畢業(yè)答辯用PPT技巧和示范.ppt

1、SCU CS,本科畢業(yè)論文答辯PPT示范,1 /35,畢業(yè)答辯用PPT技巧 和 示范,1 注意事項(xiàng)和技巧 2 一個示范PPT “隱性基因遺傳編程算法”,SCU CS,本科畢業(yè)論文答辯PPT示范,2 /35,會議報(bào)告或答辯時間一般10-30分鐘，把自己的工作在- 30分鐘內(nèi)講出來，是對綜合能力、表達(dá)能力的挑戰(zhàn)。 這種能力在學(xué)生的一生中非常重要。（求職，面試，申請項(xiàng)目，總結(jié)等等）。 作好PowerPoint幻燈片是答辯好的重要環(huán)節(jié)。一般有下列要點(diǎn)：,注意事項(xiàng)和技巧,SCU CS,本科畢業(yè)論文答辯PPT示范,3 /35,注意事項(xiàng),每頁行字 或 一幅圖。只列出要點(diǎn)，關(guān)鍵技術(shù)。 突出自己的工作，不要在背

2、景，前人工作上花過多時間。 本科學(xué)生畢業(yè)論文篇幅可以大致分配如下： 提綱：頁， 背景： 頁， 提出問題，分析問題：頁， 解決問題， 頁， 小結(jié)： 頁，主要成果，工作，程序量，效益等等。,報(bào)告的重點(diǎn) 主要思想、算法，特殊技術(shù)創(chuàng)新點(diǎn)等等,SCU CS,本科畢業(yè)論文答辯PPT示范,4 /35,計(jì)算機(jī)系學(xué)生： 怎樣講算法,算法1 SARM算法 輸入：算法參數(shù)配置，訓(xùn)練集Dataset，相似屬性集SimilartySet； 輸出：神經(jīng)網(wǎng)絡(luò)權(quán)重矩陣集合和節(jié)點(diǎn)閾值集合； Begin 1 InitMatrixes (MWeights, MThresholds); 2 LoadSimilarityMatrix(

3、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);/前向傳播 8 BackwardPropagation(MWeights, MThresholds);/后向傳播 9 End For; 10 i=i+1; 11 result Evaluation (Dataset,

4、MWeights, MThresholds); 12 If result Precision Then Return MWeights, MThresholds; 13 End For 14 Return MWeights, MThresholds; End.,這一行的思想是 XXXX,SCU CS,本科畢業(yè)論文答辯PPT示范,5 /35,怎樣講算法,算法1 SARM算法 輸入：算法參數(shù)配置，訓(xùn)練集Dataset，相似屬性集SimilartySet； 輸出：神經(jīng)網(wǎng)絡(luò)權(quán)重矩陣集合和節(jié)點(diǎn)閾值集合； Begin 1 InitMatrixes (MWeights, MThresholds); 2 Lo

5、adSimilarityMatrix(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);/前向傳播 8 BackwardPropagation(MWeights, MThresholds);/后向傳播 9 End For; 10 i=i+1; 11 result Ev

6、aluation (Dataset, MWeights, MThresholds); 12 If result Precision Then Return MWeights, MThresholds; 13 End For 14 Return MWeights, MThresholds; End.,這一行的思想是XXX,SCU CS,本科畢業(yè)論文答辯PPT示范,6 /35,怎樣講算法,算法1 SARM算法 輸入：算法參數(shù)配置，訓(xùn)練集Dataset，相似屬性集SimilartySet； 輸出：神經(jīng)網(wǎng)絡(luò)權(quán)重矩陣集合和節(jié)點(diǎn)閾值集合； Begin 1 InitMatrixes (MWeights, M

7、Thresholds); 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);/前向傳播 8 BackwardPropagation(MWeights, MThresholds);/后向傳播 9 End For; 10 i=

