中企动力 > 商学院 > 论文分析ppt模板
  • ?

    博士论文答辩学妹帮翻PPT 网友却赞其“硬核”

    安曼香

    展开

    来源:北京青年报

    马超在学妹的帮助下完成答辩

    高位截瘫“硬核”博士 轮椅上完成答辩

    最近一段日子,是39岁的马超在这一年里最开心的日子。上个月他坚持在轮椅上完成了《医学磁共振图像体数据三维分割研究》的博士毕业论文答辩,并顺利通过。去年4月,马超在哈尔滨机场被人打伤,导致高位截瘫,在身体稍微恢复后,他决定完成中断的论文答辩,马超也因此被很多人称为“硬核”博士。

    意外降临

    机场接父亲被打致高位截瘫

    2月15日,北京青年报记者联系到了马超,博士毕业论文答辩完成后,他暂时以身体恢复为主,“我还是希望以后重返高校任教。”

    在高位截瘫前,马超是东北林业大学工程技术学院物流工程系的一名老师,他在2015年开始攻读哈尔滨工业大学计算机应用技术专业的博士研究生。按照原计划,2018年4月,他就可以完成博士毕业论文答辩了,但是在当年的4月11日,一场意外却降临在了马超身上。

    “那天晚上马超开车去机场接父亲,在半路因没给后面一辆车让路,被后车司机拉开车门后徒手打伤。”马超的爱人骆春颍说,“刚开始从电话里听说这个情况的时候,我并没有想到会有多严重……”

    初心不改

    “硬核”博士欲轮椅上完成答辩

    由于伤情比较严重,医院的专家为马超进行了10多个小时的手术,虽然保住了生命,但由于这次被打,导致其高位截瘫,医生告诉骆春颍,恢复到最好,马超也只可能有几根手指可以活动。

    在2018年9月份的一天,马超忽然对妻子说,希望完成博士毕业论文的答辩,“我当时挺吃惊的,劝过他一次,但是他很坚持,我就没有再劝他。他只有眼睛可以动,能说话,身上其他地方都无法动弹,所以我就成了他的‘手’,他的论文有需要修改的地方,我就来帮他修改。”

    在马超准备毕业答辩的这段时间,他们把4岁的孩子交给了骆春颍的父母照顾。

    顺利通过

    当天就被告知可获博士学位

    经过4个多月的修改,今年1月9日,马超坐在轮椅上,出现在了答辩委员会老师们的面前。

    在两个多小时的答辩过程中,除了给PPT翻页等需要由学妹帮忙完成外,其他的答辩过程与普通学生无异,马超的导师表示,不会因为马超特殊的身体状况,就对他的论文质量和答辩质量降低要求。

    答辩过程中,马超一直坐在轮椅上,脖子由支撑架撑住,以保证能够一直看着播放PPT的屏幕,讲到口渴,马超的爱人会用带有吸管的杯子给马超喂上几口水,整个答辩过程基本没有中断,马超一直坚持了下来。

    马超告诉北青报记者,1月9日当天,答辩委员会就告诉他,顺利通过了答辩,可以获得博士学位了,“在这之后,我暂时以恢复身体为主,我希望有一天能够重新回到东北林业大学,重新做一名教师。”

    东北林业大学的工作人员表示,他们现在对马老师按病假来处理,他们也希望马超可以重返讲台。(记者 付垚)

    相关搜索

    • 毕业答辩
    • 答辩ppt
    • 大学答辩是什么
  • ?

