作业答辩通用技巧

《作业答辩通用技巧》由会员分享，可在线阅读，更多相关《作业答辩通用技巧（36页珍藏版）》请在金锄头文库上搜索。

1、SCU CS,本科毕业论文答辩PPT示范,1 /35,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”,SCU CS,本科毕业论文答辩PPT示范,2 /35,会议报告或答辩时间一般10-30分钟，把自己的工作在- 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,3 /35,注意事项,每页行字 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

2、，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：页， 背景： 页， 提出问题，分析问题：页， 解决问题， 页， 小结： 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,4 /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(M

3、Weights, 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, M

4、Weights, MThresholds); 12 If result Precision Then Return MWeights, MThresholds; 13 End For 14 Return MWeights, MThresholds; End.,这一行的思想是 XXXX,SCU CS,本科毕业论文答辩PPT示范,5 /35,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 Loa

5、dSimilarityMatrix(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 Eva

6、luation (Dataset, MWeights, MThresholds); 12 If result Precision Then Return MWeights, MThresholds; 13 End For 14 Return MWeights, MThresholds; End.,这一行的思想是XXX,SCU CS,本科毕业论文答辩PPT示范,6 /35,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, MT

7、hresholds); 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

8、+1; 11 result Evaluation (Dataset, MWeights, MThresholds); 12 If result Precision Then Return MWeights, MThresholds; 13 End For 14 Return MWeights, MThresholds; End.,这一行的思想是XXX,SCU CS,本科毕业论文答辩PPT示范,7 /35,注意事项,演讲者 大约一分钟讲页。听众一分钟可以看完页。不能完全照着念。要用口语化的语言,讲演式的语言。 充分利用图形，可以在较短时间内传递较多信 息。 5 分钟的报告，准备30页 即可。,S

9、CU CS,本科毕业论文答辩PPT示范,8 /35,注意事项,底色尽量用浅色(米黄、象牙白、浅灰，等），(方便色盲、色弱和老年观众, 同时可用的文字颜色和图表颜色比较丰富）加上页码，再打开母板，把改为 ”/x” ， x是总页数，使得讲演者和听众都能 知道 已讲百分比，便于调整速度。 背景或边饰宜 简约， 可以用校徽，本单位标志物等 报告时，用 “幻灯片放映排练计时”模式，当排练计时窗口出现后，拖成为顶部时间状态条，(可隐去排练二字）便于准确知道已经使用时间，和提问已经用的时间。,SCU CS,本科毕业论文答辩PPT示范,9,示范PPT取自某同学答辩PPT 隐性基因遗传编程算法,一种改进的遗传编

10、程算法 学生：Wei D 指导教师：Tang C. 在一位同学的答辩PPT,基础上，配色上作了小的修改 共24页，答辩实用时间 10分钟,报告时，用幻灯片放映排练计时 底色用浅色， 字体的颜色丰富,SCU CS,本科毕业论文答辩PPT示范,10 /35,提纲,背景 隐性基因遗传编程算法 符号回归实验 太阳黑子预测 总结,先插入页码，再在母版中加上 /n ,n为总页码，便于控制语速,如新闻广播， 先简介大概内容,SCU CS,本科毕业论文答辩PPT示范,11 /35,达尔文自然选择法则与计算机科学的结合,达尔文自然选择法则 达尔文用“自然选择、适者生存”来概括生物进化过程 生物进化过程本质上是优

11、化过程 模拟生物进化过程的进化算法,SCU CS,本科毕业论文答辩PPT示范,12 /35,两种经典的进化算法,遗传算法（Genetic Algorithm，GA） 遗传编程（Genetic Programming，GP） GA与GP的本质：全局性概率搜索算法 个体（染色体）：搜索对象。 适应度：表示了个体产生的效益，是个体优秀程度的度量。 达尔文自然选择法则体现为：根据适应度进行选择，决定个体是否参加复制、交叉等遗传操作。,SCU CS,本科毕业论文答辩PPT示范,13 /35,GA概述,用定长的线性串（染色体）对问题的解进行编码，通过 复制、交叉和变异等遗传操作改变染色体的结构。 例: 在