8、i+1; 11 result Evaluation (Dataset, MWeights, MThresholds); 12 If result Precision Then Return MWeights, MThresholds; 13 End For 14 Return MWeights, MThresholds; End.,這一行的思想是XXX,SCU CS,本科畢業(yè)論文答辯PPT示范,7 /35,注意事項(xiàng),演講者 大約一分鐘講頁。聽眾一分鐘可以看完頁。不能完全照著念。要用口語化的語言,講演式的語言。 充分利用圖形，可以在較短時間內(nèi)傳遞較多信 息。 5 分鐘的報(bào)告，準(zhǔn)備30頁 即可。,

9、SCU CS,本科畢業(yè)論文答辯PPT示范,8 /35,注意事項(xiàng),底色盡量用淺色(米黃、象牙白、淺灰，等），(方便色盲、色弱和老年觀眾, 同時可用的文字顏色和圖表顏色比較豐富）加上頁碼，再打開母板，把改為 ”/x” ， x是總頁數(shù)，使得講演者和聽眾都能 知道 已講百分比，便于調(diào)整速度。 背景或邊飾宜 簡約， 可以用校徽，本單位標(biāo)志物等 報(bào)告時，用 “幻燈片放映排練計(jì)時”模式，當(dāng)排練計(jì)時窗口出現(xiàn)后，拖成為頂部時間狀態(tài)條，(可隱去排練二字）便于準(zhǔn)確知道已經(jīng)使用時間，和提問已經(jīng)用的時間。,SCU CS,本科畢業(yè)論文答辯PPT示范,9,示范PPT取自某同學(xué)答辯PPT 隱性基因遺傳編程算法,一種改進(jìn)的遺傳

10、編程算法 學(xué)生：Wei D 指導(dǎo)教師：Tang C. 在一位同學(xué)的答辯PPT,基礎(chǔ)上，配色上作了小的修改 共24頁，答辯實(shí)用時間 10分鐘,報(bào)告時，用幻燈片放映排練計(jì)時 底色用淺色， 字體的顏色豐富,SCU CS,本科畢業(yè)論文答辯PPT示范,10 /35,提綱,背景 隱性基因遺傳編程算法 符號回歸實(shí)驗(yàn) 太陽黑子預(yù)測 總結(jié),先插入頁碼，再在母版中加上 /n ,n為總頁碼，便于控制語速,如新聞廣播， 先簡介大概內(nèi)容,SCU CS,本科畢業(yè)論文答辯PPT示范,11 /35,達(dá)爾文自然選擇法則與計(jì)算機(jī)科學(xué)的結(jié)合,達(dá)爾文自然選擇法則 達(dá)爾文用“自然選擇、適者生存”來概括生物進(jìn)化過程 生物進(jìn)化過程本質(zhì)上是

11、優(yōu)化過程 模擬生物進(jìn)化過程的進(jìn)化算法,SCU CS,本科畢業(yè)論文答辯PPT示范,12 /35,兩種經(jīng)典的進(jìn)化算法,遺傳算法（Genetic Algorithm，GA） 遺傳編程（Genetic Programming，GP） GA與GP的本質(zhì)：全局性概率搜索算法 個體（染色體）：搜索對象。 適應(yīng)度：表示了個體產(chǎn)生的效益，是個體優(yōu)秀程度的度量。 達(dá)爾文自然選擇法則體現(xiàn)為：根據(jù)適應(yīng)度進(jìn)行選擇，決定個體是否參加復(fù)制、交叉等遺傳操作。,SCU CS,本科畢業(yè)論文答辯PPT示范,13 /35,GA概述,用定長的線性串（染色體）對問題的解進(jìn)行編碼，通過 復(fù)制、交叉和變異等遺傳操作改變?nèi)旧w的結(jié)構(gòu)。 例:

12、在0,31的整數(shù)上求f(x) = x2的最大值。 采用整數(shù)的二進(jìn)制編碼，x = 10111表示了16+4+2+1 = 23。 11001,10101 在基因位置2交叉得到11101與10001 ；10111在基因位置5進(jìn)行變異得到10110。,SCU CS,本科畢業(yè)論文答辯PPT示范,14 /35,GA概述,GP對GA的發(fā)展 GAGP 定長線性串非定長層次結(jié)構(gòu) 例：f(x) = x*sin(x)+3對應(yīng)的染色體：,+,*,x,假動畫技巧 演示生長過程,SCU CS,本科畢業(yè)論文答辯PPT示范,15 /35,GA概述,GP對GA的發(fā)展 GAGP 定長線性串非定長層次結(jié)構(gòu) 例：f(x) = x*s

