研讀論文報告參考
研讀論文報告參考
篇一：論文研讀報告 特等獎和第五篇
第一次論文研讀：2009A
特等獎：
問題一：
針對（一）
{ EMBED Equation.KSEE3 * MERGEFORMAT 11Gv2Gr2
22|GvJwJ代入已給數(shù)據(jù)； 222gwg
問題二：
針對（二）
機械慣量=基礎慣量+飛輪慣量之和
根據(jù)題意：基礎慣量=10
飛輪慣量=30、60、120
機械慣量：10
10+30=40
10+60=70
10+60+30=100
10+120=130
10+120+30=160
10+120+60=190
10+120+60+30=220
等效轉(zhuǎn)量慣距=電動機電流控制提供的轉(zhuǎn)矩[-30,30]+機械慣量；
52 -42(舍)10
12 40
-1870
-38（舍）100
問題三：
公式（3）-（9）顯然
問題四：
>> x=load('zhuansu.txt');
h=0.01;
M=load('扭矩.txt');
n=load('轉(zhuǎn)速.txt');
m=size(x);
w=2*n*pi/60;
w1=2*514.33*pi/60;
f1=w1*40;
w2=2*513.79*pi/60;
f2=w2*40;
W=(f1+f2)*h/2;
for i=2:m-1
w(i+1)=2*pi*n(i+1)/60;
f(i+1)=M(i+1)*w(i+1);
W=W+(f(i)+f(i+1))*h/2;
end
wr=W;
Wr=-wr
Wr =
-4.9242e+004
>>
問題五：
控制方法一：
假設角速度變化率是連續(xù)的：
（16）+（13）=（17）展開整理即可；
由式(11)代入從0-kT時刻，用小時段積分的方法得到（19）；
由于小時段內(nèi)M是不變的，因此整理出式（20）；
控制方法二：
假設扭矩的變化率是連續(xù)的：
問題六（改進）：
角速度補償法：每個時間段的控制電流=原有控制電流+增加的補償電流（當前角速度與理論角速度的差值）；
改建方法一（減小誤差，優(yōu)化控制方法）：
補償電流來源：將每一段電流理想值與實際值的差作為下一時段的補償電流； 作圖x=0:0.1:5;
m=size(x);
w0=50/0.286;
Wr=0;
w=w0/50;
E=0;
for i=1:m-1
w(i)=w0-w*i;
Wr=Wr+(w(i)+w(i-1))/2*0.1*505;
Wz(i)=1/2*52*(w(i)^2-w0^2);
E(i)=-Wr-Wz(i);
e(i)=E(i)/(-Wr);
end
plot(x,E,'K');
J=52;
J0=40;
R=0.286;
w0=50/3.6/R;
M=w0/5*J;
x=0:0.1:5;
y=0.1:0.1:5;
w(1)=w0-M*0.1/J0;
w(2)=(2-J/J0)*w(1)+(J/J0-1)*w0-M*0.1/J0;
for k=3:50
w(k)=(2-J/J0)*w(k-1)+(J/J0-1)*w(k-2)-M *0.1/J0;
end
plot(y,abs(w-(w0-M/J*y)),'r');
0.32
0.3
0.28
0.26
0.24
0.22
0.200.511.522.533.544.55
clear;
J=52;
J0=40;
R=0.286;
w0=50/3.6/R;
M=w0/5*J;
T=0.1;
t=5;
x=0:T:t;
y=T:T:t;
w(1)=w0-M*T/J0;
w(2)=(1-(J-J0)/J0)*w(1)+(J-J0)/J0*w0-M*T/J0;
for k=3:t/T
w(k)=(1-(J-J0)/J0)*w(k-1)+(J-J0)/J0*w(k-2)-M*T/J0;
end
for k=1:t/T
E(k)=(w0/2+sum(w(1:k))-w(k)/2)*T*M;
Q(k)=J*(w0*w0-w(k)*w(k))/2;
F(k)=(E(k)-Q(k));
f(k)=(E(k)-Q(k))/Q(k)*100;
end
plot(y,abs(F),'+')
pause;
plot(y,abs(f),'+')
25
20
15
10
5
000.511.522.533.544.55
改進方法二：
clear;
