武大马院研究生会论文入选名单
3人。1、截止2022年5月15日武大研究生保研人数是法学院21人、文学院11人、马院3人，新闻学院34人。2、武大马院就是武汉大学马克思主义学院。
有。研究生论文查重一次不过是没有影响的，研究生院校会提供两次考核机会，所以第一次论文查重没有通过的研究生，只需要在第二次论文考核前，将研究生论文查重率达到考核标准即可。
研究生论文被列入失信黑名单
针对黑名单期刊中的文章，不同科研机构的认可度不同，相关政策也有所不同。 有些学校只要发表的论文来自预警期刊，通通毙掉，不可用于申请学位。 有些学校则会提供一个缓冲期，给一个时间节点，时间点前后判定不同。 有些学校则对是否是预警期刊论文没有要求。 所以，同学们可以针对自己的学校政策，来判断对自己的毕业是否有影响。
在注册留学认证的过程当中学生们一定要谨慎，验证查自己的申报材料。许多学生在前置学历上可能存在一些难题，如果一旦晒出了自身出现问题前置学历即将迎来有可能被拉进留服信用黑名单。海外学历学位认证一般而言只有一次验证机遇，假如认证失败将丧失进到国家系统的宝贵机会。大家一定要注意留学认证这几大难题，防止被拉入黑名单。
第一种毕业学校无法得到中国教育部的肯定，一些学生被留学机构欺诈，出国留学读过一所野鸡大学。这种大学的学历没有在教育部的认证体系内。因此大家一定要多注意所需读的大学，是不是“野鸡大学”，还可以在文化教育涉外监管信息平台网官网络查询。
第二种在教育部新的相关规定公布以后，许多学生觉得学历学位认证只考评文化程度，为了能防止出现不正确，造成认证失败。学生们也是需要提前准备自身全部学习过程的教育背景。研究生学位验证前，必须要先验证学士学位证书，每一个学士学位都需要符合要求。
第三种同学们在归国以前没有联络驻外领事馆开留学生回国证实，这一点必须学生们注意啦，假如等回国之后再申请办理便会花很多时间精力。假如想一想落户口或是报考公务员等，留学生回国证实时不可缺少的。相对于留学人员来讲，最重要的事之一就是海外学历做中留服认证。仅有做中留服认证，才可以证实留学人员国外就读真实有效和合理合法，在中国才能够应用。中留服认证是保证留学生回国学生就业、升学考试、考编制、升职及其参与各种专业资格考试的高效证明文件。假若没法验证，好比“没有身份证”一样。
在之前的中留服认证的过程当中，很多留学人员因操作失误、证明文件却不真实有效，导致不能取得成功验证，有的直接被中留服拉进“信用黑名单”，甚至有被列入“失信人名单”。留学认证是孩子回国发展的核心与确保，那么我们应当怎样正确验证，防止不必要的损失呢？比较常见的认证失败原因是什么？大家一起来了解一下。
做为国内唯一且尤为重要的评定服务项目，学历学位认证以海外学历信息真实性和实效性为导向，克服了国内公司、单位解决海外学历的时候需要的分析市场需求，因而也成为中国更为独特和权威性的有效证件。学历学位认证要以的证明方式为他们提供海外学历的鉴定结果，相对于申请人而言学历学位认证得到的结果会因自身情况、标准、原材料而改变，若正常的学习培训大学毕业，申请办理学历学位认证并没问题，还可以通过补充材料处理一些小毛病；要是没有正常的大学毕业或是原材料有一部分仿冒品，往往会认证失败。
相对于学生们而言，认证失败是毁灭性打击：主要是因为大部分同学们回国之后的2年全是关键性的黄金时期，大部分有效证件借助这个时候申请办理，也是最好的入职时段，假如认证失败就需要消耗近三个月的时间也。而认证失败还会继续进到信用黑名单或是登陆失信人名单，这一造成的影响则需要随着一生了，无论是进到信用黑名单或是登陆失信人名单都会导致丧失验证资质，当然验证是不能再进行办理了。针对这一部分同学来说，纯粹认证失败能够再去，但被拉黑或是登陆失信人名单也就只能选择放弃。一般进到失信人名单是三年时间，三年内假如再重新读一个文凭再认证，都是不错的选择。假如不想继续了，留信优秀人才进库，用以找个工作也可以的。
违反科研诚信屡禁不止，与违规成本低、处罚力度不够有很大关系。对违反科研诚信的行为要坚持零容忍。如广东省有相关规定，建立健全学术期刊管理和预警体系。在列入黑名单的学术期刊上发表的论文，在省级科技业务评审中不予认可。这是零容忍。
违背科研诚信行为的应该对其严格追责。撤销其相关项目，并追回所获得的荣誉及奖励，给予当事人处分及开除，若涉嫌贪污、等违法活动，应依法处理。
ai研究院论文入选
雷锋网 AI 科技评论按： 百度研究院、华中科技大学、悉尼科技大学联合新作——关于无监督领域自适应语义分割的论文《 Taking A Closer Look at Domain Shift: Category-level Adversaries for Semantics Consistent Domain Adaptation》被 CCF A 类学术会议 CVPR2019 收录为 Oral 论文 。该论文提出了一种从「虚拟域」泛化到「现实域」的无监督语义分割算法，旨在利用易获取的虚拟场景标注数据来完成对标注成本高昂的现实场景数据的语义分割，大大减少了人工标注成本。 本文是论文作者之一罗亚威为雷锋网 AI 科技评论提供的论文解读。 论文地址： 1.问题背景 基于深度学习的语义分割方法效果出众，但需要大量的人工标注进行监督训练。不同于图像分类等任务，语义分割需要像素级别的人工标注，费时费力，无法大规模实施。