论文摘要范文参考案例哪里有？鉴于有些同学写起论文摘要比较苦恼，这里为大家准备了5个计算机论文的摘要范文，希望可以帮到你哦。
在职研究生论文摘要范文模板一：基于轻量化神经网络的虹膜识别方法研究
近两年,受疫情的影响,人们进出公共场合需进行登记与身份验证。目前普遍采用的人脸识别系统易受口罩遮挡的影响。本文从虹膜识别领域出发探索一种面向移动端的虹膜识别方法。与传统虹膜识别方法相比,基于神经网络的虹膜识别方法精度更高、系统鲁棒性更强,但其参数量庞大,对运算、存储需求较高,难以部署在硬件有限的移动端设备上。为解决上述问题,本文提出一种将轻量化网络结构与模型量化技术相结合的轻量化神经网络用于移动端虹膜识别,论文的具体工作如下:首先,本文介绍了传统虹膜识别方法、基于神经网络的虹膜识别方法的国内外研究现状,并对降低后者模型复杂度的神经网络轻量化技术及其研究现状进行了阐述。随后,本文介绍了虹膜识别系统及卷积神经网络的系统架构,并对几种经典的轻量化网络结构及模型量化方法进行了研究。基于虹膜图像间定位效果存在差异的现象,本文提出一种基于眼睑检测的虹膜图像质量评估方法来指导虹膜数据集的扩充工作;为解决移动端虹膜识别系统中难以运行参数量庞大的神经网络模型的问题,本文提出一种基于深度可分离卷积（Depth-wise Separable Convolution）结构的轻量化神经网络用于虹膜识别。该方法针对轻量化网络结构存在的精度下降问题,结合跨层传输机制、通道混洗（Channel Shuffle）与稠密连接（Dense Connection）技术进行了优化;针对模型在移动端设备运行效率低的问题,提出了基于动态截断的模型量化方案,使其更适于移动端部署。最后,为分析所提方法在移动端的可行性,本文将训练好的网络模型移植到Android移动端进行测试,并选择已有的虹膜识别网络及模型量化方案与本文提出的轻量化神经网络进行对比实验,实验结果表明本文给出的方法在保持识别精度的同时降低了模型的运算与存储需求。
在职研究生论文摘要范文模板二：基于改进残差神经网络的滚动轴承故障诊断方法研究
滚动轴承在旋转机械运转过程中起着至关重要的作用,是旋转机械最重要的部件之一,由于滚动轴承在旋转机械的运转环境一般是密闭且复杂易变的,其应用过程中存在老化、损坏等问题,从而产生的各种故障将会造成安全事故和巨大经济损失。因此,对滚动轴承进行故障诊断是非常重要的。由于传统方法在故障诊断的过程中伴随一些人为主观因素,限制了此类方法对故障特征信息的完全提取,这使得在处理复杂故障时很难实现较好的泛化性能,然而深度学习方法可以将故障特征提取和分类结合到一起,自动从原始信号数据中提取代表性特征,从而消除人工经验对特征提取的影响。因此,本文研究了基于残差神经网络的滚动轴承故障诊断方法,本文主要的研究内容如下:（1）针对滚动轴承工况复杂多变、环境噪声干扰大、有效数据样本不足而导致的故障诊断效果不佳的问题,提出了一种基于残差神经网络的滚动轴承故障诊断方法。该方法以滚动轴承时域信号数据作为输入,首先利用三个连续的卷积层串联构建了一种改进的数据池化层,目的在于能够有效地提取振动信号中故障特征信息,并减少残差神经网络中参数的计算量;然后设计了一种空洞卷积和残差块相结合的空洞残差块,学习故障特征信息,其优势在于通过扩大感受野使得该方法具有较强的特征学习能力;最后引入Dropout方法丢弃一定比例的神经元,可有效避免过拟合的负面影响。使用凯斯西储大学轴承数据集验证了本章方法在滚动轴承故障诊断中具有更高的诊断准确率、更强的抗噪性和泛化能力。（2）针对滚动轴承工况复杂,传统残差神经网络难以有效地提取故障特征信息的问题,提出了一种改进的残差神经网络故障诊断方法。该方法以采集到的滚动轴承时域信号作为输入,针对滚动轴承时域信号时变性较强的特点,构建了一种基于Inception模块改进的数据池化层,该池化层采用3个3×3的小卷积层串联和堆叠构建,并加入了残差连接,可有效地提取了特征信息。在残差块中构建跳跃连接线,设计了一种带跳跃连接线的残差块,增强了残差块对特征信息的学习效率。利用空洞卷积能够扩大感受野的优点,将带跳跃连接线的残差块中的普通卷积替换为空洞卷积,设计了一种带跳跃连接线的空洞残差块,将设计的两种残差块端对端首尾相连构建神经网络。通过凯斯西储大学公开的4种不同工况下的数据集来验证该方法的有效性。（3）由于滚动轴承一维信号转化为二维信号时,会损失部分特征信息,针对此问题,提出了基于一维残差神经网络的滚动轴承故障诊断方法。该方法以滚动轴承一维时域信号为输入,首先在卷积神经网络中构建锯齿状空洞卷积,有效提高卷积层的感受野;然后设计不同权重系数的多级残差连接结构,使得下层特征可以传递到上层,提高了该方法的特征学习能力,最后在每一个子残差块后添加一个注意力模块SE block,用来增强有用的特征通道,削弱无用的特征通道,从而增强了该方法对故障特征的辨识能力。利用凯斯西储大学数据集进行实验,结果表明,该方法能有效地诊断变工况条件下的滚动轴承故障,与其它深度学习方法相比,具有更高的故障诊断准确率。
