031-322511254

我们只用绿色的食品原料

鸭脖零食加工厂,只为您的健康着想

如何做一份及格的结业论文选题陈诉?

2021-10-22 01:25上一篇:体育健身路径对社区居民健身行为的影响 |下一篇:没有了

本文摘要:确解决了这个问题,你的结业论文之路会轻松愉快许多。痛苦每年一到结业论文季,就可以看到朋侪圈里大学老师们「比惨大赛」。单从老师角度看来,你会以为如今这些学生怎么变得这么太过?都已经到了惊心动魄的水平。可是如果你趴在学生的朋侪圈,那看到的就是另一番场景了。 那种诉苦,好像老师们一个个都是「周扒皮」一般。我不愿意去到场详细事例的争论。因为大部门群体其实都是正态漫衍。 「不需扬鞭自奋蹄」的学生固然有,可是也有佛系到放弃治疗的。

鸭脖

确解决了这个问题,你的结业论文之路会轻松愉快许多。痛苦每年一到结业论文季,就可以看到朋侪圈里大学老师们「比惨大赛」。单从老师角度看来,你会以为如今这些学生怎么变得这么太过?都已经到了惊心动魄的水平。可是如果你趴在学生的朋侪圈,那看到的就是另一番场景了。

那种诉苦,好像老师们一个个都是「周扒皮」一般。我不愿意去到场详细事例的争论。因为大部门群体其实都是正态漫衍。

「不需扬鞭自奋蹄」的学生固然有,可是也有佛系到放弃治疗的。老师自然也有「神龙见首不见尾」一直玩儿消失的,可是肯静下心来给学生认真领导修正,满纸都是红字的也不在少数。所以,拿苹果和橘子比,没有可比性。

况且大规模的结业论文写作历程泛起问题,恐怕不能只根据个体特性来找原因吧?许多时候,问题并不是出在提交初稿的停止日期那几天(只管大家都默认「停止日期是第一生产力」),而是在选题的时候就注定了。如果你选了一个不合适的题目,那么这后面一定是个悲剧或者闹剧。谁人题目,你没兴趣,基础做不进去;或者以你当前的水平,基础不行能做出来;更恐怖的,是题目自己就是个错误。

想想看,一旦给你部署了错误的、不感兴趣的、超乎寻常难题的任务,你会怎么做?A. 咬牙做完B. 拖延到最后一刻C. 爽性放弃接待把你的选择在留言区告诉我。但甭管你选的是哪个,这篇结业论文的写作都不会是一个愉快的历程了。选题要制止写作环节的大坑,你就需要在选题阶段充实下好功夫。

究竟,你对什么题目感兴趣自己最清楚吧?不相同的情况下,指导教师凭什么未卜先知?一个好的题目,放到一个不合适的人那里,也是个糟糕的选择。可是,你凭借兴趣选出来的题目,却未必合适。

我之前在《什么样的开题陈诉会被毙掉?》一文中,给你提到过三种悲凉状况:没价值没须要不靠谱之后,我又在《如何与导师有效相同你的论文选题?》一文里,给你增补了该如何通过选题陈诉的模板,跟指导教师高效相同选题。不外不少读者和学生表现,仅仅通过这些原则的学习,还是难以有效应用到自己的选题中。于是,这次我想了个新措施。

案例措施就是把我给学生修正选题陈诉的样例,录了个视频教程。固然,为了能够帮你把一些观点厘清,也为了案例内里的内容可以更为通用,我讲得比平时给学生修正选题陈诉,越发细致一些。

利益是这不仅可以资助你提高吸收的效率,也可以资助我自己节约时间。我已经在本科结业论文指导群里发了这个视频,要求自己的学生看。

在撰写选题陈诉的时候,不能再泛起视频内里已经列出和解说过的错误类型。批注的历程,如果只是把最后的大花脸效果反馈回去,还真不如视频解说来得生动、透彻和细腻。

这样一来,许多无用功,就可以省下了。因为言语的说教,比不上行动的示范。这里是视频的播放地址。希望你看后能把感受和疑问反馈给我。

后文部门,是给你温习用的。我把视频内里口语化的内容,用书面方式重新举行了梳理和调整。这样后面你回首温习的时候,就不需要把一段视频重新播放到尾了。

特别谢谢我院信管 17 级本科生李孟儒同学帮我转录文字版初稿。做得很认真。谢谢!题目这个选题陈诉中题目为「基于深度神经网络的文娱类股票预测研究」。

这个题目最大的问题就是太大。选题一定要做的小一些。要做股票预测。

预测什么?是预测它的存活时间?预测它的价钱变化?预测它的成交量的变化?……而且前面加了一个限定词“文娱类股票”,要看那里的文娱类股票?是研究美国的文娱类股票,英国的,还是在新加坡上市的?即便研究海内的股票市场,还分成了沪深两个市场对吧?这些你要研究的股票,在哪个板上市的?主板?创业板?新三板?要思量到种种各样的细分的选择,一定要记着细分。好比说,在深圳股票生意业务市场某个板的文娱类股票的价钱变化。这个变化还包罗一个问题,就是要预测一个什么样的时间规模?是预测下一分钟?还是下一小时?下一天?下一个月?……这不是在做文字游戏,而是涉及到你的模型究竟有没有能力对它举行预测,它背后是要有科学的理论基础。