借助于计算机虚拟图像技术，如3D游戏，用户可以几乎无成本地获得无限量自动标注数据。然而虚拟图像和现实图像间存在严重的视觉差异（域偏移），如纹理、光照、视角差异等等，这些差异导致在虚拟图像上训练出的深度模型往往在真实图像数据集上的分割精度很低。 2. 传统方法 针对上述域偏移问题，一种广泛采用的方法是在网络中加入一个域判别器Discriminator (D），利用对抗训练的机制，减少源域Source (S）和目标域Target（T）之间不同分布的差异，以加强原始网络（G）在域间的泛化能力。方法具体包括两方面： （1）利用源域的有标签数据进行有监督学习，提取领域知识： 其中Xs，Ys为源域数据及其对应标签。 （2）通过对抗学习，降低域判别器（D）的精度，以对齐源域与目标域的特征分布： 其中XT为目标域数据，无标签。 3.我们针对传统方法的改进 以上基于对抗学习的传统域适应方法只能对齐全局特征分布（Marginal Distribution），而忽略了不同域之间，相同语义特征的语义一致性（Joint Distribution），在训练过程中容易造成负迁移，如图2（a）所示。举例来说，目标域中的车辆这一类，可能与源域中的车辆在视觉上是接近的。因此，在没有经过域适应算法之前，目标域车辆也能够被正确分割。然而，为了迎合传统方法的全局对齐，目标域中的车辆特征反而有可能会被映射到源域中的其他类别，如火车等，造成语义不一致。 针对这一问题，我们在今年CVPR的论文中，向对抗学习框架里加入了联合训练的思想，解决了传统域适应方法中的语义不一致性和负迁移等键问题。具体做法见图2（b），我们采用了两个互斥分类器对目标域特征进行分类。当两个分类器给出的预测很一致时，我们认为该特征已经能被很好的分类，语义一致性较高，所以应减少全局对齐策略对这些特征产生的负面影响。反之，当两个分类器给出的预测不一致，说明该目标域特征还未被很好地分类，依然需要用对抗损失进行与源域特征的对齐。所以应加大对齐力度，使其尽快和源域特征对应。 4.网络结构 为了实现上述语义级对抗目标，我们提出了Category-Level Adversarial Network (CLAN)。 遵循联合训练的思想，我们在生成网络中采用了互斥分类器的结构，以判断目标域的隐层特征是否已达到了局部语义对齐。在后续对抗训练时， 网络依据互斥分类器产生的两个预测向量之差（Discrepancy）来对判别网络所反馈的对抗损失进行加权。网络结构如下图3所示。 图3中，橙色的线条表示源域流，蓝色的线条表示目标域流，绿色的双箭头表示我们在训练中强迫两个分类器的参数正交，以达到互斥分类器的目的。源域流和传统的方法并无很大不同，唯一的区别是我们集成了互斥分类器产生的预测作为源域的集成预测。该预测一方面被标签监督，产生分割损失（Segmentation Loss），如式（3）所示： 另一方面，该预测进入判别器D，作为源域样本。 绿色的双箭头处，我们使用余弦距离作为损失，训练两个分类器产生不同的模型参数： 目标域流中，集成预测同样进入判别器D。不同的是，我们维持两个分类器预测的差值，作为局部对齐程度的依据 (local alignment score map）。该差值与D所反馈的损失相乘，生成语义级别的对抗损失： 该策略加大了语义不一致特征的对齐力度，而减弱了语义一致的特征受全局对齐的影响，从而加强了特征间的语义对齐，防止了负迁移的产生。 最后，根据以上三个损失，我们可以得出最终的总体损失函数： 基于以上损失函数，算法整体的优化目标为： 在训练中，我们交替优化G和D，直至损失收敛。 5. 特征空间分析 我们重点关注不常见类，如图4（a）中黄框内的柱子，交通标志。这些类经过传统方法的分布对齐，反而在分割结果中消失了。结合特征的t-SNE图，我们可以得出结论，有些类的特征在没有进行域迁移之前，就已经是对齐的。传统的全局域适应方法反而会破坏这种语义一致性，造成负迁移。而我们提出的语义级别对抗降低了全局对齐对这些已对齐类的影响，很好的解决了这一问题。 6. 实验结果 我们在两个域适应语义分割任务，即GTA5 -> Cityscapes 和 SYNTHIA -> Cityscapes 上进行了实验验证。我们采用最常见的Insertion over Union作为分割精度的衡量指标，实验结果如下。从表1和表2中可以看出，在不同网络结构（VGG16，ResNet101）中，我们的方法（CLAN）域适应效果都达到了 state-of-the-art的精度。特别的，在一些不常见类上（用蓝色表示），传统方法容易造成负迁移，而CLAN明显要优于其他方法。 表 1. 由虚拟数据集GTA5 迁移至真实数据集 Cityscapes 的域适应分割精度对比。 表 2. 由虚拟数据集SYNTHIA 迁移至真实数据集 Cityscapes 的域适应分割精度对比。 第二个实验中，我们了展示隐空间层面，源域和目标域间同语义特征簇的中心距离。该距离越小，说明两个域间的语义对齐越好。结果见图 5。 最后，我们给出分割结果的可视化效果。我们的算法大大提高了分割精度。 7. 