实问题的话，它里面就会有非常多的不确定性，那么你怎么证明你这个模型是能够用的呢？你怎么证明你这个模型是稳定的呢？那你就只能够通过我们灵敏度分析的方法了，那么现在的现在主要的灵敏度分析的话，基本上也就是说改改参数啊， 然后或者是用什么蒙特卡洛进行模拟啊，看看他们之间那个变化到底是什么样的，整体的难度不是很高，但是的话我们的一个灵敏度分析一定要复图，一定要有图，只有表不行，必须要有图。 所以说为什么总是说美赛是一个跨国大赛，因为它里面对图的一个要求非常高，同时到了最后一天的话，我们不要去 卡点提交，因为美赛那个网站的话是非常拉垮的，如果说你到时候卡点的话很容易容易交交不上去，一般的话建议大家提前两个小时提交，为了避免他那个网站过于拉垮，对吧？然后的话给自己保一个底， 然后交上去之后的话就不要再去修改了，不是说不要修改，不是说我不要修改你论文，只是说修改不要去重复提交，因为它本身的话那个东西就很拉垮，你重复提交的话，你指不定你能够出什么 bug， 所以 说话基本上你交一次就行了，它那里面也没有什么邮件确认的这种功能，就是整个网站还是优化需要优化的比较多， 反正就是至少给自己预留两个小时的时间，不要去卡点提交，然后的话提前两小时把它交上去，然后的话你就可以去休息了。 那么对于我们整个论文的一个编辑和翻译的话，目前我们最好的翻译软件的话还是 d p l， 因为它它里面可以选择你的专业领域的话去去做翻译，但是 d p l 的 话它里面有这种地区的限制，而且的话 翻译文档用需要氪金，所以说的话我们之前的话就可以，我们之前的话就给大家去看过，对吧？星火科研它里面的话也支持这样的一个翻译的一个功能，学术翻译对不对？ 只是说它里面的一个这样的一个文本是有限制的，所以说的话建议大家都是写完一个小结就去翻译一个小结，随时翻译，随时随时，那个 大家的话记得给自己留一版中文的底稿，对吧？然后的话后面的话如果说我们要修改的话，那么的话不至于到时候自己都看不懂自己的论文，不知道自己要改哪里对不对？有一版中文稿有留一版，有一版英文稿，最后提交英文稿， 要修改的话要先改中文稿，然后再把修改的那一部分重新翻一遍，然后再到英文稿上面去。同时的话我们之前也给大家看过我们的这样的一个润色呀，审教啊，预审啊这些功能， 所以说的话我们在写完之后，我们是可以去反复的去根据它里面的一个评选意见来打磨我们的一个论文的， 尽可能的让我们的论文的一个考虑的更多，更加的完善，不要让人家挑出毛病，毕竟也不是只有你会用 ai， 人家也是会用 ai 的， 对吧？评文也是会用 ai 的， 就是说可能有的有的评委他甚至可能是懒，直接懒得用 ai 来看你的论文，直接大概的瞄一眼就过去了，但是的话为了避免这种情况，对吧？ 我们也可以提前用 ai 来帮我们审校一下我们的一个论文，尽可能的让我们的整篇论文更加的专业化，更加的学术化，更加的 有这种可执行性。好，那么我们的一个分享的话就到此结束，所有的资料的话，大家都可以看评论区置顶进行领取，然后的话希望大家可以在我们的美赛里面取得好的成绩。
53数模加油站
24:26查看AI文稿AI文稿好的，亲爱的小伙伴们，大家好，我是老哥啊，今天呢，给大家整理了二零二六美赛 a， b， c， d， e， f 题的这个翻译哈，这个相关的一些工具啊，我们用我们的超级的这个 ai 提示词给大家整理出来了一个 a， b， c， d， e， f 题的，整个的一个赛题的一个 啊，相关的一个解析啊，模型的选择，以及相关的一个创新点的总结，以及相关的难度分析和选题的建议哈，大家可以看一下哈，今年的话呢，美赛的 a， b， c， d， e， f 题吧，顺序有点颠倒哈， 往年的美赛的 a 题是不可能出这种题目的啊，往往会出一些比较偏门的一些，是一些什么微方程啊，这种激励分析类的赛题，而这个， 而这个 a， t 呢，呃，智能手机电池耗电建模啊，这个确实出乎了我们的意料啊，只不过呢，很多同学啊，用这样说，老哥，既然是预测的话，我直接用时间训练预测模型就不就行了吗？对不对？你们记住哈， 每赛我觉得 a， b， c， d， e， f 他 出错的概率是非常的低的啊， a 题呢，历年往往都不可能是一个单纯的数据分析类题目的，你说这个老哥我用一个什么灰色预测，回归预测，直接预测 打那个耗电不就行了吗？啊，你直接耗，预测剩剩余时间随时间变化。函数，我直接用一个基础的回归函数，我直接用一个基础的回函数不就行了吗？你记住，这是 a 题， a 题往往就是机理建模，机理分析，所以说这个题目的核心一定是机理建模的，用一些数学物理的公式，哎，把耗电量和各种各样的参数，他内部之间是怎么关联的啊？内部之间具体的机理机理的流程 啊，只有你把这个串联起来，你才能够建好模型。所以说 a t 啊，绝对不是一个单纯的时间训练分析题目，我们后面会给大家讲到怎么拿大奖， 拿大奖的话，如果你想拿奖，我想拿一个 h 奖 m 奖，你用一个单纯的激励你，单纯的时间训练分析类，或者用普通的继续学习算法是不可能拿奖的，所以大家一定要注意啊，这个地方要慎重要慎重哈， 来啊，这是我们的 a t 的 一个翻译哈， a t 的 一个翻译 b 题的话呢，太空电梯系统建立月球直立地，你不要被这个题吓到。首先啊，这个题的话呢，你千万不要被吓到，不管是什么太空 g t 还是月球 g t 还是什么火星 g t， 本质上来说就是优化啊，本在本上来说就是涉及到多个系统的优化，对不对？就多目标或者是普通的优化类问题，他逃不出这个去的， 和本上和建一个医院啊，建一个修一个学校啊，基本上没有什么区别，所以你不要被他吓到哈，难就难在这个题目可能会涉及到数据的问题， 数据不好找而已啊，但是传统的我们常规的一些优化模型基本上就可以做出来，大家呢，也不用担心。好吧，这个题目呢，你也不用太担心，后面我会讲到一一的分析啊，就每个题目看了没，他会有一个完整的分析报告啊，到底评分依据考讲难点，解析要点，解析思路或讲要点哈，都给大家讲到的，所以你也不用担心啊， c 题，这是一个比较基础的一个记忆机，一个数据建模题目了，又有人说的记忆学习分析题目啊，这个呢，就是有点，有点不太，有点就 突突兀哈啊。今年呢，就是搞了一个节目啊，搞了一个节目叫舞动奇迹啊，说白了就是观众投票之类的，人家得到相关的数据分析，给了大量一些数据表啊。今年的话呢，我们用 ai 是 今年我敢说是每赛历年获奖难度最大的一年，也是小白获奖最好获奖的一年。为什么？因为今年的 ai 将会是 ai 在 世界剑魔领域彻底渗透的一年，也是彻底渗透的一次比赛。 尤其是个 ct， 给的数据集竟然不多啊，给的数据集竟然不多啊，这也是超乎我的预料的啊 啊，你如果给的数据不多，那 ai 就 可以直接给你处理掉了， ai 就 可以直接给你处理掉，所以这个题目的核心就是你一定要做出创新性来，如果你没有做出创新性，你就利用了一个单纯的继续学习算法来做的话，那你这个题目想获奖就不可能。我们给大家讲了四种创新， 四种创新，对于啊，在这个位置上，那么你必须要选择一到两种创新来做，因为大本同学我估计会选这个 c 题好吧，因为这个 c 题给了数据，也给了相关的一个难度系数，也不大，给了相关的一些一些。那个啊题问题呢，也不是特别的复杂，但大本同学我估计会选这个 c 题， 既然如此的话，那你必须要有创新，你没有创新的话， a r 十分一个小时就可以做完，我一会呢会给大家演示 c 题，用 a r 怎么来？系统来建模，而我们 给大家用到的这个提示词儿看了没？我，我的超级 ai 模拟题，求解。提示词儿里面啊，看了没？这就是完整的一个求解，一个系统的呃，数学建模题目，它的一个 ai， 一个提示焦点提示词儿里面有一个，看了没？ 第一，模型选择阶段啊，你看用 ai 提示词和不用 ai 提示词，结果完全是不一样的。用 ai 提示词呢，我会让他给我创新，看到没？而且有三种创新啊，你给我任意的每个小位必须要给我选择至少三种。