    AAAI2017最佳论文出炉!附PPTAAAI2017

    雅各布

    展开

    雷锋网-AI科技评论前线报道:美国太平洋时间2月8日早上8:30,在旧金山的AAAI 2017大会进行了最佳论文的颁奖典礼。最佳论文颁发给了斯坦福大学的Russell Steward以及其导师Stefano Drmon撰写的论文《Label-Free Supervision of Neural Networks with Physics and Domain Knowledge》。该文章从已知的关系(如物理定律)入手,通过输出必须满足物理定律的约束来训练学习。

    论文摘要

    在许多机器学习应用中,带标签的数据数量稀少,而想要获得更多的标签需要付出高昂的代价。我们引入了一种新的神经网络监督学习方法,不同于采用直接给出输入-输出对的直接示例的传统方案。这种方法通过特定的约束条件来指定输出空间,而这些约束条件来源于先前的特定领域知识,例如已知的物理定律。我们展示了这种方法在现实世界和模拟计算机视觉任务的有效性。利用这种方法,我们可以在训练样本没有带任何标签的情况下,成功训练了一个卷积神经网络来检测和跟踪对象。这一方法还可以显着减少对标记的训练数据的需要,并同时带来了将先验知识编码为适当的损失函数的新挑战。(论文全文参见网址:。http://aaai.org/Conferences/AAAI/2017/PreliminaryPapers/12-Stewart-14967.pdf

    PPT全文

    在颁奖典礼后,Russell Steward进行了关于这篇论文的讲解。以下是其讲解的PPT全文:

    大数据是好东西,但“大标签”会让你痛不欲生。那怎么办呢?我们可以利用约束条件而非标签。

    1.建立从f:X→Y的影射。

    2.学习如何跟踪物体运动轨迹。约束条件是输出结果(按照物理规则)必须是一个抛物线。

    3.预测与标记的对比。

    4.计算f(xi)值。

    下面举两个例子:

    例子1:预测未标记的图片中人的水平位置

    例子2:预测图片是否包含马里奥和桃子

    结论

    我们可以使用已知的高等级不变性关系来训练分类器。所以,相比起打标签,高等级不变性关系要更直接。

    随着未来更多普遍关系的挖掘,相信未来在这一领域会有着更多的应用出现。

    文章由雷锋网-AI科技评论前线报道,转载请联系雷锋网-AI科技评论。

  • ?

    实录| 旷视研究院详解COCO2017人体姿态估计冠军论文(PPT+视频)

    枷锁

    展开

    主讲人:王志成 | 旷视研究院研究员 屈鑫 整理编辑 量子位 出品 | 公众号 QbitAI

    12月13日晚,量子位·吃瓜社联合Face++论文解读系列第二期开讲,本期中旷视(Megvii)研究院解读了近期发表的人体姿态估计论文: Cascaded Pyramid Network for Multi-Person Pose Estimation 。

    基于这篇论文所提出的算法,Megvii(Face++)队在COCO2017人体姿态估计竞赛上获得了历史最好成绩,相对 2016年人体姿态估计的最好成绩提高了19%。

    本期主讲人为旷视研究院研究员王志成,同时也是COCO 2017 Detection竞赛队owner、论文共同一作,在比赛中主要负责整体方案的确定,模型设计、训练调优的工作。

    量子位应读者要求,将精彩内容整理如下:

    浏览器版本过低,暂不支持视频播放

    △ 直播回放视频

    本期主要讲的是 人体姿态估计算法 ,主要内容如下:

    1 Top-down Pipeline

    2 Network Design

    A. Motivation: How human locate keypoints?

    B. Our Network Architecture

    3 Techniques & Experiments

    4 Conclusion

    下一期将会由黎泽明为大家讲解Light-Head R-CNN,欢迎12月20日晚19:30来观看直播。

    Top-down Pipeline

    现在我们做Pose Estimation主要有两种Pipeline,这次比赛使用的是 Top-down Pipeline: 先用detector检测出图象中的人,再把每一个人的图像抠图,抠出来的单人的图过single person Pose Estimation Network(即单人姿态估计网络),最后把所有的单人估计出来的姿态,整合到原图中,得到最终结果。

