计算机系研究生论文

高校学术不端事件屡禁不止。近日，澎湃新闻（www.thepaper.cn）接获举报，天津大学一篇硕士学位论文与天津工业大学的一篇硕士学位论文存在大面积雷同的情况。这两篇论文分别是天津大学软件学院软件工程专业2012届硕士毕业生李庆昆的硕士学位论文《基于图像处理技术纤维离线自动识别系统软件的设计》（以下简称“李庆昆论文”）与天津工业大学信息与通信工程学院信号与信息处理专业2007届硕士毕业生刘琳的硕士学位论文《基于图像处理技术纤维自动识别系统软件的设计》（以下简称“刘琳论文”）。刘琳论文封面截图李庆昆论文封面截图刘琳论文完成于2007年1月，李庆昆论文完成于2012年4月。从时间上看，李庆昆论文比刘琳论文完成时间晚了5年。澎湃新闻记者从中国知网下载了上述两篇论文。比对后发现，这两篇论文从标题、摘要、关键词到正文的结构和内容都高度相似，多个段落几乎一字不差。4月10日，天津大学软件学院负责学生工作的相关负责人就澎湃新闻记者的询问表示，他们此前并未接到关于李庆昆论文涉嫌抄袭的正式举报。该负责人稍晚时向澎湃新闻表示，已将李庆昆论文涉嫌抄袭的情况反映给学校，学院也已经成立了临时调查组，将对此事进行进一步调查，“相关进展，会及时通报和处理。”刘琳论文中文摘要截图涉嫌抄袭的李庆昆论文中文摘要截图中文摘要和关键词多处雷同澎湃新闻比对两篇论文后发现，两篇论文均以一款系统软件的设计为研究对象。刘琳论文的标题是“基于图像处理技术纤维自动识别系统软件的设计”，一共21个字。李庆昆论文的标题是“基于图像处理技术纤维离线自动识别系统软件的设计”，一共23个字，只比刘琳论文多了“离线”两个字。刘琳论文的摘要内容为：“纤维检测是通过对各种纤维的识别来检查纺织品的成份及含量，在纺织品的质量评价和性能分析中具有重要意义。“本文采用数字图像处理技术和模式识别理论，研制了纤维图像自动识别系统。该系统实现了对纤维图像现场自动识别，改进了以往人工识别纺织品操作复杂、人为主观误差大的缺点。系统采用微型光电纤维检测仪获取纤维图像，并通过USB总线接口技术接入计算机，采用中值滤波、平滑滤波、锐化等技术对纤维图像进行预处理，生成纤维图像的灰度共生矩阵，提取能量、熵、惯性矩、相关和局部平稳性这吴哥特征，最后采用最近邻域法对纤维种类实现自动分类。“采用可视化编程语言Visual C++ 6.0开发了纤维图像处理和分析的软件。该软件集成了纤维图像处理与分析的算法，包括图像的预处理以及图像的特征提取等算法；内嵌了纤维图像特征数据库管理系统，可以讲提取的图像特征值直接存储于特征数据库中，用于进一步的分析或识别；图像的处理及分析结果均可显示在屏幕上，界面友好，操作方便。”李庆昆论文的中文摘要表述为：“本文采用数字图像处理技术和模式识别理论，研制了纤维图像自动识别系统。纤维检测是通过对各种纤维的识别来检测纺织品的成份及含量，在纺织品的质量评价和性能分析中具有重要意义。它包括通过封闭管道连通的尘笼网、计量装置、开松装置、储棉通道、梳理装置、和电器控制组合的系统；其特征在于：在梳理装置和聚棉装置之间设置有异性纤维检测装置、异性纤维剔除装置，所述纤维检测装置包括透明管道，照明装置，高速摄像机；在计算机内安装有图像识别系统和启动各设备的控制电路和控制软件。“纤维图像自动识别系统实现了对纤维图像现场自动识别，采用微型光电纤维检测仪获取纤维图像，并通过 USB 总线接口技术接入计算机，采用中值滤波、平滑滤波、锐化等技术对纤维图像进行预处理，生成纤维图像的灰度共生矩阵，提取能量、熵、惯性矩、相关和局部平稳性这五个特征，最后采用最近邻域法对纤维种类实现自动分类。该系统改进了以往人工识别纺织品操作复杂、人为主观误差大的缺点。“纤维图像处理和分析的软件采用可视化编程语言 Visual C++ 6.0 进行开发。该软件集成了纤维图像处理与分析的算法，包括图像的预处理以及图像的特征提取等算法；内嵌了纤维图像特征数据库管理系统，可以将提取的图像特征值直接存储于特征数据库中，用于进一步的分析或识别；图像的处理及分析结果均可显示在屏幕上，界面友好，操作方便。“纤维检测软件可以在现场离线使用，该软件的发明摆脱了以往大型检测工具的繁重搬运，给检测人员大大地提供了方便。纤维检测软件把测试结果储存在计算机数据库中，图像处理系统采用先进的图象处理技术，精确地测量、计算纤维的直径和鳞片密度。纤维图像自动识别软件有效提高了检测自动化水平，是一个具有良好经济效益的应用软件。”比对以上两篇论文的中文摘要，李庆昆论文的中文摘要除了多出“它包括通过封闭管道连通的尘笼网、计量装置、开松装置、储棉通道、梳理装置、和电器控制组合的系统；其特征在于：在梳理装置和聚棉装置之间设置有异性纤维检测装置、异性纤维剔除装置，所述纤维检测装置包括透明管道，照明装置，高速摄像机；在计算机内安装有图像识别系统和启动各设备的控制电路和控制软件”，以及最后一段内容外，摘要中的其他内容均可以在刘琳论文中找到雷同表述，区别只在于李庆昆论文略微调整了个别词句的顺序。刘琳论文的关键词共有5个，即纤维检测、模式识别、灰度共生矩阵、软件系统和数字图像处理。李庆昆论文的关键词一共6个，包括纤维图像、数字图像处理、软件系统、纤维检测、灰度共生矩阵和模式识别。比对发现，李庆昆论文的关键词只比刘琳论文的关键词多了一个“纤维图像”，其他5个完全一致。刘琳论文第一章“引言”部分截图正文部分大面积相似刘琳论文正文共分为五章，即引言、纤维数字图像处理、纤维图像自动识别系统设计、系统实验及性能分析、结束语。李庆昆论文的结构分为六章，分别是引言、通用纤维处理技术综述、纤维图像自动识别软件系统的设计、系统实验及性能分析、纤维离线智能识别系统的准确性及实现和结论。澎湃新闻比对发现，两篇论文的正文部分也存在大面积相似的情况。以第一章“引言”为例，刘琳论文在引言的“现状”一节中写道：“B.Xu在纤维的形态测定方面作了很多的工作，他首先提出了一套描述纤维纵向卷曲程度的算法，然后利用几何参数和Fourier描绘子去描述和分析各种纤维截面的几何特征及其形态复杂度，并将其应用到棉纤维截面的测定和分析上，在此基础上他又提出了一种新的测定棉纤维成熟度的方法。“在羊毛纤维的测试分析方面，也有很多学者作过研究。1989年D.Robson利用图像处理技术测定了各种羊毛和羊绒的鳞片结构，提出用面积、圆整度、充满度、形状系数等来描绘各种鳞片的不同的形态特征。1997年D.Robson又提出了纤维宽度、鳞片间距、边缘接触长度等新的特征参数，成功地对羊绒和羊毛纤维进行自动识别。在羊毛细度测试方面，B.P.Baxter等人在1992年开发了一套快速测量羊毛细度的算法和装置，按标准将羊毛切成小段，然后使其均匀分散在玻璃片上，放在测试台上，一边移动一边用图像处理系统进行实时测定，得出羊毛的细度和其他相应的指标。”李庆昆论文也在引言的“现状”一节写道：“B.Xu 在纤维形态测定方面作了很多的工作，他提出了一种描述纤维纵向卷曲程度的算法，又利用了几何参数和Fourier去刻画和分析各种纤维截面的几何特征及其形态的复杂度性质，并且将其应用到棉纤维截面测定和分析上并在以此为基础给出了一种新型棉纤维成熟度测定方法。“1997年D.Robson提出了纤维宽度、鳞片间距、边缘接触长度等新的特征参数，成功对羊绒及纤维进行了自动的识别。在羊毛的细度测量方面，B。 P。 Baxter等人，研发了快速测量羊毛细度的算法和装置，按标准将羊毛切成小段，一边移动一边用图像处理系统来进行实时测定，最终得出羊毛细度。”以上两部分内容，李庆昆论文除了进行简单的字句删改，诸如将“首先”去掉，将“得出羊毛的细度和其他相应的指标”改写成“最终得出羊毛细度”等，其他内容均可以在刘琳论文中找到相同或相似的表述。刘琳论文第二章部分段落截图李庆昆论文第二章部分段落截图再以第二章为例，刘琳论文在第二章的“纤维图像纹理分析”一节写道：“纹理是图像中一个重要而又难以描述的特性，至今还没有公认的定义。有些图像在局部区域内呈现不规则性，而在整体上表象出某种规律性。习惯上把这种局部不规则而宏观有规律的特性称为纹理特性；以纹理特性为主导的图像，常称为纹理图像；以纹理特性为主导特性的区域，常称为纹理区域。由于构成纹理的规律可能是确定性纹理或随机纹理。纹理变化可以出现在不同尺度范围内，若图像中灰度在小范围内相当不平稳、不规则，这种纹理就称为微纹理；若图像中有明显的结构单元，整个图像的纹理是由这些结构单元按一定规律形成的，则称为宏纹理，上述的结构单元称为纹理单元。由此可见，在实际纹理图像的分析中，要针对纹理的类型，采用适当的分析方法研究其变化规律。”李庆昆论文在“纤维图像的纹理分析”一节中也有一段内容表述为：“纹理是图像中一个重要而又难以描述的特性，至今还没有公认的定义。一些图像在局部区域内呈现不规则性，而在整体表现出某种规律性。我们习惯上把这种局部不规则而宏观有规律的特性称之为纹理特性；以纹理特性为主导的图像，常称之为纹理图像；以纹理特性为主导的特性区域，常称之为纹理区域。由于构成纹理的规律可能是确定性纹理或随机纹理。纹理变化可以出现在不同尺度范围中，若图像的灰度在小范围内相对不平稳、不规则，这种纹理就称为微纹理；若图像中有明显的结构单元，整个图像的纹理是根据这些结构单元按一定规律组成的，则称之为宏纹理，上述的结构单元称之为纹理单元。由此可知，在实际纹理图像的分析中，要针对纹理的类型，采用适合的分析方法研究它的变化规律。”以上两段内容，李庆昆论文除了将“称为”改为“称之为”，将“形成”改成“组成”，将“适当”改为“适合”，将“其”改为“它的”之外，其他核心内容都与刘琳论文内容别无两样。刘琳论文第三章开头部分截图李庆昆论文第三章开头部分截图再看第三章，刘琳论文在第三章“纤维图像自动识别系统设计”的开头写道：“模式识别是要把一种研究对象，根据其某些特征进行识别并分类。针对本课题的具体的研究对象，在对大量的纤维纹理图像处理的基础上，抽取出最能表现纹理类别的有意义的特征或属性，然后根据这些特征和属性对纤维纹理进行分类，把其特征或属性相同的数据归属为同一类。“本课题设计的测量识别系统抽取了纤维纹理中能量、熵、惯性矩、相关和局部平稳性这五个特征，通过这五个特征对纤维的类别进行识别判断。整个系统包括纤维图像采集、纤维图像预处理、纤维图像纹理特征提取以及纤维识别分类四大部分。“对于纤维图像自身的特点，本系统的图像采集采用一种微型光电纤维检测仪，利用其中的CCD器件和图像采集卡获取纤维原始图像送入微机中进行处理，采用 VC++6.0设计图像处理及识别程序及用户操作界面，并采用SQL Server2000编制数据库存储纤维特征和用户信息。下面将介绍每个系统的设计部分。”