- 综合排序
- 最热优先
- 最新优先
AI辅助数学建模有哪些优势？如何更好利用AI进行数学建模？
过去一年里，我在各种数学建模项目和竞赛培训中发现并逐步探索AI辅助数学建模：那些不再熬夜盲试模型、不再被代码困住的队伍，成绩反而越来越好。 他们并不是天赋异禀，也不是拥有神秘导师，而是学会了如何把AI当成自己的第四位队友——一个永不抱怨、随时在线、还懂得解释推理的超级队友。在数学建模赛场上，AI 是工具，而不是捷径。 *真正拉开差距的，不是“谁用 AI”，而是谁能用好 AI。那些能够正确理解建模逻辑、反复打磨方案、把 AI 输出转化为严谨科学结论的队伍，才是真正的赢家。 而 AI 的出现，让这一切有了质变。二、AI数学建模能力在哪里体现？AI不是“替代你”，而是帮你解决那些本来就不该你花大量时间去做的机械工作。 换句话说，AI 让人从繁琐劳动中解放出来，把注意力重新放回到数学建模核心的科学推理上。它带来的提升，本质上是建模工作的完整性、严谨性与可信度。
52810编辑于 2025-10-30- 来自专栏ShowMeAI研究中心
机器学习建模高级用法！构建企业级AI建模流水线 ⛵
图片 在简单分析与建模时，可以对每个板块进行单独的构建和应用。 常用的机器学习建模工具，比如 Scikit-Learn，它的高级功能就覆盖了 pipeline，包含转换器、模型和其他模块等。 from imblearn.over_sampling import SMOTE from imblearn.under_sampling import RandomUnderSampler # 建模模型 图片 步骤5：超参数调整和特征重要性 超参数调优 我们构建的整条建模流水线中，很多组件都有超参数可以调整，这些超参数会影响最终的模型效果。 参考资料 实战数据集下载（百度网盘）：点击 这里 获取本文 [14] 机器学习建模应用流水线 pipeline 『Newspaper churn 数据集』 ⭐ ShowMeAI官方GitHub：https
1.5K42编辑于 2022-08-09 Cursor + BlenderMCP : AI自动3D建模
前言在开发前端3d项目时建模一直是一个比较头疼的事，各种五花八门的软件例如blender，maya, 3d Max等等，光是听到就很头疼更别说去学习具体的建模操作，笔者也学过一段时间的blender发现只学了点皮毛还容易忘 ，最近mcp很火就想着有没有什么可以介入建模软件的mcp，让ai帮我自动建模，于是便找到本文的主角-blender-mcp操作指南1. ": [ "blender-mcp" ] } }}操作成功后如下，会出现绿色的成功颜色提示 图片 ps：开启yolo模式会让cursor一直帮你建模而不用一步一步的确认 同时BlenderMCP也支持接入三方AI，例如Hyper3d以及fal ，感兴趣的小伙伴自行体验一下吧！
1.4K10编辑于 2025-05-14- 来自专栏全栈程序员必看
数仓建模与分析建模_范式建模和维度建模
建模方法论 今天我们主要介绍常见的建模方法，这也就是我们今天文章的名称——建模方法论 20年前兴起的数据仓库简单的可分为两大流派，Inmon方法和Kimball方法，分别由 Ralph Kimbal和Bill 区别的关键在于如何在数据仓库中建模、加载和存储数据的方式。而由此出发的不同架构影响到了数据仓库的建设成本和到适应用户不断变化的ETL逻辑的能力。 建模的目的 数仓的建模或者分层，其实都是为了更好的去组织、管理、维护数据,所以当你站在更高的维度去看的话，所有的划分都是为了更好的管理。
70910编辑于 2022-11-09 - 来自专栏喵叔's 专栏
RavenDB建模--常见建模方案
在 RavenDB 中对如何在应用程序中进行数据建模没有任何要求，我们可以使用任何形式进行建模，RavenDB 只关心如何构建数据，这就是我们后续几篇文章要讲解的内容。 public Parent Mother { get; set; } public Registration Registration { get; set; } } 我们在建模时应遵循 RavenDB 建模的核心原则，要确定哪些信息可以放在一起，哪些信息是独立的，这就是我们上篇文章介绍的优秀的文档模型应具备独立、隔离和连贯性。 另一种情况是，如果需要对文档进行并发活动，由于文档是 RavenDB 中的并发单位，因此需要对文档进行建模，以便它们具有更改的单一原因。
