答辩模板ppt--2.ppt

  1. 1、本文档共36页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(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
答辩模板ppt--2

SCU CS 本科毕业论文答辩PPT示范 * /35 太阳黑子预测 用RGGP实现太阳黑子预测 本程序用1700 ~ 1979 年的太阳黑子数据作为训练样本,发现太阳黑子规律公式;然后用该公式预测1980 ~ 1985 年的太阳黑子数据。 太阳黑子预测可以被抽象成符号回归问题(公式发现),因此,其实现方法与前面提到的符号回归程序实现基本相同,只是,结合太阳黑子预测问题的特点,在实践过程中,精心选择了适当的运行参数和适应度函数。 SCU CS 本科毕业论文答辩PPT示范 * /35 太阳黑子预测 经过607秒的运算,RGGP归纳出了太阳黑子的规律公式。根据公式得出了RGGP预测太阳黑子数据与实测数据的对比图: SCU CS 本科毕业论文答辩PPT示范 * /35 太阳黑子预测 与其他预测方法的对比 模型 均方差 平均绝对误差 最大绝对误差 TAR 23.3 7.3 17.7 叠合(带趋势) 17.1 6.1 12.9 叠合(无趋势) 21.2 6.7 15.5 ARMA 44.9 16.1 29.4 AR 45.9 16.3 31.2 GP 38.2 14.5 26.0 RGGP 22.2 7.8 13.2 SCU CS 本科毕业论文答辩PPT示范 * /35 太阳黑子预测 从误差对比数据可以看出,RGGP的预测值与GP的预测值相比明显更加接近实测值;而且,从运行时间上讲,GP用了约5小时,RGGP只用了约10分钟。另外,虽然从误差对比中可以发现某些其他方法预测结果与实测值也比较接近,但是这些方法在建模过程中采用了1980 ~ 1986年的实测数据,而GP和RGGP只把这些数据作为检验数据,并没有用作训练。从这个意义上来讲,GP和RGGP才是真正的预测。 SCU CS 本科毕业论文答辩PPT示范 * /35 总结 综上所述, RGGP是GP的一种改进算法,它继承了GP的应用范围广,与领域无关等优点,并增强了GP的性能,使得算法的有哪些信誉好的足球投注网站范围更广,运行时间更短,得出的结果形式更简洁。 在RGGP的理论和实现方面,本文已经做了以下工作: (1) 分析了GP基本理论和实现方法,提出了一种GP改进算法:隐性基因遗传编程算法(RGGP)。 (2) 建模分析了RGGP的性能优点。 (3) 通过实验验证理论上的分析,约5000行java源代码 本文的研究结果,在工程应用中有推广的价值。 如新闻广播, 最后要小结 主要内容 SCU CS 本科毕业论文答辩PPT示范 * /35 Any Question ? Thank you ! * * 本科毕业论文答辩PPT示范 本科毕业论文答辩PPT示范 SCU CS 本科毕业论文答辩PPT示范 * /35 毕业答辩用PPT技巧 和 示范 1 注意事项和技巧 2 一个示范PPT “隐性基因遗传编程算法” SCU CS 本科毕业论文答辩PPT示范 * /35 会议报告或答辩时间一般10-30分钟,把自己的工作在10-- 30分钟内讲出来,是对综合能力、表达能力的挑战。 这种能力在学生的一生中非常重要。(求职,面试,申请项目,总结等等)。 作好PowerPoint幻灯片是答辩好的重要环节。一般有下列要点:? 注意事项和技巧 SCU CS 本科毕业论文答辩PPT示范 * /35 注意事项 ?每页8—10行字 或 一幅图。只列出要点,关键技术。 ?突出自己的工作,不要在背景,前人工作上花过多时间。 本科学生毕业论文篇幅可以大致分配如下: ?? 提纲:1页, ?? 背景: 1—2页,? ?? 提出问题,分析问题:5页, ?? 解决问题, 10—15页, ?? 小结:1 页,主要成果,工作,程序量,效益等等。 ? 报告的重点 主要思想、算法,特殊技术创新点等等 SCU CS 本科毕业论文答辩PPT示范 * /35 计算机系学生: 怎样讲算法 算法1 SARM算法 输入:算法参数配置,训练集Dataset,相似属性集SimilartySet; 输出:神经网络权重矩阵集合和节点阈值集合; Begin 1 InitMatrixes (MWeights, MThresholds); 2 LoadSimilarityMatrix(MWeights, SimilartySet); 3 i=0; 4 While (i Max_Genaration) Do 5 For j := 0 To Train_Len - 1 Do 6 SetTrainningData(j); //Load j-th record of dataset 7 ForwardPropagati

文档评论(0)

dajuhyy + 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