李庆昆论文在第三章“纤维图像自动识别软件系统的设计”开篇写道：“本课题设计的测量识别系统抽取了纤维纹理中的能量、熵、惯性矩、相关以及局部平稳性这五个特征，通过这五个特征以及对纤维的类别进行识别判断。整个系统包括纤维图像采集、纤维图像预处理、纤维图像纹理特征提取以及纤维识别分类四大部分。“模式识别是把一种研究对象，根据某些特征进行识别并且分类。对于本课题具体的研究对象，在对大量的纤维纹理图像处理的基础上，抽取出最能表现纹理类别具有意义的特征或属性，然后根据这些特征或属性对纤维纹理进行分类，把其特征或属性相同的数据归属为同一类。“对于纤维图像自身的特点，本系统中图像采集采用一种微型光电纤维检测仪，利用其中的CCD器件和图像采集卡获取纤维原始图像送入微机中进行处理，采用 VC++6.0设计图像处理及识别程序用户操作界面，并采用SQL Server2000编制数据库存储纤维特征和用户信息。下面将介绍每个系统的设计部分。”以上两部分内容，李庆昆论文除了调整了前两段的顺序，以及将“和”改写为“以及”之外，其他内容包括文中的图示均与刘琳论文毫无区别。刘琳论文第四章所列图例截图李庆昆论文第四章所列图例截图再比如，李庆昆论文第四章第二小节“图像自动识别”里所列的4幅图例与刘琳论文第四章第二小节“自动识别实验”的图例也一模一样。刘琳论文第五章“结束语”截图又如刘琳论文在第五章“结束语”第一段谈及系统的优点时写道：“本系统的设计为天津纺织纤维检验所与天津工业大学共同研究的《适合现场使用的便携式微型光电显微检测仪》项目的开发提供了支持，实现了现场取样纤维的自动识别，与以往的检验方法相比，本系统具有运算速度快、测试精度高、处理数据量大、结果再现性好等特点，且操作简单，可靠性好，避免了不必要的人为误差，方便了执法人员对市场中纺织品的现场检测。”李庆昆论文第六章“结论”部分截图李庆昆论文第六章“结论”第一段也介绍了系统的优点，具体内容为：“与以前的检测技术进行比较，本系统具有如下技术优势：系统运算速度快，数据精度比较高，能一次性处理较多数据量，且输出结果展示性好，操作简单且可靠性好，便于对商品的现场检测。本系统的设计为天津纺织纤维检验所与天津工业大学共同研究的《适合现场使用的便携式微型光电显微检测仪》对项目的开发提供了大力的支持，实现了现场取样纤维的自动识别。”比对以上两段内容发现，李庆昆论文调整了语序，又对个别字词进行了修改，比如将刘琳论文中的“处理数据量大”改为“能一次性处理较多数据量”，将“结果再现性好”改为“输出结构展示性好”等，其基本内容和结论与刘琳论文雷同。天大软件学院回应：已成立调查组进行调查李庆昆论文和刘琳论文有大面积雷同内容，但李庆昆论文的参考文献条目中并未列出刘琳论文。并且，刘琳论文有《独创性声明》。刘琳在这份声明中写明，其所呈交的学位论文是其本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得天津工业大学或其他教育机构的学位或证书而使用过的材料。由于论文完成时间上，李庆昆论文比刘琳论文晚了5年，完成于2012年4月的李庆昆论文涉嫌抄袭刘琳论文。另外，澎湃新闻从天津大学软件学院官网了解到，李庆昆是该学院软件工程专业2012届的单证工程硕士。所谓“单证”是指通过研究生教育的硕士从学校毕业时拿到硕士学位证，没有硕士学历证。针对李庆昆论文与刘琳论文大面积相似的情况，4月9日下午，澎湃新闻记者致电天津大学软件学院了解求证。软件学院办公室的一名工作人员表示对此事不清楚，让记者通过该院专门负责学生工作的处室作进一步了解。4月10日上午，澎湃新闻从天津大学软件学院负责学生工作的相关负责人处了解到，他们此前并未接到关于李庆昆论文涉嫌抄袭的正式举报。随后这名负责人在简单了解情况后，又给澎湃新闻回电，并表示，已经将李庆昆论文涉嫌抄袭的情况反映给学校，学院也已经成立了临时调查组，将对此事进行进一步调查，“相关进展，会及时通报和处理。”(来源：澎湃新闻)

毕业设计和论文是每个毕业生最后要途径的一个过程中，目的是学校为了检验这几年学生在学校学习的成果，最后毕业设计和论文好的人还会被评为优秀毕业生，但是很多人都说这个不会做，那个也不会做，先不着急，和小编一起来看一看怎么过吧！和老师打好关系。先不说其他的，在学校读了四年书，至少先要和老师打好关系吧。因为说不定你答辩的时候评委老师正好是你熟悉的，如果是这样，就不会太难为你的，当然在答辩的时候也不要套近乎，因为不只是你认识的老师在，还有其他专业的老师同样也在。选好并且选对毕业课题。选择毕业课题在选对老师的同时，课题的选择也是非常重要的。选择课题应该尽量接近你能够接受的范围之内，而且一些课题的选择都有好几个其他专业的同时选择，最好选择人多的，这样如果你不会做，还可以几个同学一起学习。自己做的设计不要出问题。在调试自己的设计时，不要出现bug或者其他的系统问题。一旦到了真正的答辩时间，在台上讲解的时候，都要每一个步骤很详细的讲解，这时候如果出现问题自己又不会处理，那就可能很尴尬。论文格式很重要。除了毕业设计，还有毕业论文。写毕业论文最主要的目的是为了对你做的设计进行解析，你的创作思路在论文里面体现出来。指导老师先会看你的论文，论文里格式非常重要，比如：字体、字号、字形都有很严格的要求，包括论文里的顺序，还有不要忘记论文的目录。对自己做的东西要熟悉。一般的毕业设计和论文都是自己花时间拿下来的，小部分同学会请教别人，或者让其他会做的同学帮助自己做完一部分，当最后做完成之后，自己要花时间亲自看一遍，至少要知道一些基本的知识。根据上一届的要求去做。无论你是在写论文还是做毕业设计，先去了解一下本专业上一届的毕业生是怎么毕业的。他们的要求和这一届如果在学校领导没有说改变的情况下，基本是相同的。因此，论文格式可以按照上一届的论文去改。答辩之前先自己练习一遍，知道自己要讲什么。在真正要答辩的时候，先准备在自己的草稿本上先酝酿，开头语，中间过程，结束语，目的是为了在真正答辩的时候由于紧张不知道要说什么，这时候可以拿出草稿本，直接在上面念一遍。答辩过程中要谦虚。在整个过程中，除了要讲解自己的设计外，评委老师会对你做出的毕业设计提出几个问题。如果你平时脾气不好，这时候赶快收收你的脾气，回答问题的时候一定要谦虚，语气不要过重，要有一种无时无刻在向你们学习的态度。查看原文 >>产品建议及投诉请联系：shouji@.com

高校学术不端事件再添一例。这次是被列入“世界一流大学建设”B类高校的湖南大学的一篇硕士学位论文被举报涉嫌大面积抄袭华东师范大学一篇硕士学位论文。这两篇论文分别是湖南大学软件学院软件工程专业2016届硕士毕业生曹律的工程硕士学位论文《基于云计算的在线学习平台的设计与实现》（以下简称“曹律论文”）与华东师范大学信息科学技术学院计算机应用技术专业2013届硕士毕业生武秀萍的硕士学位论文《基于云计算的在线学习平台的设计与实现》（以下简称“武秀萍论文”）。武秀萍论文完成于2013年4月，曹律论文完成于2016年5月。从时间上看，曹律论文比武秀萍论文完成时间晚了3年。华东师范大学武秀萍的硕士学位论文封面湖南大学曹律硕士学位论文的封面澎湃新闻记者从中国知网上下载了上述两篇论文。比对后发现，这两篇论文不仅题目一字不差，摘要和正文也高度相似，多个段落几乎一字不差。针对此事，4月13日上午，澎湃新闻联系到湖南大学软件学院，该学院学位管理办公室的一名工作人员解释称，软件工程专业硕士招生是由软件学院来做，但会根据不同的专业研究方向，由本院或者其他学院的教师来对学生进行培养和指导，“按你说的情况，这名同学是复合型硕士，他的学位论文质量把关由其指导教师具体负责”。这名工作人员同时透露，湖南大学软件学院软件工程专业已经于2016年年底停止招生。因曹律论文的研究方向是传媒管理，指导教师陈竹系湖南大学新闻传播与影视艺术学院副教授。澎湃新闻随后又致电了湖南大学新闻传播与影视艺术学院。该院行政办的工作人员回复澎湃新闻记者时称，硕士研究生的学位论文确实由其具体的培养学院负责，但此前未接到关于曹律论文抄袭的相关举报，待了解后再做进一步核查。湖南大学研究生院学位与学科建设办公室的相关负责人则对澎湃新闻表示，学校一直以来都非常重视学术不端问题，但对此事还不知情，会在掌握较为具体的抄袭证据后，启动相关调查。论文题目一字不差澎湃新闻比对两篇论文后发现，两篇论文均以一个在线学习平台的设计与实现为研究对象。武秀萍论文的题目是“基于云计算的在线学习平台的设计与实现”，一共18个字。曹律论文的题目是“基于云计算的在线学习平台的设计与实现”，也是18个字，与武秀萍论文题目完全一样。两篇论文的摘要部分也高度雷同。武秀萍论文的中文摘要曹律论文的中文摘要比如，武秀萍论文的中文摘要的第一段内容为：“在线学习（E-learning）是通过在网上建立教育平台供学习者学习的一种方式。它实现了学习者能随时随地接受教育的要求，打破了传统教学中对时间和空间的限制。随着在线学习方式的深度普及，其主要支撑环境——在线学习平台逐渐曝露出平台建设各自为政、区域教育信息化资源分布不均、学习平台间存在信息孤岛等问题。云计算的出现为有效地解决这些问题提供了一条可能的途径。”曹律论文在其中文摘要的第一段也写道：“在线学习（E-Learning）是通过在网上建立教育平台供学习者学习的一种方式。它实现了学习者能随时随地接受教育的要求，打破了传统教学中对时间和空间的限制。随着在线学习方式的深度普及，其主要支撑环境在线学习平台逐渐曝露出平台建设各自为政、区域教育信息化资源分布不均、学习平台间存在信息孤岛等问题。云计算的出现为有效地解决这些问题提供了一条可能的途径。”以上两段内容，曹律论文除了将“Learning”一词中的“L”变成大写，并去掉一个破折号之外，其他内容均与武秀萍论文相同。武秀萍论文的关键词有4个，即在线学习、云计算、在线学习平台和Google App Engine，曹律论文的关键一共5个，分别是在线学习、云计算、在线学习平台、Google App Engine和Java Web，后者只比前者多一个Java Web，其他完全一样。正文内容高度雷同再看两篇论文的正文部分，虽然两篇论文的整体结构设置不完全一样，武秀萍论文共分为五章，而曹律论文则分为六章，比武秀萍论文多出一章“系统测试”，但两篇论文正文的大部分内容都高度雷同。以第一章为例，两篇论文的第一章都是“绪论”，主要介绍论文的研究背景和研究内容。武秀萍论文第一章部分内容截图曹律论文第一章部分内容截图武秀萍论文在第一章第三小节“本文研究内容”中写道：“论文的工作内容主要分为以下三个部分：1）介绍相关的理论技术：对当前在线学习的特点与现状以及云计算的涵义、特征、优势进行分析讨论，并以Google云计算平台为例介绍云计算的关键技术、Google App Engine（GAE）的整体架构、开发环境以及提供的服务API等。