77410编辑于 2022-03-22 - 来自专栏全栈程序员必看
数仓建模与分析建模_数据仓库建模与数据挖掘建模
[外链图片转存中…(img-uQis5F2c-1645262440294)] 范式 第一范式：属性不可分割 第二范式：消除不分函数依赖 第三范式：消除传递依赖 关系建模与维度建模 关系建模：将复杂的数据抽象为两个概念 维度建模：模型相对清晰、简洁。维度模型以数据分析作为出发点，不遵循三范式，故数据存在一定的冗余。维度模型面向业务，将业务用事实表和维度表呈现出来。 4. 维度建模一般按照以下四个步骤：选择业务过程→声明粒度→确认维度→确认事实。 在DWD层，以业务过程为建模驱动，基于每个具体业务过程的特点，构建最细粒度的明细层事实表。事实表可做适当的宽表化处理。 DWD层是以业务过程为驱动。 DWS层、ADS层都是以需求为驱动，和维度建模已经没有关系了。 DWS层建宽表，按照主题去建表。主题相当于观察问题的角度，对应着维度表。
1.8K20编辑于 2022-11-09 - 来自专栏phodal
元素建模：探索建模的要素
随着我们不断深入软件架构的设计里，我们也会不断也尝试着一系列不同的方法，诸如于我的同事 @少个分号 在那篇《建模方法元模型：如何设计一个建模方法》一文里，对于不同建模方式进行了简单的介绍，并进行了相关的拆解和分析 再回到面向对象这一点来看的话，建模就变成了一件非常有意思的事。 建模“建模”：从概念到模型 回到我们所开发的软件系统里，其系统的核心组成部分是由一个个的概念所组成。 建模的方式：基于“事实”的软件建模 PS：对于事实，从语言的角度，可能使用纪实、叙实会比较合适。 基于凭证的建模：履约建模 履约建模是一个比较新的建模方法，它基于凭证的方式来设计系统。其核心要素是：作为业务凭证，只存在创建，不存在修改和删除。 建模建模 从某种意义上来说，寻找这些“事实”的过程，便是系统状态的表征过程。
55930编辑于 2021-12-04 - 来自专栏新智元
Science：深度学习建模，AI巧手设计特定蛋白质
复杂的蛋白质结构 图源：science 而现在研究人员利用全蛋白质组氨基酸协同进化分析和基于深度学习的结构建模，可完成对蛋白质结构的系统性预测。 这个算法的强大之处就在于它的设计，即在纳米尺度上对每个氨基酸进行建模，为每个原子提供坐标。 RoseTTAFold可以就手头问题去预测一个特定的功能结构，并提出一个粗略的草图作为最终设计。 参考资料： https://singularityhub.com/2022/07/26/protein-designing-ai-opens-door-to-medicines-humans-couldnt-dream-up
36410编辑于 2022-08-26 对话式AI建模新挑战：面向真实噪声语音环境
某中心宣布了一项名为“基于知识的任务型口语对话建模”的新研究挑战，旨在提升对话式人工智能在涉及噪声语音输入的真实场景中的鲁棒性。该挑战已被采纳为第十届对话系统技术挑战赛（DSTC10）的一个赛道。 该中心的挑战包含两个赛道：对话状态跟踪和基于知识的任务型对话建模。两者的目标都是开发能在输入为真实语音信号（而非纯文本）时表现良好的模型。 某中心在去年的DSTC上引入了基于知识的任务型对话建模。其目标是利用在线信息来补充通过特定应用程序接口可获得的信息。例如，一个基于对话的酒店预订代理可以获得房间价格和可用性等信息。 “这项挑战的目标是弥合学术研究与实际应用之间的差距，”某中心Alexa AI组织的高级应用科学家Seokhwan Kim表示，“我们希望启发算法，在实践中构建更鲁棒的对话系统，这是以往挑战和数据集未能解决的问题 去年，某中心的“非结构化知识访问的任务型对话建模”赛道是最成功的赛道，共有24个团队提交了105个参赛系统。今年，某中心的提案再次被选为DSTC的四个主要赛道之一。
10110编辑于 2026-01-06- 来自专栏PPV课数据科学社区
AI时代就业指南：数学建模比赛经验总结(MCMICM)
TEXT 正文 目前国内影响力较大的数学建模比赛就数全国大学生数学建模竞赛（CUMCM）和美国大学生数学建模竞赛（MCM/ICM）了。 我认为，参加建模更重要的是可以锻炼你解决问题的能力，不管是数学专业的还是其他理工科专业的同学，都很需要有这样的体验。在这之前我参加过“深大杯”建模，参加过国赛，其实感觉自己真的是在一步一步地成长。 有了前两次建模经验，这次的美赛明显感觉比之前有进步，从选题到完成论文，我们组三个人之间都配合地较好。 其实这次美赛自己感觉做得比较好主要是因为有了前两次建模的经验加上赛前的一些准备。 如果三个队友是第一次合作，比赛前做一次模拟建模也还是挺有用的，可以互相磨合一下。 比赛前一天，大家需要商量一下建模的这四天四夜时间要怎么安排。关于睡觉休息的时间，因人而异。 虽然不知道这次美赛能不能获奖，建模过程也不是十分完美，但是我们很享受这次建模的过程，感觉很棒。我们每个人找到了有用的资料或者突然蹦出想法，就会激动地跟队友分享讨论，讨论的过程中又蹦出新的想法。
