2020考研数学复习规划?
2020考研数学复习规划可以分为几个阶段:
1.入门阶段
在入门阶段,不着急做习题,应当先把教材过一遍,而且重点是高等数学,线性代数和概率论不着急学习。如果教材看的不是很过瘾,可以在图书馆借一本高等数学指导书辅助的看。
首先第一步要把理论架构理顺,要把每一章的理论架构搞清楚,理论架构在我们学好数学中起到至关重要的作用。你复习每一章首先要把这一章的脉络搞清楚。如果你没有把理论架构搞清楚,你第一步就已经走错了。拿极限举例,首先你要搞清楚极限的定义,那么极限有几个定义呢,有四个,第一个是极限,第二个是无穷小,第三个是连续,第四个是间断。紧接着你要搞清楚极限的性质,性质包含基本,包含运算,包含存在,包含无穷小。接下来就是两个重要极限,然后是其他。所以如果这些基本的概念你都不清楚,你是很难走下去的。
第二步就是基本题型,每一套理论后面都会有相应的基本题型,所以需要知道这些基本题型。
第三步就是练习,这个时候你要注重巩固你的学习效果,练习的目的就是为了巩固你掌握的理论和基本题型。如果学习比较困难,这个时候应该学习的同时听直播。
你在入门阶段就应该把这六个板块搞清楚。第一个是极限与连续,第二个是一元函数微分学,第三个是一元函数积分学,第四个是二重积分,第五个是多元函数微分学,第六个是微分方程。
2.基础阶段
虽然有过入门概念的学习,但是往往基础概念都不会很熟练,所以还是需要巩固一下基础概念。在基础阶段要熟练掌握基本原理和性质。基本题型与方法也是大家需要注意的地方,必须掌握。
基础阶段的启动时间你可以自己制定,但是一定要抓紧时间。
3.强化阶段
强化阶段是一个数学成熟的阶段,一进入暑假,强化阶段就开始了。有四个能力需要掌握。
计算能力:很多人认为自己的计算能力不错,写满草稿纸之后发现结论错了,这恰恰表明你的计算能力不行。计算能力强指的是草稿纸用的比较少,时间比较短,正确率比较高。你没有强大的计算能力,你想要考到比较好的成绩,无异于天方夜谭。
综合分析能力:综合分析能力在考试题中的综合分析题中非常重要。
实际应用能力:在数学一、数学二、数学三的教学大纲里面,都要求我们拥有解决实际问题的能力。
4.冲刺阶段
进入冲刺阶段后,就要开始练习真题和模拟卷了,这个时候真题不能着急,要好好珍惜每一份真题的练习机会,同时可以把自己在前面复习时整理出来的错题拿出来重新练习,千万不能停下来,保持手感是非常重要的。
进入冲刺阶段后,每个人的心态都会出现较大的变化,在这个阶段对心态的把控也是非常重要的,考试比的不仅仅是能力,同样也考察你的心理素质。
数学建模到底是学什么?
具体说来,大概有以下这三个方面:
第一方面:数学知识的应用能力归结起来大体上有以下几类:
1)概率与数理统计
2)统筹与线轴规划
3)微分方程;
相关的数学基础知识包括1、线性规划 6、最优化理论
2、非线性规划 7、管理运筹学
3、离散数学 8、差分方程
4、概率统计 9、层次分析
5、常微分方程
还有与计算机知识交叉的知识:计算机模拟。上述的内容有些同学完全没有学过,也有些同学只学过一点概率与数理统计,微分方程的知识怎么办呢?一个词“自学”,记得数模评卷的负责教师曾经说过“能用最简单浅易的数学方法解决了别人用高深理论才能解决的答卷是更优秀的答卷”。
如果真的想学好,没事多逛逛数学建模网站,比如说nveyun.com就不错,有些学习指引
第二方面:计算机的运用能力
一般来说凡参加过数模竞赛的同学都能熟练地应用字处理软件“Word”,掌握电子表格“Excel”的使用;“Mathematica”软件的使用,最好还具备语言能力。这些知识大部分都是学生自己利用课余时间学习的。
第三方面:论文的写作能力
前面已经说过考卷的全文是论文式的,文章的书写有比较严格的格式。要清楚地表达自己的想法并不容易,有时一个问题没说清楚就又说另一个问题
在之前的数模竞赛中,即便是美赛O奖的作品中,我们都能看到诸如灰色预测这样的用MATLAB实现的方法,实际上我们有时间序列,回归等一系列比较常用的预测方法。
在18年前后,预测类数模问题变得较为尴尬,不是因为这些题目简单,是因为大家都有了一套两套现成的算法,拿题后只要找到数据就能很快跑程序出数据出图写论文。所以那个时候基本上很少有预测的题目再出现了。
实际上,评价类模型和预测类模型都是这样,因为人均都会,所以导致我们不会见到一整个大题全是讲预测的。
在这之前,我们在国赛见过人口增加预测,长江水质预测,世博会影响预测等等,那个时候基本上都是用matlab去实现这些数据的处理和预测。
说起来,在15年我本科入学的时候有个风潮,就是互联网+,那个时候就是谁有着一个什么创新创业的点子,就可以去参加比赛拿拿奖。我一看这还要做ppt路演,搞得比较商业,当时就没怎么关注,毕竟我只喜欢参加埋头做题的比赛。
上台说话这种我比较怯场,不过我也不是没有改变自己,有一次我最终鼓起勇气去参加了学校一个英语辩论赛,初赛只有抽题观点陈述这一部分,不用和别的同学正面对抗,所以我侥幸侃侃而谈,成功入围复赛,高兴之余,也激动地和室友报喜,随后联系复赛管理人员说我不去了,名额因此也顺延给了后一名,不知道算不算得上一桩美谈。
扯远了,主要是那个时候搞互联网+,什么东西都要加互联网,超市+互联网=做个订超市app,打车+互联网=打车软件。
现在python很火,颇有一番人工智能+的趋势。
在数模领域,除了matlab,学会python搞人工智能应用也将是一个趋势,不过吧,实际上MATLAB也能实现一部分。
那么在预测类这方面,用python的话:
LSTM:长短期记忆网络
GRU:门控循环单元
DBN:深度置信网络
QNN:量子神经网络
SVR:支持向量机
XGBoost:极端梯度提升
CNN:卷积神经网络
ESN:回声状态网络
……
举例的这些方法都可以被应用到预测中,如果你搜索这些算法,你会发现有不少核心期刊论文,通篇运用这些方法来做预测。至少我们现在做数模论文,是几乎无法发表那些预测类论文至核心期刊的。
那么,你是不是应该选一个关键词,找个时间搜索原理和源代码,然后学会如何应用模型呢?