欢迎来到天天文库
浏览记录
ID:16544268
大小:404.50 KB
页数:36页
时间:2018-08-22
《作答辩用ppt技巧和示范》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、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”SCUCS1本科毕业论文答辩PPT示范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SCUCS2本科毕业论文答辩PPT示范注意事项每页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
2、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SCUCS3本科毕业论文答辩PPT示范计算机系学生:怎样讲算法算法1SARM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;Begin1InitMatrixes(MWeights,MThresholds);2
3、LoadSimilarityMatrix(MWeights,SimilartySet);3i=0;4While(i4、=i+1;11result←Evaluation(Dataset,MWeights,MThresholds);12Ifresult5、egin1InitMatrixes(MWeights,MThresholds);2LoadSimilarityMatrix(MWeights,SimilartySet);3i=0;4While(i6、n(MWeights,MThresholds);//后向传播9EndFor;10i=i+1;11result←Evaluation(Dataset,MWeights,MThresholds);12Ifresult7、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;Begin1InitMatrixes(MWeights,MThresholds);2LoadSimilarityMatrix(MWeights,SimilartySet);3i=0;4While(i8、s,MThresholds);//前向传播8BackwardPropagation(MWeights,MThresholds);//后向传播9EndFor;10i=i+1;11result←Evaluation(Dataset,MWeights,MThresholds);12Ifresult
4、=i+1;11result←Evaluation(Dataset,MWeights,MThresholds);12Ifresult5、egin1InitMatrixes(MWeights,MThresholds);2LoadSimilarityMatrix(MWeights,SimilartySet);3i=0;4While(i6、n(MWeights,MThresholds);//后向传播9EndFor;10i=i+1;11result←Evaluation(Dataset,MWeights,MThresholds);12Ifresult7、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;Begin1InitMatrixes(MWeights,MThresholds);2LoadSimilarityMatrix(MWeights,SimilartySet);3i=0;4While(i8、s,MThresholds);//前向传播8BackwardPropagation(MWeights,MThresholds);//后向传播9EndFor;10i=i+1;11result←Evaluation(Dataset,MWeights,MThresholds);12Ifresult
5、egin1InitMatrixes(MWeights,MThresholds);2LoadSimilarityMatrix(MWeights,SimilartySet);3i=0;4While(i6、n(MWeights,MThresholds);//后向传播9EndFor;10i=i+1;11result←Evaluation(Dataset,MWeights,MThresholds);12Ifresult7、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;Begin1InitMatrixes(MWeights,MThresholds);2LoadSimilarityMatrix(MWeights,SimilartySet);3i=0;4While(i8、s,MThresholds);//前向传播8BackwardPropagation(MWeights,MThresholds);//后向传播9EndFor;10i=i+1;11result←Evaluation(Dataset,MWeights,MThresholds);12Ifresult
6、n(MWeights,MThresholds);//后向传播9EndFor;10i=i+1;11result←Evaluation(Dataset,MWeights,MThresholds);12Ifresult7、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;Begin1InitMatrixes(MWeights,MThresholds);2LoadSimilarityMatrix(MWeights,SimilartySet);3i=0;4While(i8、s,MThresholds);//前向传播8BackwardPropagation(MWeights,MThresholds);//后向传播9EndFor;10i=i+1;11result←Evaluation(Dataset,MWeights,MThresholds);12Ifresult
7、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;Begin1InitMatrixes(MWeights,MThresholds);2LoadSimilarityMatrix(MWeights,SimilartySet);3i=0;4While(i8、s,MThresholds);//前向传播8BackwardPropagation(MWeights,MThresholds);//后向传播9EndFor;10i=i+1;11result←Evaluation(Dataset,MWeights,MThresholds);12Ifresult
8、s,MThresholds);//前向传播8BackwardPropagation(MWeights,MThresholds);//后向传播9EndFor;10i=i+1;11result←Evaluation(Dataset,MWeights,MThresholds);12Ifresult
此文档下载收益归作者所有