¿Cuáles son los métodos de modelado de MATLAB?

En primer lugar, Matlab es una herramienta, no un método.

En segundo lugar, te recomiendo un libro

"Aplicación de MATLAB en modelado matemático (2.ª edición)"

Entonces su índice puede responder a tus preguntas. :

Capítulo 1 Métodos convencionales de modelado matemático y su implementación en MATLAB

1.1 Interacción entre MATLAB y archivos de datos

1.1.1 MATLAB e interacción con Excel

p>

1.1.2 Interacción entre MATLAB y TXT

1.1.3 Método de importación de datos a la interfaz MATLAB

1.2 Método de ajuste de datos

1.2. 1 Ajuste polinómico

1.2.2 Ajuste de función especificada

1.2.3 Caja de herramientas de ajuste de curvas

1.3 Ejemplos de aplicaciones de ajuste de datos

1.3. 1 Modelo de predicción de población

1.3.2 Determinación de la permeabilidad de la membrana

1.4 Visualización de datos

1.4.1 Dibujo del terreno de gráficos de relieve

1.4.2 Dibujo del área de proyección de la fuente de luz del vehículo (CUMCM2002A)

1.5 Proceso de jerarquía analítica (AHP)

1.5.1 Proceso de jerarquía analítica Escenarios de aplicación del método

1.5.2 Programación AHPMATLAB

Capítulo 2 Resolución de problemas de planificación en MATLAB

2.1 Programación lineal

2.1 .1 Ejemplos y definiciones de programación lineal

2.1.2 Forma estándar de programación lineal en MATLAB

2.1.3 Concepto de solución a problemas de programación lineal

2.1.4 Solución en MATLAB para programación lineal

2.2 Programación no lineal

2.2.1 Ejemplos y definiciones de programación no lineal

2.2.2 Solución MATLAB para programación no lineal

2.2.3 Programación cuadrática

2.3 Programación entera

2.3.1 Definición de programación entera

2.3.2 01 Programación entera

2.3.3 Método de cálculo de muestreo aleatorio

Capítulo 3 Modelado de datos e implementación de MATLAB

3.1 Modelo de nube

3.1.1 Conocimientos básicos de modelos de nube

3.1.2 Programación en MATLAB de modelos de nube

3.2 Regresión logística

3.2.1 Modelo logístico

3.2 .2 Programación de regresión logística en MATLAB

3.3 Análisis de componentes principales

3.3.1 Idea básica de PCA

3.3.2 Pasos de PCA

3.3.3 Análisis de componentes principales Programación en MATLAB

3.4 Máquina de vectores de soporte (SVM)

3.4.1 Idea básica de SVM

3.4.2 Bases teóricas

p>

3.4.3 Soporte de programación de máquina vectorial en MATLAB

3.5 K-means (KMeans)

3.5.1 Principio, pasos y características de KMeans

3.5.2 KMeans clustering programación en MATLAB

3.6 Método discriminante ingenuo de Bayes

3.6.1 Modelo discriminante ingenuo de Bayes

3.6.2 Método discriminante ingenuo de Bayes Diseño MATLAB

3.7 Integral Aplicación del modelado de datos

Referencias

Capítulo 4 Predicción de grises y su implementación en MATLAB

4.1 Teoría básica de los sistemas grises

4.1.1 Matriz de correlación de grises

4.1.2 Modelo gris clásico GM (1,1)

4.1.3 Modelo Gray Verhulst

4.2 Programación de sistemas grises

4.2.1 Programación de la matriz de correlación de grises

4.2.2 Programación GM (1,1)

4.2.3 Gray Verhulst

Programación del modelo

4.3 Programa MATLAB de predicción de Gray

4.3.1 Estructura típica del programa