三种创新方案是至少选一种， 第一个算法改进创新，第二个交叉领域创新，第三个算法组合创新。这个你必须要放在你的 a r t 你 的模型，模型选择或者模型建立里面，如果你没有，你仅仅选了一个基础方案的话，那你拿奖是几乎是不可能的。 纠本呢？我们有四种啊，在这个地方我，我一般建议用三种就可以了。第四种只有一种场景就是优化的，就是预测类问题啊，预测类问题啊，这三种的话，能解决百分之九十以上的数学建模题目，而且能够得到创新性的算法。哈，这呢，后面会演示啊，后面我会一一的演示啊， 大家也不用担心啊，一会会一一的演示啊，然后具体呢，这个题目的话呢，难度系数就比较大了， 但是这个题目也是我认为获奖最好获奖的一个题目，因为大本同学，只要你没听老哥的视频的，我相信你百分之百想不到 相关的一些思路啊，你最多也就按照一个普通的啊，体育赛事的一个一个研究啊，就建模去做了，比如说 a 题呢用系统动力学， b 题呢用，呃，第二位啊，这个第一位的系统动力学，第二小问的话用，用我们的卡罗模拟或者些其他的模拟情况来做，但是这个题目啊，记住 体育赛事也好，经管类问题也好，你们记住一个事情哈，就是你想获奖，你必须要用，尤其这种冷门，看了没？体育赛事管理，这属于偏冷门了，对不对？没有说没，很很少有单独的模型是研究这个的，对不对？还有什么学校的管理， 还有什么就是比如说一个部落的管理啊，这些偏冷门的问题就是研究的没有那么细致的，你们记住一定要有创新， 创新点核心就在于交叉创新。我们所说的刚才我给你们提的头里面看了没有三种创新方案，第一种算法改进，第二种交叉整域，第三种算法组合。这里面对于地体这种偏冷门的赛题的话，你们这种交叉创意是典型的。 哎呦，因为没有人会研究一个专门的冷门的问题的，对不对？比如说球队运营啊，我不是说贬低，也不是说歧视啊，我没有这个意思啊。 啊，我比如说我可以用，是吧？这个这个养殖的一些策略，或者我可以用一些种群部落的管理，生态学中的一些种种群部落管理 啊，比如说，哎，我们一些种群蚁群啊，或者是一些鸟群啊，哎，怎么去管理的？然后呢？对应的应用到我的体育赛事管理里面，这叫交叉， 懂我意思吧，或者我用一些比较偏偏的一些方向，就像我说的传染病模型吧，我传染病模型 sm 型对不对？我原来的是用在传染病疾病的扩散领域的，我现在把它用在了舆论传播，新闻传播领域，这就叫做交叉。而对于这个题目，我觉得最好的创新就是交叉。 好吧，交叉，交叉创新这个题目获奖非常关键哈，如果你没有用交叉创新的话，那你就要好好的思考思考了哈。 来，还有什么一体被动式太阳能遮阳系统这个题目的话，说实话哈，这个有点小难度啊，因为什么呢？这就是我们传说中的 a t 是吧，美赛的 a t 往往是这种类型的题目，就是一些比较冷门的设计，像什么让你设计一个对吧？浴缸啊，设计一个人机工程学的座椅啊，而现在的被动式太阳能系统让你用在了一体上面，这个题目超出出乎预测啊，因为一体的话一般是可环境和可持续之类的， 但这个的话也属于可持续哈，因为太阳能吗？对不对？这个题目的话呢，你核心就是你就要 首先的话呢，知道啊，怎么构建相关的一些微型方程是吧？那个积累分析啊，积累分析必须要有的，像什么热传导啊啊之类的要做，还有就是常规的优化类问题，什么目标优化，优化模型要构建 对不对？这两个是核心啊，你必须要学会构建啊。一会呢，我们可以讲到哈，这个题目的话难度系数不大，但是呢就是难点就在于比较马就要求解的话呢，就是要对模型啊，建模的要求比较强一点啊，就就比较典型的数学建模难题啊，数学建模题目 啊，因为 ai 吧，也很强的，在这题目也不在话下，也不在话下。 f 叫政策类题目，政策类题目我们啊政策类题目的话，我们求解的一个非常关键的模型就是系统动力学模型，你们记住哈，解决政策类题目 啊，往往用系统力学是最典型的一种算法。做 f 题的话呢，大部分同学我估计都会用这个系统动力学模型， 因为要要评估政策对未来的一个影响，这个任何的模型都模拟不了任何的模型啊，只有系统的理学这种半积累模型，我们说才能够分析这个政策对未来这个影响。所以这个题目大家很关键啊，只要用好这个这个题目就可以解决掉了啊， 来啊，整个的我们来具体具体来看一下。 a 题一共有四个小问，第一小问叫构建连续时间模型，描述电池剩余电量随时间的变化， 对不对？一定要考虑多种因素的影响，不能单纯的就用电池原来的电量和是吧？然后呢，预测未来的电量，这种是不能的，因为题目就具体分析，不是一个单纯的数据分析类题目啊，不是一个单纯的数据分析类题目，你们记住啊。 第二小问，预测不同场景下剩余续航时间，分析耗电系统，这个就是一个预测类问题了，预测不同场景下剩余续航时间吗？对不对？第三位分析假设参数使用魔镜对影响，这就是一看这个问题就是 敏感性分析吗？是不是因为参数对结果的影响？这不就典型的敏感性分析，某一个参数的改变对于我的结果有什么影响吗？对不对？这个题目我觉得不应该单纯作为一个小问， 为什么？因为单独做一个小问的话很匪夷所思哈，因为每这个是不，百分之百你必须要做的，对不对？你不是说哦，题目没问你是吧，没某个参数对结果的影响，你就不做了？ 百分之百你是必须要做的。同学们，告诉大家啊，百分之百你必须要做啊，你不做就不行，记住哈，百分之百必须要做的啊，还有就提出用户和操作系统层面的省电建议，这个就决策建议类了啊，就学一下 demo 之类的啊，学一下 demo 之类的啊，建议建议信相关的东西哈。 然后推荐算法啊，第一个激励分析类啊，推荐的算法是什么？什么扩展型，带为难等等效电路模型加温方程组 啊，这个推荐的是这个算法，这个算法的话还有点创新性的哈，来贴合锂电池电子化、电电化学基体可量化多因素对 soc 的 影响啊。这说白了就是你看融合了微方程，所以 a 体的话，你要但凡说我用时间系列预测模型，那有点小问题哈，第一问哈 来，第二本预测类，其实机机理模型的模特卡罗模拟啊，原因是什么？可处理使用场景的随机性，量化系数不确定性啊，因为使用场景是随机的，你可能上着厕所使用，也有可能听课使用， 也有可能在路上使用，也有可能看视频使用，所以你的场景非常的多，所以用模特卡罗来模拟多场景的，这可是关键。 来第三节问敏感性分析，这个就无所谓了啊，你只要做好敏感性分就行了。这个官方推这我们推荐就是这个买水刷牙碗和扫把扫把纸把，这个其实啊，都还好哈，你只要能把这个做出来就行了，你们改变参数的结果，看看 这个这个结果怎么变化，因为第一问和第二问才是获奖的核心啊，第一问，第二问，大家不管怎么样，一定一定要把握好，一定要把握好，好吧， 来后面的政策建议类啊你，你多多少少吧，你想拿奖你就别整的吧，这个，这个太 low 啊，你可以什么多标规划之类的，用多标规划算法，多个省电目标，别续航时间长，使用体验，使用体验好之类的来找到一个自由平衡。因为你不要说把 f 题，把 a 题的最后一问就当成写个建议了， 老哥，我整合前面弄一针我我的小建议行不行？今年 a t 竞争非常激烈，同学们，我建议不管怎么样，你们一定一定一定啊，说白了啊，真的一定一定，老铁们，明白我意思吧，不要上来就用什么啊，不要上来就就说白了，老哥，我那个 对吧，就就用一个，那个什么行不行就用一个啊，写个建议行不行啊？今年 a， 今年数学建模将是最难的一年，老铁们，我们不管怎么样，我们都要建立的有点创新性行不行？ 政策建议类，你也要做出点花来好吧，但是不管怎么样，你们记住啊，一定要做出花来，好吧，你不知道怎么建模怎么内容的啊，老哥这里也有哈，我们 a t， 到时候呢，相关的输入代码包里面还有 b t 的， c t 的， e d， f d 的 啊，我们都把相关的思路解析原代码都放到这个代码里面，如果你实在求解不出来了，你也可以看什么用老哥的超级 ar 提示词，我们 ar 提示词里面也有哈，在这个地方 啊，超级 ar 提示词里面也有有十七道。一会呢，我会幸好演示一下到底每一小问啊，就是到底怎么来做的啊，每一小问 a 题的话，超级 ar 提示词，他 到底是怎么一步一步的把这个题目建出来的啊？