    先讲一些 网络设计过程中的细节。

    我们在这次比赛方法的Motivation跟paper中写的稍微有一点出入,因为在写paper的时候补充了一些实验,并对整体架构做了一定的重新梳理。

    我们最初的Motivation是来源于对人怎么去看人体关节点这个问题的思考。在分析的这个问题的时候,我们会发现在人看人的关节点的时候,会下意识地先看人体裸露在外面的关节点。比如说鼻子,从这张图上来看裸露在外面的关节点,它会有相对固定的形状和纹理,所以这类关节点可能是一些Visible easy keypoints,人其实是会更倾向于先去看到这些关节点。但是在初级的阶段,有些关节点是相对难于被识别的,比如被衣服遮挡的关节点。

    那么 人是怎么样去看比较难的关节点呢? 人可能会无意识地放大或者利用可见点的上下文信息来推断其他点的信息。有些点是隐藏的,不仅是被衣服遮挡,识别这一类关节点会更难,需要利用更多的上下文信息。

    从人理解关节点的过程,我们受到了很大的启发,但是怎么样做才可以把看keypoint这个过程体现在卷积神经网络里呢。我们很难人为定义哪些关节点是可见容易关节点,哪些是被遮挡的关节点,哪些是隐藏的关节点。

    为了解决这个问题,我们退而求其次,把人体的关节点,大致分类两类: 简单的部分和难的部分。用不同的方案去解决简单点和难点,先解决容易点,再解决难点。 在解决难关节点部分时,提供更多的上下文信息,更大的可感受野。

    Network Design

    介绍一下提出的网络结构。

    首先,宏观地讲解一下网络的概括。

    从人看关节点的过程获得启发,然后将这一启发运用到卷积神经网络里,先解决简单部分再解决难的部分。这是一个两阶段网络:全局网络和精炼网络。全局网络,主要是解好一些容易点;精炼网络,主要是定向解决更难的一些点。具体的实施方法用到了在线难关节点挖掘的算法。

    这张图上,热力图可以体现出我们的网络设计原理,图上的绿点是关节点对应的ground truth。从图中左边的部分可以看出左眼作为相对容易的关节点,在前阶段的全局网络就可以解的很好。而右边的左臀部,作为相对较难的遮挡点,需要在后面的精炼网络里面才能识别出来。

    再介绍一些网络设计和实验上的细节。

    Top-down的框架是先检测人,人抠出来之后,再去做姿态估计。 所以有必要对person detection(行人监测器)做一定的分析。首先解释一下非最大值抑制。现在有两种主流的方式:软非最大值抑制(Soft NMS)和硬非最大值抑制(Hard NMS),软非最大值抑制是对所有的候选框去做重新的估分,对比较差的框保留但会抑制分数。硬非最大值抑制就是将IOU超过阈值之后的分数比较差的那些框过滤掉。所以两种方式最终实现的结果是Hard NMS保留的框比较少,而Soft NMS对框的分数做了一个修改,保留了较高的召回率(recall)。

    我们在paper中有做过一组实验来比较这两种策略对keypoint准确率有什么影响。这张表就是反映了实验的结果。

    从这张表中可以看出,使用Hard NMS的实验比使用Soft NMS的实验差,这张表中实验的其他配置都是相同的。 Hard NMS的不同阈值也会有所影响,阈值越高,keypoint精度越高。

    COCO评测的时候,每个ground truth会匹配分数排序前20个的候选检测人,Soft NMS 在recall上会比较占优势,所以对应的Keypoint AP一般来说也会比较高。同时Soft NMS对分数抑制后,会反映在keypoints最终得分数上(keypoints 最终分数 = 检测框分数 * keypoints 平均分数),而该分数是用来排序评测,会从另外一个角度提高Keypoint AP。

    Detection Performance

    我们用的检测框来自于我们detection team,而旷视研究院detection这一次也是拿了COCO的第一名,分数很高。所以在这里我们有必要 分析下detection AP对Keypoint AP有多大影响。

    我们有关detection的这组实验室从detectionAP 36.3开始到52.1。52.1是今年冠军的水平,36.3目前属于一般水平,44.1属于是平均水平。我们在36.3的detection mAP上是68.8,41.1的是69.4,44.3的是69.7,也就是说到后来在detection mAP有明显提升的情况下,在keypoint mAP上基本没有提升。