2.6K80发布于 2018-04-24 - 来自专栏全栈程序员必看
dh参数建模_data vault 建模
仅供个人学习记录 前言 DH法一般用一次就丢，然后后面再需要用的时候就会忘，所以本文整理了DH建模法，方便需要使用的时候进行参考。这里不讲原理，只讲结论和方法 1. 建模方法（简述） DH法可分成以下几步： 辨认出关节和连杆（关节序号从1到n，连杆序号从0到n） 确定Z轴（n号关节上的坐标系序号为n-1） 确定每个坐标系的原点 确定XY轴 确定Tool frame（ 建模方法（详细） 需要建模的话，按照如下步骤一步步建模即可。注意tool frame那边建完了需要检查 版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。
75210编辑于 2022-09-29 - 来自专栏大数据学习与分享
数据建模-维度建模-维度设计
导读： 在Kimball维度建模中，通常将度量称为“事实”，将环境描述为“维度”，维度是用于分析事实所需要的多样环境。维度和维度属性是维度的两个核心概念，如何构建维度的属性是维度设计中需要关注的。 作为维度建模的核心，我们在企业级的数据仓库中必须保证维度的唯一性。以淘宝商品维度为例，我们有且只允许有一个维度定义。 第二步：确定主维度表。 二、第二部分 在Kimball维度建模中，通常将度量称为“事实”，将环境描述为“维度”，维度是用于分析事实所需要的多样环境。 02 快照维表 维度的基本概念中介绍了自然键和代理键的定义，在Kimball的维度建模中，必须使用代理键作为每个维度表的主键，用于处理缓慢变化维度。 但在阿里巴巴数据仓库建设的实践过程中，虽然我们使用的是Kimball的维度建模的理论，但实际并未使用代理键。我们是如何处理缓慢变化维度，如何记录变化历史的呢？为什么不使用代理键呢？
1.3K31编辑于 2023-09-06 - 来自专栏Java架构师必看
建模 python_整数规划建模例题
今天说一说建模 python_整数规划建模例题,希望能够帮助大家进步!!! Python之建模规划篇--整数规划 基本介绍 整数规划的分类 整数规划的特点 求解方法分类 0 - 1 型整数规划 蒙特卡洛法 (随机取样法) 整数线性规划的计算机求解 分枝定界法 Python
1.6K10编辑于 2022-07-19 - 来自专栏全栈程序员必看
数据建模与数仓建模_数仓建模的几种方式
所谓水无定势，兵无常法。不同的行业，有不同行业的特点，因此，从业务角度看，其相应的数据模型是千差万别的。在开始介绍数据模型之前，我们先看一个东西，那就是算法与数据结构，我们知道算法是解决特定问题的策略，数据结构处理问题的数学模型，数据结构 有三大要素，逻辑结构、存储结构、数据操作、这里的数据操作其实就是算法，例如我们定义的图的数据结构，然后在这个基础上对图进行操作形成特定的算法，例如深度遍历和广度遍历；我们的数据结构其实是针对特定的数据问题而抽象和设计的，也就是说一种数据结构针对的是一类特定的问题。
78740编辑于 2022-11-15 - 来自专栏技术一号位指南(小诚信驿站)
业务建模：重新审视建模的意义
一、读前思考问题 1.1、什么是建模 1.2、建模不建模，代码写出来有什么不一样吗？ 建模是研究系统的重要手段和前提。 (比如时间、资源、成本、用户等等因素) 分析过程：建模的本质是对于事物的抽象，方便我们理解和分析事物的本质。 1.png 2.png 2.1.3、问题答案 统一答案：建模的本质是对于事物的抽象过程，方便我们理解和分析事物的本质 行业答案：建模的本质是基于当前事物域问题，通过实际经验，进行事物本质(元素和元素之间关系 2.1.4、案例 2.1.4.1、未建模前 image.png 2.1.4.2、建模以后 image.png image.png 2.2、问题二 2.2.1、问题答案 正确答案和理论、实际代码会有体现上不一样
3.9K543编辑于 2022-05-28 - 来自专栏喵叔's 专栏
