2023 Huawei Cup大学院数学モデリングコンテストの指導

2023 Huawei Cup大学院数学モデリングコンテストの指導

  大学院の各トレーニングユニット:

  中国大学院数学モデリングコンテストは、教育省学位管理・大学院教育局の指導のもとに開催され、中国学位学会が後援する「中国大学院生イノベーション実践シリーズコンテスト」のテーマ別コンテストの1つです。中国科学技術協会の大学院教育と青少年科学技術センター 大学院生が数学モデリングの応用研究と実践を行う学術コンテストは、大学院生が数学モデルを構築して使用する能力を向上させるための大きなプラットフォームですインターネット情報技術を活用して現実的な問題を解決し、科学研究の革新とチームワークの意識を養います。

  コンテスト組織委員会による調査と決定を経て、2023 年の第 20 回中国大学院数学モデリング コンテストは東南大学が主催することになります。20周年を機に、生まれた場所に戻ってくる意義は大きい。

  本コンテストは、中国（香港、マカオ、台湾を含む）の大学・研究機関の大学院生（修士課程、博士課程）および2023年9月入学予定の大学院生（修士課程、博士課程）を対象としています。海外大学の大学院生、国内大学に留学する大学院生。

  すべての大学院研修ユニットが、精力的に宣伝、組織化、動員し、ユニット内の大学院生にコンテストへの登録を積極的に奨励することが望まれます。2023 年中国大学院数学モデリング コンペティションの具体的な取り決めは次のように通知されます。

  1. 登録

  (1) 参加ユニットの登録

  1. 各参加ユニットは、ユニット内の大学院生の組織化および主催ユニットとの連絡・連絡を担当する担当教員を窓口担当者として指定してください（問い合わせ電話番号：025-52090587）。

  2. 本コンテストへの登録、研修ユニットによる審査、料金の支払い、作品の提出等はすべて中国大学院イノベーション実践シリーズコンテスト（以下「研究イノベーションネットワーク」といいます）の公式ウェブサイトhttps:/で行われます。 /cpipc.acge.org.cn/ を実行します。2022 年以前に中国大学院数学モデリング コンペティションに参加した大学院生研修ユニットは、引き続き以前のユーザー名とパスワードを使用します。2023年に新卒研修ユニットを開設します。こちらのリンク（https://cpipc.acge.org.cn/login/applyUniversityLinkman）からユニットアカウントを申請し、アカウント作成を完了してください。

  3. 「中国大学院数学モデリングコンテスト」に参加するための各参加ユニットの担当者に「トレーニングユニット+部門（学科）+名前」で連絡し、コンテストのプロセスをフォローし、連絡および相談してください。

  (2) 参加チームの登録

  大学院生はチームを組んで参加します（各チーム3名、主な制限なし）。2023年度大学院生を除き、他学年の大学院生が学校やユニットを越えてチームを組んで出場することはできません。参加する学生は「Research and Innovation Network」にログインしてアカウントを登録し、チームリーダーが参加登録をします。参加チームの登録期間は2023年6月1日8時から2023年9月17日17時まで。

  2. 参加ユニットの見直し

  参加ユニットの連絡担当者は、ユニットの管理責任を遂行し、ユニットの登録参加者（ユニットのキャプテンを務める大学院生を含む）の資格審査を完了するために、「研究とイノベーションネットワーク」に定期的にログインする必要があります。インカレ混合チーム、メンバー3名全員2023年度新卒チーム）の場合、審査開始・終了時間は2023年6月1日8:00～2023年9月18日17:00となります。

  3. 参加チームへの料金の支払い方法と請求書の入手方法

  1. 登録料は 1 チーム当たり 300 元で、ユニットが一律に支払う場合は、参加ユニットの担当者が「Yanchuang.com」にログインしてオンラインで支払いを完了する必要があり、参加チームが個別に支払う場合は、オンライン支払いを完了するには、チーム リーダーは「Yanchuang.com」にログインする必要があります。

  2. 登録チームはチーム承認後にお支払いいただき、オンライン決済の開始・終了時間は2023年6月1日8:00～2023年9月19日17:00となります。

  3. 支払いが完了したら、システムにログインして支払い状況を確認してください。

  4. 参加チームの支払い完了後、ユニットが一律料金を支払う場合、参加ユニットの担当者は「Yanchuang.com」にログインし、下の「数学モデリングコンテスト支払い用電子請求書」ボタンをクリックしてください。電子請求書を入力するには、[資格審査合格チーム管理] インターフェイスを使用します。ページを表示し、ページ上のリンクをクリックして電子請求書を表示およびダウンロードします。参加チームが個別に支払う場合、チーム リーダーは「塩荘」にログインする必要があります。 .com」にアクセスし、[マイ イベント] インターフェースの [電子請求書] ボタンをクリックして電子請求書閲覧ページに入ります。ページ上のリンクをクリックして電子請求書を表示およびダウンロードします。