2）研究分析云学习平台的体系结构和功能需求：针对当前在线学习平台构建中存在的不足，提出基于云计算构建在线学习平台的研究方案；结合云计算的三层服务形式以及当前在线学习系统的现实需求，对整个云学习平台的体系结构和功能模块进行分析与设计。3）基于GAE平台实现在线学习系统主要功能模块：利用Google App Engine开发平台、Eclipse集成环境、Java web技术开发了在线学习系统的主要功能模块（用户管理、学习资源管理以及互动交流等），并对系统功能界面、业务逻辑、数据持久化和系统安全等细节的具体实现进行分析和阐述。”曹律论文也在第一章的“本文研究内容”小节中写道：“论文主要工作内容主要分为以下三个部分：（1）介绍相关的理论技术：对当前在线学习的特点与现状以及云计算的涵义、特征、优势进行分析讨论，并以Google云计算平台为例介绍云计算的关键技术、Google App Engine（GAE）的整体架构、开发环境以及提供的服务API等。（2）研究分析云学习平台的体系结构和功能需求：针对当前在线学习平台构建中存在的不足，提出基于云计算构建在线学习平台的研究方案；结合云计算的三层服务形式以及当前在线学习系统的现实需求，对整个云学习平台的体系结构和功能模块进行分析与设计。（3）基于GAE平台实现在线学习系统主要功能模块：利用Google App Engine开发平台、Eclipse集成环境、Java Web技术开发了在线学习系统的主要功能模块（用户管理、学习资源管理以及互动交流等），并对系统功能界面、业务逻辑、数据持久化和系统安全等细节的具体实现进行分析和阐述。”以上两段核心内容，曹律论文除多了“主要”两个字以外，其他内容均可在武秀萍论文中找到相同表述。再比如第二章，两篇论文的标题都是“相关理论介绍”，在这一章的开头都介绍了在线学习的概念与特点。武秀萍论文第二章部分内容截图曹律论文第二章部分内容截图武秀萍论文在“在线学习的概念与特点”一节的具体表述为：“在线学习是指以网络技术和多媒体技术为基础，通过互联网进行的学习和教学活动。它充分利用现代信息技术所提供的方便快捷的沟通机制和资源丰富的学习环境，为信息时代的学习者提供了一种全新的学习模式。这种学习模式改变了传统教学中教师对所有学生进行统一授课的教学模式，并利用互联网资源共享性的特点消除了传统教学中学习者知识来源单一的弊端。它具有网络化、个性化和可跟踪三大特点。”曹律论文也写道：“在线学习是指以网络技术和多媒体技术为基础，通过互联网进行的学习和教学活动。它充分利用现代信息技术所提供的方便快捷的沟通机制和资源丰富的学习环境，为信息时代的学习者提供了一种全新的学习模式。在线学习模式改变了传统教学中教师对所有学生进行统一授课的教学模式，并利用互联网资源共享性的特点消除了传统教学中学习者知识来源单一的弊端。它具有网络化、个性化和可跟踪三大特点。”对比发现，虽然曹律论文将在线学习的概念和特点分成两段写，但具体内容包括后面对网络化、个性化和可跟踪三个特点的表述，均与武秀萍论文完全一致。再看两篇论文的第三章，武秀萍论文第三章的标题是“基于云计算的在线学习平台架构的分析与设计”，其中一小节的标题是“需求分析”，而曹律论文第三章的大标题是“需求分析”。这一章中的多个段落都存在雷同的情况。武秀萍论文第三章部分内容截图曹律论文第三章部分内容截图比如，武秀萍论文在阐述“系统功能需求”时写道：“本文将从不同用户的角度来分析整个在线学习系统的功能需求。系统用户主要包括学生、教师和管理员”。然后在具体阐述“学生功能需求分析”时又写道：“学生用户登录系统后，进行在线学习相关功能。详细介绍如下：在线学习：可以根据自己的学习进度选择课程相关学习资料进行在线学习，浏览站点上的课件内容，学习新知识，复习旧知识。公告浏览：学生用户可以浏览站点上发布的公告、新闻。下载资料：学生用户可以在站点下载自己需要的学习资料，如课程相关软件、学习视频、教案PPT及试题等。在线测试：学生可以通过在线测试定期检查自己知识点掌握水平，主要以考卷的形式提交到系统，系统会自动阅卷，并将测试分数反馈给学生。文件上传：学生用户也可以将自己整理的资料或作业等文件上传到服务器上。学习交互：学生可以通过邮件、论坛或即时聊天工具与他人进行交流。个人信息维护：学生具有修改自己个人信息的权限。”曹律论文在“云计算在线学习平台的功能需求”小节写道：“本文将从不同用户的角度来分析整个在线学习系统的功能需求。系统用户主要包括学生、教师和管理员”。随后也具体分析了学生功能需求，曹律论文是这样表述的：“学生用户登录系统后，进行在线学习相关功能。详细介绍如下：1.在线学习：可以根据自己的学习进度选择课程相关学习资料进行在线学习，浏览站点上的课件内容，学习新知识，复习旧知识。2.公告浏览：学生用户可以浏览站点上发布的公告、新闻。3.下载资料：学生用户可以在站点下载自己需要的学习资料，如课程相关软件、学习视频、教案PPT及试题等。在线测试：学生可以通过在线测试定期检查自己知识点掌握水平，主要以考卷的形式提交到系统，系统会自动阅卷，并将测试分数反馈给学生。文件上传：学生用户也可以将自己整理的资料或作业等文件上传到服务器上。学习交互：学生可以通过邮件、论坛或即时聊天工具与他人进行交流。个人信息维护：学生具有修改自己个人信息的权限。”以上两段内容，一字不差。武秀萍论文关于在线学习平台架构的论述曹律论文关于在线学习平台结构的论述内容曹律论文的第四章内容也可以在武秀萍论文的第三章中找到相同表述。比如，武秀萍论文在第三章“基于云计算的在线学习平台架构的提出”一节开头写道：“随着在线学习模式的不断普及，越来越多的教育单位利用计算机技术和网络技术开发自己功能完善、各具特色的在线学习平台。而这些系统大多采用传统的三层架构B/S模式（即浏览器和服务器模式）来实现，如图3.1所示。这种模式的在线学习系统结构包括WEB服务层、应用服务层、数据服务层。WEB服务层提供面向用户的在线学习系统接口，其主要表现形式是通过Internet浏览器结合在线学习系统应用的操作系统为用户提供服务。应用服务层基于各类应用服务器为用户及管理人员提供对第三层数据服务层的各类操作。数据服务层则为整个在线学习系统提供数据服务。当用户通过PC或移动设备访问在线学习门户网站，进行注册、登录、学习以及资源检索等操作时，WEB服务层解析、规范用户需求信息并将用户需求发送到中间应用层服务器上，应用层服务器根据用户需求对系统数据库进行操作，获取用户需求信息，为在线学习用户提供服务。各教育机构通过这种模式纷纷构建各自的在线学习平台满足其在线学习的需求，各具特色的网络学习平台星星点点的涌现，从而使得我国教育信息化呈现‘梅花桩’的现象。”曹律论文在第四章“系统设计”中的第一小节“云计算在线学习平台的结构”写道：“随着在线学习模式的不断普及，越来越多的教育单位利用计算机技术和网络技术开发自己功能完善、各具特色的在线学习平台。而这些系统大多采用传统的三层架构B/S模式（即浏览器和服务器模式）来实现，如图4.1所示。这种模式的在线学习系统结构包括Web服务层、应用服务层、数据服务层。Web服务层提供面向用户的在线学系统接口，其主要表现形式是通过Internet浏览器结合在线学习系统应用的操作系统为用户提供服务。应用服务层基于各类应用服务器为用户及管理人员提供对第三层数据服务层的各类操作。数据服务层则为整个在线学习系统提供数据服务。当用户通过PC或移动设备访问在线学习门户网站，进行注册、登录、学习以及资源检索等操作时，Web服务层解析、规范用户需求信息并将用户需求发送到中间应用层服务器上，应用层服务器根据用户需求对系统数据库进行操作，获取用户需求信息，为在线学习用户提供服务。各教育机构通过这种模式纷纷构建各自的在线学习平台满足其在线学习的需求，各具特色的网络学习平台星星点点的涌现，从而使得我国教育信息化呈现‘梅花桩’的现象。”比对以上两段内容发现，曹律论文除了漏写一个“习”字，并将“WEB”改成“Web”，其他内容均于武秀萍论文一模一样。武秀萍论文关于“系统安全实现”的论述内容曹律论文关于“系统安全实现”内容的表述再比如，武秀萍论文第四章关于“系统安全实现”一节的一段内容为：“本应用属于多用户系统，为了保证系统的安全性，在用户请求服务时就需要对用户身份进行验证以确保用户操作的合法性。本课题使用servlet过滤器对各个页面请求进行预处理，使得不同身份的用户只能访问不同文件夹下的页面。Servlet过滤器是一个实现java.servlet.Filter接口的程序类，支持servlet和JSP页面的基本请求处理功能，但是会比这些请求优先运行在服务器上，主要用来检查进入servlet或JSP页面的请求是否合法并对非法请求进行拦截。Servlet过滤器通常是利用session对象实现权限验证的。当访问Web应用程序时，系统会为每个用户生成一个单独session对象用于存储用户的状态信息，直到用户离开web站点时对应的session才会消失。利用session对象的特点，servlet过滤器从发送请求到用户session中取得用户信息，从而判定请求操作是否被允许。”曹律论文的第五章“系统实现”中有一小节论述“系统安全实现”，其内容表述为：“本应用属于多用户系统，为了保证系统的安全性，在用户请求服务时就需要针对用户的具体身份执行验证来保证用户操作合法性。本文在线学习平台采用servlet过滤器来针对页面请求执行预处理操作，不同身份的用户群体访问不同文件夹所辖页面。Servlet过滤器本质上是一个实现java.servlet.Filter接口的一个具体程序类，支持servlet和JSP网页页面处理请求功能，会比处理请求优先在服务器上运行，主要用于检查进入servlet或JSP页面请求是否合法并对非法请求进行拦截操作。Servlet过滤器应用Session对象实现权限验证操作。当访问Web应用程序时，系统会为每位用户生成独立的Session对象用来存储具体的用户状态信息，直到用户离开Web站点时对应Session才能消失。利用Session对象特点，Servlet过滤器从发送请求用户Session中获取用户具体信息，从而进行判定请求操作能否允许。”比对以上两对发现，曹律论文和武秀萍论文的区别是非常细微的，曹律论文除了将“进行”换成了“执行”，将“才会”换成“才能”，将“是否被”换成“能否”等之外，其文字核心与武秀萍论文完全一致。武秀萍论文“总结与展望”的部分内容截图曹律论文“总结与展望”部分内容截图此外，两篇论文的“总结与展望”部分也几乎完全一致。比如，武秀萍论文在归纳完成的工作时总结了5个方面：“1.