    所以我们可以得出一个结论, detetion mAP的提升在一定范围之内会对Keypoint 的AP产生积极影响,但超过这个范围后,影响是微乎其微的。 这里与detection的检测目标与keypoint检测的目标不同有关系。

    介绍下我们网络。

    Online Hard Keypoints Mining,从这张图可以看出我们是怎么去做Hard Keypoints Mining的。COCO有17个点,我们输出17个heatmap,把每个heatmap计算loss之后再回传。Online Hard Keypoints Mining是相当于把每一个headmap计算之后,按照关节点为粒度做平均,把17个loss排序,把最难的那一部分的keypoints回传,剩下的简单的一部分,不回传loss或者是把loss置为0。

    在比赛中也主要就是用了类似策略。简单分析一下:如果是17个点,在二分之一的位置回传loss比较好。

    右边这个表说明了普通的L2 loss和Online Hard Keypoints Mining的loss各有什么区别。最后可以看出前面用普通的L2 loss,后面用Online Hard Keypoints Mining的loss会更科学点。

    因为前面其实是在宏观上对所有关节点做预测,后面的loss是把前面没有解完或者不好的关节点用作学习。这种情况下他们就各有分工,也会解得比较好。

    下面讲一讲设计RefineNet。

    我们首先看是只采用全局网络的网络结构,AP是66.6。后面的是在全局网络输出特征上进行直接concat,把不同层的的信息整合起来去预测后面的keypoint的话会有一定的提升,提升单位有两个点左右。

    下面的是,在concat之前会加一个bottleneck,增加难度的同时增加了复杂度,该配置下网络有69.2的AP,按照我们前面介绍的网络结构会在更小FLOPs下有0.2个点的提升。

    我们从只采用c2的特征输出开始分析,直到取到c2~c5。从c2开始,c2只提取了一个层的特征,然后从c2到C3, c2到c4, c2到c5。从实验结果来看,取c2到c5的网络结构效果最好。

    接下来说一下Pre-processing方面的细节, Pre-processing这块从比赛到之后的一些实验获得了一个结论:图片尺寸越大AP越高。

    怎么样设计图片尺寸?如果你把256:256的图片往大放,一般来说就不会涨点。方形的图片再往大放的话,对应的batch_size会缩小,图片很大,每个interation学习的图片就会变少, AP会降低。在这种情况下,我们发现把图片的尺寸设置成256x192类似的比例。既能满足图片的尺寸,又能满足batch_size的要求,而能实现这一要求的原因主要是人的形状一般是长形的而不是方形的,用方形的尺寸会增加计算量而不提高精度。

    我们在Pre-processing中大概抠出来人之后做一个padding,padding到与256x192相同比例的尺寸,然后再resize到256x192尺寸。

    小技巧

    Crop augmentation

    先crop,后padding再resize,这样输入图片会保持长宽比。我们做过类似的实验,抠图直接resize到输入尺寸,这样图片会损失长宽比,结果会差一点。然后,我们会先做加入Random scales,把框进行随机扩大或者缩小。

    Rotation

    目前主流的处理方式rotate负30度到正30度,这次我们用的是负45度到正45度。这个Rotation一般来说会有提升但是不会很大,主要是用在一些比较极端的情况下,比如人是斜着的。

    在后面做实验的时候,发现了另外一种思路:直接把人旋转,检测出人的头,或某个部位之后,按照一定的角度把人转正。

    Large Batch

    Large Batch在 keypoints上也是有用的,大概能提到0.4到0.3的点的AP。

    模型融合

    我们提交结果的时候做过模型融合,使我们在minival上大概能提升到1到1.5个点。

    COCO比赛的结果

    在COCO test-dev数据里,我们有两个网络,一个是单模型结果,一个是有模型融合结果。单模型的结果也基本比test-challenge中后几位都要高,而且我们没有用更多的数据。