13、in(x)+3對應(yīng)的染色體：,+,3,*,x,假動畫技巧 演示生長過程,SCU CS,本科畢業(yè)論文答辯PPT示范,16 /35,GA概述,GP對GA的發(fā)展 GAGP 定長線性串非定長層次結(jié)構(gòu) 例：f(x) = x*sin(x)+3對應(yīng)的染色體：,+,3,*,x,sin,假動畫技巧 演示生長過程,SCU CS,本科畢業(yè)論文答辯PPT示范,17 /35,GA概述,GP對GA的發(fā)展 GAGP 定長線性串非定長層次結(jié)構(gòu) 例：f(x) = x*sin(x)+3對應(yīng)的染色體：,+,3,*,x,sin,x,假動畫技巧 演示生長過程,SCU CS,本科畢業(yè)論文答辯PPT示范,18 /35,GP概述,GP的遺傳

14、算子要受一定的語義限制 Crossover,+,y,*,3,x,T1,-,x,log,z,T2,+,y,log,z,T2,-,x,*,3,x,T1,SCU CS,本科畢業(yè)論文答辯PPT示范,19 /35,GP的應(yīng)用現(xiàn)狀,應(yīng)用領(lǐng)域 GP已經(jīng)在機(jī)器人路徑規(guī)劃、響應(yīng)agent、預(yù)測和分類、圖像和信號處理、數(shù)據(jù)挖掘、信息檢索、進(jìn)化硬件、電子電路設(shè)計(jì)等領(lǐng)域取得了重要成果 應(yīng)用中遇到的困難 硬件性能要求高，運(yùn)行時間長。效率已經(jīng)成為GP應(yīng)用的瓶頸！,SCU CS,本科畢業(yè)論文答辯PPT示范,20 /35,隱性基因遺傳編程算法（Recessive Gene Genetic Programming, RGGP）

15、,背景 提高GP性能已經(jīng)成為國內(nèi)外學(xué)者研究的熱點(diǎn) RGGP的目標(biāo) 保持與GP在應(yīng)用中的兼容性，提高GP的性能,SCU CS,本科畢業(yè)論文答辯PPT示范,21 /35,RGGP算法思想,生物隱性基因的啟發(fā) GP的染色體樹也有“隱性基因” 下圖子樹T1的性質(zhì)被掩蓋了， “只見森林，不見樹木”,+,y,*,3,x,T1,SCU CS,本科畢業(yè)論文答辯PPT示范,22 /35,RGGP對GP的改進(jìn),GP缺點(diǎn)分析 沒有利用子染色體的相對獨(dú)立性；搜索空間?。淮嬖趯M(jìn)化過程的人為干預(yù)；結(jié)果通常非常復(fù)雜 RGGP發(fā)掘“隱性基因”改進(jìn)GP RGGP染色體樹的所有子樹作為有效的搜索對象，擴(kuò)大搜索范圍；并用最優(yōu)子染

16、色體樹取代原染色體樹實(shí)現(xiàn)結(jié)構(gòu)優(yōu)化。,SCU CS,本科畢業(yè)論文答辯PPT示范,23 /35,RGGP的實(shí)現(xiàn)方法,適應(yīng)度計(jì)算 得到每一棵子染色體樹所代表程序的返回值后，代入適應(yīng)度函數(shù)求出子染色體樹的適應(yīng)度。 用最優(yōu)子染色體取代原染色體 若染色體沒有子染色體，則自身就是最優(yōu)子染色體；否則，先求出直接子染色體的最優(yōu)子染色體，然后，比較本染色體和所有這些最優(yōu)子染色體的適應(yīng)度，取適應(yīng)度最大的染色體作為本染色體的最優(yōu)子染色體。,SCU CS,本科畢業(yè)論文答辯PPT示范,24 /35,RGGP性能分析,RGGP的搜索范圍可以達(dá)到GP的 倍，而評價算法的時間復(fù)雜度與GP相同 RGGP能自動進(jìn)行結(jié)構(gòu)優(yōu)化,SCU