分析讨论了云计算平台，包括云计算的涵义、特征、优势以及Google云计算实现的关键技术；对Google推出的云计算应用开发平台Google App Engine做了深入了解，并在Windows XP操作系统下搭建了Google App Engine开发环境，从而加深了对Google云计算平台的理解。2.通过对当前在线学习平台构建模式的现状分析，指出系统构建各自为政、区域教育信息化资源配置不均、学习平台间存在信息孤岛等问题；针对当前在线学习平台构建中存在的不足，结合云计算的服务与特点，提出基于云计算构建在线学习系统的研究方案。3.分析讨论了基于云计算的在线学习平台的体系结构的划分，并结合云计算的三层服务形式从上而下逐层分析了各层的职责。4.结合当前在线学习系统的现实需求，对在线学习系统的各个功能模块的数据模型、业务流程等进行详细的分析与设计。5.利用Google App Engine开发平台、Eclipse集成环境、Java web技术开发了在线学习系统的主要功能模块，包括用户管理、学习资源管理以及互动交流等模块，并对系统界面、业务逻辑、数据持久化和系统安全等细节的具体实现进行分析和阐述。”曹律论文关于论文完成工作的总结的具体表述为：“（1）分析讨论了云计算平台，包括云计算的涵义、特征、优势以及Google云计算实现的关键技术；对Google推出的云计算应用开发平台Google App Engine做了深入了解，并在Windows XP操作系统下搭建了Google App Engine开发环境，从而加深了对Google云计算平台的理解。（2）通过对当前在线学习平台构建模式的现状分析，指出系统构建各自为政、区域教育信息化资源配置不均、学习平台间存在信息孤岛等问题；针对当前在线学习平台构建中存在的不足，结合云计算的服务与特点，提出基于云计算构建在线学习系统的研究方案。（3）分析讨论了基于云计算的在线学习平台的体系结构的划分，并结合云计算的三层服务形式从上而下逐层分析了各层的职责。（4）结合当前在线学习系统的现实需求，对在线学习系统的各个功能模块的数据模型、业务流程等进行详细的分析与设计。（5）利用Google App Engine开发平台、Eclipse集成环境、Java web技术开发了在线学习系统的主要功能模块，包括用户管理、学习资源管理以及互动交流等模块，并对系统界面、业务逻辑、数据持久化和系统安全等细节的具体实现进行分析和阐述。”以上两段内容一字不差。湖大回应：此前未接到举报，掌握证据后启动核查虽然曹律论文和武秀萍论文有超大面积的雷同内容，但两篇硕士学位论文均有《原创性声明》。两篇论文的作者均表示，自己的硕士学位论文是在导师指导下，独立进行研究工作所取得的成果。除已注明引用和致谢的地方外，不包含其他人已经发表或撰写过的研究成果。两篇《原创性声明》中均带有作者的个人签名和日期。由于论文完成时间上，曹律论文比武秀萍论文晚了3年，完成于2016年5月的曹律论文涉嫌抄袭武秀萍论文。澎湃新闻从湖南大学研究生院官网了解到，为维护学术道德，严明学术纪律，规范学术行为，提高研究生培养质量，维护学校学术声誉，该院2015年5月发布了《湖南大学研究生学术道德规范实施细则》（以下简称“《细则》”）。《细则》明确，“在撰写学位论文及进行其它学术活动时，应充分检索相关文献，了解他人的研究成果，承认并尊重他人的知识产权，不抄袭、剽窃他人的研究成果”。《细则》还规定，严重违反学术道德、影响恶劣者，学校视情节给予警告、严重警告、记过、留校察看、开除学籍处分。已经授予学位者，学校将撤销所授予的学位，并刊登撤销学位公告。研究生指导教师是研究生学位论文审查的第一责任人，一般为论文的通讯联系人，要以高度的责任心切实履行审查责任，做到实事求是，科学求真，为人师表，在科学研究和学术活动中加强自律，加强对研究生的学术道德教育。导师对研究生管理失职，致使研究生违反学术道德规范，学校将视情节给予导师通报批评、暂停招生三年、取消导师资格等处理。来自湖南大学研究生院官网的另一则通知显示，2015年6月，为进一步加强湖南大学研究生学位论文质量的管理工作，营造良好的学术环境，促进学术诚信，研究生院引进使用万方数据“相似性检测”系统。其中，这份通知明确，硕士学位论文检测由各学院负责，含研究生秘书签名并加盖学院公章后再由导师签名（复制比在5%以下的可不签名）确认的万方数据学位论文检测报告单首页（纯外文撰写的学位论文可不检测）作为附件放入学位申请材料袋中。文字复制比较高的硕士学位论文将列入校硕士学位论文抽检重点抽查范围。在湖南大学出台多个文件严把研究生学位论文质量关之后，湖南大学软件学院软件工程专业2016届硕士毕业生曹律的硕士学位论文还是被举报涉嫌大面积抄袭。针对曹律论文涉嫌抄袭一事，澎湃新闻先后联系了湖南大学软件学院、新闻传播与影视艺术学院，以及研究生院学位与学科建设办公室。湖南大学软件学院和新闻传播与影视艺术学院相关办公室的工作人员均向澎湃新闻记者明确，硕士研究生的学位论文质量由其指导教师直接负责，将对此事做进一步了解。湖南大学研究生院学位与学科建设办公室的相关负责人则对澎湃新闻表示，此前从未接到过关于曹律硕士学位论文抄袭的举报，会在掌握较为具体的抄袭证据后，启动相关调查。

本文转自【科技日报】；◎ 科技日报记者 林莉君对于我国学术界来说，在世界顶级学术期刊《自然》上刊发论文早已不是啥大事儿。 但是“以计算机系作为第一完成单位，论文被《自然》刊发，在我们国家还是第一篇。我的一些搞计算机研究的朋友知道了这个消息，都特别开心。”中国工程院院士郑纬民语气中难掩激动！ 被郑院士点名的这篇论文，昨天晚上也就是10月14日，被《自然》刊发。这篇题为《一种类脑计算系统层次结构》（A system hierarchy for brain-inspired computing）的论文，由清华大学计算机科学与技术系（以下简称“计算机系”）张悠慧团队、精密仪器系（以下简称“精仪系”）施路平团队与合作者共同完成，清华大学计算机系是第一完成单位。 “从除夕夜提交论文到8月上旬被接受，这个审稿时间是非常快的。”清华大学类脑计算研究中心主任、精仪系教授施路平告诉记者。“受新冠肺炎疫情影响，论文的两轮修改都是由各团队通过线上紧密合作完成，我们通过和审稿人交流，针对文章实验设计回复了超过70页的反馈文件。” 论文首次提出“类脑计算完备性”（也称为神经形态完备性）概念——针对任意给定误差≥0和任意图灵可计算函数f(x)，如果一个计算系统可以实现函数 F(x) 使得 ‖F(x)-f(x)‖≤对所有合法的输入x均成立，那么该计算系统是类脑计算完备的。张悠慧研究员 “通俗来讲，‘完备性’可以回答系统能够完成什么、功能边界在哪里等问题。研究完备性，能为软硬件系统的解耦合、划分不同研究领域间的任务分工与接口提供理论基础。”张悠慧告诉记者。类脑计算处于起步阶段，国际上尚未形成公认的技术标准与方案，这一成果填补了完备性理论与相应系统层次结构方面的空白，利于自主掌握新型计算机系统核心技术。 《自然》杂志的一位审稿人认为“这是一个新颖的观点，并可能被证明是神经形态计算领域以及对人工智能的追求的重大发展（This is a novel perspective and could prove to be a significant development for the field of neuromorphic computing, and in the quest for artificial general intelligence）”。 计算机体系结构专家、华中科技大学计算机学院教授金海评价此项研究“在类脑计算系统领域做出了基础性、原创性的贡献，有利于自主掌握新型计算系统软硬件核心技术。” 通用计算领域有两个著名概念，一个是“图灵完备性”，另一个是“冯·诺依曼体系结构”。这使得通用计算领域在软件层、编译层和硬件层都有了统一的范式，使不同层次各自发展而又可以无缝兼容。 “但是，现有的类脑计算系统研究大多聚焦于如何实现具体的芯片、工具链、应用和算法的创新，忽略了从宏观和抽象层面上对计算完备性和体系结构的思考，阻碍了类脑计算软硬件的独立发展和互相兼容的可能性，我们一直在思考如何突破这一局面，扩展类脑计算系统的应用场景？”提起科研的初衷，张悠慧告诉记者。 团队针对类脑计算特性——不像通用计算注重每一个计算过程的精确而更注重结果拟合，提出了对计算过程和精度约束更低的类脑计算完备性概念，并且设计了相应的类脑计算机层次结构：图灵完备的软件模型，类脑计算完备的硬件体系结构，以及位于两者之间的编译层。通过构造性转化算法，任意图灵可计算函数都可以转换为类脑计算完备硬件上的模型，这意味着类脑计算系统也可以支持通用计算，极大地扩展了类脑计算系统的应用领域，也使类脑计算软硬件各自独立发展成为可能。 类脑计算机层次结构（左）与现有通用计算机（右）的对比 “一开始审稿人认同我们研究问题的意义，但是并不理解我们对于研究问题的解决思路，对于是否有必要进行底层的计算理论设计，审稿人提出了质疑。”团队成员、计算机系博士后渠鹏说，“但是通过对整体行文逻辑、文章内容和原型实验的反复斟酌修改，以及对研究思路和质疑点的一一反馈，审稿人最后认同了我们的设计理念。” 张悠慧（右）与博士后渠鹏探讨问题 70多页的反馈文件，一次又一次的讨论、修改、迭代，见证了团队一步一步迎难而上的努力。“当审稿人说我们的研究明确了不同领域的分工和接口，将对类脑计算的交叉研究产生积极作用时，真的特别受鼓舞，感觉到团队研究的东西是十分有意义的，也是被类脑计算社区所认可的。”渠鹏说。 来源：科技日报（图片均由作者提供）