    后面是说我们自己的minival数据集。minival数据集上是74.5,在test dev上是73,test challenge是72.1。

    这是一个图片的结果的展示。从结果上可以看出视觉效果还不错,下面放一个视频中的人体关节点检测例子。这个视频是基于单帧做预测的结果,没有采用帧间平滑。

    总结

    两个阶段的网络很重要,不同的阶段识别的keypoints不一样,easy point和hard point分开。

    Intermediate supervision很重要。

    Large batch,在keypoint上也是有用的。

    一则招人硬广: 希望加入旷视科技一起登上CV巅峰的同学可以投简历至:,长期招聘算法实习生。实习优秀者,更有直接跳过面试阶段,入职megvii研究院的机会。

    Q&A

    在视频中进行Keypoint检测怎么加入tracking?能否用keypoint检测做行人检测和行人多目标跟踪?

    我们现在也在做tracking,具体一些细节现在还不能透露,因为后面也会准备一个paper。能否用keypoint检测做行人检测和行人多目标跟踪这个的话,其实在做行人检测上,可以用keypoint的检测结果做post filter滤掉行人检测的FP。Bottom Up的方法可以用紧框去做行人检测,最好与现有检测框架共同去检测行人,行人多目标跟踪的话,现在有很多方法是用人体关节点作为特征来比对跟踪目标,keypoint的作用主要在用于提供特征。

    Softnms阈值是怎么确定的?

    我们是用默认的阈值,因为我们这一块主要focus在keypoint上,detection大概也是只是用了一下,没有去更多的去挖掘。

    请问判断easy point和hard point的依据是什么?

    我们没办法去定义什么是easy point,什么是hard point,正是因为这样,所以我们就做了一个Online Hard Keypoints Mining。在线将那些loss值比较高的关节点作为难关节点来学习。

    Code有开源的计划吗?

    有的,不过我们的code是旷视自研深度学习框架Meg Brain上实现的,要迁移到开源框架(如tensorflow)需要一个过程,还有开源时间也跟我们的工作安排有关。

    人体姿态检测的应用场景主要有哪些?

    我觉得随着技术的不断成熟,人体姿态检测的应用场景会越来越多,比如:步态分析、行为分析、零售等场景。

    Train的batch是多少?

    我们训练的时候根据输入图像的尺寸不同,batch_size在20到64之间。

    相关学习资源

    以上就是此次旷视研究院王志成带来分享的全部内容,在 量子位公众号(QbitAI) 界面回复 “171219” 可获得 完整版PPT 以及 视频回放链接 。

    第一期回顾: 旷视研究院解读COCO2017物体检测算法夺冠论文

    P.S. 12月20日(周三)晚19:30,旷视研究院研究员、COCO竞赛队主力队员、论文一作黎泽明,将带来 吃瓜社第三期:解读Light-Head R-CNN,一起讨论如何在物体检测中平衡精确度和速度 ,欢迎报名~

    — 完 —

    活动报名

    加入社群

  • ?

    博士论文答辩学妹帮翻PPT 网友却赞其“硬核”

    希茨海尔斯

    展开

    马超在学妹的帮助下完成答辩

    高位截瘫“硬核”博士 轮椅上完成答辩

    最近一段日子,是39岁的马超在这一年里最开心的日子。上个月他坚持在轮椅上完成了《医学磁共振图像体数据三维分割研究》的博士毕业论文答辩,并顺利通过。去年4月,马超在哈尔滨机场被人打伤,导致高位截瘫,在身体稍微恢复后,他决定完成中断的论文答辩,马超也因此被很多人称为“硬核”博士。

    意外降临

    机场接父亲被打致高位截瘫

    2月15日,北京青年报记者联系到了马超,博士毕业论文答辩完成后,他暂时以身体恢复为主,“我还是希望以后重返高校任教。”

    在高位截瘫前,马超是东北林业大学工程技术学院物流工程系的一名老师,他在2015年开始攻读哈尔滨工业大学计算机应用技术专业的博士研究生。按照原计划,2018年4月,他就可以完成博士毕业论文答辩了,但是在当年的4月11日,一场意外却降临在了马超身上。

