原创力文档- 1、本文档共36页，可阅读全部内容。
- 2、原创力文档（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、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、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
答辩样例
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）