硕士毕业论文每个阶段都应该如何撰写？毕业设计论文是毕业设计作品的总结和完善。与研究和开发工作一样，它必须具有严谨和现实的科学态度。毕业设计论文应具有一定的学术价值和实践价值，能够反映作者的专业基础知识和分析问题的能力。在毕业设计中，阅读尽可能多的文献是非常重要的，这不仅可以防止重复的研究，而且可以为毕业设计提供技术准备，还可以学习论文的写作方法。优秀的论文有助于激发思考，掌握论文的写作规范。论文的写作方法多种多样，没有固定的格式。以下只是对本文几个主要部分的写作方法的参考。一、前言部分前言还经常以“引言”、“问题背景”为标题，主要介绍论文的选题。首先，澄清主题的背景和主题的意义。本课题需要强调实际背景，解释计算机研究或部门信息化建设中存在问题的原因，管理现代化等，问题产生的环境和条件，以及解决问题后可以发挥的作用。结合问题的背景，读者认为这个话题具有实用价值和学术价值，确实有研究或开发的必要性。序言通常是最后一点。选题具有实用性和创新性，研究或开发方向正确，设计工作有价值。对于一篇论文来说，如果序言是书面的，它将吸引读者，使他们对你的主题感兴趣，并愿意更多地了解你的工作。二、综述部分任何一个课题的研究或发展都是以学科或技术为基础的。摘要部分主要介绍了课题选择在相应学科领域的发展过程和研究方向，特别是近年来的发展趋势和最新成果。通过与中外研究成果的比较和评述，说明选题符合当前研究方向，取得了进展，或采用了最新的技术和改进，以使读者进一步了解主题选择的意义。总结部分可以从多方面反映学生的能力。首先，它反映了学生的中外文学阅读能力。通过查阅文献，了解同事的研究水平，在工作和论文中有效地利用文献资料，既可以避免研究的简单重复，又可以使研究开发工作具有较高的起点。其次，它也反映了学生综合分析的能力。从大量文档中，我们可以找到可用于参考和参考的内容。这不仅需要一定的专业知识水平，还需要一定的综合能力。同伴研究的成果能否掌握关键点，优缺点是否符合实际和恰到好处，与一个人的分析和理解能力密切相关。值得注意的是，要想写一篇好的论文，我们必须阅读一定数量的近期外语资料（2-3篇），这不仅反映了我们的外语阅读能力，而且有助于论文的发展。三、方案论证在明确了需要解决的问题并完成了文献综述之后，自然提出了自己的思路和解决办法。在写作方法方面，一是通过比较来显示自己的计划的价值，二是让读者了解计划的创新或创新思想、算法、关键技术的创新。当与文献中的方案进行比较时，首先要解释我们自己的设计方案，解释为什么我们应该选择或设计这样的方案，如何反映在这个方案中以前审查的利弊，如何克服这些缺点，最终的工作能达到什么样的性能和水平，以及什么创新（或创新）最终的工作可以实现。如果您的主题是整个计划的一部分，请明确您对整个任务的承诺和贡献。四、论文主体前三部分约占论文的三分之一，主要部分约占三分之二。在这一部分，将详细讨论整个研发工作的内容，包括理论分析，总体设计，模块划分和实施方法。主体部分的写作可以根据不同的主题进行多样化，因此研究论文和技术开发论文的写作存在明显的差异。 查查呗论文查重经验分享：论文查重怎么查？每一个系统都有自己独特的优势，在特定时期选择合适的系统才是硬道理，在确定系统安全的情况下、初稿时期选择性价比高的检测系统、像paperccb就是不错的选择

译者 | Major编辑 | 赵雪导语：如果你没能参加 CVPR 2019 ， 别担心。本文列出了会上人们最为关注的 10 篇论文，覆盖了 DeepFakes（人脸转换）, Facial Recognition（人脸识别）, Reconstruction（视频重建）等等。1.Learning Indivial Styles of Conversational Gesture （学习对话姿势中的个体风格）原文链接：https://www.profillic.com/paper/arxiv:1906.04160摘要：对于给定的语音音频输入，它们会生成合理的姿势，来配合声音并合成讲者的相应视频。使用的模型/架构：语音到姿势转换模型（Speech to gesture translation model）。采用一个卷积音频编码器下采样 2D 语谱图并转换为 1D 信号。接着翻译模型 G 预测一个相应的 2D 姿势时序栈。回归到真实姿势的 L1 提供一个训练信号，与此同时，采用一个对抗判别器 D ，确保所预测姿势和讲者风格一致。模型精确度：研究人员对基准和实际姿势序列的语音和姿势转换结果进行了定量比较（作者们展示的表格表明新模型损耗较低， PCK 较高）。使用的数据集： 从 Youtube 上查询得到的针对讲者的姿势数据集。总共采用了 144 小时的视频。其中，80% 用于训练，10% 用于验证，10% 用于测试集，这样每段源视频只出现在一个数据集中。2.Textured Neural Avatars（神经元模型贴图）原文链接：https://www.profillic.com/paper/arxiv:1905.08776摘要：研究人员提出了一个学习全身神经元贴图的系统（即深层网络），通过不同的身体姿势和相机位置产生一个人的全身效果图。这个自由视角渲染的人体神经元模型无需 3D 显式形状建模。使用的模型/架构：神经元贴图系统概览。输入姿势对应为一个 “骨骼” 光栅堆栈（一个骨骼对应一个通道）。输入一个全卷积网络（生成器）进行处理，产生肢体定位映射堆栈和肢体协调映射堆栈。这些堆栈用来在肢体协调映射堆栈指定的位置采样身体纹理图，从而产生 RGB 图像。此外，最后的身体定位堆栈图也对应了背景可能性。在学习过程中，遮罩和 RGB 图像与真实姿势进行比较，产生的损失通过采样操作后向传播到全卷积网络和纹理上，使它们进行更新。模型精确度：就 SSIM（自相似度）指标而言，表现得比其他两个模型更好；在 FID（ Frechet 感知距离）指标上的表现比 V2V 表现更差。使用的数据集： CMU Panoptic 数据集的 2 个子集我们自己使用 7 台摄像机对 3 个对象采集的多角度序列，其视角范围大约在 30 度。还有另一文章和 Youtube 上的 2 个单眼短序列。3.DSFD: Dual Shot Face Detector（DSFD： 双向人脸检测器）原文链接：https://www.profillic.com/paper/arxiv:1810.10220摘要：作者提出了一个创新的人脸检测神经网络，有3个全新的贡献，解决了人脸识别的三个关键方面，包括更好的特征学习、渐进的损失设计，以及基于数据增强的主角指定。使用的模型/架构：DSFD 框架在一个前向 VGG/ResNet 架构的顶层采用了一个特征增强模块，从原有的特征中产生增强特征，该框架还采用了两个损失层，分别是针对原有特征的名为 first shot PAL 的损失层，和针对增强特征的名为 second shot PAL 的损失层。模型精确度：在流行的 benchmark（WIDER FACE 和 FDDB ）上进行的大量实验表明了与现有的检测器如 PyramiBox 和 SRN 相比，DSFD 具有优越性。使用的数据集：WIDER FACE 和 FDDB4.GANFIT: Generative Adversarial Network Fitting for High Fidelity 3D Face Reconstruction （GANFIT：匹配高保真3D人脸重建的对抗生成网络）原文链接：https://www.profillic.com/paper/arxiv:1902.05978摘要：文中提出的深度匹配方法可以从一个图像重建高质量纹理和几何特征，可准确进行身份重现。文中其它地方的重建采用一个 700 浮点数规模的向量表示，并无须采用任何特效进行渲染 ( t 产生的纹理通过模型重建，而没有从图像中直接提取特征 )。使用的模型/架构：采用一个差分渲染器进行 3D 人脸重建。成本函数主要通过预训练人脸识别网络上的身份特征来确定，并通过梯度下降优化将误差一路返回到潜在参数来优化。端到端可微结构使我们能够使用从计算上来说既廉价又可靠的一阶导数进行优化，因此使用深层网络作为生成器（即统计模型）或作为成本函数具有了可能性。模型精确度：采用点面距离从 MICC 数据集上获得精确性数据。下表给出的均方差 ( Mean )和标准差（ Std. ）是该模型最低的。使用的数据集： MoFA-Test、MICC、Wild ( LFW ) 数据集中带标签的面部、BAM 数据集。5.DeepFashion2: A Versatile Benchmark for Detection, Pose Estimation, Segmentation and Re-Identification of Clothing Images （DeepFashion2：服装图像检测、动作评估、分割和重新识别的通用基准）原文链接：https://www.profillic.com/paper/arxiv:1901.07973摘要：Deepfashion 2 提供了一个用于服装图像检测、动作评估、分割和重新识别的通用基准。使用的模型/架构：Match R-CNN 包含了三个主要的组件：特征提取网络 ( FIN )、感知网络（ PN ）和匹配网络（ MN ）。模型精确度：与真实服装相比，Match R-CNN 达到了前 20 的精确度（低于 0.7 ），说明检索基准很有挑战性。使用的数据集：DeepFashion2 数据集包含了 491K 各类图像，涵盖商业销售库存服装和消费者中的19 类流行服装。6.Inverse Cooking: Recipe Generation from Food Images（反向烹饪：从食物图像生成配方）原文链接：https://www.profillic.com/paper/arxiv:1812.06164摘要：Facebook 研究人员采用AI从食物图像中生成食谱。使用的模型/架构：配方生成模型-作者用图像编码器提取图像特征。由成分解码器（ Ingredient Decoder）预测成分，并用成分编码器（ Ingredient Encoder）编码到成分嵌入中。烹饪指令解码器通过处理图像嵌入、成分嵌入和先前预测的单词，生成食谱标题和烹饪步骤序列。模型精确度：用户研究结果表明，相对于最先进的图像-配方检索方法，他们的系统具有优势。（优于人工评估和基于检索的系统，获得 49.08% 的 F1 ，良好的 f1 分数意味着错判假阳性和假阴性较低）。使用的数据集：他们在大规模 Recipe1M 数据集上对整个系统进行评估。7.ArcFace: Additive Angular Margin Loss for Deep Face Recognition（ArcFace：用于深度人脸识别的附加角度边缘损失）原文链接：https://arxiv.org/pdf/1801.07698.pdf摘要：ArcFace 可以获得更具鉴别力的深度特征，并以可重现的方式在 MegaFace Challenge 中有出色的表现。使用的模型/架构：为增强类内紧凑性和类间差异性，本文提出附加角度边缘损失（ArcFace），在取样和中心之间加入了一个测地距离边缘。这是出于提高人脸识别模型的识别能力考虑。模型精确度：综合实验报告表明，ArcFace 始终优于当前最新的模型.使用的数据集：采用了 CASIA、VGGFace2、MS1MV2 和 DeepGlint-Face (包括 MS1M-DeepGlint 和 Asian-DeepGlint ) 作为训练集，以确保与其他模型进行公平的比较。