那你问我啊 如果你们不是很严格的话，就选javaEE课题，用ssm或者springboot框架或者最基础的jsp+servlet+jdbc的架构，php可以选择tp或者laravel框架的项目，然后模块要工作量大，最好带图表统计，如果你们导师或者学校很卡请选择python 大数据 数据分析 爬虫类的，还可以做app 小程序，但是工作量 创新都要有呀
计算机sci期刊投稿认可度也是比较高的。不过一般来说，计算机SCI1区发表的论文含金量高于SCI2区期刊。
作者写的计算机方向论文如果不能够在sci一区期刊发表，那么也是可以尝试sci二区期刊的，这样也能够获得较多的加分，此外学术顾问在这里也分享了几本计算机方向的2区sci期刊，都是单位认可度高的期刊，对晋升职称也是有帮助的。
计算机发展的中英文文献,要的话发我邮件.
以机器学习/深度学习领域为例
1. 在原始的数据集上加一些噪声，例如随机遮挡，主要是根据具体的任务来增加噪声或扰动，不可乱来。如果它的精度下降的厉害，那你的思路就来了，如何在有遮挡或有噪声或其他什么情况下，保证模型的精度。（无事生非）
2. 用它的模型去尝试一个新场景的数据集，因为它原来的模型很可能是过拟合的。如果在新场景下精度下降的厉害，思路又有了，如何提升模型的泛化能力，实现在新场景下的高精度。（无事生非）
3. 思考一下它存在的问题，例如模型太大，推理速度太慢，训练时间太长，收敛速度慢等。一般来说这存在一个问题，其他问题也是连带着的。如果存在以上的问题，你就可以思考如何去提高推理速度，或者在尽可能不降低精度的情况下，大幅度减少参数量或者计算量，或者加快收敛速度。（后浪推前浪）
4. 考虑一下模型是否太复杂，例如：人工设计的地方太多，后处理太多，需要调参的地方太多。基于这些情况，你可以考虑如何设计一个end-to-end模型，在设计过程中，肯定会出现训练效果不好的情况，这时候需要自己去设计一些新的处理方法，这个方法就是你的创新。（后浪推前浪）
5. 替换一些新的结构，引入一些其它方向的技术，例如transformer，特征金字塔技术等。这方面主要是要多关注一些相关技术，前沿技术，各个方向的内容建议多关注一些。（推陈出新）
6.尝试去做一些特定的检测或者识别。通用的模型往往为了保证泛化能力，检测识别多个类，而导致每个类的识别精度都不会很高。因此你可以考虑只去检测或识别某一个特定的类。以行为识别为例，一些通用的模型可以识别几十个动作，但你可以专门只做跌倒检测。在这种情况下你可以加很多先验知识在模型中，换句话说，你的模型就是专门针对跌倒设计的，因此往往精度可以更高。（出奇制胜）
985免费论文网友情提示：本网站所有内容为共享上传提供，仅限学习分享，如产生版权问题，请联系我们及时删除！
Copyright © www.csmayi.cn Corporation, All Rights Reserved 共享时代 共享你我他 版权所有