没有领取到咱们的这个思路代码的，大家一定要去领取一下，到时候我们可以把 a t 的 相关源代码点击思路啊，论文答案之类的，包括我这个文档啊，我这个文档也都会放到我这个 a t 的 这个这个相关这个资料里面。好吧，没有领取的抓紧去领取一下哈。来 啊，最后一问啊，决策建议类啊，你们必须要啊，不能说单纯的就上来就提供一个小建议就完事了啊，必须不能提供一个小建议，一定要有一个分析好吧，一定要有一个分析哈。来， 这个难度系数，整体只整体是三分好吧，难度系数不大哈，这个 a t 的 话呢，整体的难度系数并不大哈， 然后评分的依据啊，模型复杂度是中等的啊，因为就要结合一些电化学记忆多因素融合是吧，这这个其实难度系数并不大哈，因为这些内容的话，我们在一些网上公开的一些资料都可以找到 啊，然后呢？数据获取难度低啊，可以通过一些公开文件厂商数据，这个的话呢，网网上也是资料比较多的啊，老哥这里给大家提供好，到时候提供好以后，我们直接就给大家放到这个 a t 这个里面好吧？ a t 的 里面啊，给大家放到这个 a t 的 里面，好吧？啊？ a t 到时候直接给大家放到这个 a t 的 里面啊，相关的一些资料哈啊，包括数据之类的，给大家放到这里面哈， 然后就是这个，呃，创新性要求中等啊，但是我说实话哈，如果你让我来推荐大家做哪个题目，我给你们推荐哈，我百分之百会推荐你们做 a t， 为什么呢？因为这是一个非常非常典型的数学建模问题了，对吧？就是你按照流程来，按照老哥的要求来，你做出来之后去，说白了你起码来说没有那么大的坑， 对吧？像什么太空电梯啊，像什么体育赛事，说实话啊，都有点偏啊，都有点偏， 我最推荐的就是大家做 a t， 我 觉得这就是典型的数学建模题目了，难度系数并不大，说高也不高，说低也不低，每个人会的数据也不一样，所以大家得到的结果也不一样，有创新吗？哎，你的微方程那个地方，你只要弄的复杂一点， 对不对？你只要最后一位上个目标规划啊，你只要在，是吧？这样的，所以说这个创新硬有难度，系数还不大，数据也没那么难，我觉得这个题目你要让我来做哈，老哥你要是你做，你会选哪个题目？我就会选 a t， 真的，老铁们，别的题目说实话都有点坑，对吧？都多多少少吧，有点麻烦，像 b 体吧，太空电梯有点小麻烦， c 体的话与星共舞也有点小麻烦，数据量那么那么那么乱对不对？地理体育赛事吧，你说交叉创新，你能创业到什么程度？也有点麻烦， 这不是一体呢，你得有非常强大的这个，呃，这个这个，这个构建微方程啊，以及这个积累分析相关的一些能力啊，也不是很好做 f 的 呢，人工智能说很多同学都这个新动力学呢，豆芽都用这个，你很难创新，所以 a 题呢，你要创新有创新 对不对？要数据也不难，要好好深入的做，你就你就优化就行了，你就一点点的优化，比如说我参数，哎，我优化模模型可不可以再弄的复杂一点，就是你先构建一个基础模型， 基础模型就能够解决结构问题，然后你再一点点的生化，这样的话 a t 就 可以了。我们后面会给大家用全 ai， 用这个 ai 技术词哈，以完整的把 a t 的 给大家解出来， 这道生成一篇高质量的 a t 论文，你们再看一看啊，我用超级 ai 技术词来做的情况下，会做到一个什么样的效果？好吧，一会我们给大家直接来做啊，来演示，好吧，来难点啊，难点就在于什么 啊？那建模工作量也也中等哈，难点就在于什么多因素啊，就屏幕，处理器温度，每一个模块到底和耗电量是怎么耦合的，这是一个难点，只要这个解决了， 这个题目就可以解决了啊，这个题目就可以解决了，好吧。第二点，连续实践房顶的构建，贴合电池实验，避免纯数学孪合啊，这个也是一样道理 对不对？这个的话呢，你不能纯属于你和你不能用一个基础的回归就完事了，你要顾及积累分析第三个不足，使用上下参数标准验证问题，这个蒙德卡罗模拟这个有点小难度对不对？你只要能把这几个解决了，好吧，这都叫小难度哈。还有就不确定性电话啊，不确定电话 啊，兼顾模型误差，有随机场景，这叫模型检验吗？对不对？你必须要做模型检验啊，要点就是第一个啊，是坚守连续时间建模核心，避免理散化处理，因为 a t 是 连续性问题，所以你别整成理散型问题了， 你 a t 要整成理散型问题，就背离了 a t 的 要求了好吧，不要做理散化处理哈， a t 不要做理散化处理好吧， 比如说把整个的这个这个时间或者什么的场景模拟变成里散化数据不行啊，明确各耗电组建的低耗与参数取值模型，区分不同环境下使用对使用模式的一个影响，这个就说白了，改变吗？对不对？ 这个就说明大量的场景，比如说温度高的时候，热带或者是海南岛是吧？我极地的向东北东三省 温度冬天比较冷的时候，我怎么样？就你要考虑大量的场景，刷视频的时候怎么怎么耗电，对不对？拍照的时候，所以说你可以拓展的点特别多，你第一天，第二天你可以构建一个基础模型，在这个基础模型的基础上你再生化， 这样的话你们就得出的东西都特别的好哈，真的，就这样的话，我觉得你的模型会越来越深化，越来越深化，这才是 ai 的 贡献，明白吧？ ai 不是 第一天你把，你把你题目解出来了，而是第一天你，你可以用它做一个基础的框架，然后第一，然后逐渐的生化，逐渐的生化，明白吧？逐渐的生化 啊，逐渐的生化，懂我意思吧？所以说哈，真的特别有意思哈，特别有意思 啊，我，我真的觉得特别有意思啊，这个题目啊，逐渐酝化，这样的话，你每一天都用 ai 酝化，每一天都用 ai 酝化， 来，老铁们，你们告诉我，你们这样的话获奖概率是不是比较大了？所以说你们啊，获奖套路就第一天构建一个基础的，第二三天不愿酝化， 比如说不同的场景，冬天夏天刷视频高耗电量是吧？然后呢？这个拍照，然后呢？这个普通的观看文本，数据文本的一些文档是吧？以及这个暗的情况下，亮的情况下，黑天白夜啊，你都不同的场景，那你肯定这个整个模型建的质量会非常的好啊。 点击思路，一步一步的怎么建模？第一位，构建锂，基于锂离子电池电化学反应建立基础 s o v 连续实践微方程，再逐一纳木屏幕啊，处理器耗电量等耗电组建，考虑温度对电池容量的修正 啊，先建立一个锂离子基础的耗电模型，然后呢，再把这些屏幕处理处理这些东西纳到你这个微方程组里面，然后进行纠解 啊，参数估计是吧，建立好模型以后，基于相关的参数就是就是你，因为你建立好模型以后，你肯定要做参数修正啊，对不对？这个地方呢，我建议你们在这里增加一个内容啊，叫什么叫有限元法， 有限元分析啊，我建议你们在这个地方增加一个这样的模块啊，机理模型构建好了以后，最好先用有限元分析来模拟一下，然后再用真实数据来得到结果，好吧，这源于分析的话，你甚至可以做可直观演示，这就是获 o f 奖的标准了，你要拿 m f 奖 m f 奖的标准了， 做一个模拟啊，有限员模拟啊，因为我们知道你不管看网上的一些是吧，一些公开的一些耗电量，他会有一个像一些热力图一样的东西，对不对？看耗电时间，一个热力图一样的一个一个折线，对不对？那个那个就非常的漂亮哈，给你们看一下哈， 哎啊，你可以增加这样一个模块，然后，然后第二就是参数估计啊，收集到一些具体的行业数据了，然后呢？呃，把你这个就对应而成，因为你出你出来的数据特别的多，肯定， 所以说呢，参数肯定是有限的，所以你需要用最小而成来计算这些参数啊，最小而成计算这，然后再就场景预测了，是吧？利用是吧？这模特卡罗模拟，然后呢，设置不同的场景来重度使用待机啊，低温啊，高温环境啊，来计算续航时间， 然后敏感性分析，用这种算法来做敏感性分析。提建议的话呢，我建议你们啊，刚才说了，建议大家可以放一个什么多标规划模型，或者是是吧，比如说使用场景最佳，或者是耗电量最小，甚至你可以用一个单标规划，每标多标规划，老哥太难了，我做一个单标规划可不可以？也可以哈， 来模型创新，在经典积累模型基础上融合多因素偶合模型是吧。啊，这是一种创新方案啊，模型创新 量化结果给出不同，上一下续航时间及误差是吧，然后呢，关键因素的敏感性分析组是吧，不同场景之下，这也是一个一个很好的一个获奖要点分析哈，还是格式化绘制 soc 啊。