RavenDB 文档建模--建模注意事项
我们在开始讲解如何在 RavenDB 中建模之前，先来看看注意事项，这些内容与我们将要辨析的模型有着直接的关系。 这里需要注意的第一点是 不要在不同应用之间建立共享数据库。 因此每个应用程序应该对立的进行数据建模，并不断的根据需求进行改进。 读到到这里，肯定有人会问了：不同的应用程序直接或多或少的都需要共享数据，那么使用 RavenDB 如何实现这一点呢？ 那么，我们在进行建模的时候，应该考虑我的关注点是当前值（例如 Order 文档中的当前订单配送地址）还是时间点值（例如 Order 文档的历史订单配送地址），如果是时间点值那么我们就需要进行数据冗余存储 以上几小段的内容总结下来就是建模文档的核心原则： 独立，一个文档应该独立于其他任何文档而存在，如果某个文档脱离了其他文档而不具备存在的条件，那么这个文档就不是独立的，例如 Order 文档中存在 Address
32520编辑于 2022-03-22 - 来自专栏喵叔's 专栏
RavenDB 文档建模--RavenDB 高级建模方案
上篇文章讲解了标准业务数据的建模方案，但是在实际项目中还存在非标准方案来解决大量复杂的数据结构，那么本篇文章就来讲讲。 根据建模基本原则这样设计出来的文档不符合独立性和连贯性，这样做也没有任何意义（如果把全国34个省级区域写入库中就需要有34个文档）。 "BJ":"北京", "HN":"河南", "HAN":"海南", "HUN":"湖南", "SH":"上海" } 上面这种对 Reference data 建模的方式有如下几个有点 在 RavenDB 中对时态数据进行建模的方法是 完全接受其文档性质 ，因为在大多数时态域中，文档和视图随时间变化的概念非常重要。 以这个为例，我来讲解一下，当将数据建模为物理文档时，我们不需要将工资存根建模为可变实体，而是将时间点视图建模。在其涵盖的时间范围内所做的任何更改都将反映下一个月的工资单中。
62540编辑于 2022-03-22 - 来自专栏CreateAMind
意识的整合世界建模理论：FEP-AI + IIT + GNWT = IWMT
在这里，我建议使用FEP-AI来将意识的主导模型结合到一个以整合世界建模（IWMT）为中心的统一框架中，从而获得这种多层次的理解。 马尔可夫毯的本体论：估计自预测模型和综合信息复合体的边界（以及智能潜力）的过程/事物 这种自组织系统的形式化也可以用图形建模概念推导出来，进一步架起FEP-AI和IIT之间的桥梁。 生成建模、综合信息和意识：这里、那里，但并非到处都有？ PGM的极端普适性和FEP-AI规定的隐含建模关系可能是一种非常简单的类型，特别是如果系统具有有限的动态特性和受限的热力学开放性。 在FEP内（以及可能在IIT的范围内），建议采用了这些建模过程的规范功能-计算解释，即主动推理（AI）。 因此，FEP-AI暗示了生成建模的普遍性，但并不一定意味着意识的普遍性。现在我们将探讨神经系统的属性，这些属性可能对通过集成信息复合体和全局工作空间实现意识经验特别重要。
55710编辑于 2024-05-14 - 来自专栏ATYUN订阅号
AI改善蛋白质相互作用的结构建模
为了帮助更好地理解蛋白质在体内的相互作用，普渡大学的研究人员设计了一种新颖的方法，利用深度学习来更好地了解蛋白质在体内的相互作用方式，从而为产生与各种疾病有关的蛋白质相互作用的准确结构模型铺平了道路，并为设计针对蛋白质相互作用的更好药物铺平了道路。
69310发布于 2020-02-14 - 来自专栏智药邦
bioRxiv｜利用生成式AI进行初级结构生物学建模
在蛋白质结构预测领域，AlphaFold2和RoseTTAFold等基于AI的专用工具已经取得了令人瞩目的成果，它们能够以高精度对蛋白质结构进行建模，其精度可与低分辨率实验结构相媲美。 另一类基于AI的蛋白质结构预测工具是蛋白质语言模型，它们根据蛋白质序列进行训练，而非直接针对结构。 未来展望 随着生成式AI技术的不断发展，GPT等模型在结构生物学建模和药物相互作用分析中的应用前景将更加广阔。 此外，随着OpenAI等公司在AI技术方面的不断创新和突破，我们可以期待更加先进和强大的生成式AI模型的问世。 总之，本文的研究结果为生成式AI在初级结构生物学建模和药物相互作用分析中的应用提供了新的思路和方向。
34510编辑于 2024-10-08
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号