在职研究生论文摘要范文模板三：翼型的高精度数值模拟及基于机器学习方法的翼型流场预测
翼型绕流是流体力学研究重点之一,流动相对简单但广泛应用于各种流体机械及飞行器设计中。且翼型绕流可以通过圆柱绕流的势流变换得到,因此本文以圆柱及NACA0018翼型作为研究对象,采用不同湍流模型计算了研究对象在定常与非定常状态下的流场。通过对比分析研究了数值模拟结果,选用二维模型下SST k-ω湍流模型对研究对象的计算结果作为机器学习样本,对机器学习方法的流场复现方法进行了研究,选用多层前馈神经网络模型实现机器学习方法,并根据复现出的流场计算翼型的气动特性,主要方法及结论如下:1、采用S-A、SST k-ω与LES湍流模型,对NACA0018翼型在不同攻角下的流场进行数值模拟,研究表明,S-A模型在0-4°攻角下计算误差可以小于5%,当攻角超过8°时,S-A、SST k-ω方法开始出现较大误差。使用非定常方法进行计算时,SST k-ω与LES湍流模型在攻角α<8°时均能准确预测升力系数,但当α>8°时由于发生了流动分离,SST k-ω湍流模型难以准确预测,另外LES湍流模型可以较为准确的计算出翼型的阻力系数。最后对比了圆柱绕流LES方法与实验的对比,通过对比实验流场与数值计算流场发现SST k-ω方法无法得到圆柱绕流背压面旋涡被主流拖拽破裂的过程。综合对比三种数值模拟在圆柱绕流与翼型绕流中的计算结果可以发现LES在宏观外特性与流场特性均具有较高精度。2、本文采用数值模拟方法获取数据集,数据集的好坏直接影响预测准确性。圆柱绕流因计算简单,且可以通过势流变换得到翼型绕流,因此本文首先采用数值模拟方法对雷诺数为Re=3900的圆柱绕流进行计算,对比圆柱绕流试验压力系数与数值模拟计算压力系数可以发现LES湍流模型与SST k-ω湍流模型计算结果相近,但计算时长相差近35倍。综合考虑计算时间和准确性,选用二维模型下SST k-ω湍流模型建立直径为0.05m的圆柱在Re=3500-5500下压力场速度场数值模拟结果作为学习模型的数据库,研究不同深度、训练步数、学习率和不同网络结构的预测准确性。结果表明,保证训练步数在500-750步之间,学习率为0.1保持不变时预测结果很差,在减小学习率到0.01时可以获得较好的结果,但学习率继续减小会导致神经网络难以收敛,需要增大训练步数方能收敛。另外神经网络在层数增多时会有较好的预测结果,但当前馈网络超过6层时,预测准确性并没有很大的提高,认为使用6层前馈网络即可达到圆柱绕流预测的目的。最后加入0.005的正则化与1%权重衰减可以有效防止过拟合,提高预测准确性。3、将圆柱绕流优秀的预测模型应用于翼型绕流预测。首先利用数值模拟方法获得NACA0018翼型在攻角α=2°、4°、6°、8°,雷诺数Re=0.1-1.6×106范围内共计140组计算结果作为机器学习的样本数据库,建立基于前馈神经网络的机器预测模型,以绕流雷诺数与攻角作为自变量输入神经网络,通过神经网络的计算预测翼型附近压力场速度场。结果表明,采用八层全连接神经网络即可获得准确的计算结果,并可以通过预测得到的表面压力系数反算升阻力系数,发现机器学习方法能获得很好的准确性。对比Xfoil、数值模拟与神经网络计算得到的表面压力系数,发现SST k-ω湍流模型未算出翼型分离点,导致神经网络无法计算出分离点压力变动,表明机器学习方法准确度取决于数据库样本。4、通过计算矢量场速度之间的相关系数可以发现X、Y方向的速度矢量大小相关系数为0.3,相关性较弱,因此采用相互独立的神经网络预测速度矢量场。相比压力场、速度场的预测,因缺少数据间的约束,需要将神经网络训练步长增加至600步以上。并考虑到流场中驻点及部分区域Y方向速度接近于0,将计算结果中绝对值小于10-5的数据归零处理,最终可以将矢量场预测的平均误差降低至7%以下。
在职研究生论文摘要范文模板四：数据驱动的产品形态概念生成设计方法研究