不同的，这个格式化也是一个获奖要点啊，你要想拿奖的话，也可以把图做的美观一点哈， 然后模型检验啊，也计算一些各种检验，像二方 mse 啊，对不对？还有就是敏感性分析啊，灵敏度分析啊，鲁班性分析啊，都可以用，都可以，都可以拿来用一下好吧。 啊，鲁棒性分析老哥要不要做？我觉得这个地方也可以做一下，就极端的使用场景之下，别超低温，超高温，这叫极端场景之下来看看结果怎么样。所以说敏感性分析要做，鲁棒性分析我觉得也要做啊，这个地方呢，大家一定要记住啊，就是敏感性分析要做，鲁棒性分析也要做哈， 然后呢，选题建议啊，就是这个啊，这个，这个数学统一专业的推荐啊，然后呢，这个计算机专业的谨慎选择啊，因为避免过度依赖黑箱模型啊，因为这个地方呢，就数学物理专业的比较推荐功课这样的也比较推荐哈， 然后呢，这个文科专业的不怎么推荐，因为他涉及到什么机理建模了啊，涉及到什么电化学之类些东西了，所以文科专业的不推荐啊， 然后跨专业啊，工科的加计算机的可以读到零基础的不推荐啊，因为零基础的话呢，难度系数会相对大一点哈，微型方程，电池都都比较难哈，中等基础的慎重选择，能力比较强的可以选择一下啊。 ok， 这就是我们的 a 题啊，难度系数整体来说不大啊。整体来不大啊，但是呢，我觉得获大奖很容易出现的 a 题啊。所以说，同学们啊，如果你能够读懂这个题目啊，你也会用 ai？ 我 建议你们选 a 题。做 a 题的话，如果我来做了，我就会选 a 题啊，百分之，我觉得百分之四十的同学应该都会选 a 题哈，今年 ok， 来啊，我们再来看一下。再来看一下 b 题啊，太空电梯。
17:22查看AI文稿AI文稿哈喽，大家好，下面我给大家进行去年二五年美赛一体的一个论文的一个复现，主要给大家讲怎么样我们去完成一个这样 m 奖的一个论文， 你再去告大家再往哪个方向去努力，也可以去冲击更高的奖项，给大家讲一下美赛的一些注意事项，怎么样去更好的入手 我们这针对整个 b 题，我们主要接下来讲解是针对基础一般的一些人，怎么样去更好的上手这样一个文章。好吧。首先这个 b 题，他去年这个 b 题主要在说管理可持续的旅游，这个问题背景给了这么多，主要在讲什么，他可以简略的看一下，在讲 旅游虽然带来一些可观的收入，但是他也产生了很多的问题，比如过度拥挤，从而会引起了气温升高，我也 进而引起了冰川的消失等等的一些环境的问题。那这个时候他让我们总体要做什么？制定一个可持续的旅游计划。什么意思？就是可持续呗，环保让旅游业循环可持续，而不是说我这些人今天来旅游了，来上一段时间以后，这个环境彻底被破坏了， 以后再也没有人来旅游了，那这样肯定不行，他要的就是说可持续的一个效果，那就是呗，主要大概就是保护环境。好吧，那这个题目的主要分为三个小问，针对这样的一个问题，我们怎么样去更快的入手？ 首先第一个问题，让我们建立一个这个模型，他告诉你要考虑哪些东西，他要求你明确正在优化哪些因素，哪些做的约束条件，最后要求你进行一个灵敏度的分析， 并且讨论哪些因素最重要。第一，第一个大问，其实问题小问有很多，第二个小问就是让你看一下怎么样适应其他地区，相当于一个应用呗。 第三个就是写一个总结，相当于那针对这样的一个问题，我们怎么样去入手？好吧，我以写文章的角度带着大家去写。好吧，就是说你怎么样去完成一个文章的每一个部分，这样也相当于去解析了。首先是你背景部分怎么样去写？ 首先先跟大家说一下论文的篇幅问题，我们每在要求英文式状态下二十五页，在中文状态下，根据这个经验，大家在二十页左右，十九到二十一页左右翻译出乘英文，大概是二十五页。 大家写中文的时候尽量控制一下，大家应该都是直接写，写中文，中文的时候大家尽量控制一下，这样方便你后面翻译的时候你还要筛选，会很麻烦的。 好吧，所以大家尽量控制一下。那这个就可以避免好问题。背景部分，这插了一张图，这个图可有可无，大家看自己的情况，如果你的篇幅可以撑得下，那这个部分你可以放一张问题的背景图，至于背景图从哪来，你可以直接去盎盎市的风光。好吧， 你可以直接去百度上进行一个搜索。好吧，一会呢会进入 ai 去给大家进行演示，主要用的 ai 是 这个豆包，豆包相对来说它收众比较广， jpg 的 效果肯定会更好，但这个收众没有那么广。好吧， 那大家如果有这个条件可以用 jpt， 效果肯定会更好的。好吧，好，那就背景部分我怎样去写这个部分，不要直接抄这个原文，好吧，直接抄原文不好， 当然每赛大家不用太关注查重的问题，因为你翻译成英文他重复率不用担心，英文类的比赛他重复率还好。好吧，好，针对。首先就是这个问题背景怎样去写，那这个时候还是给大家方式说，你 把问题背景问题前面的这些东西都复制过来以后，你用我们的这些提示词的第一个给大家标好了。好吧，这个提示词大家领取的方式，大家可以自己去 去看评论区。好吧，好，这样就可以直接把这个问题背景去生成这推荐。这里用的是六百字，会推荐大家中文比赛才是六百字英文比赛推荐大家四百到五百就可以了， 因为你翻译完以后，如果你六百字大概率就是要占一整篇，那如果一个问题背景占一整篇，这个效果会不太好，好吧，问题背景他要有，但是不要太多， 那样的效果会很差的。来看这个，这个篇幅其实有点长了，所以说推荐大家四五百字英文比赛就可以了。好吧，好，那这个具体的就不看这个，给大家演示一下怎么样去写这个问题背景。 好，这个部分写完以后就是这个问题的传输部分，推荐大家自己写，你读完这个问题以后，把这个问题用自己的话，用中国话描述一下就可以了， 这个东西没有必要再怎么样去这写不出什么花来，你就自己描述一下就可以了。好吧，好， 也不用太多字数了。哎，这个部分相当于是对整个文章的一个总结，这个部分推荐大家最后写，当然每个人的框架不一定一样，我这个文章是给大家介绍了我要行文的一个框架。好吧，好，这个部分这是一个总结， 推荐大家最后写，一会再大家来看。好吧，好。假设推荐大家三到四个，怎么样去写？把这三个问题复制给这个 ai， 用我们的这个提示词， 好吧，我都都给大家标好了，用哪个，好吧，他会给你四个，这个推荐也是四个。先写一个假设，下面解解释，推荐可以这样一个这样的一个方式， 当然你有其他方式也可以。好吧，没有固定的定性要求。符号，说明他自己写你用到的符号，你第一。这个没有什么技巧可言，直接写就行。数据来源是有两种，有的是题目，他会直接告诉你，像去年每赛的 ct 是 直接告诉你数据了， 那这种你就可以直接用了，你就不用写这种。他这个 b 题，他没有告诉你数据，那这个时候你要搜集的你搜集的来源是哪里？你是不是要写上了？这个是你搜集的数据，这个还是要写上的。好吧， 你复一个他相关内容，表明你从哪搜集的数据，搜集哪些内容，这样效果会比较好。上面的征主要针对的三个问题， 因为你看一下这个主要是三个问题，一个是什么建立模型，一个是应用，还有一个什么总结，那这个就是针对每一个问题，他这个行为是一致的， 每个问题怎么去做，我们是一致的，所以就只给大家演示一个问题，怎么样去做就可以了，好吧，就够了。好，那针对问题，比如说我们问题一怎么样去询问？首先我们把我们的问题 复制一下，复制给这个 ai， 我 们先写什么？先写代码？为什么先写代码？因为你要在保证它能跑通的情况下，你再去写中文啊，如果你写完中文以后，你再去让 ai 给你写代码，相信模型的代码，万一它跑不通了，那这个时候就会很费事。 所以为了防止大家反攻，那这个时候你就先写代码，你有结果了，那这个时候你再写过程，那是不是就相当于肯定不会出差错了？那这个时候你可以把这个时候又分为两种情况。第一种情况，你自己有自己的思路， 你想用什么模型，你这可以直接写上你用的模型，如果你没有，那这个时候你就可以把这个删了，你让他给你，他就会告诉你一些模型，他会给你。好，这是一种方式。好吧？ 