写论文参考文献【精简3篇】

雾灯分享2019-01-02 04:20:15 次阅读

写论文参考文献篇一

标题：影响人类行为的社交媒体使用研究综述

摘要：

社交媒体的普及对人类的行为产生了深远的影响。本综述旨在总结和分析近年来关于社交媒体使用对人类行为的影响的研究。通过查阅相关文献，我们发现社交媒体使用对个人的社交行为、心理健康和学习能力产生了重要影响。具体而言，社交媒体使用与人际关系的建立和维护密切相关，同时也对个体的自尊心和幸福感产生了影响。此外，社交媒体的使用还与学习成绩和学术成就有关。本综述还讨论了社交媒体使用对社会行为、政治参与和社会资本的影响。最后，我们提出了未来研究的建议，旨在深入探究社交媒体使用对人类行为的影响机制。

引用文献：

1. Kross, E., Verduyn, P., Demiralp, E., Park, J., Lee, D. S., Lin, N., ... & Ybarra, O. (2013). Facebook use predicts declines in subjective well-being in young adults. PloS one, 8(8), e69841.

2. Burke, M., & Kraut, R. E. (2016). The relationship between Facebook use and well-being depends on communication type and tie strength. Journal of Computer-Mediated Communication, 21(4), 265-281.

3. Manago, A. M., Taylor, T., & Greenfield, P. M. (2012). Me and my 400 friends: The anatomy of college students' Facebook networks, their communication patterns, and well-being. Developmental psychology, 48(2), 369.

4. Valkenburg, P. M., Peter, J., & Schouten, A. P. (2006). Friend networking sites and their relationship to adolescents' well-being and social self-esteem. CyberPsychology & Behavior, 9(5), 584-590.

5. Junco, R. (2012). Too much face and not enough books: The relationship between multiple indices of Facebook use and academic performance. Computers in Human Behavior, 28(1), 187-198.

写论文参考文献篇二

标题：机器学习在医疗诊断中的应用综述

摘要：

机器学习技术在医疗诊断领域的应用日益广泛。本综述旨在总结和分析近年来关于机器学习在医疗诊断中的应用研究。通过查阅相关文献，我们发现机器学习在医疗诊断中展现出了巨大的潜力。具体而言，机器学习可以用于医学影像的自动分析和诊断，能够辅助医生进行早期疾病检测和精准治疗。此外，机器学习还可以应用于临床决策支持系统的构建，提高医疗流程的效率和准确性。本综述还讨论了机器学习在个性化医疗和预测性医学中的应用。最后，我们提出了未来研究的建议，旨在进一步推动机器学习技术在医疗诊断中的应用和发展。

引用文献：

1. Esteva, A., Kuprel, B., Novoa, R. A., Ko, J., Swetter, S. M., Blau, H. M., & Thrun, S. (2017). Dermatologist-level classification of skin cancer with deep neural networks. Nature, 542(7639), 115-118.

2. Rajpurkar, P., Irvin, J., Zhu, K., Yang, B., Mehta, H., Duan, T., ... & Ng, A. Y. (2017). CheXNet: Radiologist-level pneumonia detection on chest X-rays with deep learning. arXiv preprint arXiv:1711.05225.

3. Chartrand, G., Cheng, P. M., Vorontsov, E., Drozdzal, M., Turcotte, S., Pal, C. J., ... & Kadoury, S. (2017). Deep learning: a primer for radiologists. Radiographics, 37(7), 2113-2131.

4. Goldstein, B. A., Navar, A. M., Pencina, M. J., & Ioannidis, J. P. (2017). Opportunities and challenges in developing risk prediction models with electronic health records data: a systematic review. Journal of the American Medical Informatics Association, 24(1), 198-208.

5. Obermeyer, Z., & Emanuel, E. J. (2016). Predicting the future—big data, machine learning, and clinical medicine. New England Journal of Medicine, 375(13), 1216-1219.