ueditor统计字数中文_CSC攻博申请材料（二）-中文研修计划

weixin_39941859

于 2020-12-27 03:07:48 发布

阅读量865

点赞数

文章标签： ueditor统计字数中文

本文链接：https://blog.csdn.net/weixin_39941859/article/details/112539401

版权

关于「英文研究计划」（Research Proposal）

务必和中文版本独立开来。中文计划是仅供CSC申请用的一项材料，但 Research Proposal 是国际通用的、用于评估研究内容的一种文档。RP可以写若干页（十页也没问题），但中文版却只有区区三千字符，必然得高度浓缩和概括。
正常顺序是先写RP再写中文版本。如果顺序颠倒，也请不要在写RP时受到中文版本的局限。
RP有自己的通用格式。如何写RP，搜索引擎会告诉你答案。
- 通用格式的，例如：https://www.scribbr.com/research-process/research-proposal/
- 学校自己有格式的，例如：https://www.birmingham.ac.uk/schools/law/courses/research/research-proposal.aspx
正视RP和CSC申请之间的关系。RP很重要，但其内容CSC并不做任何格式要求，因为本身就是个通用材料，具体写法请参考上一条。再次强调，中文版才是CSC做出格式要求的材料，而中文版的内容源自RP却不全是RP，具体关系如下：

以下是中文研修计划示例，请注意： 仅供参考，不要过度依赖此文结构，请谨慎对待自己的申请材料。
字符计数工具：

CSC填报系统字数统计www.cz5h.com

中文研修计划正文开始：

一、拟留学研究课题在国内外研究情况及水平

高维数据的可视分析即在低维空间（2D或3D）中处理高维数据变换后的结果，这一过程一般分为降维方法和非降维方法，目前研究的热点主要集中在降维方法上。投影（Projection）往往和维度降低（Dimensionality Reduction）紧密关联在一起，借助低维空间的可视化技术，可以使人们通过视觉感知有效的理解高维数据的特征。但目前具有交互性的投影（降维）技术仍是一项繁琐耗时且需反复调参的过程，这一过程还涉及误差修正及结果的可理解性等一系列问题，所以这方面的相关研究目前仍然是数据科学及可视化领域的研究热点。

目前对于高维数据降维技术的研究主要有三方面的限制：

1.可伸缩性，现阶段高维数据的降维总是在快而不精（例如线性降维技术PCA）和精而不快（非线性的t-SNE）之间进行权衡。鉴于过去{数字}年的发展，除了基于距离保持的传统降维方法，类似t-SNE这种邻域保留的方法在描述原数据的拓扑结构的能力方面有明显优势。然而即使考虑最新的GPU加速技术，t-SNE这类方法的速度也非常慢。所以如何使降维方法（近实时的）在具有数百万个节点和数百维度的大数据集中工作是一个急需解决的问题。此外如果考虑和时间相关的数据集或动态数据集，则对可伸缩性的要求就更加明显。

2.可解释性：对于高维数据投影在2D或3D空间的散点图，虽然可以根据例如聚类和异常值来重构数据，但目前还不能很好地解释为什么这些模式会出现以及它们的含义，即在某个维度上的投影到原数据的逆映射并不能实现。如果用户不能理解投影结果，那么其在视觉探索上用途会非常有限。典型的解释方法包括用户根据维度对散点图进行颜色编码、用特定图形替换节点的显示、利用颜色区域体现不同邻域等，但此类技术带来的过多信息会快速地混淆视觉空间。相比之下从原数据中提取抽象的、紧凑的特征并在实际投影之上覆盖其显示，这样用户可以理解非常大的数据集而不会出现混乱，这种总体层面上的解释能够用于同时显示更多的信息，不过此类解释方法在局部上的效果仍然有限。

3.过程控制：当将高维数据的结构（距离或邻域）嵌入到低维投中时，现有的投影技术都会产生误差，这里的关键问题是如何通过控制误差在投影中的分布来限制其影响。在此方面，投影可以分为全局或局部投影，前者例如PCA或MDS方法在原结构中的所有点的邻域上应用相同的降维算法，所以其均匀地扩展误差。但这是有缺陷的，因为用户可能对某些特定的数据结构更感兴趣。另一方面，对于t-SNE和LAMP这类局部投影，通过基于原结构中点邻域的不同特征修改投影算法从而可以缓解这种情况。