总结 《Taking A Closer Look at Domain Shift: Category-level Adversaries for Semantics Consistent Domain Adaptation》引入了联合训练结合对抗学习的设计，在无监督域适应语义分割任务中取得了较好的实验结果。该算法能应用前景广泛，比如能够很好地应用到自动驾驶中，让车辆在不同的驾驶环境中也能保持鲁棒的街景识别率。 最后 CVPR 2019 Oral 论文精选汇总，值得一看的 CV 论文都在这里（持续更新中）CVPR 2019 即将于 6 月在美国长滩召开。今年有超过 5165 篇的大会论文投稿，最终录取 1299 篇，其中 Oral 论文近 300 篇。为了方便社区开发者和学术青年查找和阅读高价值论文，AI 研习社从入选的 Oral 论文中，按应用方向挑选了部分精华论文，贴在本文，打开链接即可查看~
扇形面积 S = (1/2)αR^2, 当 α 减少 30', dα = ° = -π/360, dS = (1/2)R^2dα = -(1/2)100^2 · π/360 = 平方厘米扇形面积减少约 平方厘米；当 R 增加 1 厘米, dR = 1 dS = αRdR = 100 · 1 · 60π/180 = 平方厘米扇形面积增加约 平方厘米。
AI技术的智能模型的训练模式由之前的大炼模式逐渐变成炼大的模式；参数量模式在不断增加，探索的四个层次等等内容都有抄袭。
大家都知道，AI (神经网络) 连加减法这样的简单算术都做不好：可现在，AI已经懂得微积分，把魔爪伸向你最爱的高数了。 它不光会求不定积分：还能解常微分方程：一阶二阶都可以。这是Facebook发表的新模型，1秒给出的答案，超越了Mathematica和Matlab这两只付费数学软件30秒的成绩。 团队说，这是Seq2Seq和Transformer搭配食用的结果。 用自然语言处理 (NLP) 的方法来理解数学，果然行得通。 这项成果，已经在推特上获得了1700赞。许多小伙伴表示惊奇，比如： “感谢你们！在我原本的想象中，这完全是不可能的！”而且，据说算法很快就要开源了：到时候让付费软件怎么办？巨大数据集的生成姿势要训练模型做微积分题目，最重要的前提就是要有大大大的数据集。 这里有，积分数据集和常微分方程数据集的制造方法：函数，和它的积分首先，就是要做出“一个函数&它的微分”这样的数据对。团队用了三种方法： 第一种是正向生成 (Fwd) ，指生成随机函数 (最多n个运算符) ，再用现成的工具求积分。把工具求不出的函数扔掉。 第二种是反向生成 (Bwd) ，指生成随机函数，再对函数求导。填补了第一种方法收集不到的一些函数，因为就算工具求不出积分，也一定可以求导。 第三种是用了分部积分的反向生成 (Ibp) 。前面的反向生成有个问题，就是不太可能覆盖到f(x)=x3sin(x)的积分： F(x)=-x3cos(x)+3x2sin(x)+6xcos(x)-6sin(x) 因为这个函数太长了，随机生成很难做到。 另外，反向生成的产物，大多会是函数的积分比函数要短，正向生成则相反。 为了解决这个问题，团队用了分部积分：生成两个随机函数F和G，分别算出导数f和g。 如果fG已经出现在前两种方法得到的训练集里，它的积分就是已知，可以用来求出Fg： ∫Fg=FG-∫fG 反过来也可以，如果Fg已经在训练集里，就用它的积分求出fG。 每求出一个新函数的积分，就把它加入训练集。 如果fG和Fg都不在训练集里，就重新生成一对F和G。 如此一来，不借助外部的积分工具，也能轻松得到x10sin(x)这样的函数了。一阶常微分方程，和它的解从一个二元函数F(x,y)说起。 有个方程F(x,y)=c，可对y求解得到y=f(x,c)。就是说有一个二元函数f，对任意x和c都满足：再对x求导，就得到一个微分方程：fc表示从x到f(x,c)的映射，也就是这个微分方程的解。 这样，对于任何的常数c，fc都是一阶微分方程的解。 把fc替换回y，就有了整洁的微分方程：这样一来，想做出“一阶常微分方程&解”的成对数据集，只要生成一个f(x,c)，对c有解的那种，再找出它满足的微分方程F就可以了，比如：二阶常微分方程，和它的解二阶的原理，是从一阶那里扩展来的，只要把f(x,c)变成f(x,c1,c2) ，对c2有解。 微分方程F要满足：把它对x求导，会得到：fc1,c2表示，从x到f(x,c1,c2)的映射。 如果这个方程对c1有解，就可以推出另外一个三元函数G，它对任意x都满足：再对x求导，就会得到：最后，整理出清爽的微分方程：它的解就是fc1,c2。 至于生成过程，举个例子：现在，求积分和求解微分方程两个训练集都有了。那么问题也来了，AI要怎么理解这些复杂的式子，然后学会求解方法呢？将数学视作自然语言积分方程和微分方程，都可以视作将一个表达式转换为另一个表达式，研究人员认为，这是机器翻译的一个特殊实例，可以用NLP的方法来解决。 第一步，是将数学表达式以树的形式表示。 运算符和函数为内部节点，数字、常数和变量等为叶子节点。 比如 3x^2 + cos(2x) - 1 就可以表示为：再举一个复杂一点的例子，这样一个偏微分表达式：用树的形式表示，就是：采用树的形式，就能消除运算顺序的歧义，照顾优先级和关联性，并且省去了括号。在没有空格、标点符号、多余的括号这样的无意义符号的情况下，不同的表达式会生成不同的树。