一个数学问题
在一张纸上随机画一些点,然后将他们连起来形成随机的多边形。找到多边形所有边的中点并将这些中点连成一个新的多边形,如此重复下去,最终的结果会是一个越来越小的形状,而且会趋向与一个椭圆!
模拟的过程确实收敛了
这个问题有详细证明
代码在里面
兰顿蚂蚁 元胞自动机的一种
和上次写的康威生命游戏类似
图挺小的… 不知道怎么在mathematica里面直接导出png超级小 下次还是继续用export
把
Langton’s ant is a cellular automaton that models an ant sitting on a plane of cells, all of which are white initially, facing in one of four directions. Each cell can either be black or white. The ant moves according to the color of the cell it is currently sitting in, with the following rules:
最近学了一些ML的库
最近准备看下mxnet源码.
觉得比较好用的记录一下,笔记逐渐在里面补充.
老是学了一段时间后就忘记了, 还是要坐下笔记, 以后复习也好看些.
data1 = {101654, 103008, 104357, 105851, 109300, 111026, 112704,
114333, 115823, 117171, 118517, 119850, 121121, 122389, 123626,
124810};
data = Table[{1982 + (i - 1), data1[[i]]}, {i, 1, 16}];
//exponential model
lnm = NonlinearModelFit[data, data1[[1]]*Exp[a*(x - 1982)], a, x,
Method -> "NMinimize"];
<!-- more -->
//logistic model
lnm1 = NonlinearModelFit[data,
a/(1 + (a/data1[[1]] - 1)*Exp[-b*(x - 1982)]), {a, b}, x,
Method -> "NMinimize"]
//plot two models
Show[ListPlot[data], Plot[lnm[x], {x, 1982, 2000}]]
Show[ListPlot[data], Plot[lnm1[x], {x, 1982, 2000}]]
//illustrate the resid plot
ListPlot[{(lnm /@ data1 - data2)^2, (lnm1 /@ data1 - data2)^2},
PlotLegends -> Automatic]
//make the prediction
lnm[2015]
lnm1[2015]
总是搞混,这里总结一下常规的叫法:
先验概率:
事件发生前的预判概率。可以是基于历史数据的统计,可以由背景常识得出,也可以是人的主观观点给出。一般都是单独事件概率,如P(x),P(y)。
最近在看数学建模= =
先学学智能算法.
模拟退火算法可以用来求解最优化问题.
模拟退火算法认识
爬山算法也是一个用来求解最优化问题的算法,每次都向着当前上升最快的方向往上爬,但是初始化不同可能
会得到不同的局部最优值,模拟退火算法就可能跳出这种局部最优解的限制。模拟退火算法是模拟热力学系统
中的退火过程。在退火过程中是将目标函数作为能量函数。大致过程如下
初始高温 => 温度缓慢下降=> 终止在低温 (这时能量函数达到最小,目标函数最小)
想着来个大新闻 所以今天晚上把这几天的存货都发了好吧其实是我懒
今天看到一个有意思的题目.大概意思是兔子在狼的正西方100米处,兔子的窝在其正北50m处,当t=0时狼开始追兔子并且兔子开始逃跑,问能否追到兔子
明显解微分方程题目
mathematica 代码如下
a = NDSolve[{x'[t] ==
2*(-100 - x[t])/Sqrt[(-100 - x[t])^2 + (t - y[t])^2],
y'[t] == 2*(t - y[t])/Sqrt[(-100 - x[t])^2 + (t - y[t])^2],
x[0] == 0, y[0] == 0}, {x[t], y[t]}, {t, 0, 66.68}];
ParametricPlot[{{x[t] /. a // First, y[t] /. a // First}, {-100,
t}}, {t, 0, 66.68}, PlotRange -> All]
…
There is a lot of hidden treasure lying within university pages scattered across the internet. This list is an attempt to bring to light those awesome courses which make their high-quality material i.e. assignments, lectures, notes, readings & examinations available online for free.