4.3.2 Descripción del programa de predicción de Gray

4.4 Gray ejemplos de aplicación de predicción

4.4.1 Ejemplo 1 Predicción de la calidad del agua del río Yangtze (CUMCM2005A)

4.4.2 Ejemplo 2 Predicción del número de delegados (CUMCM2009D)

4.5 Resumen

Referencias

Capítulo 5 Algoritmo genético y su implementación en MATLAB

5.1 Principios básicos del algoritmo genético

5.1.1 Descripción general de los algoritmos de inteligencia artificial

5.1.2 Bases biológicas de los algoritmos genéticos

5.1.3 Pasos de implementación de los algoritmos genéticos

5.1.4 Expansión de los algoritmos genéticos

p>

5.2 Programación MATLAB del algoritmo genético

5.2.1 Proceso de programación y selección de parámetros

5.2.2 Caja de herramientas del algoritmo genético MATLAB

5.3 Casos de aplicación de algoritmos genéticos

5.3.1 Caso 1: Estrategia de solución de algoritmo genético máximo de función objetivo sin restricciones

5.3.2 Caso 2: Problema de programación no lineal con restricciones múltiples en CUMCM Solución

5.3.3 Caso 3: Aplicación de la caja de herramientas del algoritmo genético BEATbx: investigación sobre los factores que afectan la tasa de conversión en el comercio electrónico

Referencias

Capítulo 6 Recocido simulado algoritmo y su implementación en MATLAB

6.1 Teoría básica del algoritmo

6.1.1 Descripción general del algoritmo

6.1.2 Idea básica

6.1.3 Descripción de algunos otros parámetros

6.1.4 Pasos básicos del algoritmo

6.1.5 Varias explicaciones

6.2 Implementación del algoritmo en MATLAB

6.2.1 Pasos de diseño del algoritmo

6.2.2 Estructura típica del programa

6.3 Ejemplo de aplicación: resolución del problema de la mochila

6.3.1 Descripción del problema

6.3.2 Solución del problema

6.4 Introducción al paquete de recocido simulado ASA

6.4.1 Ejemplos de optimización de ASA

6.4.2 Compilación de ASA

6.4.3 Instalación y uso de la versión MATLAB de ASA

6.5 Resumen

6.6 Lecturas adicionales

Referencias

Capítulo 7 Red neuronal artificial y su implementación en MATLAB

7.1 Teoría básica de la red neuronal artificial

7.1.1 Topología de la red neuronal artificial Modelo

7.1.2 Funciones de excitación de uso común

7.1.3 Teoría de redes neuronales comunes

7.2 Diseño estructural de la red neuronal BP

7.2.1 Los tiburones huelen la sangre Sabor y entrenamiento de la red neuronal BP

7.2.2 Pasos de aprendizaje de la red neuronal en perspectiva

7.2.3 Proceso de ajuste dinámico de la red neuronal BP

7.3 Red neuronal RBF Diseño estructural de la red

7.3.1 Diseño estructural del método de entrenamiento en gradiente Red neuronal RBF

7.3.2 Rendimiento de la red neuronal RBF

7.4 Ejemplos de aplicación

p>

7.4.1 Predicción del volumen de transporte por carretera según el programa fuente MATLAB

7.4.2 Predicción del volumen de transporte por carretera según MATLAB caja de herramientas

7.4.3 Interrupción óptima del tratamiento del SIDA Determinación del tiempo (CUMCM2006B)

7.4.4 La red neuronal RBF predice la probabilidad de pérdida de nuevos clientes

7.5 Lectura ampliada

7.5.1 Decimales del teorema del análisis financiero habla sobre las reglas de selección de muestras de entrenamiento de la red neuronal

