论文总结

硕士论文总结

前两个半月一直在写论文,到今天为止终于搞定。本文描述了两个多月来取得的经验教训。

一、格式

编写论文之前,最后首先根据论文要求建立一套样式,这套样式最好包括标题一到标题四的格式和论文格式、题注格式和图表公式格式。

有了这套格式,编写论文时只需要使用相应的格式,而不必处处查看或者核对,而且可以减少很多错误。

二、内容

编写论文之前,首先要确定编写论文的章节。我通过浏览往届的硕士、博士论文,确定将章节分成五个部分:概论、算法描述、系统实现、验证结果与分析、总结和展望。

根据研究内容和开题报告,我首先写的是算法描述,也是论文的第二章,这部分是比较熟悉的,写起来得心应手,而且还加深了对理论知识的理解。

一开始我不清楚我论文的主题的侧重点,我首先在第四章中列写了各部分的实验结果和分析,并编写了第四章的部分内容。由于实验结果和分析向来是论文重点,需要仔细斟酌、反复修改,因此我在这一章上下了很大功夫。

开始编写第三章时,我的代码几乎全部写完了,只是优化工作还在进行中。因此这一章的撰写也没有遇到很多困难。但这章的难点在于如何使用简洁明了的语言把系统的方法、过程与结构描述清楚,也在于系统示意图的创作。一开始我只是描述系统的流程和使用方法,用老师的话说,我写的是说明书,而不是论文。因此,写这一章时要注重论述系统实现的方法、过程和结构,并充分解释其中的原因。

编写完第三、四章,我开始写第五章。这部分主要是对第四章的实验结果与分析的延伸,总结了系统的优势和不足,比较简单。

最后我写的是第一章。为了写这一章,我首先读了大量论文,并做了很多记录。由此,我对论文的研究现状有了充分的认识,并编写了第一章的内容结构:研究背景、国内外研究现状、研究目标和研究意义以及研究内容和章节安排。研究背景虽然是概述,但是对我来说却是难点,为此我仔细研究了多篇论文的研究背景,列出了提纲、并采用顺序时序对算法进行介绍。国内外研究现状也是先列提纲、引用实例,并根据材料写出了自己的内容,其实写的很差。研究目的和意义比较简单,都是先写宏观再写微观,还比较有条理。研究内容和章节安排有一定的相关性,按照开题报告来写,并没有太大压力。

三、摘要

要求使用简单精炼的语言把论文内容概述一遍,并突出论文研究内容和实验结论。这部分用词一定要规范,语言一定要简洁明确,论文重点要清晰明了。

英文摘要和中文摘要不必完全对应,但内容是完全对应的。英文摘要使用第三人称编写,尽量少用长句。建议多使用一般现在时的被动语态。

四、其他

1. 公式编号要与公式定义完全对等

2. 图中字体和正文字体要一致,包括中英文。

3. 每章的第一页出现在奇数页。

时间: 2024-08-06 16:05:03

论文总结的相关文章

写论文会用到的网站

罗列一些论文和资料的网站: 1)Springer link 外文资料网站,可下载PDF https://link.springer.com/ 2)HighWire Press由斯坦福大学HighWire出版社提供,是世界最大的科学免费期刊库,目前可以提供免费全文期刊1000余种,100万多篇免费全文. https://www.highwirepress.com/ 3)国内外会议论文 http://www.ourglocal.com/ 4)https://arxiv.org/   最新论文,论文质

论文阅读笔记:Fully Convolutional Networks for Semantic Segmentation

这是CVPR 2015拿到best paper候选的论文. 论文下载地址:Fully Convolutional Networks for Semantic Segmentation 尊重原创,转载请注明:http://blog.csdn.net/tangwei2014 1.概览&主要贡献 提出了一种end-to-end的做semantic segmentation的方法,简称FCN. 如下图所示,直接拿segmentation 的 ground truth作为监督信息,训练一个端到端的网络,让