J=52;
J0=40;
R=0.286;
w0=50/3.6/R;
M=w0/5*J;
T=0.1;
t=5;
x=0:T:t;
y=T:T:t;
w(1)=w0-M*T/J0; for k=2:t/T
w(k)=w(k-1)-T/J*M
end
plot(y,abs(w-(w0-M/J*y)),'b*-')
00.511.522.533.544.55
clear;
J=52;
J0=40;
R=0.286;
w0=50/3.6/R;
M=w0/5*J;
T=0.1;
t=5;
x=0:T:t;
y=T:T:t;
篇二：數(shù)模集訓第一次論文研讀報告
艾滋病療法評價及療效的預測模型
第一篇：
對于所給的樣本數(shù)據(jù)中有缺少的部分，本篇論文并沒像第四篇中的那樣采用拉格朗日線性插值法對數(shù)據(jù)進行補全，不過根據(jù)模型最后所得到的結(jié)果，就第一篇所用的方法似乎個別數(shù)據(jù)的不完整性不影響最后的回歸結(jié)果。
1、首先，應用SPSS回歸出CD4濃度隨著時間t的二次變化曲線變化： 大致結(jié)果如下
對于，CD4的SPSS運行結(jié)果，回歸檢驗數(shù)F值為84.749，擬合優(yōu)度0.93，P值為0，表示模型還是可行的，顯著性通過。根據(jù)題意也可得：CD4的濃度是隨著在一開始是隨著時間的增加而增多的，而當超過了一定的時間之后，將會由于HIV的濃
度的增加，CD4的濃度漸漸減小，符合二次拋物線模型。
y(1.04)*x26.114*x99.256
下面就HIV與時間T的關系進行一個二次回歸：
對于HIV的濃度變化的數(shù)據(jù)回歸，可以看出F值為245.047。 回歸方程為：
y0.03t21.62*t4.396
利用MATLAB可得最值，也即最佳停藥時間為： syms x
>> df=diff(0.03*x^2-1.62*x+4.396) df =
3/50*x-81/50
>> f=inline('0.03*x^2-1.62*x+4.396') f =
Inline function:
f(x) = 0.03*x^2-1.62*x+4.396 >> X=solve(df) X = 27
把CD4和HIV分開討論作為評價和預測的標準不是很合理，停藥的標準應該是CD4達到最高開始下降的同時HIV達到最低開始上升，而非單獨考慮其中之一的單性發(fā)展。
第二篇：
就是建立了一個完全二次多項式回歸模型，對于編者按里所提到的把服藥前CD4和HIV的濃度作為初始變量放入回歸模型中的做法可以提高回歸精度的原理，我并沒有覺得是典型的特點吧，個人覺得第一篇第一問應該也有這樣用，只不過它為了好處理，統(tǒng)一都取了對數(shù)。本文最大的特點應該是采用了逐步回歸的方法，以及定義了較好的評價指標，即它定義了療效CH=m*C(t)/H(t)作為療效的評價標準。
首先，畫出CD4的逐步回歸圖。
Coefficients with Error Bars
XXXXXXXX
Coeff.t-stat p-valModel History
RMSE
F值接近300，P值很小，說明逐步回歸的效果還是相對可行的，然后從圖中能看出C(0),H（0），t,C(0),H(0)*t,t對模型的影響較為顯著。這里與原文有差誤，原文中逐步回歸出來的顯著性因素中，沒有H(0)*t這一項，產(chǎn)生的原因可能是由于在剔除數(shù)據(jù)的過程中，我的處理方式是直接將空缺的數(shù)值去掉。所以有
120.0551.43622*C(0)23.2401*H(0)4.16975*t0.00172672*C(0)20.402781*H(0)*t0.0976288*t
Coefficients with Error Bars
XXXXXXXXCoeff.t-stat p-val
Model History
RMSE
F值為144.922，P值為3.20514e-146，非常小，由此可見回歸模型的相對正確性，從圖中看出，t,C(0)*H(0),C(0)*t,H(0)*t,H(0),t對因變量的顯著性回歸較
為明顯。
H(t)2.172440.0999326*t0.000290638*C(0)*H(0)(5.55906e05)*C(0)*t0.0111486*H(0)*t0.0914151*H(0)20.00321384*t2