当然你有自己的思路，有自己的想法是最好的，因为你可以让他给你打个辅助，你让他完全给你写也可以，也不是不行，好吧，当然也可以的，他会把代码给你，代码给你以后，你先跑通， 期间遇到了任何问题，你就直接在聊天框里复制给他，然后让他给你解决，直到最后跑通为止。跑通以后给大家跑通。好吧？跑通以后你可以看一下情况，最后跑通了，那这个时候就可以什么你就可以去做了， 这个时候就该写正文了，正文你怎么去写？先把你跑通的代码复制一下，复制完以后丢给他以后用的下面这个指令，你看解决问题的文字内容的指令，把这个指令附着给他。好，这个部分解决什么问题呢？解决了文字的内容好，这样总体说来，整个文章的文字部分 和代码部分就大体框架就打完了，但是他只能给你一个大体的一个框架， 你要核心内容，你自己还要有一个衡量判断。什么意思？就是说你像一些位置的排版， 怎么样去更好的描述这个问题，你自己肯定是要读题去分析的，好吧，这个是没有毋庸置疑的，你不可能说去全靠 ai， 最多 ai 可以 给你打一个辅助，让你更好地去解决。就比如说它告诉你了这个内容以后，你就可以在它的基础上进行一些优化，进行一些更改，好吧？并不是说啊， 你完全去复制，那样效果肯定没有，你自己再去总结一遍，效果好，好吧，你总结一遍，你一是减少篇幅问题，大家说了，因为比赛论文还是篇幅还是比较重要的，不要太多，好吧，这样你自己再去总结一遍，效果会更好。好，这是正文的部分，正文部分你完成以后， 你大概到这里这么做的完成，那下面就是最重要的是吧？下面就没有什么重要的，就说模型的评价，参考文献，大家自己解决，好吧，直接找你用的文献就可以有缺点，推广模型这种东西大家怎么去做？你把你写完的整个文章，你从这上传给他，上传给他以后，你用我们的这个指令， 他会给你上场，好吧，那这个就解决了，从而解决完这些以后，你就要该做这个了，这个部分怎么去写？你把你整个文章每一个部分怎么样去解决问题的，你把它写到这，尽量大家什么 找队友里面的一个总结性比较强的，文科功底比较强的，总结能力比较强的去总结一下， 写到这尽量大家自己写啊，大家自己写的东西不多，所以这个东西大家尽量自己写好吧？好，这个图一会给大家教给大家怎么去画好图，这里面的图我们先不管，一会我给大家整体的去讲，还要给他提供一种方式，就是说先用我们的这个指令去把这个生成 怎么样，就用这个指令先把文章完整的传给他，传给他以后用我们的这个摘药的指令输给他以后，他会给你生成一个摘药，然后你把你的摘药复制到这以后，你自己去完整的顺一遍，看哪些加哪些减， 你再让你的另外两个队友分别每个人都要去进行一个筛选，摘掉非常重要，筛选完以后，这个时候你就可以说算是一定要去多看，好吧，算是完完完整整的把这个文章搞完了，那这个时候还不够，他算是完成了文章， 那这个时候你要完美美菜的完美的方向。第一个很重要的就是说模型，解决问题的模型不一定要非常的华丽，非常的堆的，就是说工作量比较大那种，没必要， 他看中的你什么你这个模型的是不是很针对性的解决这个问题？什么意思？就比如我到 a d 最多有一百步就可以，你非要绕绕很多远走三百步，那没必要。怎么样更好方便解决这个问题，那就用从怎么来， 没有必要说对于什么华丽的模型没有用的。好吧，这第二个就是图形的问题，图形也很重要， 你发现那些 o 奖状的、 f 奖状的图形都会非常的好，最起码你的文章里面要有个流程，图像这种还有一些结果的图都要有，我们可以看一下整体的这个文章，一些图像肯定还是要有的好，下面给大家解决图像的问题。 图像问题给大家推荐三种方式，就是最快的方式，好吧？第一种方式给大家提供了一个框架，有六种方式，也是三四种。第一种方式就是说你去看这里给大家提供了一些框架。好吧，你也可以去找往年的欧江论文 或者 f 降落段里面的好的一些灵感，找灵感。为什么说找灵感？大家画图的时候，其实大家缺的从来不是说给你一个图，让你言疯不动的模仿下来，你不会，肯定不是这个，你是找不到我去画什么样的图匹配这个文章， 他缺的大多数都是这个，那这个你怎么去找？那肯定就是看其他的文章，我觉得，比如我看这个文章，我觉得这个图不错，我能不能复刻一下？复刻的时候你用什么工具推荐大家用 ppt 就 行了， ppt 可以 非常完美的复刻了。 好吧，那这个时候你就用 ppt 呗， ppt 很 完美了，主要大概用哪些？用这些形状都可以用，你看这些图其实都是什么，你发现都是这些图形的组合。 所以说大家用好 ppt， 你 找一些模板，大家现在还有时间，大家可以去看一些文章里面找一些灵感，把它的图复刻下来，尤其是有一些有通用型的图， 你复刻下来，下次你比赛的时候，你是不就可以用上了？这是一种方式。好，当然一二都是这种方式。第三种就是流程图，流程图你可以直接用这个， 你可以在它基础上加减，换成你的模型，什么东西都可以，你也可以在其他文章优美的流程图，也可以去 copy 一下，去复刻一下，你自己用。还有种方式就是说模型的一些图，比如说这个文章用了什么？用了 l s t m 模型， 那他的这个模型是自己画的吗？肯定不是，这个太费时了，你画这种图太费时间了，这个时候你怎么去做？推荐一种方式，你去中国之网，你去找，比如说这个 lstm 模型，这个是你就直接解锁 lstm 模型，你去搜索找什么？找硕博论文。为什么找硕博论文？硕博论文。对于一个 问题，如果他是研究 l s t m 的 应用的问题，他会把 l s t m 的 前世今生介绍的清清楚楚，里面大概率，不是大概率，是基本上都会有图形， 这个模型的图形那你就可以直接把清，当然你可以多筛选一下，找清晰度高的，那这个清晰度其实不算高，你找清晰度比较完美的图形，把它复制下来，你可以简单的自己堆积一下，当然他原本肯定不是这么画的， 这是后面组合出来的，堆砌一下出来以后就成了你自己的图了，这也是一种极素材的方式。好吧，好，给大家提供了这几种方式。还有一种说你用他原本的 ppt 也带了图标， 他也有图标，你可以用他的这种图，可以吗？可以，也挺好看的，其实他图还挺多的，你看这些图其实都挺好看的，你可以用他这些图吗？可以用他这些图，用你的数据，用他的图生成，可以。好吧， 还有一种方式呢，说你对文章有一些大串大串的公式，大对公式你可以避免一下，可以用图来表示一下，看起来更清晰，更完美。好吧， 主要就是这几种方式，你会发现这几种方式其实它是什么？你是你上手画比较完美的图的最快的几种方式。好，这大家一定要去用好。还有一种方式就是说图 结果图怎么去做？你看刚才这个代码其实生成了好几种结果图，那这个时候如果你的代码没有几张结果图，那这个时候你就可以把这个代码复制给他，让他什么，你就说给我再加一些格式化，这是针对于结果图了，好吧，因为这个代码不是生成的结果吗？ 让他给你再加一些格式化，那这样你的结果的格式化图像是不是也就多了？你看他会给你加了很多图了就，对吧。好，这是又给大家提供一个方式，所以说 图像你想画好没有那么难，你重要的要找准努力的方向，好吧，所以接下来的时间大家可以去找一些有用的优美的素材， 大家去复现一下，扭成自己的模板，好吧，这是一种方式。好，这是针对美赛的这个重要的绘图，就给大家讲到这，其他的点说，美赛翻译也是比较重要的翻译，大家写完中文以后给大家不是说了吗，写到十九到二十一页就可以了， 这个时候你就可以着手翻译了，你控制一下中文就控制在二十页左右就开始翻译，基本上你翻译完就是二十五页，你也就不用多花过多的时间去，还要筛选，太麻烦了。那这个时候你要做什么？你怎么去翻译？你用可以用软件，也可以用 ai， 但是推荐大家你翻译完以后摘药部分你自己再检查一下，三个人里面就算英语都不好，你们三个人的英语水平加起来应该也还可以。你三个人检查一下摘药的英文翻译的怎么样其实很重要，翻译很重要好吧，翻译的不好会影响你的成绩的， 翻译的好可能你的成绩就会更好一点，所以翻译是非常重要的。给大家注意的点，美赛的格式没有拘泥的格式，大家可以按照自己平时的写文章的格式来就行， 哪怕你第一次参加美赛的，那你可以找一下其他的优秀的文章，你可以去用它的格式也可以。好吧，大家的美赛的一些文章怎么行，文怎么注意， 大家一定要去看好吧，像什么一号，他这本来有对号，这是我去了的，这种细节一定不能漏了。好吧，这给大家主要讲了一些一些小 tips。 好， 其他的就没有什么，那接下来的时间努力方向就可以去什么找一些优美的素材， 可以再找一两个题目，如果是基础不怎么好，也像我这样去复现一篇文章，或者自己去解决一下题目，完整的解决一个题目， 到时候你在比赛场上时间比较紧迫的情况下，你是不是可以更好的解决？好，那今天就到这里，他想领取相关的资料，大家就看关注一下评论区就可以，好吧？
