中央财经大学2015年信息检索比赛.doc

中央财经大学2015年信息检索比赛.doc

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
中央财经大学2015年信息检索比赛

中央财经大学2015年数学信息检索比赛 一填空题 3、参加这个游戏的平均收益为-0.0526 简答1、答:我认为上述观点是不合适的,Kolmogorov 在概率论上做出极大的贡献。20世纪20年代,Kolmogorov与辛欣共同把实变函数的方法应用于概率论,他们成功地找到了具有相互独立的随机变量的项的级数收敛的必要充分条件;他成功地证明了大数法则的必要充分要件;证明了在项上加上极宽的条件时独立随机变量的重对数法则;得到了在独立同分布项情形下强大数法则的必要充分条件。20世纪30年代,他的卓越论文《概率论的解析方法》为现代马尔可夫随机过程论和揭示概率论与常微分方程及二阶偏微分方程的深刻联系奠定了基础。1933年,Kolmogorov的专著《概率论的基础》出版,书中第一次在测度论基础上建立了概率论的严密公理体系,专著中不仅提出了概率论的公理定义,在公理的框架内系统地给出了概率论理论体系。而且给出并证明:相容的有限维概率分布族决定无穷维概率分布的“相容性定理”,解决了随机过程的概率分布的存在问题;提出了现代的一般的条件概率和条件期望的概念并导出了他们的基本性质。奠定了近代概率论的基础,使概率论建立在完全严格的数学基础之上。20世纪60年代,他还将概率论用于研究语言学并取得了颇赋启迪性的成果,即做诗的概率方法和用概率实验法确定俄语语音的熵,他还开创了预报理论。 参考文献百度百科/post-333-656934-1.shtml 2、答蚁群算法 遗传算法 人工神经网络算法 参考文献 /link?url=maYtZHH04k7fjqOfQq9G_7Upo1V83RYCEFPAohNUXl6FDF7rxv-c6KW1gr3L0bI1zLGH041tmmWosdoIuLl2WK 王果戴东J]. 河南机电高等专科学校学报.2007 张广顺J]. 计算机光盘软件与应用.2011 3、答:魏尔斯特拉斯 主要工作: 在解析函数方面:他用幂级数来定义解析函数,并建立了一整套解析函数理论。 在椭圆函数方面:他将椭圆函数分别化成含有一个三次多项式的平方根的3个不同形式,把通过“反演”的第一个积分所得的椭圆函数作为基本的椭圆函数,还证明了这是最简单的双周期函数。他证明了每个椭圆函数均可用这个基本椭圆函数和它的导函数简单地表示出来。 在代数领域:他对同时化两个二次型成平方和给出了一般方法,并证明了若二次型之一是正定的,即使某些特征值相等,这个化简也是可能的。他完成了二次型的理论体系,并将这些结果推广到了双线性型。 在变分学方面:他证明了弱变分的3个条件,还研究得出了强变分的极大值的充分条件。 在微分几何方面:他研究了侧地线和最小曲面。 在数学分析方面:他把严格的论证引进了分析学,是分析算术化运动的开创者之一。他证明了任何有界无穷点集,一定存在一个极限点。为了说明直觉的不可靠,他构造了一个连续函数却处处不可微的例子。魏尔斯特拉斯还建立了一致收敛的概念,并利用这一概念给出了级数逐项积分和在积分号下微分的条件。他所证明的用多项式任意逼近连续函数的定理,是函数的逼近与插值理论的出发点之一。 百度百科 /link?url=jPRJ5tMAcVBOOaDlRan2VhjNiAThBhDeVS3tgVNw8Q0PZzIyGSKPA3Sc9eCRjq1yCbtzwr70K_5R97gs8D4vqgQsjAKfneJJT8pCBU972CM04Q5VaBWnP2W0MGKQRLpZYmxzezs-DlojPg0VNV8weWjhhb5DRYS8OKhXK4-VPy3-AV1Uf78mkmLu-fQCCpaDFVOdG2urWot-0o1rykbH8K 三论述题 1最优报价为 2、模型假设:1.买卖双方都是可信的 2.不考虑交易成本与运输成本 3.所有买家是平等的 4.买家间是独立的,不存在信息交流 根据以上假设,我们可以建立以下模型: (1)其中 是提供的买价,x(n -i) 是前面观测到的买价,是预测系数。这种预测产生的误差是 (2) 其中是最优买价。 这个等式对于所有类型的一维线性预测都是有效的,它们的不同之处是参数选择方式的不同。实际买价与最优买价间的误差经常定义为 (3) 其中 | | . | | 是适当选择的矢量范数。 在参数优化中最常见的选择是均方根准则,也称为自相关准则。在这种方法中减小了最小均方误差 E[e2(n)] 的期望值,这样就得到等

文档评论(0)

haihang2017 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档