表达式和树之间是一一对应的。 第二步，引入seq2seq模型。 seq2seq模型具有两种重要特性： 输入和输出序列都可以具有任意长度，并且长度可以不同。 输入序列和输出序列中的字词不需要一一对应。 因此，seq2seq模型非常适合求解微积分的问题。 使用seq2seq模型生成树，首先，要将树映射到序列。 使用前缀表示法，将每个父节点写在其子节点之前，从左至右列出。 比如 2 + 3 * (5 + 2)，表示为树是：表示为序列就是 [+ 2 * 3 + 5 2]。 树和前缀序列之间也是一一映射的。 第三步，生成随机表达式。 要创建训练数据，就需要生成随机数学表达式。前文已经介绍了数据集的生成策略，这里着重讲一下生成随机表达式的算法。 使用n个内部节点对表达式进行统一采样并非易事。比如递归这样的方法，就会倾向于生成深树而非宽树，偏左树而非偏右树，实际上是无法以相同的概率生成不同种类的树的。 所以，以随机二叉树为例，具体的方法是：从一个空的根节点开始，在每一步中确定下一个内部节点在空节点中的位置。重复进行直到所有内部节点都被分配为止。不过，在通常情况下，数学表达式树不一定是二叉树，内部节点可能只有1个子节点。如此，就要考虑根节点和下一内部节点参数数量的二维概率分布，记作 L(e,n)。接下来，就是对随机树进行采样，从可能的运算符和整数、变量、常量列表中随机选择内部节点及叶子节点来对树进行“装饰”。 最后，计算表达式的数量。 经由前面的步骤，可以看出，表达式实际上是由一组有限的变量、常量、整数和一系列运算符组成的。 于是，问题可以概括成： 最多包含n个内部节点的树 一组p1个一元运算符（如cos，sin，exp，log） 一组p2个二进制运算符（如+，-，×，pow） 一组L个叶子值，其中包含变量（如x，y，z），常量（如e，π），整数（如 {-10，…，10}） 如果p1 = 0，则表达式用二叉树表示。 这样，具有n个内部节点的二叉树恰好具有n + 1个叶子节点。每个节点和叶子可以分别取p1和L个不同的值。 具有n个二进制运算符的表达式数量就可以表示为：如果p1 > 0，表达式数量则为：可以观察到，叶子节点和二元运算符的数量会明显影响问题空间的大小。△不同数目运算符和叶子节点的表达式数量胜过商业软件实验中，研究人员训练seq2seq模型预测给定问题的解决方案。采用的模型，是8个注意力头（attention head），6层，512维的Transformer模型。 研究人员在一个拥有5000个方程的数据集中，对模型求解微积分方程的准确率进行了评估。 结果表明，对于微分方程，波束搜索解码能大大提高模型的准确率。而与最先进的商业科学计算软件相比，新模型不仅更快，准确率也更高。在包含500个方程的测试集上，商业软件中表现最好的是Mathematica。 比如，在一阶微分方程中，与使用贪婪搜索解码算法（集束大小为1）的新模型相比，Mathematica不落下风，但新方法通常1秒以内就能解完方程，Mathematica的解题时间要长的多（限制时间30s，若超过30s则视作没有得到解）。而当新方法进行大小为50的波束搜索时，模型准确率就从提升到了97%，远胜于Mathematica（） 并且，在某一些Mathematica和Matlab无力解决的问题上，新模型都给出了有效解。△商业科学计算软件没有找到解的方程邀请AI参加IMO这个会解微积分的AI一登场，就吸引了众多网友的目光，引发热烈讨论。网友们纷纷称赞：鹅妹子嘤。 有网友这样说道： 这篇论文超级有趣的地方在于，它有可能解决复杂度比积分要高得高得高得多的问题。还有网友认为，这项研究太酷了，该模型能够归纳和整合一些sympy无法实现的功能。不过，也有网友认为，在与Mathematica的对比上，研究人员的实验设定显得不够严谨。 默认设置下，Mathematica是在复数域中进行计算的，这会增加其操作的难度。但作者把包含复数系数的表达式视作“无效”。所以他们在使用Mathematica的时候将设置调整为实数域了？我很好奇Mathematica是否可以解决该系统无法解决的问题。 30s的限制时间对于计算机代数系统有点武断了。但总之，面对越来越机智的AI，已经有人发起了挑战赛，邀请AI挑战IMO金牌。Facebook AI研究院出品 这篇论文有两位共同一作。 Guillaume Lample，来自法国布雷斯特，是Facebook AI研究院、皮埃尔和玛丽·居里大学在读博士。他曾于巴黎综合理工学院和CMU分别获得数学与计算机科学和人工智能硕士学位。 2014年进入Facebook实习。 Franois Charton，Facebook AI研究院的客座企业家（Visiting entrepreneur），主要研究方向是数学和因果关系。传送门 ————编辑 ∑Gemini来源：新浪科技
北航软院研究生论文答辩名单
本科生的毕业论文一般有三次答辩。第1次答辩叫做初期答辩，主要是对于你应题的选题方向以及基本思路进行检验，并且给出相关的建议。第2次答辩叫做中期答辩，这个时候你的论文应该已经完成了框架性的内容，参会的嘉宾会对于你内容的一些改进之处提出相关的意见，并且会进一步帮你完善框架结构。第3次答辩叫做最终答辩。这个时候的评委会根据你的情况进行打分。表现出色的将会获得毕业生论文的奖励。