举一个最简朴的例子,我们都知道天气预报。天气预报到底能预测多长时间?现在基本都是 3 天左右,至多一周。为什么是一周?为什么不直接预测一个月出来?因为凌驾一定的时间规模之后的预测基本上就跟扔硬币没什么区别。那就不叫预测了,叫瞎猜。

同样的,做价钱变化预测,首先应该把自己放到一个时间规模内里。到底是做短期,中期,恒久,这个是一定要有分界的,不要把它混为一谈。

适才讨论的是题目的后半部门,就是得把题目缩小。再看前半部门。

“基于”一般就是方法、模型、工具。这里“深度神经网络”原本可以当成模型,可是没有提到底是哪一种模型。深度神经网络模型是有若干种的。

一般做视觉,可以用 卷积神经网络(CNN);做文本常用 循环神经网络(RNN) , LSTM 这些架构。固然,不限于文本,类似于商品价钱、股票价钱等方面的预测,只要它是一个时间序列,都可以用循环神经网络(RNN 模型)。厥后又泛起了 Transformers 等新的工具,例如 BERT,Roberta 等,都可以用于自然语言处置惩罚。

现在一般文本的相关操作,不光是分类,上下文问答等一般都是 Transformers。这指的是一些大类,它有若干变种。

你看,深度神经网络有这么多的架构,你若不挑出来一个,就把它叫当成「模型」,这不行以。如同我近期在微信视频号内里讲的,选题时创新应该来自于哪?作为新手,最好让你的创新点来自于「上下文」。如果把题目做得很大很笼统,便没措施在「上下文」跟别人有区别。

认知差你这份文稿里,界说「认知差」为增加型。这不合适。一般增加型,是指没人研究过。

第一个提出来原子弹可以造的,叫增加型。因为之前谁也不知道这种可能性存在。可是你的问题里,有没有人用深度神经网络做过股票预测研究?凭据我适才在循环神经网络应用部门的形貌,你应该已经清楚——不仅有人做过,而且有许多人做过。

如果股票价钱预测准确率足够高,那么就会带来直接经济效益。因此有许多人实际上已经研究过它了,这时候你说是一个增加型,不行能。

所以如果坚持继续这个研究偏向的话,你能做的就是实验在其中举行删减或者是革新。再强调一下,「用一定的方法去预测股市的涨跌」这事儿有人已经提出。

不管他提的解决方案对差池,或者效果好欠好,你对这个事儿的进一步研究,就一律都不能再叫做「增加型」认知差。不要嫌我烦琐。论文内里,把认知差搞错了,你后面写作的时候,行文就会有显著区别。

要么你中途写不下去,要么就是写出一篇不切合实际的文章。这在学术界,是很是严重的隐讳。特别是,当你的论文投稿或者送审的时候,如果落在了之前已经在这个偏向有建树的学者手中(或许率事件),你却说这个事儿之前没人研究过,你是第一个……自己掂量一下结果。

所以,你得把注意力集中于能不能删减,能不能革新。这里回应一下前面的内容。

为什么要让你把题目弄得精致,进而「小题大做」?因为题目若是越大、越笼统,就越有可能跟别人重叠撞车。文献你对文献做了可视化分析,这很好。可是一张漂亮的分析效果图,还是远远不够的。

让你做这一部门的原因,是为了找 Gap。所谓 Gap ,就是距离。有两种显着的表现。

假设这张图是整个文献漫衍的样子,在外面画一个圈套住已有研究,你研究的问题在圈外。那这个 Gap 很是显著,因为现有研究和你的目的之间没连线。如果画出来 Gap 是这样,有两种可能。

一是你的运气很是好。灯下黑,别人睁着大眼找,硬是没有看到这个低垂的果实。

或者,另一种情况,很糟糕。这是一条基础就走不通的路。一般来说,后一种情况更常见。

因为你得明确,已经揭晓出论文的这些研究者,大部门都是履历富厚的专家。你一个新手都能看得见的 Gap ,他们看不到吗?所以,一般而言,你更应该关注下面这种类型的 Gap。当我们发现有一个区域,周围都是很是的麋集,说明被别人往复探索。

而唯独在这个区域里,泛起了一些很是稀疏的网,甚至在这个位置上毗连点都没有。这时候,你就可以思量在这个位置上,有没有可能通过上下文的交织,形成一个奇特的选题赛道。「众争勿往」,这句话很重要。别随着他人一起凑热闹。

你是新手,找好了赛道,没啥竞争你就可能直接胜出了。非要跟别人往大道上挤,不是没有可能「逆袭」,可是概率太低。或许率是给别人当分母,甚至爽性被碾压掉。

论证当你好不容易找到了某个 Gap 时,得把这个效果跟指导教师相同。否则你做论文还要导师干嘛?可是就如同我在《如何与导师有效相同你的论文选题?》一文里跟你提过的。你必须自己先做验证。小学做数学题时,你应该就知道交卷之前得验算一遍了,对吧?首先你的问题变化了。

