比如电子商务论文，老师提供的范文里有数据分析和案例模型，那你写论文的时候，就要注意论文本身不能写成纯文字，这样是不能通过的。所以模型，让你知道的是写这类论文的重点是什么，大的方向不要犯错，至于细节的问题，反复修改也是正常的，通过这种一稿、二稿、三稿直至通过，可以对我们以前学过的知识更加深刻，同时会学会很多新的知识，比如统计分析，他经常出现在数学论文和金融、心理学论文里。
论文的模型是什么？
严格来说就是范文，也叫格式模板。有的学校老师会发上一届写得好的同学的范文给大家。范文的作用，不光是格式和排版，最重要的是他的结构形式，另外还有案例和数据分析。比如电子商务论文，老师提供的范文里有数据分析和案例模型，那你写论文的时候，就要注意论文本身不能写成纯文字，这样是不能通过的。所以模型，让你知道的是写这类论文的重点是什么，大的方向不要犯错，至于细节的问题，反复修改也是正常的，通过这种一稿、二稿、三稿直至通过，可以对我们以前学过的知识更加深刻，同时还会学会很多新的知识，比如统计分析，他经常出现在数学论文和金融、心理学论文里。
数学建模到底是学什么？
在之前的数模竞赛中，即便是美赛O奖的作品中，我们都能看到诸如灰色预测这样的用MATLAB实现的方法，实际上我们有时间序列，回归等一系列比较常用的预测方法。在18年前后，预测类数模问题变得较为尴尬，不是因为这些题目简单，是因为大家都有了一套两套现成的算法，拿题后只要找到数据就能很快跑程序出数据出图写论文。
所以那个时候基本上很少有预测的题目再出现了。实际上，评价类模型和预测类模型都是这样，因为人均都会，所以导致我们不会见到一整个大题全是讲预测的。在这之前，我们在国赛见过人口增加预测，长江水质预测，世博会影响预测等等，那个时候基本上都是用matlab去实现这些数据的处理和预测。说起来，在15年我本科入学的时候有个风潮，就是互联网 ，那个时候就是谁有着一个什么创新创业的点子，就可以去参加比赛拿拿奖。
我一看这还要做ppt路演，搞得比较商业，当时就没怎么关注，毕竟我只喜欢参加埋头做题的比赛。上台说话这种我比较怯场，不过我也不是没有改变自己，有一次我最终鼓起勇气去参加了学校一个英语辩论赛，初赛只有抽题观点陈述这一部分，不用和别的同学正面对抗，所以我侥幸侃侃而谈，成功入围复赛，高兴之余，也激动地和室友报喜，随后联系复赛管理人员说我不去了，名额因此也顺延给了后一名，不知道算不算得上一桩美谈。
扯远了，主要是那个时候搞互联网 ，什么东西都要加互联网，超市 互联网=做个订超市app，打车 互联网=打车软件。现在python很火，颇有一番人工智能 的趋势。在数模领域，除了matlab，学会python搞人工智能应用也将是一个趋势，不过吧，实际上MATLAB也能实现一部分。那么在预测类这方面，用python的话：LSTM：长短期记忆网络GRU：门控循环单元DBN：深度置信网络QNN：量子神经网络SVR：支持向量机XGBoost：极端梯度提升CNN：卷积神经网络ESN：回声状态网络……举例的这些方法都可以被应用到预测中，如果你搜索这些算法，你会发现有不少核心期刊论文，通篇运用这些方法来做预测。
硕士毕业论文盲审，盲审专家都审什么？对内容、方法等会看得很细吗？
昨天刚刚盲审一篇硕士论文，从论文评审的角度来讲，主要关注的部分为论文的摘要、结论和目录，因为摘要和结论基本可以代表作者的逻辑思维能力以及展现出来对于所做工作的总结和提升能力，一个好的摘要应该是能够站在较高的高度对于所研究的领域做出准确的分析并提出明确的技术解决思路，并通过详细研究和实验或仿真分析内容展现出论文的工作量。