  4. 競技時間と方法

  1. 競技時間：2023年9月22日8時から2023年9月26日12時まで開催予定です。

  2. テスト問題のダウンロードと検証: 各参加チームのキャプテンは、9 月 21 日 8:00 から「Yanchuang.com」にログインし、「テスト問題 ZIP パッケージ」をダウンロードし、同時に「競技会が指定する「MD5 コード検証ツール」を使用して検証し、「テスト問題 ZIP パッケージ」を確認してください。

  3. 試験問題の復号化とレポートの作成：各参加チームのキャプテンは、2023 年 9 月 22 日 8:00 に「Yanchuang.com」にログインし、試験問題の解凍パスワードを表示し、試験問題を復号化し、コンテスト論文の作成には「コンテスト論文標準書」を使用してください。

  4. 「コンペティションシステム」の論文投稿：各参加チームのキャプテンは、所定の「MD5コード検証ツール」を使用してコンペティション論文のMD5識別コードをPDF形式で生成し、事前に「Research and Innovation Network」にログインします。 9月26日12:00 論文のMD5識別コードを提出。2023年9月26日14時から2023年9月27日24時までの間、「Research and Innovation Network」にログインし、コンテスト論文をPDF形式でアップロードしてください。

  5. 競技規律: 競技中、インストラクターは競技の問題についていかなる形式でも競技者とコミュニケーションすることは許可されず、参加チームは競技の問題の内容をチーム外の誰かと (オンラインを含む) 話し合うことは許可されません。参加する大学院トレーニングユニットは、チームメンバーに必要な競技条件を提供し、参加チームメンバーが競技規律を遵守するように監督するために最善を尽くす必要があります。

  6. 規定違反: チームメンバーは科学倫理と学術基準を遵守し、引用文献の出典を明示しなければなりません。競争専門委員会は、すべての論文に対して類似性検査を実施し、類似性が一定の閾値（専門委員会が定める）以上、または類似している論文については、原則として直接「違反論文」と判断し、手動判定を行います。必要であれば。他人のプログラムを引用する場合は、引用元を明示する必要があり、そうでない場合は「違法論文」として盗用とみなされます。参加学生の違反行為については、組織委員会として厳正に対処し、入賞（参加賞を含む）を剥奪するとともに、重大な場合にはその結果を所属研修部に報告する。

  5. 賞の設定

  このコンテストでは、優勝賞、準優勝賞、第三賞、企業特別賞、「デジタル アナログ スター」の優勝賞、準優勝賞、準優勝賞、「デジタル アナログ スター」のノミネート賞、参加成功賞、優秀な組織単位、優れた貢献、先進的な個人を設けています。およびその他の賞。原則として、1位、2位、3位の入賞チーム数は、参加チーム総数の1.5％、13％、20％を超えてはなりません。国内外の参加チームを個別に評価し、具体的な数字は参加状況を踏まえて組織委員会が決定する。専門委員会は、優勝チームの中から「デジタル アナログ スター」最終防衛会議に参加する優秀チームを選出することができます。守備得点上位 3 チームには「デジタル アナログ スター」コンテストの 1 位、2 位、3 位が授与され、上位 3 位に入らなかった守備チームには「デジタル アナログ スター」ノミネート賞が与えられます。

  6. コンテスト結果発表および表彰式

  コンテスト組織委員会は、2023年11月中旬から下旬にコンテストの結果を発表し、「研究とイノベーションネットワーク」で受賞予定者のリストを発表し、2023年12月中旬には、第20回中国大学院数学モデリングコンテスト「デジタル」を発表する予定です。モデリング」は東南大学で開催されます。スター」最終現場防衛会議と表彰式が行われます。

  サービスには次のものが含まれますが、これらに限定されません。
  競争に関するアイデアのガイダンス: 競争のトピックを詳細に分析し、問題を解決するためのヒューリスティックなアイデアと方法を提供します。
  モデル解決サポート: 研究モデリング プロセス中にお客様と緊密に連携して、リアルタイムのソリューション サポートを提供します。
  レポート作成コーチング: レポートを目立たせるためのレポート作成のヒントと例を提供します。
  勝利戦略の共有: 競争でより多くの栄誉を勝ち取るために、私の成功体験を共有してください。
  個別指導に参加することで得られるメリット:
  専門的な経験: 数理モデリングの分野で豊富な経験と深い知識ベースがあり、正確かつ効率的な指導を提供できます。

  コード例

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()

  個別指導：あなたの長所を最大限に発揮し、短所を補えるよう、あなたの実際の状況に基づいて学習計画を立てます。
  リアルタイムサポート: コンテスト中、私はあなたと緊密に連絡を取り合い、タイムリーに質問に答え、あなたの進歩がスムーズであることを保証します。
  確実な成功: 私のガイダンスは、あなたの競争に勝つ可能性を大幅に高め、あなたを成功と名誉に近づけます。
  コンテストで問題を解決するためのアイデアを見つけたい場合でも、名誉を勝ち取りたい場合でも、私のチームと私は最も専門的な指導と最も思いやりのあるサポートを提供できます。力を合わせて数学モデリングの課題に取り組み、独自の輝かしい章を作りましょう! 私たちはあなたと協力し、あなたの将来を助けることを楽しみにしています！

  ご質問がある場合やサポートが必要な場合は、お気軽に下部までご連絡ください。