845云顶数模
01:23查看AI文稿AI文稿博美赛啊，现在比的是你会不会用工具啊，拿奖之后啊，奖学金和保研加分都直接拉满了。给你们分享三个好用的树模工具，一条龙服务全部搞定。第一个就是 infam， 想要拿奖代码和图的就必须好好弄。 infam 现在接入了地表最强的编程大模型小柯的 opus， 你 只管把数学思路告诉他，那些复杂的遗传算法，神经网络代码，他秒生成， 直接就能够跑通，不像别的 ai 很 容易就出 bug 了，跑通之后再不断迭代记录就 ok 了。更好用的呀，是它的画图功能，论文里最费时间的模型，流程图、思维导图，用它就能够一键生成，配色专业，逻辑清晰，直接复制到论文里面。评委看到这么好看的图，第一眼印象就直接拉满了呀，想体验的评论区扣一，我给你发邀请码。 那第二个就是 dippo， 搞定美赛的全英文论文的翻译官，大家要知道，评委基本是母语，英语，母语人士就不要用普通语法去送人头了呀，把写好的中文部分扔给 dippo， 它的学术翻译地道的就像母语者写的一样，专业术语一个不错，很多科研人士都在用，用它润色一下，那个高级感就直接上来了，论文档次 直接起飞，读起来非常顺滑。第三个就是 overleaf， 你 直接把数码的 text 文件上传上去，就直接是一个稳定的模板了， 不用再慢慢排版了，像什么公式啊，表格参考文献什么的，一键搞定。更重要的是数目的比赛，作为一个三人比赛，就很需要这种 overleaf， 可以 多人实时同步写作的写作工具，你用 excel 把内容和图生产出来，再用 overleaf 慢慢排版，省心到离谱。好了，在这里祝各位比赛顺利，都能拿到好结果！
6203宇智波学长
17:05查看AI文稿AI文稿好，这里是黄渤赛一，我是你们的赛一学长，欢迎来到这个大学成人之路，即思维方法之后的模拟篇视频将带大家用去年的数模美赛 c 题带大家快速过一遍实际的比赛流程。 比赛的第一步就是选题，选题呢，到时候你会你们会获得 a、 c、 d、 e、 f 六个文档， 这六个文档呢？大家怎么去选题？嗯，我这主要是讲两个大类方法，其实还有第三个，就是说你们可以去把六个题目全部丢到 ai 里面，然后问 ai， 但是其实我不是很建议这一类。然后呢，第一种呢，就是你们可以就是把这个翻译出来，这种就适合一定就是你们有一定基础的人。 那那你就能够从中文中看出来啊，因为其实一般来说都不会去看这个英文，因为太太那个了，然后你去看这个中文，然后去做这个整体的分析，但是这需要一定基础，也不适合小白，那么小白就适合哪种呢？小白就主要去适合我们去丢机构， 那么为什么我们要去用机构的美赛分析呢？怎么去找呢？这个企业很简单，你在 b 证直接搜美赛选择题分析就有一堆，就你发现有很多机构都是有这种选择题分析，然后他什么二零二五啊，这些二零二三都有，就是你会发现一到时候 一堆机构全在发这个好，那么为什么呢？因为我们最简单的人就会有很多人选， 懂吗？就是如果机构发假设我这个时候哈我在那个 b、 b、 d， 有 些人说，嗯，发题简单啊，难度是 f 呃，小于 e， 小 于呃 c， 然后小于 呃 a、 b、 d 啊，那我们假设这样发的，那你肯定会觉得大部分小白都会冲 f 去了，对吧？ 所以 f 就 变成了很多人选，因为会从众，就是你看这个机构他说谁简单，那肯定很多人选，当然也有一些是乱说的，但是，嗯，一般来说就是你去看那种播放量非常高的，他们一般来说就很多人选 好。然后为什么呢？因为这是一个基本的逻辑，就是我们获奖是按照比例去获奖，那么我们假设一下是百分之十的人有奖。好，这只是假设，因为实际上这个比例可能并不是这样的。 那我们假设，那假设我们 a 题的人有两千个人当选，那么我们最最终会有两百个人获奖，那 b 题的人假设我有十个人参选，那么我们最后有一个人获奖，在这种情况下，我们是选 a 划算还是选 b 划算？ 那肯定选 a 喽。为什么呢？因为这个其实我们可以去想到张张雪峰老师，他曾经说过，就是我们报清华的时候，哎，清华就招两三个人，也也就那样嘛，两三个人十个人报考，那为什么那两三个不是我呢？ 这个就比较抽象，就是你想哈选 b 选这种很很难的题目，才会有很少的人选嘛。那么难题吸引来他敢选？难题 两种可能，第一种就他真的什么都不懂，连那个分析都没看，就直接去乱选了，这种可能微乎其微，那么就第二种可能就是他肯定是高手。那么在高手如云的情况下，你怎么从十个人脱颖而出，变成这一个？肯定不可能啊，反而在两千个人中划水划到两百个人，那你肯定是有机会的，所以 这个分析建议就是可以去往机构，当然如果你去走这种 ai 的 话，嗯，为什么不推荐 ai 呢？其实，呃，还是那句话，呃，其实哈，不要相太相信 ai， 不要太相信 ai 是 个很重要的点，因为他说简单就真的简单吗？这个，这个真不好说。好，所以在这种评价指标下，我们最后选择题是，呃，建议你去看这个机构的视频， 当然哪个机构我我也不知道，你可以随便搜，到时候会有一堆的机构发，不然我我们应该是没空发。然后，呃，这是第一，这是选择题嘛？然后我们本次的模拟主要是以这个 ct 为这个， 嗯，模拟去去摸。然后当然如果你们还有其他想要去理解选择题的，我们之前也发过一篇那个推文，大家也可以看到在 b 站上，呃，我们之前的有发过一篇文章，你可以看一下，就是里面对选择题进行的一个分析。 同学好，我们今天为大家带来的是这个二零二四年美赛 ct 的 一个讲解，主要的目的是帮助一些新手或者说第一次参加这个美赛的同学如何更好地利用 ai， 然后拿到一个 h 或者 m 的 奖项。 我们为大家准备了一个根据往年的欧奖体验出的一个覆盖了 mcm 还有 icm 的 全梯形的一个梯子模板， 它里面包括优化、预测，还有评价、决策、网络等比较常考的一种题型。我们这个 t 值词它主要分了四个部分，第一个部分就是你跟它的题目，我们去选择一个合适的模型，在这一方面我觉得主要是不需要你去进行很多的创新，你只要选择一个能够解决这个问题的一个基础模型就可以了。 因为有的时候你创新的那些评委他反而看不懂了，会显得很很空很假，所以我觉得你可以，大家如果读过往年的欧奖论文，就可以发现，他其实很多选择都是一种很基础，但是效果比较好。比如说这个 l s t m 或者 r u 之类的，最创新的也可能就是抓加个 transformers 之类的了。所以我们这个模型的选择还有问题的分析，它主要就是围绕着一个基础的模型来选择，你把这个基础的模型写好了，拿一个 h o s m， 我 觉得问题不大的。 第二个就是论文方法的转型，你只要选好了模型，如果你之前没有听说过这些模型，比如说我刚刚讲了这个 r s t m 之类的，如果你没有听说过，你也不懂，没有关系的，我们可以让 ai 告诉你，这篇论文里面它会用 他必须要提到哪些部分，必须要写哪些部分，要画出什么样的图，他会告诉你对应的这个你完全不用担心，根据这个我们选择模型去写一个代码。 当然如果你要先写代码，然后看效果再来选模型，我觉得也是可以的。只是说如果对于小白来说呢，可以把这两个方法就先写论文再写代码也是可以的。但是如果你是这种，已经参加过很多次了，我建议你是先根据模型来写代码，看效果，然后我们再来选方法。 第四部分就是最关键的加载，毕竟美赛有这种轮盘赌的一个特性，如果你这个加载写不好，可能你连第一关都过不去。 