CH
定義療效
C(t)
H(t)，即C(t)越大，H(t)越小時，療效越明顯，畫出CH的圖像后，
可得拋物線的頂點為最佳停止治療的時間。
篇三：論文閱讀報告要求及范例
科技論文閱讀報告要求：
1. 撰寫科技論文閱讀報告是對閱讀的一個歸納和提煉，并針對這些問題提出自己的見解。
2. 中文撰寫，1-3頁，主要包括以下幾點：
�。�1）論文要解決的問題是什么，該問題為什么重要？（Introduction和Motivation章節(jié)）
�。�2）論文提出了什么解決方案，效果如何？（Introduction，Design和Conclusion章節(jié)）
（3）論文提出該解決方案的動機是什么？（Introduction和Motivation章節(jié) *重要）
�。�4）論文提出的解決方案有何不足之處？（Design和Performance及自己的見解 *重要）
�。�5）以前解決該問題有哪些方法，有何不足之處？（Related Work章節(jié)）
�。�6）針對該問題你是否有更好的解決方案？（自己的見解 *重要）
其中第（4）點和第（6）點是論文閱讀報告的重點，需要通過閱讀論文和分析提出自己對于該問題更加深入的理解和認識。
3．每個人閱讀的論文不同，根據(jù)需要還可以參考閱讀其他相關論文，相互之間可以討論，但論文閱讀報告的撰寫必須個人獨立完成，最后需要同時提交電子版和打印版。
4. 附錄是一個論文閱讀報告的范例，供大家參考。附件中另兩篇論文介紹了如何有效地閱讀一篇科技論文。
近三年的FAST會議論文可以從以下鏈接找到：
FAST’09: http://）通知我，務必在郵件中寫清楚姓名、學號以及文章題目，我會在FTP上將你的姓名標注在該文章上，其他人不得再選。如有多人選擇同一篇文章，則根據(jù)郵件的先后順序取舍。
《信息存儲技術》論文閱讀報告 范例
姓名：*** 學號：***********
A. 論文的基本信息：
Suzhen Wu, Hong Jiang, Dan Feng, Lei Tian, and Bo Mao. WorkOut: I/O Workload Outsourcing for
Boosting the RAID Reconstruction Performance. In Proceedings of the 7th USENIX Conference on File and Storage Technologies (FAST 2009), San Francisco, CA, USA, February 24-27, 2009, pp. 239-252.
B. 論文要解決的問題及其重要性？
在磁盤陣列中，當某個磁盤發(fā)生故障后，磁盤陣列需要在線恢復故障盤中的數(shù)據(jù)到備份磁盤中，這一過程稱為磁盤陣列在線重建。論文要解決的主要問題就是如何提高磁盤陣列在線重建性能，同時優(yōu)化重建過程中用戶的響應性能。
由于在以磁盤陣列為基礎的大規(guī)模存儲系統(tǒng)中，磁盤數(shù)量是相當大的，最近的研究表明在大規(guī)模存儲系統(tǒng)中磁盤故障發(fā)生的概率是非常高的。因此磁盤陣列的在線重建也是一個經(jīng)常性發(fā)生的事件，并且磁盤陣列在線重建的性能直接關系到存儲系統(tǒng)的可用性和可靠性，如何快速的恢復失效的數(shù)據(jù)塊并最低化對用戶性能的影響是一個非常重要的研究問題。
C. 論文提出了什么樣的解決方案，效果如何？
針對磁盤陣列的在線重建問題，論文提出了WorkOut方法。WorkOut利用請求重定向技術將來自用戶的寫請求和熱點讀請求重定向到代理磁盤陣列中，從而可以減輕重建中磁盤陣列的負載，以加快重建過程。同時由于重定向到代理磁盤陣列的請求沒有收到重建的影響，用戶的性能也提高了。WorkOut主要包括5個模塊：
用戶接口模塊（Administration Interface）：為系統(tǒng)管理員配置WorkOut的參數(shù)而提高的用戶接口；
熱點數(shù)據(jù)識別模塊(Popular Data Identifier)：識別在線重建過程中用戶的熱點訪問數(shù)據(jù)； 請求重定向模塊(Request Redirector)：處理重建過程中用戶請求的定位，將這些請求按照WorkOut策略發(fā)送到對應的存儲設備中；