使用的其它数据集包括：LFW、CFP-FP、AgeDB-30、CPLFW、CALFW、YTF、MegaFace、IJB-B、IJB-C、Trillion-Pairs、iQIYI-VID8.Fast Online Object Tracking and Segmentation: A Unifying Approach （快速在线对象跟踪和分割：归一化方法）原文链接：https://www.profillic.com/paper/arxiv:1812.05050摘要：通过利用二进制分割任务增强损失，这种名为 SiamMask 的方法改进了用于对象跟踪的流行的全卷积 Siamese 方法的离线训练过程。使用的模型/架构：SiamMask 的目标是视觉跟踪和视频分割的交叉点，实现更高的实用性。与传统的对象跟踪器相似，它依赖于简单的边界框初始化并在线操作。与 ECO 等最先进的跟踪器不同，SiamMask 能够生成二进制分割遮罩，从而更准确地描述目标对象。SiamMask 有两种变体：三分支结构、两分支结构（有关更多详细信息请参阅论文）。模型精确度：论文中给出了 SmiaMask 的定量结果，分别针对 VOT（视觉对象跟踪）和DAVIS（ Densely 标引视频分割）序列。SiamMask 即使在速度很快或有干扰的情况也能产生精确的分割遮罩。使用的数据集：VOT2016、VOT-2018、DAVIS-2016、DAVIS-2017和 YouTube-VOS。9.Revealing Scenes by Inverting Structure from Motion Reconstructions （在动作重建中插入结构再现场景）原文链接：https://www.profillic.com/paper/arxiv:1904.03303摘要：微软的研究团队和合作研究人员从点云中重建了场景的彩色图像。使用的模型/架构：该方法基于一个作为输入的级联 U-NET，从包含点深度，可选颜色和 SIFT描述符的特定视点渲染点的二维多通道图像，并从该视点输出场景的彩色图像。他们的网络有3个子网络——VISIBNET、 COARSENET 和 REFINENET。网络输入是一个多维的 ND 阵列。本文探讨了网络变量，输入的是深度、颜色和筛选描述符的不同子集。这 3 个子网络具有相似的架构。它们是具有对称跳跃连接的编码器和解码器层的 U-UNet 。解码器层末端的额外层有助于高维输入。模型精确度：本文表明，可以从存储的有限信息量和稀疏的三维点云模型体系结构中重建高质量图像（有关更多详细信息，请参阅论文）。使用的数据集：在700 多个户内和户外 Sfm 重建图像上进行，这些图像是从 NYU2 的MagaDepth 数据集中的 50 多万多角度图像中产生的。10.Semantic Image Synthesis with Spatially-Adaptive Normalization （空间自适应正则化语义图像合成）原文链接：https://www.profillic.com/paper/arxiv:1903.07291摘要：把涂鸦变成令人惊叹的照片写实的风景！Nvidia Research 利用生成对抗网络创建高度逼真的场景。艺术家可以使用画笔和颜料筒工具设计河流、岩石和云等专属于自己的风景。使用的模型/架构： 在 SPADE 中，首先将遮罩影射到嵌入空间上，然后进行卷积以产生调制参数 γ 和 β 。与以前的条件归一化方法不同，γ 和 β 不是向量，而是具有空间维度的张量。将产生的 γ 和 β 相乘并按顺序添加到归一化激活元素中。在 SPADE 发生器中，每个正则层采用分割遮罩来对层活动建模，（左侧）是采用 SPADE 的一个残差模块，（右侧）发生器包含了一系列带有上采样层的 SPADE 残差模块。模型精确度：这个体系结构通过较少的参数移除主图像到图像转换网络的降采样层，以实现更好的性能。我们的方法成功地在动物到体育活动的不同场景中生成了逼真的图像。使用的数据集：COCO-Stuff、ADE20K、Cityscapes 和 Flickr Landscape原文链接：https://hackernoon.com/top-10-papers-you-shouldnt-miss-from-cvpr-2019-deepfake-facial-recognition-reconstruction-and-more-d5ly3q1w(*本文为 AI科技大本营原创文章，转载请联系微信 1092722531)

澎湃新闻记者 罗杰@湖南大学高校学术不端事件再添一例。这次是被列入“世界一流大学建设”B类高校的湖南大学的一篇硕士学位论文被举报涉嫌大面积抄袭华东师范大学一篇硕士学位论文。这两篇论文分别是湖南大学软件学院软件工程专业2016届硕士毕业生曹律的工程硕士学位论文《基于云计算的在线学习平台的设计与实现》（以下简称“曹律论文”）与华东师范大学信息科学技术学院计算机应用技术专业2013届硕士毕业生武秀萍的硕士学位论文《基于云计算的在线学习平台的设计与实现》（以下简称“武秀萍论文”）。武秀萍论文完成于2013年4月，曹律论文完成于2016年5月。从时间上看，曹律论文比武秀萍论文完成时间晚了3年。华东师范大学武秀萍的硕士学位论文封面湖南大学曹律硕士学位论文的封面澎湃新闻记者从中国知网上下载了上述两篇论文。比对后发现，这两篇论文不仅题目一字不差，摘要和正文也高度相似，多个段落几乎一字不差。针对此事，4月13日上午，澎湃新闻联系到湖南大学软件学院，该学院学位管理办公室的一名工作人员解释称，软件工程专业硕士招生是由软件学院来做，但会根据不同的专业研究方向，由本院或者其他学院的教师来对学生进行培养和指导，“按你说的情况，这名同学是复合型硕士，他的学位论文质量把关由其指导教师具体负责”。这名工作人员同时透露，湖南大学软件学院软件工程专业已经于2016年年底停止招生。因曹律论文的研究方向是传媒管理，指导教师陈竹系湖南大学新闻传播与影视艺术学院副教授。澎湃新闻随后又致电了湖南大学新闻传播与影视艺术学院。该院行政办的工作人员回复澎湃新闻记者时称，硕士研究生的学位论文确实由其具体的培养学院负责，但此前未接到关于曹律论文抄袭的相关举报，待了解后再做进一步核查。湖南大学研究生院学位与学科建设办公室的相关负责人则对澎湃新闻表示，学校一直以来都非常重视学术不端问题，但对此事还不知情，会在掌握较为具体的抄袭证据后，启动相关调查。论文题目一字不差澎湃新闻比对两篇论文后发现，两篇论文均以一个在线学习平台的设计与实现为研究对象。武秀萍论文的题目是“基于云计算的在线学习平台的设计与实现”，一共18个字。曹律论文的题目是“基于云计算的在线学习平台的设计与实现”，也是18个字，与武秀萍论文题目完全一样。两篇论文的摘要部分也高度雷同。武秀萍论文的中文摘要曹律论文的中文摘要比如，武秀萍论文的中文摘要的第一段内容为：“在线学习（E-learning）是通过在网上建立教育平台供学习者学习的一种方式。它实现了学习者能随时随地接受教育的要求，打破了传统教学中对时间和空间的限制。随着在线学习方式的深度普及，其主要支撑环境——在线学习平台逐渐曝露出平台建设各自为政、区域教育信息化资源分布不均、学习平台间存在信息孤岛等问题。云计算的出现为有效地解决这些问题提供了一条可能的途径。”曹律论文在其中文摘要的第一段也写道：“在线学习（E-Learning）是通过在网上建立教育平台供学习者学习的一种方式。它实现了学习者能随时随地接受教育的要求，打破了传统教学中对时间和空间的限制。随着在线学习方式的深度普及，其主要支撑环境在线学习平台逐渐曝露出平台建设各自为政、区域教育信息化资源分布不均、学习平台间存在信息孤岛等问题。云计算的出现为有效地解决这些问题提供了一条可能的途径。”以上两段内容，曹律论文除了将“Learning”一词中的“L”变成大写，并去掉一个破折号之外，其他内容均与武秀萍论文相同。武秀萍论文的关键词有4个，即在线学习、云计算、在线学习平台和Google App Engine，曹律论文的关键一共5个，分别是在线学习、云计算、在线学习平台、Google App Engine和Java Web，后者只比前者多一个Java Web，其他完全一样。正文内容高度雷同再看两篇论文的正文部分，虽然两篇论文的整体结构设置不完全一样，武秀萍论文共分为五章，而曹律论文则分为六章，比武秀萍论文多出一章“系统测试”，但两篇论文正文的大部分内容都高度雷同。以第一章为例，两篇论文的第一章都是“绪论”，主要介绍论文的研究背景和研究内容。武秀萍论文第一章部分内容截图曹律论文第一章部分内容截图武秀萍论文在第一章第三小节“本文研究内容”中写道：“论文的工作内容主要分为以下三个部分：1）介绍相关的理论技术：对当前在线学习的特点与现状以及云计算的涵义、特征、优势进行分析讨论，并以Google云计算平台为例介绍云计算的关键技术、Google App Engine（GAE）的整体架构、开发环境以及提供的服务API等。2）研究分析云学习平台的体系结构和功能需求：针对当前在线学习平台构建中存在的不足，提出基于云计算构建在线学习平台的研究方案；结合云计算的三层服务形式以及当前在线学习系统的现实需求，对整个云学习平台的体系结构和功能模块进行分析与设计。3）基于GAE平台实现在线学习系统主要功能模块：利用Google App Engine开发平台、Eclipse集成环境、Java web技术开发了在线学习系统的主要功能模块（用户管理、学习资源管理以及互动交流等），并对系统功能界面、业务逻辑、数据持久化和系统安全等细节的具体实现进行分析和阐述。”曹律论文也在第一章的“本文研究内容”小节中写道：“论文主要工作内容主要分为以下三个部分：（1）介绍相关的理论技术：对当前在线学习的特点与现状以及云计算的涵义、特征、优势进行分析讨论，并以Google云计算平台为例介绍云计算的关键技术、Google App Engine（GAE）的整体架构、开发环境以及提供的服务API等。（2）研究分析云学习平台的体系结构和功能需求：针对当前在线学习平台构建中存在的不足，提出基于云计算构建在线学习平台的研究方案；结合云计算的三层服务形式以及当前在线学习系统的现实需求，对整个云学习平台的体系结构和功能模块进行分析与设计。（3）基于GAE平台实现在线学习系统主要功能模块：利用Google App Engine开发平台、Eclipse集成环境、Java Web技术开发了在线学习系统的主要功能模块（用户管理、学习资源管理以及互动交流等），并对系统功能界面、业务逻辑、数据持久化和系统安全等细节的具体实现进行分析和阐述。”以上两段核心内容，曹律论文除多了“主要”两个字以外，其他内容均可在武秀萍论文中找到相同表述。再比如第二章，两篇论文的标题都是“相关理论介绍”，在这一章的开头都介绍了在线学习的概念与特点。