数学建模python源码资料源代码程序编程matlab模型竞赛实例案例

数学建模python源码和培训资料

一共有17089个文件

格式是py、pdf、ppt、word、txt、m等,

总容量是859M。

宝贝是24/小时自动发货，

无需咨询，直接购买即可，

淘宝下单后1分钟内

自动发百度网盘链接和提取码给您哦~

本宝贝包含以下内容：

数学建模多个文件：

数学建模

数学建模-新手入门

数学模型-超全模型汇总

十大算法

matlab编程学习

数学建模导论- matlab版代码

matlab版课件-pdf版

python版代码

python版课件-pdf版

数学建模程序代码资料合集：

数学建模30个常用算法（Python代码）

数学建模-历年考题

数学建模与数学实验

数学模型-超全模型汇总

源程序_Maltab在数学建模中的应用

#生成区间[a,b]内的随机数

def random_number(a,b):

return (b-a)*random.random()+a

#生成一个矩阵, 大小为m*n, 并设置默认零矩阵

def makematrix(m, n, fill=0.0):

a = []

for i in range(m):

a.append([fill]*n)

return a

#函数sigmoid(), 这里采用tanh, 因为看起来要比标准的sigmoid函数好看

def sigmoid(x):

return math.tanh(x)

#函数sigmoid的派生函数

def derived_sigmoid(x):

return 1.0 – x**2

#构造三层BP网络架构

class BPNN:

def __init__(self, num_in, num_hidden, num_out):

#输入层, 隐藏层, 输出层的节点数

self.num_in = num_in + 1 #增加一个偏置结点

self.num_hidden = num_hidden + 1 #增加一个偏置结点

self.num_out = num_out

#初始化偏置项

def bias_variable(shape):

initial = tf.constant(0.1,shape=shape)#生成维度为shape的全为0.1的向量

return tf.Variable(initial)

#定义卷积函数

def conv2d(x,w):

return tf.nn.conv2d(x,w,strides=[1,1,1,1],padding=’SAME’)

#strides: 卷积时在图像每一维的步长, 这是一个一维的向量,

#[ 1, strides, strides, 1], 第一维和最后一维固定必须是1

#padding参数是string类型, 值是 “SAME” 和 “VALID”, 表示的是卷积的

形式。

#设置为”SAME”时, 会在原图像边缘外增加几圈0来使卷积后的矩阵和原图像矩阵

的维度相同

#设置为”VALID”则不考虑这一点, 卷积后的矩阵维度会相应减少, 例如原图像如

果是5*5, 卷积核是3*3

那么卷积过后的输出矩阵是3*3的

#定义一个2*2的最大池化层

def max_pool_2_2(x):

return tf.nn.max_pool(x,ksize=[1,2,2,1],strides=[1,2,2,1],padding=’SAME’)

#参数value: 需要池化的输入, 一般是4维向量, 格式是

#[batch, height, width, channels]

#第二个参数ksize: 池化窗口的大小, 取一个四维向量, 一般是[1, height,

width, 1],

#因为我们不想在batch和channels上做池化, 所以这两个维度设为了1

#第三个参数strides: 和卷积类似, 窗口在每一个维度上的滑动的步长,

一般也是[1, stride,stride, 1]

#第四个参数padding: 和卷积类似, 可以取’VALID’ 或者’SAME’