    “那天晚上马超开车去机场接父亲,在半路因没给后面一辆车让路,被后车司机拉开车门后徒手打伤。”马超的爱人骆春颍说,“刚开始从电话里听说这个情况的时候,我并没有想到会有多严重……”

    初心不改

    “硬核”博士欲轮椅上完成答辩

    由于伤情比较严重,医院的专家为马超进行了10多个小时的手术,虽然保住了生命,但由于这次被打,导致其高位截瘫,医生告诉骆春颍,恢复到最好,马超也只可能有几根手指可以活动。

    在2018年9月份的一天,马超忽然对妻子说,希望完成博士毕业论文的答辩,“我当时挺吃惊的,劝过他一次,但是他很坚持,我就没有再劝他。他只有眼睛可以动,能说话,身上其他地方都无法动弹,所以我就成了他的‘手’,他的论文有需要修改的地方,我就来帮他修改。”

    在马超准备毕业答辩的这段时间,他们把4岁的孩子交给了骆春颍的父母照顾。

    顺利通过

    当天就被告知可获博士学位

    经过4个多月的修改,今年1月9日,马超坐在轮椅上,出现在了答辩委员会老师们的面前。

    在两个多小时的答辩过程中,除了给PPT翻页等需要由学妹帮忙完成外,其他的答辩过程与普通学生无异,马超的导师表示,不会因为马超特殊的身体状况,就对他的论文质量和答辩质量降低要求。

    答辩过程中,马超一直坐在轮椅上,脖子由支撑架撑住,以保证能够一直看着播放PPT的屏幕,讲到口渴,马超的爱人会用带有吸管的杯子给马超喂上几口水,整个答辩过程基本没有中断,马超一直坚持了下来。

    马超告诉北青报记者,1月9日当天,答辩委员会就告诉他,顺利通过了答辩,可以获得博士学位了,“在这之后,我暂时以恢复身体为主,我希望有一天能够重新回到东北林业大学,重新做一名教师。”

    东北林业大学的工作人员表示,他们现在对马老师按病假来处理,他们也希望马超可以重返讲台。(记者 付垚)

    版权声明:如涉及版权问题,请作者持权属证明与本网联系

    来源:新华网

    相关搜索

    • 毕业答辩
    • 答辩ppt
    • 大学答辩是什么
  • ?

    毕业论文开题报告的重要性、内容结构及写作指导

    晏子

    展开

    毕业季悄然来袭,不知道小伙伴们的毕业设计做的怎样了呢?不论哪个学校,相信每个学生在确定好自己的毕业设计题目后导师首先都会催促撰写开题报告,由此可见开题报告的重要性。

    开题报告是我们撰写的毕业论文的中心和浓缩,整个论文的内容将是对开题报告的扩充。所以如果想写好一篇论文首先应该能大致清楚自己论文的整体框架,加以整理浓缩就会构成一个好的开题报告。

    开题报告一般包括:论文题目、理论支撑即毕业论文选题的目的与意义、国内外研究现状、研究方法、内容,起止时间、进度安排及导师意见等。

    开题报告中书写过程中要注意考虑选题目的与意义,即为什么选择这个毕业论文题目,这个题目有什么研究的价值及现在国内外的研究状况。由浅及深先谈现实存在的问题由问题引出研究的实际意义及学术价值,这个过程中我们要脚踏实地具体、客观有针对性的分析,不要空想。同时应该阐述整篇论文的主要内容,将整体内容提炼浓缩,让导师清晰明了的看出自己论文的整体情况。

    在撰写文献综述以前要认真查阅相关文献,提前充分了解自己研究的相关内容。所查阅的文献要与自己研究的内容相关,要注重分析研究,善于发现问题,突出选题在当前研究中的意义、优势及突破点。同时不能照搬文献内容,要把文献主要内容与自己的观点加以结合。

    开题报告在时间及顺序上要合理安排,每个阶段的起止时间、相应的研究内容及成果要明确说明,同时整个研究进程要有连续性。

    明白这些后是不是感觉开题报告简洁了一些呢?

