2023 Huawei Cup 대학원 수학 모델링 대회 개인교습
각 대학원 교육 단위:
중국 대학원 수학적 모델링 대회는 교육부 학위 관리 및 대학원 교육부에서 주관하고 중국 학위 및 대학원 교육 학회 및 중국 과학 기술 협회 청소년 과학 기술 센터 대학원생들이 수학적 모델링에 대한 응용 연구와 실습을 수행하는 학술 대회는 대학원생들이 수학적 모델을 구축하고 인터넷 정보 기술을 활용하여 다음과 같은 능력을 향상시킬 수 있는 대규모 플랫폼입니다. 실용적인 문제를 해결하고 과학 연구 혁신 정신과 팀워크 인식을 배양합니다.
대회 조직위원회의 조사와 결정을 거쳐 2023년 제20회 중국 대학원 수학 모델링 대회는 남동대학교에서 주최될 예정입니다. 20주년을 맞아 행사가 탄생했던 자리로 다시 돌아온다는 점은 큰 의미를 갖는다.
본 공모전은 중국(홍콩, 마카오, 대만 포함) 대학 및 연구기관의 대학원생(석사, 박사)과 2023년 9월 입학예정인 대학원생(석사, 박사)을 대상으로 하며, 외국 대학의 대학원생, 국내 대학의 해외 대학원생.
모든 대학원 교육 단위에서는 해당 단위의 대학원생이 대회에 등록하도록 적극적으로 홍보, 조직 및 동원하고 적극적으로 권장하기를 바랍니다. 2023년 중국 대학원 수학 모델링 대회의 구체적인 일정을 다음과 같이 공지합니다.
1. 등록
(1) 참여 단위 등록
1. 각 참여단위에서는 해당 단위의 대학원생 편성을 담당할 담당자를 담당교사로 지정하고 후원단위와의 연락 및 소통을 유지하시기 바랍니다. (문의전화번호 : 025-52090587)
2. 본 대회 등록, 교육 단위별 검토, 비용 지불, 작품 제출 등은 모두 중국 대학원 혁신 실습 시리즈 대회 공식 웹사이트(이하 "연구 혁신 네트워크")에서 진행됩니다. https:/ /cpipc.acge.org.cn/ 행위. 2022년 이전에 중국 대학원 수학 모델링 대회에 참가한 대학원 교육 단위는 이전 사용자 이름과 비밀번호를 계속 사용하게 됩니다. 2023년에는 새로운 대학원 훈련단위가 생길 예정입니다. 이 링크(https://cpipc.acge.org.cn/login/applyUniversityLinkman)를 통해 단위 계정을 신청하시고 계정 생성을 완료해 주세요.
3. "중국 대학원 수학적 모델링 대회"에 참가할 각 참가 단위의 담당자에게 "훈련 단위 + 학과(학과) + 이름"으로 연락하여 대회 진행 과정을 확인하고 소통 및 상담하시기 바랍니다.
(2) 참가팀 등록
대학원생은 팀을 구성하여 참가합니다. (각 팀은 3명으로 구성되며, 전공 제한은 없습니다.) 2023학년도 대학원생을 제외한 타학년 대학원생은 학교, 단위를 넘나들며 팀을 구성하여 경쟁할 수 없다. 참여학생은 "연구혁신네트워크"에 로그인하여 계정을 등록해야 하며, 팀 리더가 참가신청을 하게 됩니다. 참가팀 등록 기간은 2023년 6월 1일 8시부터 2023년 9월 17일 17시까지입니다.
2. 참가단위 검토
참여 단위의 연락 담당자는 정기적으로 "연구 혁신 네트워크"에 로그인하여 해당 단위의 관리 책임을 수행하고 해당 단위에 등록된 참가자(팀의 주장을 맡은 단위의 대학원생 포함)의 자격 검토를 완료해야 합니다. 학교간 혼성팀으로, 3인은 모두 2023학년도 신입생팀), 심사 시작 및 종료 시간은 2023년 6월 1일 8시부터 2023년 9월 18일 17시입니다.
3. 참가팀의 참가비 납부 및 청구서 수령 방법
1. 등록비는 팀당 300위안이며, 단위가 일괄 납부할 경우에는 참가 단위의 담당자가 "Yanchuang.com"에 로그인하여 온라인 결제를 완료해야 하며, 참가팀이 별도로 납부할 경우에는 팀장은 "Yanchuang.com"에 로그인하여 온라인 결제를 완료해야 합니다. .
2. 등록팀은 팀 승인 후 결제해야 하며, 온라인 결제 시작 및 종료 시간은 2023년 6월 1일 8시부터 2023년 9월 19일 17시까지입니다.
3. 결제가 완료된 후, 시스템에 로그인하여 결제 상태를 확인해주세요.