北航软件读研学费多少
北航考研复试名单有高雨、郭辉、胡赫等。
复试时间及方式：
1、复试实行按专业和学习方式分组复试，非全日制法律硕士复试时间为2023年3月26日，全日制法律硕士、法学硕士复试时间为2023年3月29日-30日。
2、学院2023年硕士研究生招生复试采用现场复试方式进行，非全日制法律硕士请于3月25日14:00—17:00到北航如心楼101提交资格审查材料（含现实表现材料、诚信复试承诺书等）。
3、全日制法律硕士、法学硕士请于3月28日14:00—17:00到北航如心楼101提交资格审查材料（含现实表现材料、诚信复试承诺书等），同时查看各专业复试时间安排。
复试程序及内容：
1、复试形式为现场复试，每人不少于20分钟，复试成绩满分为220分。
2、复试过程中将通过综合面试形式，并结合考生提交的现实表现材料对考生思想政治和道德品质进行考核，思想政治和道德品质考核不计入复试成绩，但作为复试考核的重要依据，分为合格/不合格，不合格者不予拟录取。
3、考生陈述个人情况（包括自然情况、学历、专业、个人特长）；思政考核（该项考核不计入复试成绩，不合格者不予拟录取）；外语口语与翻译（含专业外语口语与翻译）(50分)；专业知识的掌握与运用能力（85分）；逻辑分析、创新潜质与综合素质（85分）。
武汉音乐学院毕业论文名单
完整的文本应包括封面、目录、开题报告（仅纸质本要求附开题报告）、成绩与评语（仅纸质本要求附成绩与评语）、中文摘要及关键词、英文摘要及关键词、正文（包括引言、主体和结语）、注释、参考文献等。对各部分的要求如下。 1、封面 从教务处网站的“信息公告”栏目下载统一格式的“武汉音乐学院本科生毕业论文封面”，各项信息需填写完整。 2、目录 应包括中英文摘要及关键词、正文（包括引言、主体和结语，只需标至二级标题）、注释、参考文献等（参见以下示例）。 本科生毕业论文目录示例：目 录 中文摘要及关键词 ·······································（页码） 英文摘要及关键词 ·······································（页码） 引言 ···············································（页码） 一、一级标题1 ·········································（页码） 1、二级标题 ········································（页码） 2、二级标题 ········································（页码） 二、二级标题2 ······································· ·（页码） 1、二级标题 ········································（页码） 2、二级标题 ······································· （页码） ···················································（页码） 结语 ················································（页码） 注释 ················································（页码） 参考文献 ·············································（页码） （注：如果以外文文献翻译作为毕业论文，需附外文原文） 3、开题报告 从教务处网站的“信息公告”栏目下载统一格式的“武汉音乐学院本科生毕业论文开题报告”表格，按要求分别由学生、指导教师和各教学单位考试委员会填写各项内容，在毕业论文完成之前由各教学单位保存，毕业论文完成之后，装订到论文纸质本内目录页之后。 4、论文成绩与评语 从教务处网站的“信息公告”栏目下载统一格式的“武汉音乐学院本科生毕业论文评审表”，各项内容分别由毕业生论文指导教师和教学单位考试委员会填写，装订到纸质本内开题报告之后。 5、中文摘要及关键词 中文摘要要求200字左右，关键词不超过5个，以国家颁布的《汉语主题词》为准，不得随意选取。 6、英文摘要及关键词 要求翻译准确。 7、正文（包括引言、主体和结语） ⑴ 引言：阐述选题的意义（为何进行这项研究）；该课题的研究现状；拟探讨的问题和研究的目的。 ⑵ 正文：要求结构严谨，逻辑严密，层次清晰，详略得当；语言、文字在符合国家标准的基础上，流畅而优美；图表、符号、谱例等统一规范； ⑶ 结语：对本文论述进行简要总结；对本文的研究进行自我评价（包括哪些问题由于什么原因还需要继续深入探讨，哪些相关问题需要另案研究等内容）。 8、注释 一律使用尾注，在“WORD”软件“插入”菜单的“引用”－“脚注和尾注”中自动生成。如尾注内容是说明引语出处的，格式参照“参考文献”要求，但需具体注明出处页码。 9、参考文献 ⑴ 报刊：序号，作者，文章标题，出版地，报刊名称，出版时间，期号（版次），刊号。 ⑵ 图书：序号，著者所在国（中国不注），著者，书名，出版地，出版社，出版时间，版次，书号。 ⑶ 网上资料：序号，作者，文献名，网址，时间。 10、页眉和页脚 文章的正文部分需统一在“WORD”软件“视图”菜单的“页眉和页脚”中用默认字体字号（即宋体小五号字）编辑页眉和页脚，页眉左端写“武汉音乐学院本科生毕业论文”字样，右端写毕业生姓名和论文题目，页脚中插入页码。 三 外文文献翻译 如以外文文献翻译作为毕业论文，文本格式与内容与一般论文要求相同，但需附外文原文（可以复印，须用A4纸张，并注明文献出处）。
