数学建模8：迭代预测的测不准原理与熵距

本讲导读

物理学中有“测不准原理”，在数据拟合时依然有，这在数据挖掘时尤其需要注意。

本讲适合在讲授或学习完高中数学的不等式章节、数列章节、导数章节、回归分析章节后，作为数学建模材料，在日常教学中讲授或学习，本讲内容包括但不限于：

1. 迭代预测算法及其问题；

2. 迭代预测的测不准原理；

3. 将迭代预测的测不准原理应用于神经网络，解释人工智能在欧式距离下的瓶颈；

4. 不同于欧式距离的另一种“距离”——熵距；

5. 熵距的典型应用：生成式对抗网络GAN。