4. 참가 팀이 결제를 완료한 후 단위가 요금을 균일하게 지불하는 경우 참가 단위의 담당자가 "Yanchuang.com"에 로그인하여 "수학 모델링 콘테스트 결제 전자 청구서" 버튼을 클릭해야 합니다. '자격심사 합격팀 관리' 인터페이스에서 전자청구서를 입력할 수 있습니다. 해당 페이지를 조회한 후 해당 페이지에 있는 링크를 클릭하면 전자청구서 조회 및 다운로드가 가능하며, 참가팀이 별도로 납부하는 경우에는 팀장이 '에 로그인해야 합니다. Yanchuang.com"에서 [내 이벤트] 인터페이스 아래의 [전자 청구서] 버튼을 클릭하면 전자 청구서 보기 페이지로 들어갑니다. 해당 페이지의 링크를 클릭하면 전자 청구서를 확인하고 다운로드할 수 있습니다.
4. 대회시간 및 방법
1. 대회시간 : 대회는 2023년 9월 22일 8시부터 2023년 9월 26일 12시까지 진행될 예정입니다.
2. 시험문제 다운로드 및 확인: 각 참가팀 주장은 9월 21일 8시부터 "Yanchuang.com"에 로그인하여 "시험문제 ZIP 패키지"를 다운로드함과 동시에 " 대회에서 지정한 MD5 코드 검증 도구"를 확인하고 "시험 문제 ZIP 패키지"를 확인하세요.
3. 시험문제 복호화 및 논문 작성: 각 참가팀 주장은 2023년 9월 22일 8시에 "Yanchuang.com"에 로그인하여 시험문제 압축해제 비밀번호를 확인하고 시험문제를 복호화하며, 경쟁 논문을 작성하려면 "경쟁 논문 표준 문서"를 사용하십시오.
4. "경쟁 시스템" 논문 제출: 각 참가팀의 주장은 지정된 "MD5 코드 검증 도구"를 사용하여 PDF 형식의 경쟁 논문의 MD5 식별 코드를 생성하고 "연구 혁신 네트워크"에 로그인하기 전에 9월 26일 12시 논문의 MD5 식별코드를 제출하세요. 2023년 9월 26일 14시부터 2023년 9월 27일 24시까지 "연구혁신네트워크"에 로그인하여 공모전 논문을 PDF 형식으로 업로드해주세요.
5. 대회 규율: 대회 중 강사는 대회 질문에 관해 참가자와 어떤 형태로든 소통할 수 없으며, 참가 팀은 팀 외부인(온라인 포함)과 대회 질문 내용에 대해 논의할 수 없습니다. 참가하는 대학원 훈련 단위는 팀 구성원에게 필요한 경쟁 조건을 제공하고 참가하는 팀 구성원이 경쟁 규율을 준수하도록 감독하기 위해 최선을 다해야 합니다.
6. 규정 위반 : 팀원은 과학윤리와 학문적 기준을 준수해야 하며, 인용된 문서의 출처를 명시해야 합니다. 공모전 전문위원회는 모든 논문에 대해 유사성 테스트를 실시하며, 유사도가 일정 기준(전문위원회에서 결정) 이상이거나 서로 유사한 논문은 일반적으로 “위반 논문”으로 직접 판단하여 수기 판단을 하게 됩니다. 필요하다면. 타인의 프로그램을 인용하는 경우에도 인용 출처를 명확히 밝혀야 하며, 그렇지 않은 경우 '불법 논문'으로 표절로 간주됩니다. 조직위는 참가학생의 위반사항을 엄중히 처리하여 수상(참가성공시 포함) 자격을 박탈하며, 심각한 경우 해당 훈련부서에 결과를 통보한다.
5. 시상
이번 대회에서는 1등, 2등, 3등상, 기업특별상, '디지털아날로그스타' 1, 2, 3위 준우승, '디지털아날로그스타' 후보상, 성공적인 참가상, 우수조직단위, 우수공헌, 우수인재 등을 설정한다. 그리고 다른 상. 원칙적으로 1등, 2등, 3등 수상팀의 수는 전체 참가팀 수의 1.5%, 13%, 20%를 초과할 수 없다. 국내외 참가팀은 별도로 평가되며, 구체적인 인원은 참가상황에 따라 조직위원회에서 결정한다. 전문위원회는 1등상을 받은 팀 중 최고의 팀을 선정해 '디지털·아날로그스타' 최종 방어회의에 참가할 수 있다. 득점 상위 3개 팀에는 '디지털 아날로그 스타' 대회에서 1위, 2위, 3위가 수여되며, 상위 3위에 들지 못한 수비팀은 '디지털 아날로그 스타' 후보상을 받게 된다.
6. 대회 결과 발표 및 시상식
대회 조직위원회는 2023년 11월 중하순에 '연구 혁신 네트워크'에 대회 결과를 발표하고 우승 후보 목록을 공개할 예정이며, 2023년 12월 중순에는 제20회 중국 대학원 수학 모델링 대회 '디지털'이 개최될 예정이다. 모델링'은 남동대학교에서 진행될 예정이다. 스타' 최종 현장 방역회의 및 시상식이 진행된다.
서비스에는 다음이 포함되지만 이에 국한되지는 않습니다.