7.5.2 Una breve discusión sobre el mecanismo de derivación de la red neuronal BP

Referencias

Capítulo 8 Algoritmo de enjambre de partículas y su implementación en MATLAB

8.1 Conocimientos relacionados con el algoritmo PSO

p>8.1.1 Primera introducción al algoritmo PSO

8.1.2 Teoría básica del algoritmo PSO

8.1.3 Optimización restringida del algoritmo PSO

8.1.4 PSO Ventajas y desventajas del algoritmo

8.2 Programación del algoritmo PSO

8.2.1 Proceso de programación

8.2.2 Selección de parámetros del algoritmo PSO

8.2.3 Ejemplo de programa fuente MATLAB del algoritmo PSO

8.3 Caso de aplicación: entrenamiento de red neuronal basado en el algoritmo PSO y el algoritmo BP

8.3.1 Cómo evaluar el rendimiento de la red

8.3.2 El principio por el cual el algoritmo BP puede buscar valores extremos

8.3.3 Los principios rectores del diseño de la red neuronal PSOBP

8.3.4 El algoritmo PSO optimiza la estructura de la red neuronal

8.3.5 Implementación de la red neuronal PSOBP

Referencias

Capítulo 9 Algoritmo de colonia de hormigas y su implementación en MATLAB

9.1 Principio del algoritmo de colonia de hormigas

9.1.1 Idea básica del algoritmo de colonia de hormigas

9.1.2 Modelo matemático del algoritmo de colonia de hormigas

9.1.3 Proceso del algoritmo de colonia de hormigas

9.2 Implementación en MATLAB del algoritmo de colonia de hormigas

9.2.1 Antecedentes de ejemplo

9.2.2 Pasos del diseño del algoritmo

9.2.3 Implementación del programa MATLAB

9.2.4 Resultados y análisis de la ejecución del programa

9.3 Configuración de parámetros clave del algoritmo

9.3.1 Criterios para la configuración de parámetros

9.3.2 Número de hormigas

9.3.3 Factor de feromonas

9.3.4 Factor de función heurística

9.3 .5 Factor de volatilización de feromonas

9.3 .6 Constante de feromonas

9.3.7 Número máximo de iteraciones

9.3.8 Estrategia de diseño de parámetros combinados

9.4 Ejemplo de aplicación: Mejor plan turístico (Concurso de Jiangsu del Norte 2011B)

9.4.1 Descripción del problema

9.4.2 Solución del problema y resultados

9.5 Resumen de este capítulo

Referencias

Capítulo 10 Análisis Wavelet y su implementación en MATLAB

10.1 Teoría básica del análisis Wavelet

10.1.1 Limitaciones de la transformada de Fourier

10.1.2 Traslación telescópica y transformada wavelet

10.1.3 Introducción a la transformada wavelet y análisis multiescala

10.1.4 Análisis adaptativo de Función de ventana Wavelet

10.2 Programación MATLAB de análisis Wavelet

10.2.1 Instrucciones de función de la caja de herramientas de análisis Wavelet

10.2.2 Caso completo de programación de análisis Wavelet

10.3 Caso de aplicación del análisis Wavelet

10.3.1 Caso 1: Red neuronal Wavelet con fusión topológica

10.3.2 Caso 2: Imagen de marca de agua digital inducida por reconstrucción vascular

Referencias

p>

Capítulo 11 Virtualización informática y su implementación en MATLAB

11.1 Conocimientos básicos de virtualización informática

11.1.1 Hablando de MATLAB Virtualización desde el Protocolo de Internet Móvil 3G WCDMA

11.1.2 Virtualización informática y modelado matemático

11.1.3 Simulación numérica y juego de beneficio económico

11.2 Simulación numérica Programación en MATLAB

11.2.1 Simulación de ecuaciones diferenciales

11.2.2 Simulación estocástica obedeciendo distribución de probabilidad

11.2.3 Simulación Monte Carlo

11.3 Programación de simulación dinámica en MATLAB

11.3.1 Procesamiento de audio en MATLAB

11.3.2 Implementación de animación convencional en MATLAB

11.4 Caso de aplicación: modelo de calidad del agua en cuatro dimensiones

11.4.1 Planteamiento del problema

11.4.2 Análisis del problema

11.4.3 Elaboración del modelo tetradimensional de calidad del agua

11.4.4 Supuestos condicionales y convenciones de símbolos

11.4.5 Construcción del modelo tetradimensional modelo de calidad del agua

11.4.6 Resolución de modelos

11.4.7 Escenario de simulación por computadora

Referencias

Próximo capítulo Práctica de examen real

Capítulo 12 Matemáticas de lotería en chino (CUMCM2002B)