随着计算机辅助设计和制造技术的快速发展,设计手段、设计工具和生产模式的不断革新,使得设计方式呈多元化的发展态势。先进的智能设计技术可助力企业快速响应消费者的需求,提高产品形态创新设计效能。随着信息时代的高速发展,以网络商品、网络评论为代表的信息数据不断涌现,如何利用这些信息数据进行产品形态创新设计已成为学界研究的重要问题。为了产品形态高效、直观、准确地生成,本研究从数据获取、概念设计、详细设计阶段出发,从产品形态动力角度分析了影响产品形态的动力因素,结合产品象元理论、形状混合算法以及参数化脚本技术提出了一种数据驱动的产品形态概念生成设计方法。具体研究内容分为以下四个部分:第一,设计分析阶段。从产品形态动力角度出发,综合分析了影响产品形态的动力因子,并对动力因子进行类型划分和表征。在确定研究对象后利用扫描设备和实验捕获的方式表征形态动力因子,获取影响产品形态因素的数据资料,为后续数据驱动生成概念形态奠定基础。第二,数据处理阶段。引入象元理论对产品样本的形态特征进行提炼和描述。首先,运用二维软件对样本集进行处理,获取符合用户综合抽象动力因子的二维草图形态特征;然后通过建立象元关系运算法则,对二维形态特征进行象元运算;最后对象元运算结果进行多目标形态混合,获取具有不同形态特征的草图方案集,用于后续三维形态的驱动生成。第三,构建有向形态计算图。首先对形态构建的一般流程进行了总结归纳,然后对相关产品形态进行分析并构建产品有向形态计算图以辅助设计师进行数据驱动的产品形态概念设计,通过设计师、工程师之间的设计交流、算法解读和知识传递进一步明确算法程序设计中的数据流向、逻辑架构等问题。第四,算法程序设计与产品形态生成。首先将草图形态特征数据与用户个性化扫描数据导入算法程序,经程序计算获得了产品形态方案;然后对生成的形态方案进行网格算法优化,以便设计师设计加工;最后对其形态进行工程性能分析,依据分析结果再次调整形态参数,获得较为符合工程要求的形态方案。本研究以自行车头盔形态设计为例,对上述提出的方法进行验证。结果表明,数据驱动的产品概念形态设计方法可借助计算机融合数据和算法,将多种设计因素在概念设计阶段中考虑,便于设计师在有效的范围内进行形态探索,有助于设计方案的收敛和成功,运用该方法设计生成的头盔形态具有良好的人机适配性。形态逻辑程序的构建为设计师和工程师的直观交流提供了媒介,为工程分析快速调整形态提供了方便快捷的方式。通过对程序参数的调节快速生成多种形态概念设计方案,不仅提高了设计师的设计效率,还为用户个性化定制提供了新思路。
在职研究生论文摘要范文模板五：人工智能发明创造可专利性研究
本文通过列举分析自然语言处理、机器人科学家、基因编程三种人工智能技术应用实例,总结出人工智能所产生的发明创造的四个特征:（1）专利类型全面（2）专利客体不限于“涉及计算机程序的发明”（3）人工智能的创造性贡献程度各异（4）至少需要自然人承担辅助性工作。随着技术进步所出现的新技术成果,因其对技术设计的创新贡献,对新兴产业的支撑作用,使其应当受到专利法的保护。基于人工智能所产生的发明创造的四个特征,以及专利法的鼓励技术创新及应用的立法精神,本文认为对于上述发明创造,只要具有新颖性、创造性、实用性,并且不属于法律排除可专利性的对象,则不因某项发明由人工智能完成,而排除其可专利性。人工智能生成发明不能完全套用以人类发明者为中心的专利制度和理论,需解决三个方面的问题:可专利性、发明人认定、专利权归属。（1）可专利性。2019年12月,中国知识产权局在《专利审查指南》对涉及人工智能的专利申请审查特殊性作出规定。该规定仍然秉持通常专利审查过程中的整体性和技术特征原则,另外增加了一项全特征考虑原则,为人工智能发明创造专利审查提供了一定的依据。另外,从专利制度的作用看,其目的在于平衡专利权人和公众之间的利益,在鼓励创新的同时,不断扩大公有领域的知识,促进社会发展和社会公平。如果对AI产生的发明创造不及时进行专利保护,那么可能使其转入商业秘密进行保护,无法扩大公共领域的知识,会加剧社会发展的不平衡,因此本文认为,依据AI发明创造的特点明确其可专利性具有积极意义。（2）发明人认定。当前,在专利申请文件中,只能填写自然人作为发明人,避免因非发明创造本身的问题而影响专利授权。未来,如果人工智能在发明活动中的独立性和创造性更加显著,在民事主体理论有所突破的前提下,赋予人工智能发明人资格也是一种可能的选择。（3）专利权归属。利用人工智能发明新事物的技术项目,由单位（或个人）投资的,依据专利权的财产权属性,其专利权由该单位（或个人）所有才具有合理性。因此建议可参照《专利法》职务发明的规定:专利权的分配以约定优先;无约定的,归该投资单位（或个人）所有。
以上是计算机论文摘要范文参考案例，大家可以从中对照出写作的要点，如果需要其他论文写作素材，欢迎上随时查阅本网站。