教 授(按汉语拼音排序)：蒋立平 苏 斌副教授(按汉语拼音排序)： 陈 勤 田 园 王 健 祝炼坪 匡 昉陈泱泱职称:讲师 院系:钢琴系陈泱泱，女，湖南长沙人。钢琴系讲师。1988年考入考入武汉音乐学院附中，1994年进入武汉音乐学院钢琴系，1998年获学士学位，并留钢琴系任教。曾先后师从多位中外专家、教授，如：乌克兰钢琴家芭波娃卡琳娜教授、苏霍姆尼诺夫教授、白俄罗斯钢琴家列奥尼特教授等。2003年，考入武汉音乐学院研究生部，攻读硕士学位研究生，师从著名旅法钢琴家许忠。曾于1998年成功举办个人钢琴独奏音乐会。曾于2001年及2002年先后两次赴法国参加枫丹白露艺术夏令营的钢琴大师班学习。所担任课程由钢琴主科，数码钢琴机体课。除教学工作外，一直担任钢琴艺术指导工作，曾赴北京为我院参加“第二届全国长笛比赛”的选手担任伴奏；代表学院赴天津参加“第二届全国艺术院校钢琴艺术指导研讨会”；为竹笛大师詹永明先生的独奏音乐会担任钢琴伴奏等。还经常参加钢琴系举办的一系列专场音乐会，如参加钢琴家许忠与钢琴系教师四手联弹专场音乐会；举办纪念莫扎特诞生250年专场双钢琴音乐会等。陈勤职称:副教授 院系:钢琴系陈勤，男，汉族，钢琴系副教授、湖北省音乐家协会会员、湖北省钢琴考级评委会评委、湖北省钢琴学会理事。1989年毕业于武汉音乐学院附中，师从陈婉教授；1993年毕业于武汉音乐学院钢琴系，师从陈婉教授，同年留校任教至今。曾先后师从多名外国钢琴专家，如：加拿大钢琴家舒尔茨教授、白俄罗斯钢琴家列奥尼特教授、加拿大钢琴家阿兰·弗雷泽教授等。曾多次在武汉音乐学院编钟音乐厅、湖北大剧院举办各种形式的钢琴专场音乐会演出。在教学中成绩显著，学生在德国“威斯巴登”国际比赛、全国“星海杯”比赛、中法“咪多”钢琴比赛、“海资曼杯”东方青少年钢琴，键盘大赛等获得奖项。多篇学术论文也在国内重要刊物上发表，如《黄钟》、《江汉大学学报》、《湖北教育》等。参与完成了院科研项目《麦克道威尔练习曲》的研究工作。此外，还多次参与湖北省钢琴辅导丛书诠释的编写工作。曾获第二届亚洲青少年音乐比赛园丁奖，中法咪多比赛园丁奖， “海资曼杯”东方青少年钢琴键盘大赛园丁奖等。胡杨职称:副教授 院系:钢琴系胡杨（1973——），男，汉族，硕士，副教授，钢琴系主科教研室主任。1988年考入武汉音乐学院附中师从于姚敬庄副教授（现任教于中央音乐学院附中），1995年从武汉音乐学院钢琴系毕业，获文学学士学位，同年任教于武汉音乐学院。1999年在职考入武汉音乐学院研究生部，师从于武汉音乐学院副院长、著名作曲家彭志敏教授和钢琴教育家、武汉音乐学院钢琴系主任蒋立平副教授，2002年获音乐学专业钢琴演奏方向硕士学位。2004至2005年由国家留学基金委公派赴俄罗斯圣彼得堡国立音乐学院留学进修，随俄罗斯著名钢琴家、人民艺术家V.杰涅索夫教授和A.瓦西里耶娃教授学习。在校期间曾先后随白俄罗斯国立音乐学院钢琴系主任、著名钢琴家R.彼得洛维奇，美国钢琴家S.赫波特博士等外国专家学习钢琴演奏，2002、2005年在武汉音乐学院音乐厅成功举办个人独奏音乐会。科研成果有：《俄罗斯现代钢琴艺术研究》，2005年4月湖北省教育科学规划研究课题。撰写论文：《作为完整系统的肖邦前奏曲及艺术特色》发表在《黄钟》2000年《与拉赫玛尼诺夫音画练习曲有关的一些特点》发表在《黄钟》2002年《圣彼得堡音乐学院钢琴专业教学简论》发表在《黄钟》2005年《四季——在俄罗斯留学的日子》发表在《黄钟》2005年立平职称:教授 院系:钢琴系女，汉，武汉音乐学院钢琴系主任，教授，硕士生导师。湖北省音乐家协会会员。湖北省钢琴考级评委会副主任。湖北省钢琴学会副会长。湖北民族学院名誉教授。曾担任香港第二届中国作品钢琴比赛赛委副主任、评委；担任香港TOYAMA亚洲青少年国际钢琴比赛评委；担任上海“大剧院杯”少年儿童钢琴比赛评委；担任第65届施坦威国际青少年钢琴比赛评委（华东、华中赛区）。担任第八届、第十届“星海杯”全国少儿钢琴比赛评委；担任第一届、第二届鼓浪屿全国少年钢琴比赛评委等。曾负责完成了《双钢琴演奏技术与教材建设研究》的院级科研项目；曾参与完成了《新型高科技电子乐器的演奏技术、技能训练的理论与实践》的省级科研项目；现正主持《武汉音乐学院钢琴作品集成及演奏研究》的省级重点项目的研究。曾在《黄钟》、《音乐探索》、《天籁》等学术刊物中发表论文、译文多篇。主要论文有：《注重培养钢琴学生的立体思维的能力》该论文曾获湖北省高校艺术教育类论文评选一等奖；《双钢琴演奏技术研究》；《钢琴学习中音乐分析的重要性》；《论巴赫三套世俗性钢琴组曲的风格特征及演奏技巧》；《论斯特拉文斯基钢琴奏鸣曲的创作特点及其演奏风格》；《论钢琴演奏中的层次问题》等。译文：《罗季翁.谢德林24首前奏曲与赋格》。著作有：《电子琴演奏手册》（合著）。