Babudou
不知道怎么写的话也可以参考下别人是怎么写的呀~看下（材料科学）或者（材料化学前沿）这样类似的期刊多学习学习下呗~ 
【摘要】体育科学横跨自然科学与社会科学两大门类，具有极强的综合性特征，有其独特的研究对象和科学方法，体育科研论文的写作亦有自己的特点与要求。本文仅就体育科研论文的文章结构、基本格式以及内容与要求作一探讨。【关键词】科研论文；文章结构；基本格式；内容与要求OntheBasicStructureandFormofSportsScienceThesis【Keywords】Thesis;StructureandForm;ContentandRequirement＊＊＊1前言从事体育科学研究活动，必须具备多学科的知识、多方面的能力和科学的方法。体育科技写作，不仅是体育工作者应具备的知识和能力，而且是必须把握的一种具体的科研方法。因为，一切体育科学研究之成果最后大都以科研论文这种书面表达形式，经科技信息载体传播于世的。体育科研成果如不能最后写成科技作品（论文），公布于众，那么一切个人的科学见解和观点，一切创造和发明，都不可能得到传播和利用，产生应有的社会效益，而只能是研究者头脑里的一些思维活动罢了，世人是无法知晓的，如然，也就失去了科学研究的意义了。诚然，人们衡量体育科研论文质量的标准主要取决于其理论和实践价值的大小，然而，论文所反映的研究成果能否迅速的向社会传播并准确的被人们所理解则取决于论文写作水平的高低。这表明，一篇高质量的体育科研论文要求其内容和形式的统一。随着体育科学的迅速发展，科技信息量与日俱增，据报道，目前全世界体育期刊已达5000余种，每年问世的体育科技文献约25000—30000篇，平均天天有80余篇。体育科研成果的传播、贮存与利用，引起了人们的高度重视，借助于现代科技工具——计算机对体育科技成果、信息进行贮存、检索，使之迅速地传播与利用，已成为一种先进的传播交流手段。微机贮存与检索，要求体育科技学术期刊编排实现规范化，而期刊编排规范化首先要求论文写作的规范化。要实现体育科研论文写作的规范化，就必须了解体育科技写作知识，把握其写作方法和技巧。笔者因职业之原故，拜读体育科研论文原稿颇多，从研读原稿论文感到许多科研论文的选题和所研究的内容颇有价值，但论文写作不符合期刊编排规范化和科研论文撰写的要求。其中最为普遍的突出的问题是文章结构层次混乱、写作格式极不统一（尤其是理论型和实验型的“定量化”研究论文）。这不仅给编者和读者熟悉和理解论文之精髓增加了难度，也直接影响了体育科研成果的传播、贮存和利用。体育科技写作，作为一种科研方法，涉及的知识结构内容颇多，不同文体的体育科技作品有不同的写作要求。本文仅对体育科研论文的文章结构和基本撰写格式的内容与要求作一探讨。2体育科研论文的文章结构根据写作目的的不同、研究对象和方法的差别，体育科研论文大致分为两类，一类是学位论文，一类是学术论文。学位论文，是体育院校的学生或体育科研院（所）研究人员旨在取得学位而写作的论文。如学士论文、硕士论文、博士论文。学术论文，是广大体育工作者在体育实践中为研究和解决某一问题而写作的论文。目前，体育科学技术、理论研究的新成果大部分都是以学术论文的形式发表在体育科技学术刊物上。由于研究对象和方法的差别，学术论文又分为两种类型，即理论型论文和实验型论文。虽然体育科研论文的种类很多，构成的形式多样，但就其文章的主体结构有它的基本型，即序论、本论、结论的三段式。2。1序论部分的写作内容与要求序论，是论文的开头、引子，好比一出长剧的序幕，要有吸引力。通常以引言、导言、绪言、前言等小标题冠之，也可以不冠以任何小标题。该部分的写作内容主要有三个方面：①介绍课题研究的背景材料，前人的工作和现在的知识空白；②研究的理由、目的，理论依据和实验基础，预期结果及其在相关领域里的地位、作用和意义；③交待课题研究的范围、任务。这一部分要写得简明扼要，在整篇文章中它所占的比例要小。具体要求是背景材料的介绍要准确、具体，紧扣课题；研究的说明要实事求是，对作用意义不可夸大和自我评价；任务的交待应具体、明确。2。2本论部分的写作内容与要求本论也称正论，它是体育科研论文的主体，课题的“创造性”主要在这一部分表达出来，它反映了论文所建立的学术理论、采用的技术路线和研究方法达到的水平，简言之，本论水平决定了整个论文的水平。