在上述方面的研究成果及理论目前一直由国外课题组所引导，不过国内研究也具有后发优势，例如基于感知驱动（Perception-Driven）的降维方法在某些情况下比t-SNE表现更好。但客观来看，国外该领域研究还是更加超前，在此方面，{外校名称}的{教授姓名}具有更深厚的理论研究基础和丰富的研究经验，非常适合本课题相关研究工作的开展。

二、拟选择的留学国别、留学单位及选择原因

我的目标留学单位{留学国家}{外校名称}是世界顶尖公立研究型大学，{地域}最古老的大学之一，USNEWS排名多次为{留学国家}第一。{年份}年QS世界大学排名位列第{数字}位，THE世界大学排名位列第{数字}位。外方导师{外导姓名}主要从事骨架绘制、高维数据降维和可视分析方面的研究，先后在{会议名称}担任{会议职务}等职务。从{年份}年就开始了3D骨架形状的处理的研究，在高维数据降维方法方面围绕t-SNE产出了非常多的前沿成果，现在在承担{导师目前的科研项目}项目一项（{经费数目}），科研经费充足。同时，课题组在本课题领域有国际前沿的研究及经验，组内也有成熟的CSC博士培养经验，已有约{数字}名CSC博士生毕业。以上各项是我选择该留学单位的主要原因。

三、达到本次出国学习预期目标的可行性

1.课题方面

该课题研究将属于{留学国家}{外校具体的科研小组}的交互技术研究组，由{外导姓名}负责并进行指导，其具有丰富的高维数据可视分析经验，{年份}年至今指导了{数字}位博士生，其中已有{数字}位得到博士学位，其最近有{数字}名博士生毕业于这一领域，其课题组内目前有另外{数字}名博士生从事多维数据可视分析的研究，这将会形成有效的协同效应从而促进对该课题的研究。此外，针对目前高维数据可视分析的诸多局限，本课题力图解决高维数据投影的根本问题，考虑全面，阶段清晰，且依附该领域国际领先的课题组，具有深厚的研究储备，因此非常有信心在该课题取得前沿研究成果。

2.自身方面

从{本/硕?年级}开始，我便加入导师团队，参与{相关领域}的高维数据分析与挖掘的研究，到{年份}年为止，已和导师合作发表{数字}篇论文，在多维数据的处理上积累了非常多的经验，研究生期间又在导师指导下围绕{研究方向}开展研究，并参与国家自然科学青年基金项目{数字}项，对可视化的相关技术、方法有深入的理解。现拟研究内容是高维数据的可视分析，是上述研究内容的结合，也是先前研究内容的延续，所以，对于该课题目前我具有比较坚实理论基础和清晰的思维认知。在后续的攻读博士阶段，我有信心也有能力学习并掌握外方课题组的优秀技术及经验，发表高水平论文，完成博士学习，并在今后继续从事该领域的研究工作。

四、出国学习目的、预期目标、计划、实施方法及所需时间

1.出国学习目的

为了延续我的科研道路，也为了自身能够早日成为一名合格的科研工作者，我选择出国加入课题组进行学习，这能够使我师从该领域最先进技术的创造者，从而拥有超前的研究角度和更广的研究视野。我将竭尽全力学习数据降维及可视化领域的前沿技术和经验，并在今后为提升我国在该领域的研究水平贡献自己的力量。

2.预期目标

该课题构思清晰目的明确，旨在针对当前高维数据降维处理（投影）的瓶颈，研究并找到一种全新的高效的降维方法，预计从伸缩性、解释性以及投影的误差控制，这三个方面完成{数字}篇论文的撰写，并在毕业前至少发表{数字}篇高水平论文。

3.时间进度

博士阶段时间为四年（48个月），围绕第一节中高维数据分析的三个局限性分阶段对不同主题进行研究，由于在{外校名称}拥有CSC奖学金的博士生没有教学负担，所以拟定的研究计划时间如下：

?- ?月，相关文献及目前先进技术的学习

... ...

?- ?月，用户驱动的误差控制

?- ?月，自动的误差控制

?- ?月，毕业论文写作