帮我查下这3篇参考文献的论文题目是什么[

帮我查下这3篇参考文献的论文题目是什么[

第一篇是期刊论文,题目是Design and construction of molecular assemblies with large second-order optical nonlinearities. Quantum chemical aspects
第二,三篇是专著,不好查.

首先，研究生是有分类的。研究生分为博士研究生和硕士研究生。

从总体上来看，硕士研究生发论文比博士研究生发论文更难。但是博士研究生的论文要求则普遍高于硕士研究生，所以，博士研究生更难毕业。那么，对于研究生来说，发论文到底有多难？本人根据个人经验，总结如下：

1.硕士研究生发论文有多难？

对于硕士生来说，普遍没有经过系统的训练，也不会接受高强度的训练。因而，多数人对写论文的认知其实很少。且多数学校对于硕士生的论文要求其实并不高，可能只需要发表一篇普通期刊。对于硕士研究生来说，真正的难度其实是毕业论文。大多数硕士论文都需要达到2-3W字。最主要的难度其实就是字数了。对于硕士生来说，整个硕士阶段可能也就写了一两篇小论文。而要想写出三万字，其难度可想而知。特别是翟天临事件出来以后，对硕士生毕业论文的要求也越来越高。所以，硕士生写毕业论文其实是很难的。

2.博士研究生发论文有多难？

与硕士研究生不同的是，博士研究生难写的是小论文，毕业论文反倒没有那么难了。因为对于博士研究生来说，毕业是有要求的。对于人文社科类的博士生，其毕业要求大致上需要在三年内发表三篇CSSCI期刊；对于理工类的博士生，其毕业要求大致上需要在三年内发表三篇SCI期刊。该类别的期刊，对于普通的高校教师来说都很难发表，又何况是学生呢？所以我们会发现，目前在读的博士生中，能够在正常年限内毕业的并不多，大概只占到所有博士生的25%，多数博士生都是需要延期毕业的。而他们无法正常毕业的主要原因，也大致上都是因为小论文没有按时发表出来。由此可见，博士生发表论文的难度是很大的。

以上。

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）