대회 아이디어 지침: 대회 주제에 대한 심층 분석을 제공하고 문제 해결을 위한 경험적 아이디어와 방법을 제공합니다.
모델 해결 지원: 연구 모델링 과정에서 귀하와 긴밀히 협력하여 실시간 솔루션 지원을 제공하겠습니다.
보고서 작성 코칭: 보고서를 돋보이게 만드는 보고서 작성 요령과 예시를 제공합니다.
승리 전략 공유: 귀하가 더 많은 대회에서 우승하는 데 도움이 되도록 나의 성공적인 경험을 공유하십시오.
튜터링에 참여함으로써 얻을 수 있는 이점:
전문적인 경험: 저는 수학적 모델링 분야에 대한 풍부한 경험과 깊이 있는 지식 기반을 갖추고 있어 정확하고 효율적인 지도를 제공할 수 있습니다.
코드 예
import os,math
from tensorflow.keras.layers import Dropout, Dense, SimpleRNN
from sklearn.preprocessing import MinMaxScaler
from sklearn import metrics
import numpy as np
import pandas as pd
import tensorflow as tf
import matplotlib.pyplot as plt
# 支持中文
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
data = pd.read_csv('./datasets/SH600519.csv') # 读取股票文件
training_set = data.iloc[0:2426 - 300, 2:3].values
test_set = data.iloc[2426 - 300:, 2:3].values
sc = MinMaxScaler(feature_range=(0, 1))
training_set = sc.fit_transform(training_set)
test_set = sc.transform(test_set)
x_train = []
y_train = []
x_test = []
y_test = []
"""
使用前60天的开盘价作为输入特征x_train
第61天的开盘价作为输入标签y_train
for循环共构建2426-300-60=2066组训练数据。
共构建300-60=260组测试数据
"""
for i in range(60, len(training_set)):
x_train.append(training_set[i - 60:i, 0])
y_train.append(training_set[i, 0])
for i in range(60, len(test_set)):
x_test.append(test_set[i - 60:i, 0])
y_test.append(test_set[i, 0])
# 对训练集进行打乱
np.random.seed(7)
np.random.shuffle(x_train)
np.random.seed(7)
np.random.shuffle(y_train)
tf.random.set_seed(7)
x_train, y_train = np.array(x_train), np.array(y_train) # x_train形状为：(2066, 60, 1)
x_test, y_test = np.array(x_test), np.array(y_test)
"""
输入要求：[送入样本数， 循环核时间展开步数， 每个时间步输入特征个数]
"""
x_train = np.reshape(x_train, (x_train.shape[0], 60, 1))
x_test = np.reshape(x_test, (x_test.shape[0], 60, 1))
model = tf.keras.Sequential([
SimpleRNN(100, return_sequences=True), #布尔值。是返回输出序列中的最后一个输出，还是全部序列。
Dropout(0.1), #防止过拟合
SimpleRNN(100),
Dropout(0.1),
Dense(1)
])
model.compile(optimizer=tf.keras.optimizers.Adam(0.001),
loss='mean_squared_error') # 损失函数用均方误差
history = model.fit(x_train, y_train,
batch_size=64,
epochs=20,
validation_data=(x_test, y_test),
validation_freq=1) #测试的epoch间隔数
model.summary()
predicted_stock_price = model.predict(x_test) # 测试集输入模型进行预测
predicted_stock_price = sc.inverse_transform(predicted_stock_price) # 对预测数据还原---从（0，1）反归一化到原始范围
real_stock_price = sc.inverse_transform(test_set[60:]) # 对真实数据还原---从（0，1）反归一化到原始范围
# 画出真实数据和预测数据的对比曲线
plt.plot(real_stock_price, color='red', label='Stock Price')
plt.plot(predicted_stock_price, color='blue', label='Predicted Stock Price')
plt.title('Stock Price Prediction by K同学啊')
plt.xlabel('Time')
plt.ylabel('Stock Price')
plt.legend()
plt.show()
맞춤형 튜터링: 여러분의 장점을 최대한 활용하고 단점을 보완할 수 있도록 여러분의 실제 상황에 맞는 학습 계획을 세워드립니다.
실시간 지원: 대회 기간 동안 귀하와 긴밀한 연락을 유지하고 적시에 질문에 답변하며 귀하의 진행이 원활하게 이루어지도록 하겠습니다.
보장된 성공: 나의 지도는 귀하가 대회에서 우승할 가능성을 크게 높이고 성공과 명예에 더 가까이 다가갈 수 있도록 해줄 것입니다!
대회에서 문제를 해결하기 위한 아이디어를 찾고 싶거나 명예를 얻고 싶다면 저희 팀과 저는 가장 전문적인 지도와 가장 사려 깊은 지원을 제공할 수 있습니다. 수학적 모델링의 과제를 해결하고 자신만의 영광스러운 장을 만들기 위해 손을 맞잡으세요! 우리는 귀하와 협력하여 귀하의 미래를 도울 수 있기를 기대합니다!
궁금하신 점이나 도움이 필요하시면 언제든지 하단의 연락처로 연락주세요