[理学]作答辩用PPT技巧和示范.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
[理学]作答辩用PPT技巧和示范

2004.6 作答辩用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” 注意事项和技巧 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 ?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。 ? 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 ForwardPropagation(MWeights, MThresholds);//前向传播 8 BackwardPropagation(MWeights, MThresholds);//后向传播 9 End For; 10 i=i+1; 11 result ← Evaluation (Dataset, MWeights, MThresholds); 12 If result Precision Then Return MWeights, MThresholds; 13 End For 14 Return MWeights, MThresholds; End. 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 ForwardPropagation(MWeights, MThresholds);//前向传播 8 BackwardPropagation(MWeights, MThresholds);//后向传播 9 End For; 10 i=i+1; 11 result ← Evaluation (Dataset, MWeights, MThresholds); 12 If result Precision Then Return MWeights, MThresholds; 13 End For 14 Return MWeights, MThresholds; End. 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 data

文档评论(0)

qiwqpu54 + 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