它是根据一个你的加载来定你是 h 还是 s 的， 就先分这个，如果你加载写的不好，可能你就直接打成 s 了，后面看都不会看的。所以我们挑选这四个模块，它也不复杂，包括现在，其实所有我们就为大家准备好了，到时候只需要 ctrl c、 ctrl v 一下就 ok 了。我们现在来应用一下， 比如说我这里现在要进行二零二四年的二零二四年美赛的一个 i d c t， 这个赛道是 mcm 赛道，它是 c t。 好， 把具体的问题复制过来。这里我其实也准备了一个翻译的版本， 其实这个题他本身难度不是很难，他主要是我觉得问法是比较抽象的，我还是简单分析一下。他说让你开发一个能够捕捉比赛进程中点数的模型，目的是为了我们评价有两个定词比较关键词，一个是特定的时间， 还有哪位球员表现更好，也就说你要判断特定的时间，给一个球员量化出一个分数，用这个数学模型去比较他们谁的成绩更高。这个模型我们先把题目复制过来，我们直接可以应用在我们的题的词里面。 我建议大家不要一次性把四个问题发完，因为如果你发完，你的质量可能比较低，我们最好是一个一个的来。好，我们把这个整个都复制过去， 这个提示词准备是比较详细的，所以大家不要担心。好，我这里用的是机迷你，但是你用别的 ai 当然也可以，我觉得问题也不是很大， 它可能会比较久。好，它已经给出了结果，我们看一下它的 ct 的 分析的一个报告啊。首先是问题分析，我觉得这一块大家可以直接就粘到你的论文里面，因为这块不是很关键。 你看他的核心目标，刚我们也说了，他主要是让你去针对他在某一个特定的时刻去评价某一个运动员的具体得分，所以他要求你开发一个动态的评分模型，尤其是捕捉每一分后的比赛进程。因为我们其实可以看一下这个题目，稍微的讲解一下。我觉得这个问题里面最关键的就是第一问， 因为他要求你要在特定的时间去评价，那你其实我们可以说的直接一点，就是在某一个时刻，这两个运动员的比分就代表他们在这一个时刻的特定表现，但是这样对不对？肯定是不对的。因为举个比较简单的例子，如果我们说画这样一个图， 他可能说在这一个点，这个运动员的比得分比较低，但是你在这个点之后，这个运动员他的分数可能就一直走高，那你说这个点肯定是个转折点吧，就属于一种比较关键的点，但是他在这一刻的比分比较低，你能把他作为一个依据吗？肯定不行的，肯定不能直接说他表现很差，所以你肯定要考虑后面的分数， 这就是一个动态的评价标准，比如说可以用这个马尔克夫列来解决。所以说好，我们看一下他给的模型的选择理论。首先他说 筛选的原则是针对这个网球比赛的动态博弈特征，因为他这个问题本身考察的就是博弈论，他说不使用这个简单的加权球和还有这个基础线型模型，这个也符合我们刚在那个 prompt 里面要求说不要使用那种过于简单的模型， 主要是围绕着动态捕捉，因为他这个题本身就是要求你动态建模，因为他要求你在特定时刻，那你特定时刻还要考虑就前面的时刻对该时刻的一个影响，他选择的模型，这就刚我们提到的那个马尔可夫列，他说要捕捉这个 比赛当中刚发生的事件对心理影响的最大特征，我们可以先分析他的理由，再对这个模型进行一个选择。 那我们看下面他说模型选择的论证，主要是看这一点，主要是看点对于大部分不熟悉的模型，比如说你都现在没有听说过这个叉机 boss， 还有马尔克夫，不知道他是什么的，你就可以先看一下这个模型选择的论证。我们让他用这种最通俗的大白话来讲， 他说这个网球比赛是一个典型的非平稳随机过程，我们要模拟不同的球员对这个挫折的记忆长度。马尔克夫列是这个常客，因为确实我记得 哦，二四年的这个欧奖论文公布之后，就有一个好像用的是马尔可夫列，他确实属于一种比较常见，不会说。我感觉如果你拿出一堆很高大上，评委都没有听说过的模型来做的话，拿奖的概率是比较低的。如果你用这种过于基础，其实也不容易拿奖， 因为过于基础的没有必要，就是刚才说的我们不使用现行模型，所以马尔可夫列如果我觉得他推荐的是一个比较不错的模型， 他说对比这个基础的 a h p 评价，采用这个七度胜率加这个动态增量，他基础层使用逻辑回归或者这个叉级 boost， 这两个模型都属于比较基础的七度爱好， 让再在动态层引入一个石头，如果我们最后认可他这个模型，就可以直接进到第二个阶段，这里我们就使用他给的这个模型就马可变结合什么评价， 我们把这个第二文就是问题的文章的写作转过来，我们是按照它要求这个 i c i 的 论文写的标准来完成这篇论文。好， 建议你需要输出一下，我们就可以直接核心模型为上述 推荐的模型。当然如果你觉得它推荐的不好，或者说你想要更多的这个方法可以进行一个改进。我要求先输出中文，因为先看一下，如果到时候比赛的时候我们直接翻译就可以了。再看一下它分层的这个方法论 好，它主要就是围绕我们刚要求的 e w m a 还有 log file 来进行解决。主要是这一张你要放到我们的文章里面去，它不是有一个定义符号说明吗？这个大家可以直接粘过去。还有符号还模型的假设，包括理性跟必要性其实都是美赛要求的， 我们重点看这个模型的构建，它刚不是说了吗？一个要有两个模型，一个是基础模型，还有一个是进阶模型，主要是围绕 球员的静态球水平以及动态的心理势头共同驱动，其实我感觉他这个就属于在这种比较基础的模型上进行了一个创新的，因为马尔可夫这样可以做一个基础模型，属于是你选择两个评委都看得懂模型，把他们进行了一个组合，就是 a 加 b 加 c， 而不是说你提出一个大家闻所未闻的一个模型， 他说指数加强、平局移动，其实这都属于你技术的模型，你把他们两个组合在一起，它的效果是远远大于你去提出一种大家从没有听说过的模型的。好，我们回到正位继续看，他给出了 表现强度量化，也就是针对每一个球员他的得分来进行对他心理得分的影响。就像我刚刚不是说了吗，我们不能用这个简单的得分来 评价这两个球员，你还要考虑他在我们刚画的这个图，你刚刚在这一个时刻他的得分对他后续产生影响。比如说我在这进球了，我在这里拿到了一分，那我认为我又拿到了一分，那对我后面的影响肯定越来越大，越打越好的状态，所以说这一点你要考虑进去，我觉得是很合理的。 好，他说又提出了一个势头演化模型，还有这个胜利修正模型，然后我们后面就不仔细的看了，这个属于数学的呃范畴了，继续看，让他根据这个文章给我们代码，我们来输出结果 这里同样的， 我们粘过来它这个问，其实它有一个数据我记得，但这里为了我们尽快的展示，就不一一去罗列了。 然后我这里也没有用那个 pro 模型了，就为了方便 他这里其实就会给出一个，我们主要是从两个方面进行要求，一个是给出一个结果，第二个就是要求一个进行格式化，他的格式化，然后进行一个美化，因为比美赛他是比较看重这个图形的结果的， 这里我们设置了它的美化的一个风格。好，当我们这里完了之后，要进入最关键的一部分，要进行一个美赛的一个写摘要的写作，这里我们只有第一文，我们就拿第一文做个示意， 我们这里拿一个经典的欧响论文当成一个范文。好， 依然是让它根据理论， 我们这里主要就简单的展示一下，后面大家会用就可以，我到时候也会把提示词进行一个公布。 接下来就是给大家展示一下怎么画美赛当中那些比较漂亮的 结构图框图，还有模型的结构图这种。首先我们也是准备了一个比较详细的题词，还有我们之前用之前的那个 prompt 模板生成的一个完整的 ct 的 一个摘药， 这里我们要上传一张图片作为一个贩图，这里就随便选举了一个。好，我们这里使用这个 nublaba 进行一个生成，大家都是要选择一个这样的一个例图的， 他会尽可能的按照你这个意图去画，当然他有一个缺陷，就是一个不可编辑，我们不可以二创，不可以修改之类的，但是后面其实可以把它转换成一个另一个格式，是可以修改的，到时候我们也会给大家进行一个分享， 这个提示词也是比较详细的，很长。好，我们等待他给出这个结果。 好，今天其实他这个图还不是很符合我们传统意义上这个美赛的一个图片，因为传统美赛他不是 会画出很多的那种比较类似于框图，我们这个更多的是一种模型的结构图，所以我们这里也可以给大家展示下，我们换一个欧奖的模板，这里用一个比较传统点的，他画出来，就这样子就比较像那种框图了。