此外，还在湖北省钢琴考级辅导丛书中撰文多篇。曾应邀赴美国进行学术交流，曾率学生赴日参加“滨松国际钢琴比赛”。曾获香港第二届中国作品钢琴比赛园丁奖；北京“海资曼杯”东方青少年钢琴、键盘乐器大赛优秀园丁奖；“蒲公英”全国钢琴比赛园丁奖等。匡昉职称:副教授 院系:钢琴系匡昉，女，生于1968年，自幼随外祖母柯央教授学习钢琴。1980年考入武汉音乐学院附中，师从陈婉教授，1986年以优异成绩直升大学本科。1988~1989年考入加拿大钢琴教育家威廉·舒尔茨教授专家班学习。1990年大学毕业后分配到广西艺术学院音乐系任教。1995年考入武汉音乐学院研究生部，攻读“钢琴演奏与教学研究”硕士学位，师从蒋振瑞教授、赵德义教授。1996年进入专家班，得到白俄罗斯钢琴家尤什克维奇·列奥尼特·彼得路维奇教授的悉心指导。1997年5月成功举办了毕业独奏音乐会，同年获得文学硕士学位，毕业后留校任教至今。现任武汉音乐学院钢琴系副系主任、副教授。工作之余，撰写并发表了多篇论文，如：《贝多芬〈“热情”奏鸣曲〉演奏中的结构感觉》、《中国钢琴作品织体的民族风格六议》、《论贝多芬〈“热情”奏鸣曲〉演奏中的音色联想》、《贝多芬〈“热情”奏鸣曲〉演奏版本之比较研究》、《关于采用钢琴专业“小组课”教学的思考与尝试》等。巍职称:讲师 院系:钢琴系罗巍，女，汉族，钢琴系讲师。湖北省钢琴学会会员。2003年毕业于乌克兰敖德萨国立音乐学院钢琴与理论系，师从钢琴教授A.吉利斯基和钢琴教育家E.卡娃连卡教授，获硕士学位。2000年获敖德萨国家音乐研究院“吉利尔斯”钢琴比赛优秀奖。2003年代表敖德萨国立音乐学院参加在基辅举行的第二届“21世纪艺术”国际钢琴重奏比赛，获第二名。2003年五月被授予乌克兰国家钢琴演奏专业“演奏家”称号。曾成功举办个人钢琴独奏重奏音乐会，参加了各种形式的专场音乐会，并多次担任钢琴艺术指导。现担任钢琴系主科教学工作。鲁晓玲职称:讲师 院系:钢琴系鲁晓玲（1980——），女，汉族，钢琴系手风琴专业讲师。1999年从天津音乐学院键盘系毕业，获文学学士学位，同年任教于武汉音乐学院。2001年在职考入武汉音乐学院研究生部，2003年获音乐学专业手风琴演奏方向硕士学位。2004年由国家留学基金委公派赴俄罗斯进修。曾先后师从于我国著名手风琴演奏家、教育家王域平教授，莫斯科师范大学V.罗金教授，莫斯科格涅辛音乐学院、国际手风琴大师Lips教授。曾在1998年成都“美视”杯国际手风琴大赛中获青年组第二名，国内赛青年组一等奖；在2002年天津国际手风琴比赛中获“演奏特殊才艺奖”。1999年作为国内最早的巴扬（键钮式双系统自由低音手风琴）演奏者赴德国参加克林根塔尔国际手风琴比赛，获得专家好评。曾多次举办个人独奏音乐会及参与专业音响资料的录制工作。论文《手风琴复调作品演奏中的风箱处理》发表在《黄钟》2003年第1期。苏斌职称:教授 院系:钢琴系男，汉，武汉音乐学院钢琴系教授，院学术委员会委员，硕士生导师。1972年入湖北艺术学院（现武汉音乐学院）附中，学习钢琴专业，师从陈婉教授；1978-1980年考入中央音乐学院钢琴系专修班，学习钢琴专业，师从杨峻教授；1983-1988考入武汉音乐学院作曲系，学习作曲理论专业；1987-1989年入上海音乐学院作曲指挥系，学习钢琴艺术指导、总谱读法，同年考入YAMAHA株式会社上海音乐学院高级电子琴师资训练班，随日本著名电子琴演奏家日野正雄先生学习；1996、1998连续两年在白俄罗斯钢琴专家班学习；1999年在瑞士爵士乐专家班学习。曾负责完成了省级科研项目《新型高科技电子乐器的演奏技术、技训练的理论与实践》的研究工作。参与了《双钢琴演奏技术及教材建设研究》、《特殊节奏训练》的院级项目和《武汉音乐学院钢琴作品集成及其演奏研究》的省级重点项目的研究工作。曾在《钢琴艺术》、《黄钟》、《音乐探索》等学术刊物中发表论文、译文多篇。主要论文有：《罗季翁.谢德林25首前奏曲的构思特点与演奏风格》；《双钢琴演奏技术研究》；《论总谱读法中的移调弹奏技术》；《钢琴学习中音乐听觉训练的若干问题》该论文曾获湖北省高校艺术教育类论文评选二等奖。译文：《罗季翁.谢德林24首前奏曲与赋格》。著作有：《电子琴演奏手册》。此外，还在湖北省钢琴考级辅导丛书中撰文多篇。曾获“全国第四届音乐作品评奖”优秀演奏奖；香港第二届中国作品钢琴比赛“园丁奖”；北京2005“海资曼杯”东方青少年钢琴、键盘乐器大赛优秀园丁奖。创作的钢琴曲《木偶进行曲》获“全国首届少年儿童钢琴作品评奖”二等奖。田园职称:副教授 院系:钢琴系女，汉族，钢琴系副教授、艺术指导教研室主任。中国音乐家协会湖北省音协钢琴考级评委会评委。1990年毕业于武汉音乐学院钢琴系，并留校任教至今。曾先后师从多位中外专家、教授，如：加拿大专家舒尔兹教授、乌克兰钢琴家，布加耶夫斯基教授、苏霍姆尼偌夫教授、白俄罗斯钢琴家尼奥.尼特教授等。曾成功举办个人钢琴独奏音乐会，及各种形式的专场音乐会。除教学工作外，一直担任钢琴艺术指导工作，多次代表武汉音乐学院参加由文化部举办的全国各种类型的器乐比赛，并使选手在比赛中取得了较好的成绩。还先后多次为来汉举办音乐会的加拿大、法国、等国的器乐演奏家担任艺术指导。在国内多家权威学术刊物上发表论文多篇。