    #百度学术毕业季#

    毕业季来了,百度学术送你一份有效期为四年的超长期“饭票”!一次性解决文献查找、开题、查重三大学术难题,PC端搜索百度学术即可参与活动并了解百度学术相关功能:百度学术开题助手,全面分析研究热点,多维度推荐参考文献,还能参与开题讨论,助您快速把握研究方向,轻松开题!

  • ?

    如何撰写一篇优秀的机器学习研究论文?68 页 PPT 告诉你

    彩色

    展开

    新智元AI WORLD 2018世界人工智能峰会

    今日启幕

    新智元2018年9月20日在北京国家会议中心举办AI WORLD 2018世界人工智能峰会,欢迎观看现场直播,选择有很多哦~

    爱奇艺:https://live.iqiyi/s/19rqw411mv.html

    新浪科技:http://video.sina/l/p/1724373.html

    腾讯科技客户端:http://view.inews.1900

    腾讯科技 PC 端:http://v./preview.html

    新智元推荐

    来源:专知(

    【新智元导读】近期,Deepmind 和纽约大学研究科学家一起作了一场关于如何撰写一篇优秀的研究论文的专题会议,从研究人员、审稿人和读者的角度来探讨写作过程,值得研究人员细细品味。

    Deepmind 和纽约大学研究科学家一起作了一场关于如何撰写一篇优秀的研究论文的专题会议,从研究人员 (通过写作来提高你自己的理解),审稿人(避免被拒绝的常见陷阱) 和读者 (传达你的信息并使你的作品尽可能有影响力) 的角度来探讨写作过程,值得研究人员细细品味。

    1. 微软首席研究员西蒙 · 佩顿 · 琼斯关于写作的 7 点建议:

    1. 不要等待:要写

    2. 确定你的主要想法

    3. 讲一个故事

    4. 打磨你的贡献点

    5. 相关工作:稍后再写

    6. 把你的读者放在首位

    7. 倾听读者的意见

    西蒙 · 佩顿 · 琼斯(Simon PeytonJones,1958 年 1 月 18 日-),生于南非,英国计算机科学家,毕业于剑桥大学三一学院,以研究函数编程语言的实作与应用为主,特别是针对惰性函数编程语言(lazy functional languages)。他对 Haskell 编程语言的发展有很大贡献,为格拉斯哥大学的荣誉教授,也在剑桥大学指导博士生。

    2. Deepmind Ulrich Paquet

    Ulrich Paquet2007 年毕业于剑桥大学机器学习方向。随后在 Imense 从事人脸识别和图像检索工作。2011 年加入微软剑桥研究院 Xbox 项目组, 2015 年加入 Deepmind。

    3. Deepmind Stephan Gouws

    Google Brain Team 的研究科学家,也是最近炙手可热的 UniversalTransformers 作者之一。

    4. Deepmind Nando de Freitas

    Nando de Freitas 是一名来自牛津大学机器学习教授,也是牛津大学深度学习课程的主讲人。在 2000 年拿到 Trinity College 的博士学位后,1999 至 2001 年他在 UC Berkeley 担任博后,2001 至 2014 年在 University of British Columbia 担任教授,他还是加拿大高级科研学会(CIFAR)的一员,并拿到了许多学术类的奖项。

    Nando 本人在其网站上这样简洁地描述他的兴趣:我想明白智能以及思考的机理。我的工具有计算机科学,统计学,数学和无尽的思考。2015 年 12 月 26 日,Nando de Freitas 加入了由 Reddit 管理的 AMA(Ask Me Anything)平台。

    5. 纽约大学 Martin Arjovsky

    著名的 Wasserstein GAN 作者之一,为解决 GAN 不稳定问题的 WGAN 在 2017 年 ICML 提出后再 Google scholar 上已经有了一千多引用。

    6. 纽约大学 Kyunghyun Cho

    机器翻译专家,Yoshua Bengio 的博士后,2015 年《Neural machine translation by jointly learning to align andtranslate》最早将 Attention 机制引入到机器翻译中。