201黄蒲赛义
05:31查看AI文稿AI文稿我们来聊一聊人工智能应用工程师在实际工作当中最基础的一个环节啊，也就是数据的采集、标注和预处理。没错没错，这些步骤其实是整个机器学习项目的地基，对，我们就直接开始吧。咱们先来说数据采集啊， 这个环节其实是挺关键的，因为你数据的质量和丰富性会直接影响到后面所有的分析和模型的表现。对，那说到这大家可能就会问了，就到底有哪些方法可以帮助我们高效的采集到这些高质量的原始数据呢？方法还是挺多的，现在最常用的一个方式是通过 api 调用。 对，这个方式可以直接从第三方的服务实时的拉取到结构化的数据。比如说你要查实时的天气 或者是股票的价格，你通过调用对应的 a p i 就 可以拿到，而且它返回的通常是 json 或者 xml 这种很容易解析的格式。这个方法听起来确实很高效，比自己去爬网页要方便太多了。是的，比如说你要获取一个城市的实时天气，你就只需要几行代码就可以搞定了，就像这样， 然后你就可以看到，比如说城市北京温度多少，天气状况是什么样子的就都有了了解了。那除了通过 api 调用这种方式之外，还有哪些方式可以采集数据呢？还有就是使用公开的数据集， 对，这个也是非常重要的一个数据来源。比如说像 kago、 uci、 machine learning repository， 还有我们国内的阿里云天池，这些平台上面的数据都是由一些科研机构或者说政府还有一些大的科技公司整理发布的，所以它的质量是非常高的，然后主题也很丰富， 对，你可以直接拿来用，就相当于站在巨人的肩膀上。没错，那紧接着咱们要聊的就是数据标注，这一步其实是给机器学习的模型提供监督信号。 那为什么他对于模型的训练来说这么关键呢？简单来说，数据标注其实就是给你的原始数据加上有意义的标签。 比如说你有一张图片，你要告诉模型这个图片里面是猫还是狗，或者说你有一段语音，你要把它转写成文字，那这些标签就是监督信号，模型就是靠这些信号来学习，然后去预测新的数据。原来是这样， 那现在在内都有哪些主流的数据标注工具呢？它们都适用于哪些场景呢？常见的有 label int， 这是一个轻量级的开源工具，它主要是用矩形框来标注目标。嗯，一般是用在这种小规模的目标检测任务上。对，还有一个是 label studio， 它支持多种数据类型，然后也可以高度的自定义，一般是用在团队里面，有比较复杂的标注需求的时候。 明白了，然后我们要讲的就是数据的预处理，它其实是整个从原始数据到我们能够训练模型之前的一个关键的环节。嗯，那这个环节里面到底包含哪些核心的技术？然后他们各自的作用又是什么呢？呃，数据预处理它主要包括三个大的步骤，第一个步骤是数据清洗， 第二个是数据标准化，第三个是数据的可识化。那数据清洗就是说你要处理缺失值、异常值和重复值， 比如说有一些数据它是没有录入的，那你可能要选择把它删掉，或者是用均值、中位数甚至是模型预测来填充对，那异常值呢？你要通过一些统计的方法把它找出来，然后决定怎么去处理它， 重复的数据，直接把它删掉就好了，避免模型训练的时候产生一些偏差。这么一听的话，数据清洗确实是为后面的分析打好基础的关键一步。那数据标准化呢？就是把你的数据统一到一个尺度上面， 常用的方法有 mean max 归一化，就是把所有的数据都缩放到零到一之间，还有 z score 标准化，就是让你的数据的均值为零，标准差为一。 对，那这样的话可以让不同的特征之间有可比性，然后也可以加快模型的收敛了解了。那这个数据可识化在这个阶段它主要的作用是什么呢？数据可识化就是说你通过一些图表把你的数据的分布 或者说变量之间的关系直观的展示出来。嗯，常用的工具就是 meta trait。 对， 比如说你要做一个泰坦尼克号的乘客生存分析，你可以用它来画一个堆叠柱状图，然后你就可以看到不同舱位的乘客的生还率的差别。那你通过这个图就可以很直观的看到社会阶层可能会影响生存率。 对，那这个其实就是一个探索性分析以及结果展示的一个很重要的环节。没错，那下面咱们就来做个动手实践吧。好比如说现在有一个任务是要做图像标注，嗯，那你能不能具体的说一下， 大家要用什么工具，然后要做哪些事情？最终要达到一个什么样的目标呢？没问题，你可以用 label m 或者是 label studio， 然后从公开数据集里面找一个你喜欢的，下载下来之后 你就给它标注一百张图片，那这个标注可以是分类，也可以是目标检测。对，那通过这个实际的操作，你就会对标注的整个流程有一个亲身的体验， 然后你也会更深刻的理解数据标注到底在整个机器学习的项目当中扮演一个什么样的角色。好的，那如果是要做数据可化的实践呢？这个具体的任务和目标又是什么？这个你就是要用 python， 然后加上 metplog 或者 cibom 这样的库， 然后你自己选一个数据集，用至少两种不同的图表去做可识化，然后最后要写一个分析报告。那通过这样的一个方式，你就可以更好的去掌握这些可识化的技巧，然后能够从图表当中学到如何去发现数据里面的一些有价值的特征。 行吧，那我们今天把数据采集、标注、预处理以及一些动手实践都给大家串讲了一遍。嗯，大家应该对整个数据准备的流程有一个比较清晰的认识。是的，那这些内容咱们就到这里了，然后感谢大家的收听，咱们下次再见，拜拜。拜拜。
132考证资质咨询
02:52查看AI文稿AI文稿我们之前提到过，我们到了赛后要有一个评选，其实我觉得这个评选的流程需要大家先知道一下，这样才方便我们进一步有针对性的去备赛。 这里我给大家准备的是我们每赛的一个评分，之前的评分概括大家可以简单看一下哈，这两个表就是我们每赛的两个评分， 呃，每天的两轮评选，一轮是七分之，一轮是百分之，一轮就是七分之的评选，大家可以看这个表格什么时候可以获奖，什么时候不能获奖，三分以上为获奖论文，那么一轮评选的目的是什么呢？筛选出可以获奖的论文， 就说你这个奖，这个能不能获奖，是你是 s 奖还是 m h？ 第一轮只要大于三分就可以获奖，低于三分基本就不能获奖了，大家可以就是你也可以，大家就是我们截图之后你就再看，不懂英语的话，你可以直接选择截图这个翻译，通常来讲零分和一二分是就是。 呃，我能能注意点就是我们论文不允许超过二十页，因为是当年，现在是二十五页，就是我们整体篇幅不能超过二十五页。然后只要没有重大的遗漏，这个遗漏就指的是我们没有问题的丢失，以及没有违反一些基本规则，写了一些与这个问题无关的内容，那么都可以达到三分。 那么具体怎么写，怎么不能遗漏，这是我们后面给大家录视频去讲解的了，这是一轮评选，只要一轮评选能达到三分以上，那么就可以完成后续的进一步的评选。为什么呀？因为我们的奖项有 o 奖、 f 奖、 mh 奖，我们仅仅靠这几个分值根本不足以进行 四个互联点线的划分，所以就来到了二轮评分，我们要对于这个二轮评分设定一个百分之的评分，然后分别在摘药，然后我们假设建模分析以及结果一些各个方面进行设置了分值 来进行评分，而这是有一个起评分的，这个四十分的起评分就类似，就是基本相当于我们这个三分的底分， 所以后面你究竟是一个 m o、 f 啊，是通过这个表格获取到的我们的评委这时候是两二，是两位评审进行评委评审，虽然说明文要求的是这个出生也是一个二 双评选，但是这两三年因为从贸易战之后，我们中国的评委不再评审了，就感觉很多的论文可以获奖却不能获奖，有很强的主观性，所以可能这两年从贸易战之后很这个一轮评选变成单轮评选了，但是二轮还是双评， 甚至到我们欧奖可能需要三评，这是我们一个大致的评审流程，所以基于我们刚才讲的这几个评分的雷点，以及我们这个评分的这个流程， 所以我们才给大家去制定了。哎，我们要分为五个方向，分别就是我们数据收集、模型建立、模型解析会图龙写作这几个板块，给大家有针对性的进行讲解，好吧，那么我们下面就进行具体的讲解。