17、 CS,本科畢業(yè)論文答辯PPT示范,25 /35,符號回歸實(shí)驗(yàn),符號回歸實(shí)驗(yàn)簡介 符號回歸：給定一組自變量值和一組函數(shù)值，稱為訓(xùn)練數(shù)據(jù)，找出擬合訓(xùn)練數(shù)據(jù)的公式。 實(shí)驗(yàn)?zāi)康?測試RGGP和GP性能，進(jìn)行對比分析,SCU CS,本科畢業(yè)論文答辯PPT示范,26 /35,符號回歸實(shí)驗(yàn),實(shí)驗(yàn)內(nèi)容 用函數(shù) 產(chǎn)生了27組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，分別用GP和RGGP算法實(shí)現(xiàn)符號回歸程序，對比運(yùn)行時間和運(yùn)行結(jié)果。,SCU CS,本科畢業(yè)論文答辯PPT示范,27 /35,符號回歸實(shí)驗(yàn),SCU CS,本科畢業(yè)論文答辯PPT示范,28 /35,符號回歸實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果 分別獨(dú)立運(yùn)行20次GP和RGGP程序，運(yùn)行結(jié)果如下表：

18、,SCU CS,本科畢業(yè)論文答辯PPT示范,29 /35,符號回歸實(shí)驗(yàn),： cos(x+3.0)*x+sin(sin(cos(x+3.0)*(x+3.0)+3*sin(x)*x+sin(sin(sin(sin(x+3.0)*(x+6.0)+sin(cos(x+3.0)*x .0*x*sin(x)-4.00*cos(cos(cos(cos(sin(sin(2.0)*x*cos(x) ，可化簡為：2.0*x*sin(x)-2.997965074*x*cos(x) 實(shí)驗(yàn)結(jié)論 由以上實(shí)驗(yàn)數(shù)據(jù)可以看到，RGGP歸納出的公式比GP歸納出的公式有更大的最大適應(yīng)度和平均適應(yīng)度；而且總運(yùn)行時間比GP減少了25%

19、。本實(shí)驗(yàn)較好的說明了RGGP在搜索范圍、染色體結(jié)構(gòu)優(yōu)化、運(yùn)行時間方面的優(yōu)點(diǎn)。,GP歸納出的公式,RGGP歸納出的公式,SCU CS,本科畢業(yè)論文答辯PPT示范,30 /35,太陽黑子預(yù)測,概述 太陽黑子時間序列建模預(yù)測是國際統(tǒng)計(jì)界的一個著名例子，該混沌序列是檢驗(yàn)各種建模方法的試金石。太陽黑子預(yù)測是指：用第 年，第 年，第 年的太陽黑子數(shù)據(jù)預(yù)測第 年的太陽黑子數(shù)據(jù)，即，發(fā)現(xiàn)下列公式： 由于太陽黑子活動周期為11年，因此取 。,SCU CS,本科畢業(yè)論文答辯PPT示范,31 /35,太陽黑子預(yù)測,用RGGP實(shí)現(xiàn)太陽黑子預(yù)測 本程序用1700 1979 年的太陽黑子數(shù)據(jù)作為訓(xùn)練樣本，發(fā)現(xiàn)太陽黑子規(guī)律公式；然后用該公式預(yù)測1980 1985 年的太陽黑子數(shù)據(jù)。 太陽黑子預(yù)測可以被抽象成符號回歸問題（公式發(fā)現(xiàn)），因此，其實(shí)現(xiàn)方法與前面提到的符號回歸程序?qū)崿F(xiàn)基本相同，只是，結(jié)合太陽黑子預(yù)測問題的特點(diǎn)，在實(shí)踐過程中，精心選擇了適當(dāng)?shù)倪\(yùn)行參數(shù)和適應(yīng)度函數(shù)。,SCU CS,本科畢業(yè)論文答辯PPT示范,32 /35,太陽黑子預(yù)測,經(jīng)過607秒的運(yùn)算，RGGP歸