王健职称:教授 院系:钢琴系王健，男，汉族，1961年3月生，高级演奏家文凭（硕士），武汉音乐学院钢琴系书记，教授，硕士生导师，中国音乐家协会会员、湖北省钢琴考级专家评委会副主任、湖北省音乐家协会表演委员会委员。1984年毕业留校任教至今，培养了许多优秀的钢琴演奏人才，在全国各地大专院校、艺术中心任教，多名学生在美国、加拿大、奥地利、白俄罗斯、香港等国家和地区留学。多名学生在不同层次钢琴比赛中获奖，如：匡力 2001年11月参加日本第七届国际高中生钢琴比赛获复赛奖；2002年参加香港柴科夫斯基钢琴大赛国内选拔获第二名；香港决赛获第四名；除教学工作以外，还一直担任钢琴艺术指导，为武汉音乐学院参加由文化部举办的国际声乐比赛国内选拔赛选手江明、丁平、黄灏、李大新等担任钢琴伴奏，曾获“最佳伴奏奖”。先后为德国、加拿大、美国、日本等国歌唱家来汉举办音乐会担任钢琴伴奏。为我国著名声乐教育家沈湘教授、周小燕教授来汉举办声乐大师班担任钢琴伴奏。1996年9月—1997年12月，先后随白俄罗斯和美国钢琴专家班学习。1997年12月，作为武汉音乐学院领队赴香港参加钢琴比赛。2001年11月，随武汉市外事代表团赴日本考察和交流。2003年1月—2004年5月，赴加拿大多伦多音乐学院钢琴系攻读高级演奏家文凭（硕士），师从著名钢琴家亚历山大·盖茨教授学习钢琴演奏及教学法，师从著名的指挥家、钢琴家威廉·肖可夫教授学习歌剧艺术指导，为国际著名的意大利歌剧大师在加拿大举办歌剧大师班担任钢琴伴奏。2004年5月，在多伦多赫利孔山音乐厅举办了毕业音乐会，当地《世界日报》、《星岛日报》等众多媒体进行了报道。多篇论文在《黄钟》、《琴童》等刊物发表，编著《钢琴音乐教程》（由武汉大学出版社发行）、担任湖北省《钢琴考级教程》副主编（长江文艺出版社发行），策划和监制《钢琴考级CD》（扬子江音像出版社发行）。吴怡青职称:讲师 院系:钢琴系吴怡青，讲师。自幼师从陈婉教授学习钢琴，1989年考入武汉音乐学院附中并以优异成绩毕业。1995年考入香港演艺学院师从钢琴教育家、英国伦敦皇家音乐学院院士、香港钢琴教师协会主席、驻院艺术家黄懿伦女士,1999年赴新加坡学习，2000年获澳大利亚昆士兰音乐学院优秀海外留学生奖学金，赴该校随钢琴系主任、著名钢琴家教授深造，主修钢琴，并副修钢琴教学和重奏。留学期间，先后获演奏文凭、深造演奏文凭、音乐学士学位、硕士学位以及学位后深造文凭。2003年回武汉音乐学院钢琴系任教， 2006年评为讲师。曾独自完成了院科研课题《古键琴课程的设立与教材编写》，同时在国内音乐院校中率先开设了《古键琴选修课》。以副主编身份参与编写《新编数码钢琴教程》，在《黄钟》杂志上发表论文《羽管键琴演奏之强弱表现》。曾多次参与各种音乐会演出，合作举办钢琴音乐会；指导多名学生在“贝多芬钢琴大赛香港总决赛”、“舒曼钢琴大赛”、“莫扎特钢琴大赛”等比赛上获奖，被评为优秀指导教师。张林职称:讲师 院系:钢琴系张林，女，武汉音乐学院钢琴系讲师。湖北省音乐家协会会员，湖北省音协钢琴考级评委会评委，湖北省钢琴学会理事。1994年毕业于武汉音乐学院钢琴系，获学士学位，并留校任教至今。曾先后师从多位中外专家、教授，如：陈婉教授、加拿大专家舒尔兹教授、美国钢琴家桑德拉·赫伯特博士、白俄罗斯钢琴家尼奥尼特·彼得罗维奇教授、加拿大钢琴家阿兰·弗雷泽教授等。参加各种钢琴教材的编写工作，并多次在武汉音乐学院编钟音乐厅、湖北大剧院举办各种形式的钢琴专场音乐会的演出。所教学生在香港莫扎特钢琴大赛、TOYAMA亚洲青少年音乐比赛、中法“咪多”钢琴比赛、全国星海杯钢琴比赛、“雅菲德”钢琴比赛等赛事中获得奖项。在国内多家学术刊物上发表《意象之意象》、《让手指去歌唱》等多篇论文。张莹职称:讲师 院系:钢琴系张莹，女，硕士，中共党员，出生于1978年12月。现为武汉音乐学院钢琴系讲师，兼任学生辅导员工作。曾就读于武汉音乐学院附中、钢琴系本科，2001年考入武汉音乐学院攻读钢琴演奏与教学硕士学位研究生，师从张有成教授和钱仁平教授，同时还接受许忠先生的指导。2003年毕业后留校任教至今。自工作以来，承担钢琴系本科、附中、附小钢琴专业教学任务，并一直兼管本系学生工作，同时还应邀参加各类演出。科研成果有：《巴赫〈d小调半音阶幻想曲与赋格〉的版本及形态研究》，2005年4月参与湖北省教育科学规划研究课题——音乐考试学研究与实验。另担任湖北省钢琴协会公关部部长，参与《钢琴考级教程》编委和演奏录音工作。祝炼萍职称:副教授 院系:钢琴系女，汉族，1982年毕业于武汉音乐学院，现任武汉音乐学院钢琴系副教授、硕士生导师。曾先后跟随国内外六位钢琴家、钢琴教育家学习。1991年获文化部、广电部、中国音乐家协会等联合颁发的“优秀伴奏奖”。2002年随“东方交响乐团”出访欧洲，在奥地利维也纳“金色大厅”、德国法兰克福“世界剧院”等参加新年音乐会演出。参与中、外民歌精选伴奏带的录制、主编钢琴教材两套、发表论文多篇。所授学生分别在德国“威斯巴顿国际钢琴比赛”、香港“莫扎特钢琴大赛”、“贝多芬钢琴大赛”、“柴科夫斯基钢琴大赛”及全国“海之曼杯”、“星海杯”等赛事中获得一、二、三等奖及优秀奖。为大专院校培养了许多教师，多名学生在加拿大、澳大利亚、俄罗斯、乌克兰等国留学。 曾担任“第十二届香港亚洲钢琴公开赛”评委，多次获全国、香港钢琴大赛“优秀教师奖”及“园丁奖”。