    附 PPT 全文:

    PPT下载:

    http://deeplearningindaba/uploads/1/0/2/6/102657286/research-paper-writing.pdf

    (本文经授权转载自专知,

    新智元AI WORLD 2018世界人工智能峰会

    今日启幕

    新智元将于9月20日在北京国家会议中心举办AI WORLD 2018世界人工智能峰会,邀请机器学习教父、CMU教授 Tom Mitchell,迈克思·泰格马克,周志华,陶大程,陈怡然等AI领袖一起关注机器智能与人类命运。

    新浪直播:

    http://video.sina/l/p/1724373.html

    腾讯科技客户端:

    http://view.inews.1900

    腾讯科技PC端:

    http://v./preview.html

    爱奇艺直播:

    https://live.iqiyi/s/19rqw411mv.html

  • ?

    创意手绘商务论文和项目总结汇报PPT模板

    冰茶

    展开

    分享一组创意手绘商务论文和项目总结汇报PPT模板,简约手绘风格模板,适用于论文汇报,商务阶段性研究报告和商务项目总结汇报等应用。

    更多设计美学可关注米咖说。

  • ?

    「PPT模板」 毕业论文(广告文化方向)

    扶尘

    展开

    不走寻常风的论文模板......

    今天分享一份毕业论文模板,但这位同学不知道是不是艺术生,选题偏广告文化方向,所以我选择了比较出挑的风格。早关注我的家伙们应该都比较清楚,晓公子比较偏爱冷门一些的设计。所以友情提示一下,如果想要大众化一些的风格,一定要提前告诉在下,OK

    这位同学因为你的诉求不多,如果后续有问题一定要记得及时联系我

    因为是一份论文模板,所以留给文字的空间会相对多一些。这种模板我一般都是用6个版块隔开,但这里我没有去展开它,每个版块我都做了一份打样,后续可以根据样版去延伸它

    OK,那就这样了,Good Luck

    关键字:毕业论文01

    未经同意,不得转载

  • ?

    毕设答辩论文ppt模板,用卡通的可以吗?谁告诉你不可以的

    纪无色

    展开

    有一个网友小伙伴问笔者:“boss君,我的毕设答辩论文ppt模板,用卡通的可以吗?”然后我的回答自然不可置否,用个卡通模板这有什么不可以的,但是有一个前提这边我们要说说。

    毕业论文PPT模板的选用要分场景而定,如果你的专业是动漫或者是二次元相关的,比如动画设计之类的专业,那么使用卡通毕设答辩PPT模板是再合适不过的。当然,如果是此外的其他专业的毕业答辩PPT,那就不大合适了。

    在制作PPT尤其是选用PPT模板的过程中,与行业相符这是十分重要的,一方面能提升自己的专业形象,展现出自己对于PPT的重视,不至于给人浮夸或者应付的感觉,另一方面也能让我们的答辩PPT在老师们眼里不至于掉分,甚至是加分。

    在这我们也稍微讲讲毕业答辩PPT模板各个学位比较推荐的风格:文学类推荐古典建筑元素PPT模板,当然,汉语言文学相关的用水墨风PPT模板也可。

    工科类则要更加细化,硬件专业优先选用本专业的相关元素的PPT模板,举个例子,如果你是学自动化的,那么AI相关的PPT就很适合你。总而言之在毕业论文PPT模板的选择中,和自己专业相符最重要。

    当然,在寻找毕业答辩PPT模板时,如果网上没有特定且合适的毕业答辩PPT模板,那么相关的比如课件PPT模板以及可行性分析PPT模板都是可以选用的。

  • ?

    ppt论文答辩模板

    邓人英

    展开

    ppt论文答辩模板,请大家欣赏一下

    希望大家喜欢,收藏评论奥,小编给你廉洁。。。

论文分析ppt模板

所有视频需要登录后,才能观看

请先登录您的帐号,即可完整播放,如果您尚未注册帐号,请先点击注册。