代意义上对神经网络（特指人工神经网络）的研究一般认为从1943年美国芝加哥大学的生理学家WS McCulloch和WA Pitts提出M-P神经元模型开始，到今年正好六十年。在这六十年中，神经网络的发展走过了一段曲折的道路。1965年M Minsky和S Papert在《感知机》一书中指出感知机的缺陷并表示出对这方面研究的悲观态度，使得神经网络的研究从兴起期进入了停滞期，这是神经网络发展史上的第一个转折。到了20世纪80年代初，JJ Hopfield的工作和D Rumelhart等人的PDP报告显示出神经网络的巨大潜力，使得该领域的研究从停滞期进入了繁荣期，这是神经网络发展史上的第二个转折。 到了20世纪90年代中后期，随着研究者们对神经网络的局限有了更清楚的认识，以及支持向量机等似乎更有前途的方法的出现，“神经网络”这个词不再象前些年那么“火爆”了。很多人认为神经网络的研究又开始陷入了低潮，并认为支持向量机将取代神经网络。有趣的是，著名学者C-J Lin于2003年1月在德国马克斯·普朗克研究所所做的报告中说，支持向量机虽然是一个非常热门的话题，但目前最主流的分类工具仍然是决策树和神经网络。由著名的支持向量机研究者说出这番话，显然有一种特殊的意味。 事实上，目前神经网络的境遇与1965年之后真正的低潮期相比有明显的不同。在1965年之后的很长一段时期里，美国和前苏联没有资助任何一项神经网络的研究课题，而今天世界各国对神经网络的研究仍然有大量的经费支持；1965年之后90%以上的神经网络研究者改变了研究方向，而今天无论是国际还是国内都有一支相对稳定的研究队伍。实际上，神经网络在1965年之后陷入低潮是因为当时该领域的研究在一定意义上遭到了否定，而今天的相对平静是因为该领域已经走向成熟，很多技术开始走进生产和生活，从而造成了原有研究空间的缩小。 在科学研究中通常有这么一个现象，当某个领域的论文大量涌现的时候，往往正是该领域很不成熟、研究空间很大的时候，而且由于这时候人们对该领域研究的局限缺乏清楚的认识，其热情往往具有很大的盲目性。从这个意义上说，过去若干年里各领域研究者一拥而上、各种专业刊物满眼“神经网络”的风光，其实是一种畸形繁荣的景象，而对神经网络的研究现在才进入了一个比较理智、正常的发展期。在这段时期中，通过对以往研究中存在的问题和局限进行反思，并适当借鉴相关领域的研究进展，将可望开拓新的研究空间，为该领域的进一步发展奠定基础。
神经网络的研究内容相当广泛，反映了多学科交叉技术领域的特点。主要的研究工作集中在以下几个方面： 在理论模型研究的基础上构作具体的神经网络模型，以实现计算机模拟或准备制作硬件，包括网络学习算法的研究。这方面的工作也称为技术模型研究。神经网络用到的算法就是向量乘法，并且广泛采用符号函数及其各种逼近。并行、容错、可以硬件实现以及自我学习特性，是神经网络的几个基本优点，也是神经网络计算方法与传统方法的区别所在。 在网络模型与算法研究的基础上，利用人工神经网络组成实际的应用系统，例如，完成某种信号处理或模式识别的功能、构作专家系统、制成机器人、复杂系统控制等等。纵观当代新兴科学技术的发展历史，人类在征服宇宙空间、基本粒子，生命起源等科学技术领域的进程中历经了崎岖不平的道路。我们也会看到，探索人脑功能和神经网络的研究将伴随着重重困难的克服而日新月异。