分布式系统领域有哪些经典论文

0 个回答 默认排序 知乎用户 机器学习 话题的优秀回答者 901 人赞同了该回答 谢邀!五一快乐!分布式系统在互联网时代,尤其是大数据时代到来之后,成为了每个程序员的必备技能之一.分布式系统从上个世纪80年代就开始有了不少出色的研究和论文,我在这里只列举最近15年范围以内我觉得有重大影响意义的15篇论文(15 within 15).1. The Google File System: 这是分布式文件系统领域划时代意义的论文,文中的多副本机制.控制流与数据流隔离和追加写模式等概念几乎成为了分布式

精读论文node2vec

摘要: 文章首先指出,现存的特征学习方法还不能足够的捕捉出显示网络中被观测到的联通模式的的多样性 作者同时认为在搜索相邻节点时增加灵活性时提升特征学习算法的关键 主要贡献:我们定义了节点网络的表述,并且提出了一种带偏置的随机游走策略,这种策略可以有效地检索分散的相邻节点. 正文1 任何的有监督的学习算法均需要一系列的信息性,差异性和独立的特征表示,一种典型的解决方法是基于专业知识手动设计特定领域的特征.这样的特征只能适应于特定的任务领域.另一种可选的方法是通过解决优化问题去学习一组特征表示.其中

Faster R-CNN论文详解

原文链接:http://lib.csdn.net/article/deeplearning/46182 paper链接:Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks &创新点 设计Region Proposal Networks[RPN],利用CNN卷积操作后的特征图生成region proposals,代替了Selective Search.EdgeBoxes等方法,速度上提升明显:

论文笔记 Generative Face Completion

这篇paper将巧妙地将四个loss函数结合在一起,其中每一个loss的功能不同.但这篇paper不够elegant的地方也是loss太多!在本文中,我采用散文的写作方法谈谈自己对这篇paper的理解,其实质就是“想到哪,写到哪!”   如上图所示,(a)输入图像:(b)用随机square模板遮住输入图像一部分:(c)复原得到的图像.理想状态下,我们希望复原出的图像与输入图像完全一致(视觉上 and 语义上).哈哈,这个不是很简单吗,我们可以用L2范数regularize输入图像与输出图像,理想

读论文Machine Learning for Improved Diagnosis and Prognosis in Healthcare

这是我读的第一篇英文论文,连着读了两遍,做了一些笔记,是一个接收的过程. 文章主要讲了机器学习的一些方法,以及两个实际应用.

Multimodal —— 看图说话(Image Caption)任务的论文笔记(三)引入视觉哨兵的自适应attention机制

在此前的两篇博客中所介绍的两个论文,分别介绍了encoder-decoder框架以及引入attention之后在Image Caption任务上的应用. 这篇博客所介绍的文章所考虑的是生成caption时的与视觉信息无关的词的问题,如"the"."of"这些词其实和图片内容是没什么关系的:而且,有些貌似需要视觉特征来生成的词,其实也可以直接通过语言模型来预测出来,例如"taking on a cell"后生成"phone".

【论文:麦克风阵列增强】Speech Enhancement Based on the General Transfer Function GSC and Postfiltering

作者:桂. 时间:2017-06-06  16:10:47 链接:http://www.cnblogs.com/xingshansi/p/6951494.html 原文链接:http://pan.baidu.com/s/1i51Kymp 未完待续 前言 这篇文章是TF-GSC的改进版.虽然TF-GSC对于方向性干扰的抑制效果不错,对于弥散噪声(diffuse noise,题外话:不同方向directional noise的均值,或者接近这种效果,可以理解为diffuse noise.)TF-GS

Extracting and composing robust features with denosing autoencoders 论文

这是一篇发表于2008年初的论文. 文章主要讲了利用 denosing autoencoder来学习 robust的中间特征..进上步,说明,利用这个方法,可以初始化神经网络的权值..这就相当于一种非监督学习的方法来训练神经网络. 当我们在用神经网络解决各种识别任务时,如果我们想要网络的性能更好,就需要更深层或更wider的神经网络来建模,Model出更复杂的分布.  网络变深以后,如何训练是一个很重要问题,如果训练不好,深层网络的性能真的不如浅层的神经网络.. 在训练深层网络的解决方法的道路上