12.1 Planteamiento de preguntas

12.2 Establecimiento del modelo

12.2.1 Supuestos del modelo y descripción de símbolos

12.2.2 Preparación del modelo

12.2.3 Establecimiento del modelo

12.3 Solución del modelo

12.3.1 Ideas de solución

12.3.2 Programa MATLAB

12.3.3 Resultados del programa

12.4 Comentarios técnicos

Referencias

Capítulo 13 Mina a cielo abierto Problema de programación de camiones (CUMCM2003B)

13.1 Planteamiento del problema

13.2 Supuestos básicos y explicación de símbolos

13.2.1 Supuestos básicos

13.2.2 Explicación del símbolo

13.3 Análisis de problemas y preparación del modelo

13.4 Principio 1: Establecimiento y solución del modelo matemático (Modelo 1)

13.4.1 Establecimiento del modelo

13.4.2 Resolución de modelos

13.5 Principio 2: Establecimiento y resolución del modelo matemático (Modelo 2)

13.6 Comentarios técnicos

Literatura de referencia

Capítulo 14 Cuestiones de planificación del distrito comercial olímpico (CUMCM2004A)

14.1 Descripción del problema

14.2 Supuestos básicos, convenciones sustantivas y descripción de símbolos

14.2.1 Supuestos básicos

14.2.2 Descripción de símbolos

14.2.3 Convención de sustantivos

14.3 Análisis de problemas y preparación de modelos

14.3.1 Ideas básicas

14.3.2 Construcción de expresiones matemáticas básicas

14.4 Establecimiento y solución del modelo matemático de salida de MS

14.4 .1 Establecimiento del modelo

14.4.2 Solución del modelo

14.5 Establecimiento del sistema teórico para la instalación de puntos de venta MS

14.6 Modelo matemático para la planificación del diseño del distrito comercial

14.6.1 Establecimiento del modelo

14.6.2 Solución del modelo

14.7 Evaluación del modelo e instrucciones de uso

14.7.1 Ventajas del modelo

14.7.2 Desventajas del modelo

14.8 Comentarios técnicos

Referencias

Capítulo 15 Configuración y programación de la plataforma de servicio de patrulla de tránsito ( CUMCM2011B)

15.1 Planteamiento del problema

15.2 Análisis del problema

15.3 Supuestos básicos

15.4 Establecimiento y solución de el modelo para el problema 1

15.4.1 Distribución de la jurisdicción de la plataforma de servicio de la policía de patrulla de tránsito

15.4.2 Programación de la policía de patrulla de tránsito

15.4.3 Óptimo nuevos escenarios de la plataforma de servicios

15.5 Establecimiento y solución del modelo para la pregunta 2

15.5.1 Modelo y solución del problema de análisis de racionalidad de la plataforma de servicios de la ciudad

15.5.2 Modelo y solución del caso de arresto de sospechosos

15.6 Evaluación y mejora del modelo

15.6.1 Ventajas del modelo

15.6.2 Desventajas del modelo

15.7 Comentarios técnicos

Referencias

Capítulo 16 Evaluación del vino (CUMCM2012A)

16.1 Planteamiento de preguntas

16.2 Básico Supuestos

16.3 Pregunta ① Establecimiento y solución del modelo

16.3.1 Análisis del problema ①

16.3.2 Establecimiento y solución del modelo

16.4 Establecimiento y solución del modelo para la pregunta ②

16.4.1 Supuestos básicos y análisis de la pregunta ②

16.4.2 Establecimiento y solución del modelo

16.5 Establecimiento y solución del modelo para el problema ③

16.5.1 Análisis del problema ③

16.5.2 Establecimiento del modelo y solución

16.6 Establecimiento y solución del modelo del problema ④

16.6.1 Análisis del problema ④

16.6.2 Establecimiento y solución del modelo

16.7 Comentarios del artículo

Referencias

Adjunto Experiencia en competencia de modelado matemático

Cómo prepararse para la competencia de modelado matemático<. /p>

2. Cómo deben aprender MATLAB los miembros del equipo de modelado matemático

3. Cómo lograr buenos resultados en competiciones de modelado matemático

4. concursos de modelado

5. Un método de modelado matemático muy práctico: método de modelado de objetivos