构图艺术中的数学:黄金分割

在数学中,有一个比例像诗一样美妙,它就是“黄金分割”.艺术家们在绘画中应用“黄金分割构图法”,使画面给人以自然、舒适、妙不可言的感觉.除了构图艺术中的应用,黄金分割还广泛应用于美学、音乐、建筑、生物学、生产生活等各种各样的领域,蕴含着丰富的跨学科知识.近年来,各地中考与高考中也不断融入黄金分割相关试题,回应数学课程改革对数学美的要求.

基于异构图和语义融合的实体关系抽取

关系抽取是信息抽取中的一项重要任务,其目的是从非结构化文本中抽取出所有关系三元组。然而,如何有效地处理这一问题仍然是一个挑战,特别是对于关系重叠问题。为了有效处理重叠问题,该文提出一种基于异构图和语义融合的实体关系抽取方法:使用异构图将关系信息作为先验知识融入词表示,增强词表示的表示能力,使得模型能有效地处理单词实体重叠问题;使用语义融合模块将不同层次特征融合在一起作为关系分类模型的输入,使得模型能够有效地处理实体对重叠问题。所提方法在NYT和WebNLG数据集上取得了最好的效果,详细的实验也表明所提方法可以处理复杂的场景。

基于胶囊异构图注意力网络的中文表格型数据事实验证

事实验证旨在检查一个文本陈述是否被给定的证据所支持.由于表格结构上具有依赖性、内容上具有隐含性,以表格作为证据的事实验证任务仍面临很多挑战.现有工作或者利用逻辑表达式来解析基于表格证据的陈述,或者设计表格感知神经网络来编码陈述-表格对,以此实现基于表格的事实验证任务.但是,这些方法没有充分利用陈述背后隐含的表格信息,从而导致模型的推理性能下降,并且基于表格证据的中文陈述具有更加复杂的语法和语义,也给模型推理带来更大的困难.为此,提出基于胶囊异构图注意力网络(CapsHAN)的中文表格型数据事实验证方法,所提方法能充分理解陈述的结构和语义,进而挖掘和利用陈述所隐含的表格信息,有效提升基于表格的事实验证任务准确性.具体而言,首先通过对陈述进行依存句法分析和命名实体识别来构建异构图,接着对该图采用异构图注意力网络和胶囊图神经网络进行学习和理解,然后将得到的陈述文本表示与经过编码的表格文本表示进行拼接,最后完成结果的预测.更进一步,针对现有中文表格型事实验证数据集匮乏而难以支持基于表格的事实验证方法性能评价的难题,首先对主流TABFACT和INFOTABS表格事实验证英文数据集进行中文转化,并且专门针对中文表格型数据的特点构建了基于UCL国家标准的数据集UCLDS,该数据集将维基百科信息框作为人工注释的自然语言陈述的证据,并被标记为蕴含、反驳或中立3类.UCLDS在同时支持单表和多表推理方面比传统TABFACT和INFOTABS数据集更胜一筹.在上述3个中文基准数据集上的实验结果表明,所提模型的表现均优于基线模型,证明该模型在基于中文表格的事实验证任务上的优越性.

基于系统结构图的模拟电子技术课程教学探索

掌握知识是教学目标的核心要素,对基本元件和基本电路的深入探索是领悟模拟电子技术课程知识的关键。为此,该文提出以系统结构图为工具开展课程教学,首先分析教学内容与系统结构图的关联关系,然后通过两个知识点的分析过程,阐述系统结构图在课程教授中的具体应用,最后运用案例分析、仿真实践、翻转教学等教学方法,实现启发学生融会贯通、注重创新培养、强化学生自主探究的目标。

基于并行异构图和序列注意力机制的中文实体关系抽取模型

近年来,随着深度学习技术的快速发展,实体关系抽取在许多领域取得了显著的进展。然而,由于汉语具有复杂的句法结构和语义关系,面向中文的实体关系抽取任务中仍然存在着多项挑战。其中,中文文本中的重叠三元组问题是领域中的重要难题之一。针对中文文本中的重叠三元组问题,提出了一种混合神经网络实体关系联合抽取(HNNERJE)模型。HNNERJE模型以并行方式融合序列注意力机制和异构图注意力机制,并结合门控融合策略构建了深度集成框架。该模型不仅可以同时捕获中文文本的语序信息和实体关联信息,还能够自适应地调整主客体标记器的输出,从而有效解决重叠三元组问题。另外,通过引入对抗训练算法提高模型对未见样本和噪声的适应能力。运用SHAP(SHapley Additive exPlanations)方法对HNNERJE模型进行解释分析,基于模型的识别结果解析它在抽取实体和关系时所依据的关键特征。HNNERJE模型在NYT、WebNLG、CMeIE和DuIE数据集上的F1值分别达到了92.17%、93.42%、47.40%和67.98%。实验结果表明:HNNERJE模型可以将非结构化的文本数据转化为结构化的知识表示,有效提取其中蕴含的有价值信息。

