搜索引擎优化毕业论文(之前竞赛中的灰色预测方法是怎样的？-八维教育)

　　搜索引擎优化毕业论文(之前竞赛中的灰色预测方法是怎样的？-八维教育)

　　在以往的数学和模拟比赛中，甚至在梅赛O奖的作品中，我们都可以看到在MATLAB中实现的方法，例如灰色预测。其实我们有时间序列、回归等一系列常用的预测方法。.

　　大约在 18 年前，数字和模拟的类预测问题变得更加尴尬，不是因为这些问题简单，而是因为每个人都有一套两套现成的算法。取题后，只要找到数据，就可以快速运行程序，生成数据。图表写作论文。所以在那个时候，基本上很少有预测的话题再次出现。

　　事实上，评估模型和预测模型都是如此，因为每个人都有它，所以我们不会看到一个关于预测的大话题。

　　在此之前，我们在全运会上看到过人口增长预测、长江水质预测、世博会影响预测等。当时基本都是用matlab来处理和预测这些数据。

　　说起来，2015年我读本科的时候有个趋势，就是互联网+。届时，任何有创新创业理念的人都可以参加比赛并获奖。看到要做ppt路演的时候，比较商业化，所以当时没太在意。毕竟，我只喜欢参加沉浸在测验中的比赛。

　　我在台上讲话时是相当怯场的，但我并不是没有改变自己。有一次，我终于鼓起勇气参加了学校的一场英语辩论比赛。初赛只有选拔和意见陈述部分，我没有和其他同学正面交锋，所以我有幸谈了谈，顺利进入了半决赛。高兴之余，我也兴奋地向室友宣布了这个好消息。然后我联系了半决赛的管理层，说我不去了。因此，配额被推迟到后一个。不知道算不算一个。美丽的谈话。

　　太远了，主要是因为当时有互联网+，什么都得上网，超市+互联网=做超市点餐app，打车+互联网=打车软件。

　　现在python很流行，颇有人工智能+的趋势。

　　在数模领域，除了matlab，学习python从事人工智能应用也将是一个趋势，但其实MATLAB也能做到一部分。

　　因此，在预测类方面，在 python 中：

　　LSTM：长短期记忆网络

　　GRU：门控循环单元

　　DBN：深度信念网络

　　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

　　...

　　这些方法的例子都可以应用于预测，如果你搜索这些算法，你会发现许多核心期刊论文都使用这些方法进行预测。至少我们现在在做数学和模拟论文，几乎不可能将那些预测论文发表到核心期刊上。

　　那么，你是不是应该挑一个关键词，找时间搜索原理和源码，学习如何应用模型呢？