12、0,31的整数上求f(x) = x2的最大值。 采用整数的二进制编码，x = 10111表示了16+4+2+1 = 23。 11001,10101 在基因位置2交叉得到11101与10001 ；10111在基因位置5进行变异得到10110。,SCU CS,本科毕业论文答辩PPT示范,14 /35,GA概述,GP对GA的发展 GA GP 定长线性串 非定长层次结构 例：f(x) = x*sin(x)+3对应的染色体：,+,*,x,假动画技巧 演示生长过程,SCU CS,本科毕业论文答辩PPT示范,15 /35,GA概述,GP对GA的发展 GA GP 定长线性串 非定长层次结构 例：f(x) =

13、x*sin(x)+3对应的染色体：,+,3,*,x,假动画技巧 演示生长过程,SCU CS,本科毕业论文答辩PPT示范,16 /35,GA概述,GP对GA的发展 GA GP 定长线性串 非定长层次结构 例：f(x) = x*sin(x)+3对应的染色体：,+,3,*,x,sin,假动画技巧 演示生长过程,SCU CS,本科毕业论文答辩PPT示范,17 /35,GA概述,GP对GA的发展 GA GP 定长线性串 非定长层次结构 例：f(x) = x*sin(x)+3对应的染色体：,+,3,*,x,sin,x,假动画技巧 演示生长过程,SCU CS,本科毕业论文答辩PPT示范,18 /35,GP概

14、述,GP的遗传算子要受一定的语义限制 Crossover,+,y,*,3,x,T1,-,x,log,z,T2,+,y,log,z,T2,-,x,*,3,x,T1,SCU CS,本科毕业论文答辩PPT示范,19 /35,GP的应用现状,应用领域 GP已经在机器人路径规划、响应agent、预测和分类、图像和信号处理、数据挖掘、信息检索、进化硬件、电子电路设计等领域取得了重要成果 应用中遇到的困难 硬件性能要求高，运行时间长。效率已经成为GP应用的瓶颈！,SCU CS,本科毕业论文答辩PPT示范,20 /35,隐性基因遗传编程算法 （Recessive Gene Genetic Programmin

15、g, RGGP）,背景 提高GP性能已经成为国内外学者研究的热点 RGGP的目标 保持与GP在应用中的兼容性，提高GP的性能,SCU CS,本科毕业论文答辩PPT示范,21 /35,RGGP算法思想,生物隐性基因的启发 GP的染色体树也有“隐性基因” 下图子树T1的性质被掩盖了， “只见森林，不见树木”,+,y,*,3,x,T1,SCU CS,本科毕业论文答辩PPT示范,22 /35,RGGP对GP的改进,GP缺点分析 没有利用子染色体的相对独立性；搜索空间小；存在对进化过程的人为干预；结果通常非常复杂 RGGP发掘“隐性基因”改进GP RGGP染色体树的所有子树作为有效的搜索对象，扩大搜索范

16、围；并用最优子染色体树取代原染色体树实现结构优化。,SCU CS,本科毕业论文答辩PPT示范,23 /35,RGGP的实现方法,适应度计算 得到每一棵子染色体树所代表程序的返回值后，代入适应度函数求出子染色体树的适应度。 用最优子染色体取代原染色体 若染色体没有子染色体，则自身就是最优子染色体；否则，先求出直接子染色体的最优子染色体，然后，比较本染色体和所有这些最优子染色体的适应度，取适应度最大的染色体作为本染色体的最优子染色体。,SCU CS,本科毕业论文答辩PPT示范,24 /35,RGGP性能分析,RGGP的搜索范围可以达到GP的 倍，而评价算法的时间复杂度与GP相同 RGGP能自动进行结构优化,SCU CS,本科毕业论