这不是最初你体贴的谁人大问题,而是你找到的奇特赛道,它因为种种上下文的限制,肯定是个相对「小」的问题。那么这个「小」问题是不是依然具有重要性?那可纷歧定,你得论证。你得论证出,这个小问题的解决,将直接促进大问题的推动。或者反过来,若是能够说明这个小问题是解决大问题的须要条件,那就更好了。

其次是须要性。一个工具重要,却未必须要。轮子很重要,没有轮子就不行能有车。

可是「重复发现轮子」不须要。因为轮子发现一次就够了。

你得证明,在这样一个小的研究空间里,别人忽略了什么。补足别人忽略的那些工具,才是真正的须要性。第三个是“靠谱”。想想看,一个小问题,它很重要,也很须要,可是别人又没把它做出来……会不会它自己从原理上就做不出来呢?例如永念头?联合你的选题来看。

研究股票价钱预测,你的泉源数据是什么?如果泉源数据是凭据以往它的价钱历史,推测后面价钱变化。这个事儿是不是靠谱呢?看着 K 线图,你可能以为挺靠谱的。可是不是这样。

使用历史来预测未来,认为历史上泛起的事儿,未来就一定发生,这就是「看着后视镜开车」。例如说,你凭据去年某旅游公司的业绩预测其今年业绩,能成吗?黑天鹅,灰犀牛……种种外部因素的综互助用,使得我们不能臆想所有的变化都是一连的,都是根据原先的趋势来运行,进而叠加一些随机颠簸。

所以,真正的股票价钱预测实践,早已加入了许多外部信息。例如很多多少年前,就有人实验把 Twitter 数据加入,使用公共情感来预测走势。效果未必何等完美,可是至少看起来比单一的凭据历史价钱预测未来价钱好许多。

可是这样看起来,你得找几多外部数据灌进去啊?新闻、社交媒体、分析陈诉、公司通告……这似乎是彭博社的活儿吧?你一小我私家替它全干了?再说,即便有了上述全部数据,你也依然没有创新。因为别人都做了。那你得在深度神经网络模型的架构上,有自己的变化和革新。

这……似乎更不靠谱了吧?即便有了上述的数据和新的更巧妙的深度学习模型架构,你有那么多 GPU 帮你算吗?要靠谱啊。参考文献前面相关的分析效果,你倒是未必非得要用 Vosviewer,即便手绘也可以。可是要注意数据和效果的对应性。你此时分析的泉源数据,就是参考文献。

这里你给出的文献分析效果图是英文的,但参考文献全是中文的。这怎么回事儿?参考文献应该是分析的数据泉源和支撑,泉源要扎实,分析也要扎实。

固然,我这里并不是说,让你把所有的分析图都酿成中文。如果某个领域,最前沿的结果在中文文献,你就找多中文文献;反之,如果最前沿的结果在外文文献,你也不应该忽略。以你的选题而言,深度神经网络模型研究,现在主流前沿的研究在英文期刊与集会上。

所以还是得多找一些英文文献。做文献分析,最好是能够综合起来,一起看。

这样比力全面,尤其是制止忽略重要的文献。研究方法研究方法环节,写的时候不要把「非研究方法」写上。

例如说有的同学做了文献回首,就写「文献分析法」,要不得。因为那是一个须要步骤,不是你文章主要的研究方法。有的同学写「实证研究方法」,这也差池,因为实证研究是一套方法论。

你详细用了什么方法?例如问卷观察?访谈?实验?仿真?数据挖掘?案例研究?……你做的研究,基于机械学习方法,那就写「机械学习」就好。最好稍微提一下,机械学习应用在了哪些主要环节上,以便让人一眼看出,你的研究方法和研究目的之间是否匹配。

花样另外多说一句,我希望你后面再提交文稿时,直接提交 PDF 版本,因为 word 版本,是易于多人互助举行编辑。可是,如果希望别人在差别设备上打开,显示效果能够保持一致,制止泛起花样庞杂的误会。PDF 会更好些。

小结通过这份教程的学习,希望你相识以下几个选题中常见的问题及其应对方法。首先是题目太大。

太大的题目,往往都被别人触碰过,因此倒霉于你找到自己的奇特赛道,很容易被大牛碾压。其次是认知差定位不妥。这会导致你的叙述,与真实的情况不切合,导致许多严重的问题。

第三是选题验证不完整。一定要从「价值」、「须要性」与「靠谱水平」三个维度入手,说服你的指导教师。

如果连自己都说服不了,那就改吧。第四是参考文献不完整,不系统,特别是对前沿优质研究结果有重大遗漏。最后是列出的研究方法不切合规范。

要实事求是,凭据实际情况针对性列出主要研究方法即可,不要为了数量多悦目,而随意添加。接待你把寓目视频和阅读图文教程的收获,在留言区反馈给我。祝选题和论文希望顺利!。


本文关键词:鸭脖,如何,做,一份,及格,的,结业,论文,选题,陈诉

本文来源:鸭脖-www.exypcb.com