武秀萍论文第二章部分内容截图曹律论文第二章部分内容截图武秀萍论文在“在线学习的概念与特点”一节的具体表述为：“在线学习是指以网络技术和多媒体技术为基础，通过互联网进行的学习和教学活动。它充分利用现代信息技术所提供的方便快捷的沟通机制和资源丰富的学习环境，为信息时代的学习者提供了一种全新的学习模式。这种学习模式改变了传统教学中教师对所有学生进行统一授课的教学模式，并利用互联网资源共享性的特点消除了传统教学中学习者知识来源单一的弊端。它具有网络化、个性化和可跟踪三大特点。”曹律论文也写道：“在线学习是指以网络技术和多媒体技术为基础，通过互联网进行的学习和教学活动。它充分利用现代信息技术所提供的方便快捷的沟通机制和资源丰富的学习环境，为信息时代的学习者提供了一种全新的学习模式。在线学习模式改变了传统教学中教师对所有学生进行统一授课的教学模式，并利用互联网资源共享性的特点消除了传统教学中学习者知识来源单一的弊端。它具有网络化、个性化和可跟踪三大特点。”对比发现，虽然曹律论文将在线学习的概念和特点分成两段写，但具体内容包括后面对网络化、个性化和可跟踪三个特点的表述，均与武秀萍论文完全一致。再看两篇论文的第三章，武秀萍论文第三章的标题是“基于云计算的在线学习平台架构的分析与设计”，其中一小节的标题是“需求分析”，而曹律论文第三章的大标题是“需求分析”。这一章中的多个段落都存在雷同的情况。武秀萍论文第三章部分内容截图曹律论文第三章部分内容截图比如，武秀萍论文在阐述“系统功能需求”时写道：“本文将从不同用户的角度来分析整个在线学习系统的功能需求。系统用户主要包括学生、教师和管理员”。然后在具体阐述“学生功能需求分析”时又写道：“学生用户登录系统后，进行在线学习相关功能。详细介绍如下：在线学习：可以根据自己的学习进度选择课程相关学习资料进行在线学习，浏览站点上的课件内容，学习新知识，复习旧知识。公告浏览：学生用户可以浏览站点上发布的公告、新闻。下载资料：学生用户可以在站点下载自己需要的学习资料，如课程相关软件、学习视频、教案PPT及试题等。在线测试：学生可以通过在线测试定期检查自己知识点掌握水平，主要以考卷的形式提交到系统，系统会自动阅卷，并将测试分数反馈给学生。文件上传：学生用户也可以将自己整理的资料或作业等文件上传到服务器上。学习交互：学生可以通过邮件、论坛或即时聊天工具与他人进行交流。个人信息维护：学生具有修改自己个人信息的权限。”曹律论文在“云计算在线学习平台的功能需求”小节写道：“本文将从不同用户的角度来分析整个在线学习系统的功能需求。系统用户主要包括学生、教师和管理员”。随后也具体分析了学生功能需求，曹律论文是这样表述的：“学生用户登录系统后，进行在线学习相关功能。详细介绍如下：1.在线学习：可以根据自己的学习进度选择课程相关学习资料进行在线学习，浏览站点上的课件内容，学习新知识，复习旧知识。2.公告浏览：学生用户可以浏览站点上发布的公告、新闻。3.下载资料：学生用户可以在站点下载自己需要的学习资料，如课程相关软件、学习视频、教案PPT及试题等。在线测试：学生可以通过在线测试定期检查自己知识点掌握水平，主要以考卷的形式提交到系统，系统会自动阅卷，并将测试分数反馈给学生。文件上传：学生用户也可以将自己整理的资料或作业等文件上传到服务器上。学习交互：学生可以通过邮件、论坛或即时聊天工具与他人进行交流。个人信息维护：学生具有修改自己个人信息的权限。”以上两段内容，一字不差。武秀萍论文关于在线学习平台架构的论述曹律论文关于在线学习平台结构的论述内容曹律论文的第四章内容也可以在武秀萍论文的第三章中找到相同表述。比如，武秀萍论文在第三章“基于云计算的在线学习平台架构的提出”一节开头写道：“随着在线学习模式的不断普及，越来越多的教育单位利用计算机技术和网络技术开发自己功能完善、各具特色的在线学习平台。而这些系统大多采用传统的三层架构B/S模式（即浏览器和服务器模式）来实现，如图3.1所示。这种模式的在线学习系统结构包括WEB服务层、应用服务层、数据服务层。WEB服务层提供面向用户的在线学习系统接口，其主要表现形式是通过Internet浏览器结合在线学习系统应用的操作系统为用户提供服务。应用服务层基于各类应用服务器为用户及管理人员提供对第三层数据服务层的各类操作。数据服务层则为整个在线学习系统提供数据服务。当用户通过PC或移动设备访问在线学习门户网站，进行注册、登录、学习以及资源检索等操作时，WEB服务层解析、规范用户需求信息并将用户需求发送到中间应用层服务器上，应用层服务器根据用户需求对系统数据库进行操作，获取用户需求信息，为在线学习用户提供服务。各教育机构通过这种模式纷纷构建各自的在线学习平台满足其在线学习的需求，各具特色的网络学习平台星星点点的涌现，从而使得我国教育信息化呈现‘梅花桩’的现象。”曹律论文在第四章“系统设计”中的第一小节“云计算在线学习平台的结构”写道：“随着在线学习模式的不断普及，越来越多的教育单位利用计算机技术和网络技术开发自己功能完善、各具特色的在线学习平台。而这些系统大多采用传统的三层架构B/S模式（即浏览器和服务器模式）来实现，如图4.1所示。这种模式的在线学习系统结构包括Web服务层、应用服务层、数据服务层。Web服务层提供面向用户的在线学系统接口，其主要表现形式是通过Internet浏览器结合在线学习系统应用的操作系统为用户提供服务。应用服务层基于各类应用服务器为用户及管理人员提供对第三层数据服务层的各类操作。数据服务层则为整个在线学习系统提供数据服务。当用户通过PC或移动设备访问在线学习门户网站，进行注册、登录、学习以及资源检索等操作时，Web服务层解析、规范用户需求信息并将用户需求发送到中间应用层服务器上，应用层服务器根据用户需求对系统数据库进行操作，获取用户需求信息，为在线学习用户提供服务。各教育机构通过这种模式纷纷构建各自的在线学习平台满足其在线学习的需求，各具特色的网络学习平台星星点点的涌现，从而使得我国教育信息化呈现‘梅花桩’的现象。”比对以上两段内容发现，曹律论文除了漏写一个“习”字，并将“WEB”改成“Web”，其他内容均于武秀萍论文一模一样。武秀萍论文关于“系统安全实现”的论述内容曹律论文关于“系统安全实现”内容的表述再比如，武秀萍论文第四章关于“系统安全实现”一节的一段内容为：“本应用属于多用户系统，为了保证系统的安全性，在用户请求服务时就需要对用户身份进行验证以确保用户操作的合法性。本课题使用servlet过滤器对各个页面请求进行预处理，使得不同身份的用户只能访问不同文件夹下的页面。Servlet过滤器是一个实现java.servlet.Filter接口的程序类，支持servlet和JSP页面的基本请求处理功能，但是会比这些请求优先运行在服务器上，主要用来检查进入servlet或JSP页面的请求是否合法并对非法请求进行拦截。Servlet过滤器通常是利用session对象实现权限验证的。当访问Web应用程序时，系统会为每个用户生成一个单独session对象用于存储用户的状态信息，直到用户离开web站点时对应的session才会消失。利用session对象的特点，servlet过滤器从发送请求到用户session中取得用户信息，从而判定请求操作是否被允许。”曹律论文的第五章“系统实现”中有一小节论述“系统安全实现”，其内容表述为：“本应用属于多用户系统，为了保证系统的安全性，在用户请求服务时就需要针对用户的具体身份执行验证来保证用户操作合法性。本文在线学习平台采用servlet过滤器来针对页面请求执行预处理操作，不同身份的用户群体访问不同文件夹所辖页面。Servlet过滤器本质上是一个实现java.servlet.Filter接口的一个具体程序类，支持servlet和JSP网页页面处理请求功能，会比处理请求优先在服务器上运行，主要用于检查进入servlet或JSP页面请求是否合法并对非法请求进行拦截操作。Servlet过滤器应用Session对象实现权限验证操作。当访问Web应用程序时，系统会为每位用户生成独立的Session对象用来存储具体的用户状态信息，直到用户离开Web站点时对应Session才能消失。利用Session对象特点，Servlet过滤器从发送请求用户Session中获取用户具体信息，从而进行判定请求操作能否允许。”比对以上两对发现，曹律论文和武秀萍论文的区别是非常细微的，曹律论文除了将“进行”换成了“执行”，将“才会”换成“才能”，将“是否被”换成“能否”等之外，其文字核心与武秀萍论文完全一致。武秀萍论文“总结与展望”的部分内容截图曹律论文“总结与展望”部分内容截图此外，两篇论文的“总结与展望”部分也几乎完全一致。比如，武秀萍论文在归纳完成的工作时总结了5个方面：“1.分析讨论了云计算平台，包括云计算的涵义、特征、优势以及Google云计算实现的关键技术；对Google推出的云计算应用开发平台Google App Engine做了深入了解，并在Windows XP操作系统下搭建了Google App Engine开发环境，从而加深了对Google云计算平台的理解。2.通过对当前在线学习平台构建模式的现状分析，指出系统构建各自为政、区域教育信息化资源配置不均、学习平台间存在信息孤岛等问题；针对当前在线学习平台构建中存在的不足，结合云计算的服务与特点，提出基于云计算构建在线学习系统的研究方案。3.分析讨论了基于云计算的在线学习平台的体系结构的划分，并结合云计算的三层服务形式从上而下逐层分析了各层的职责。4.结合当前在线学习系统的现实需求，对在线学习系统的各个功能模块的数据模型、业务流程等进行详细的分析与设计。5.利用Google App Engine开发平台、Eclipse集成环境、Java web技术开发了在线学习系统的主要功能模块，包括用户管理、学习资源管理以及互动交流等模块，并对系统界面、业务逻辑、数据持久化和系统安全等细节的具体实现进行分析和阐述。”曹律论文关于论文完成工作的总结的具体表述为：“（1）分析讨论了云计算平台，包括云计算的涵义、特征、优势以及Google云计算实现的关键技术；对Google推出的云计算应用开发平台Google App Engine做了深入了解，并在Windows XP操作系统下搭建了Google App Engine开发环境，从而加深了对Google云计算平台的理解。（2）通过对当前在线学习平台构建模式的现状分析，指出系统构建各自为政、区域教育信息化资源配置不均、学习平台间存在信息孤岛等问题；针对当前在线学习平台构建中存在的不足，结合云计算的服务与特点，提出基于云计算构建在线学习系统的研究方案。（3）分析讨论了基于云计算的在线学习平台的体系结构的划分，并结合云计算的三层服务形式从上而下逐层分析了各层的职责。