回收模塊(Reclaimer)：當磁盤陣列重建完成后，從代理磁盤陣列中回收所有的被重定向的寫數(shù)據(jù)到完成數(shù)據(jù)重建的磁盤陣列中；
代理設備空間管理模塊(Surrogate Space Manager)：對代理磁盤陣列中的空間進行管理，并控制被重定向的數(shù)據(jù)在代理磁盤陣列中的數(shù)據(jù)布局方式；
通過對WorkOut的原型系統(tǒng)的測試，對比現(xiàn)有的磁盤陣列重建算法如PR和PRO，WorkOut可以減少重建時間1.26到5.89倍，減少用戶響應時間1.22到2.87倍。通過TPC-C的標準測試，WorkOut可以減少響應時間46.6%和36.9%，減少重建時間15%。同時，WorkOut還可以適用于磁盤陣列的同步、磁盤擦洗等其他后臺任務。
D. 論文提出該解決方案的動機是什么？
論文提高該解決方案的主要動機有以下三個方面：（1）最近的大量研究表明大規(guī)模存儲系統(tǒng)中磁盤發(fā)生故障遠高于預期，使磁盤陣列在線重建變得尤為重要；（2）磁盤陣列重建過程中用戶的I/O請求和磁盤陣列重建的I/O請求是相互影響的。隨著用戶請求的強度下降，磁盤陣列的重建性能相應提高了；（3）通過對用戶負載的訪問分析發(fā)現(xiàn)，用戶的訪問是存在局部性的，即某些熱點數(shù)據(jù)是經(jīng)常被訪問的。基于以上三個現(xiàn)象，作者提出了利用請求重定向的技術來加快磁盤陣列在線重建的性能。
E. 該解決方案有何不足之處？
通過對該論文的閱讀，發(fā)現(xiàn)該方法雖然可以有效地加快磁盤陣列在線沖擊的性能，但是也有一些不足之處：（1）對代理磁盤陣列的性能有一定的影響。因為重定向到代理磁盤陣列的用戶請求會占有代理磁盤陣列中的磁盤資源，從而降低代理磁盤陣列本身的用戶性能。在論文的4.3節(jié)中有介紹，當代理磁盤陣列是活躍的時候，WorkOut對其性能有23.6%到43.9%的影響；
�。�2）WorkOut方法不能簡單地應用于單個磁盤陣列中。在單個磁盤陣列中是沒有其他磁盤陣列的，所以用戶的請求就沒有地方可以重定向了，因此WorkOut只適用于包含很多磁盤陣列組的大規(guī)模存儲系統(tǒng)中。
F. 以前解決該問題的方法及不足之處？
以前解決磁盤陣列重建問題的方法主要分為兩類：（1）通過優(yōu)化磁盤陣列重建算法來加快重建速度，如DOR、PR和PRO等。（2）通過改變磁盤陣列數(shù)據(jù)布局和請求調(diào)度來加快磁盤陣列重建性能，如Parity Declustering和FARM等。
但是以上這些方法都局限于在單個磁盤陣列內(nèi)部來加快磁盤陣列的重建性能，沒有考慮對用戶的I/O請求進行優(yōu)化，同時也沒有考慮大規(guī)模存儲系統(tǒng)中多個磁盤陣列組之間的協(xié)作。 G. 進一步的優(yōu)化方法或問題擴展？
通過閱讀該論文發(fā)現(xiàn)提高磁盤陣列的在線重建性能是一個非常嚴峻的問題。認真分析后覺得可以從以下方面來進一步優(yōu)化：（1）在大規(guī)模存儲系統(tǒng)中，可以智能地選擇一個負載比較輕的代理磁盤陣列來重定向用戶請求，從而可以減輕對代理磁盤陣列性能的影響。如果代理磁盤陣列本身的負載比較重，此時重定向的用戶請求會加劇代理磁盤陣列的負載，從而同時降低代理磁盤陣列的性能和重定向過去請求的響應延遲；（2）當前以Flash為存儲介質(zhì)的固態(tài)盤已日漸成熟，如果將磁盤陣列中的磁盤替換為固態(tài)盤，由于固態(tài)盤固有的不同屬性，這些已有的磁盤陣列重建算法是否適用于固態(tài)盤陣列？或者對于固態(tài)盤陣列是否有新的數(shù)據(jù)重建方法？
【研讀論文報告參考】相關文章：
本科論文開題報告的示例參考04-02
本科論文開題報告的示例參考04-02
本科論文開題報告的示例參考04-02
本科論文開題報告的示例參考04-02
本科論文開題報告的示例參考04-02
本科論文開題報告的示例參考04-02
本科論文開題報告的示例參考04-02
本科論文開題報告的示例參考04-02
本科論文開題報告的示例參考04-02
本科論文開題報告的示例參考04-02