（4）结合当前在线学习系统的现实需求，对在线学习系统的各个功能模块的数据模型、业务流程等进行详细的分析与设计。（5）利用Google App Engine开发平台、Eclipse集成环境、Java web技术开发了在线学习系统的主要功能模块，包括用户管理、学习资源管理以及互动交流等模块，并对系统界面、业务逻辑、数据持久化和系统安全等细节的具体实现进行分析和阐述。”以上两段内容一字不差。湖大：此前未接到举报，掌握证据后启动核查虽然曹律论文和武秀萍论文有超大面积的雷同内容，但两篇硕士学位论文均有《原创性声明》。两篇论文的作者均表示，自己的硕士学位论文是在导师指导下，独立进行研究工作所取得的成果。除已注明引用和致谢的地方外，不包含其他人已经发表或撰写过的研究成果。两篇《原创性声明》中均带有作者的个人签名和日期。由于论文完成时间上，曹律论文比武秀萍论文晚了3年，完成于2016年5月的曹律论文涉嫌抄袭武秀萍论文。澎湃新闻从湖南大学研究生院官网了解到，为维护学术道德，严明学术纪律，规范学术行为，提高研究生培养质量，维护学校学术声誉，该院2015年5月发布了《湖南大学研究生学术道德规范实施细则》（以下简称“《细则》”）。《细则》明确，“在撰写学位论文及进行其它学术活动时，应充分检索相关文献，了解他人的研究成果，承认并尊重他人的知识产权，不抄袭、剽窃他人的研究成果”。《细则》还规定，严重违反学术道德、影响恶劣者，学校视情节给予警告、严重警告、记过、留校察看、开除学籍处分。已经授予学位者，学校将撤销所授予的学位，并刊登撤销学位公告。研究生指导教师是研究生学位论文审查的第一责任人，一般为论文的通讯联系人，要以高度的责任心切实履行审查责任，做到实事求是，科学求真，为人师表，在科学研究和学术活动中加强自律，加强对研究生的学术道德教育。导师对研究生管理失职，致使研究生违反学术道德规范，学校将视情节给予导师通报批评、暂停招生三年、取消导师资格等处理。来自湖南大学研究生院官网的另一则通知显示，2015年6月，为进一步加强湖南大学研究生学位论文质量的管理工作，营造良好的学术环境，促进学术诚信，研究生院引进使用万方数据“相似性检测”系统。其中，这份通知明确，硕士学位论文检测由各学院负责，含研究生秘书签名并加盖学院公章后再由导师签名（复制比在5%以下的可不签名）确认的万方数据学位论文检测报告单首页（纯外文撰写的学位论文可不检测）作为附件放入学位申请材料袋中。文字复制比较高的硕士学位论文将列入校硕士学位论文抽检重点抽查范围。在湖南大学出台多个文件严把研究生学位论文质量关之后，湖南大学软件学院软件工程专业2016届硕士毕业生曹律的硕士学位论文还是被举报涉嫌大面积抄袭。针对曹律论文涉嫌抄袭一事，澎湃新闻先后联系了湖南大学软件学院、新闻传播与影视艺术学院，以及研究生院学位与学科建设办公室。湖南大学软件学院和新闻传播与影视艺术学院相关办公室的工作人员均向澎湃新闻记者明确，硕士研究生的学位论文质量由其指导教师直接负责，将对此事做进一步了解。湖南大学研究生院学位与学科建设办公室的相关负责人则对澎湃新闻表示，此前从未接到过关于曹律硕士学位论文抄袭的举报，会在掌握较为具体的抄袭证据后，启动相关调查。湖大最新回应：立即成立专门工作组4月13日@湖南大学 发布最新回应，立即成立专门工作组。4月13日下午，有媒体报道了我校2016届硕士毕业生曹律学位论文涉嫌抄袭的消息。获知该信息后，学校立即成立了专门工作组，开展相关调查，并将根据调查结果，依法依规进行处理。长期以来，湖南大学高度重视学术道德和学风建设，对违反学术规范行为一向采取零容忍的态度，一经发现严厉查处。真诚欢迎和衷心感谢媒体、社会对我校学风建设工作的关注和监督。来源：澎湃新闻

今日为大家带来的，是清华大学姚班2016级学生董克凡在清华四年的体验与感受。作者简介董克凡姚班2016级学生，本科期间在斯坦福大学、伊利诺伊大学香槟分校、清华大学、北京大学进行了四段科研；共在四个机器学习顶级会议上发表论文五篇；在校期间曾获国际大学生程序设计竞赛(ICPC World Finals 2018)银牌，毕业后将赴斯坦福大学计算机系继续深造。姚先生说，好教育必须挑战学生。在姚班的这四年，给我印象最深的也就是在这个环境中所面对的种种挑战。记得在入学典礼上，一位学长这样总结了在姚班的生活：“和最聪明的人上最难的课”，这四年里几乎所有同学都或多或少地被姚班的课程折磨。从大一的第一门专业核心课——也是姚先生亲自授课的课程——计算机应用数学开始，姚班的课程便有了非常独特的画风。就像是披着羊皮的狼一样，这些课程往往在学期刚开始时看似是一门普通的本科生计算机课，到了后半学期就突然开始学习学术界最前沿的成果；又或者是在课堂上讲述的例子简洁明了，而在做课后作业时感觉仿佛“僵尸吃掉了你的脑子”。然而课程的难度却是姚班课程最“普通”的一个特点。一位我非常敬佩的老师在课上说，能用二十分钟做出来的题目都不叫题目，因为科研中解决一个问题往往需要几个月。而我们也确实只有大一的课程重点是在题目（或者最后的考试）上。到了大二，几乎每一门专业核心课的考核中最重要的一项都是一个独立的课程论文（或项目）。而且这些课的一大共性便是，课程论文的题目和内容完全自由，只要与课程相关便可。于是，除了需要能解决一个七八页纸篇幅的问题之外，作为刚接触这门课程不到一学期的本科生，我们还需要能够提出一个问题——既不会难到半个学期做不出成果，又不会简单到老师刚听完问题就能大概猜到论文中的核心步骤和技巧；这个问题既不能已经有人研究过，又不能过于生硬和无聊导致它没有任何价值。一门单纯很难的、或者任务量很大的课程，在我看来其实并不能称为挑战，因为这样的课程总是可以通过按部就班的学习来应对，无非是投入的时间相比于其它课程要多一些。但是课程论文对我来说确实是实打实的“挑战”。让我印象最深的是大三的一门课程：机器学习。我们从学期中便开始着手准备，但是却遇到了在面临课程论文时能遇到的几乎所有困难。第一个想法是提出了一个看似新颖而且贴合实际的问题设定，但是在思考了一个星期之后却发现这个问题可以被已有的算法经过一些变形后解决。后来第二个想法虽然没有被前人的工作解决，但是直到最后我们也没能有实质性的进展。再后来的一个想法有了实质性的进展，却在报告提交前十天时发现了证明中的一个巨大漏洞，证明几乎要推倒重来。这门课在课程论文上花费的时间和精力要远远超过了听课、作业和复习考试的总和。“最难的课”是在姚班面临挑战的一个方面，另一方面则来自“最聪明的人”。与姚班的同学们相处，往往会有一种“我是怎么考上大学的”这种感觉。大二物理课上，当我还在电磁场中挣扎的时候，已经有同学在量子实验室开展研究；我在为了一篇课程论文焦头烂额的时候，已经有同学在计算机科学领域“小试牛刀”，在顶级会议上发表数篇论文；我在课堂上一脸懵逼的时候，也有同学可以与老师谈笑风生、你来我往…毕业之后，回过头看这些挑战究竟带来了什么呢？在体验了一年多科研生活之后，我发觉完成课程论文的过程仿佛就是一个研究的过程。在国外访问、全职科研的半年里，也曾经无数次面临选题没有想法，选题之后发现题目可以被已有的工作解决，有想法之后发现自己的证明中的巨大漏洞等瞬间。但是正因为在姚班“最难的课”的熏陶之下，在这种瞬间反而不会手足无措。适应了这样做问题的节奏之后，科研也就很快步入正轨。而身边有一群“最聪明的人”对自己的激励和帮助也是巨大的。在大三的时候，因为想要从理论上理解机器学习的一些算法，我和一些同学一起组织了一个学习小组，一起读高维概率的教材，同时学习这些技术在研究中的应用。那时候我觉得，每个周末在图书馆的研讨间里大概是我一周中最开心的时候，也是每周一次为学术信仰充值的时候：一方面是在短时间内获得了大量新知识，另一方面是能真实地感受到自己三年里学习的知识有着巧妙的应用。学习小组仿佛是一根线，把一门门课程的知识连接了起来，并且让我意识到，原来自己两年多的学习和训练已经让我如此适应了理论研究的道路。也正是因为这个小组让我在摇摆中选择了理论研究的道路。大四时，我与同学们一起开展了Yao class seminar，大家一起吃吃喝喝，交流自己的工作和研究。能有这样一群志同道合和小伙伴，我认为是这四年里最幸运和感激的一件事。姚班提供了这样一个挑战的平台，在这里仿佛所有人对学生都有一种“法乎其上”的要求，也似乎总能有人可以出乎意料地“得乎其上”。但是在高要求的同时，我认为在我们面对挑战时，姚班也能提供最大的支持。暂且不提十分丰富的访问、交换的机会（事实上，我本科期间的大部分论文都是与访问的导师完成的），即使是非学术活动，叉院的支持也是十分慷慨的。组织主题团日时可以借助院系的资源联系参观Google一类互联网公司；叉院的各个运动队也都有院里的鼎力支持。大三时我与同学们一起组建了叉院棒球队，在第一年就购齐了所需的整套器材以及队服；Yao class seminar也收到了院里很大的帮助，免费供应的零食和饮料也成了大家在寒冷的冬夜里骑车来参加讨论的很大的动力。最后我想用两年前的校友论坛上，一位已经工作很久的学长的话来作为结尾：回想自己的学生时代，印象最深的画面就是下午三点的斜阳下，一群少年少女就坐在教室里，讨论着某个最前沿的学术问题。这或许就是我们的青春吧。来源：清华招生 图文：董克凡 编辑：曾妮

首先，研究生阶段的教育以培养高端应用型人才和创新型人才为主，所以硕士研究生的毕业论文一定要体现出一定的创新性，不论是从理论知识体系的角度来看，还是从行业应用的角度来看，都要有自己的创新点。计算机硕士研究生在进行毕业论文答辩创新本身有很多维度，在当前产业结构升级的大背景下，研究生的创新点也非常多，以计算机专业为例，在当前传统企业纷纷实现网络化、智能化的大背景下，选择一个创新点还是相对比较容易的。计算机专业对于新技术是比较敏感的，新的技术领域也会有更多的创新机会，比如当前在大数据、人工智能领域就有比较多的创新点。大数据和人工智能领域的诸多创新往往都离不开算法的设计、实现、训练、验证等等，所以当前很多硕士研究生都从算法入手来寻找自己的创新点。由于当前算法设计的创新空间相对比较大，所以基于算法设计来实现创新也会相对容易一些。硕士研究生的毕业论文不能脱离自己的课题，脱离课题进行创新也会遇到各种困难，比如实验场景支持等等。要想基于课题来实现自己的创新，要跟自己的导师进行深入的沟通，让导师给自己一个方向，然后基于这个方向来准备相关的资料（文章）等等。硕士研究生在进行创新的过程中，一定要注重与导师和同课题组的同学（师哥、师姐）进行沟通，沟通的过程也是学习的过程。最后，对于“专硕”来说，可以跟自己的行业导师沟通，争取在行业领域寻找创新点，这个过程也会积累一定的行业知识，为未来的就业奠定基础。我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！