湘中清代古塔建筑构图比例数理法则研究

本文通过对湘中地域清代古塔建筑进行广泛实地考察与精准测量,并结合前人学者在该领域的研究成果与当地县志等资料,对湘中清代古塔的构图方式和比例尺寸进行系统整理和分析,总结出广泛运用于湘中地域古塔中的构图比例数理法则,并揭示这些数理法则所承载的文化象征含义以及其背后深厚的文化积淀。这一研究不仅填补了湘中古塔建筑在古塔数理法则研究领域的空白,还为湘中及其他类似地区清代古塔建筑的保护、修复与研究提供理论依据,为现代建筑设计的发展提供一定的参考价值。

浅析风景写生构图的基本法则

风景写生是高职美术专业的实践课程,构图是风景写生中至关重要的一环,是完成一幅好的风景画作品的前提。但是目前在风景写生教学中有一个共性问题,就是学生在风景写生的过程中对风景写生的构图把握不清、不准。针对这一问题,结合风景写生教学,提炼出大家普遍认可的基本法则:一是风景写生构图的均衡美感;二是风景写生构图的概括与取舍;三是风景写生构图的主宾关系。通过风景写生构图训练,能激发学生探求风景写生构图的表现方法,提高学生风景写生的构图能力。

风景人像构图技巧

随着5G开通运营,手机媒体的广泛应用,人们利用手机摄影早已成为常态。本文根据作者多年的摄影教学实践,基于风景人像摄影的构图技巧,从景物的主副关系、景物与人物的结构形式、景物与人物的布局上进行实践、分析、研究,旨在使广大摄影爱好者的摄影实践能力得到提高。

色彩情绪和构图方式对影片的作用探究——以《布达佩斯大饭店》为例

目的:文章旨在剖析《布达佩斯大饭店》中色彩与构图的内在联系,以及二者对影片整体艺术效果的贡献,尤其关注二者如何影响影片的情感表达和叙事构建。方法:首先以色彩情绪为切入点,分析导演如何将色彩与影片的主题、剧情、人物紧密联系在一起。在阐述影片色彩的基础上,分析影片画面中的色彩隐喻与色彩叙事,从而理解蕴藏在影片色彩美学背后的深层意义。同时,深入分析对称构图、画中画构图和深焦多层次构图等构图技巧,研究它们如何增强叙事的层次感、空间感以及画面美感。最后总结韦斯·安德森在这部电影中所想表达的情怀。结果:通过对色彩与构图互动关系的综合分析,发现色彩与构图在《布达佩斯大饭店》中相互作用,共同塑造了影片的美学特征。色彩不仅是视觉上的点缀,还是情感与思想的载体;而构图则强化了叙事的深度和复杂性,二者结合创造了一个充满诗意和象征意义的世界。结论:《布达佩斯大饭店》是一部将色彩与构图完美融合的电影杰作,体现了导演韦斯·安德森对细节的敏锐捕捉和对艺术的执着追求。通过独特的视听语言,安德森传达了对人性、历史和社会的深刻洞察,使这部电影成了一部艺术与情感并重的佳作,令观众回味无穷。

中国画的构图形式及规律

一幅中国画作品的成功,离不开合理的构图,因此我们必须加强对中国画构图的研究。画家只有合理地运用构图原则和技巧,才能够创作出和谐平衡、富有表现力的作品。阐述中国画构图的重要性,分析常见的构图形式以及中国画构图的一般规律,旨在有效地提升中国画创作的画面效果。

林风眠绘画的构图特色

林风眠是中国美术教育的先驱者,他一直积极推动并实践“中西融合”的艺术理念,对现代中国美术教育产生了深远的影响。林风眠的绘画构图中采用了多种具有现代审美韵味的构图形式,使画面具有张力而不失平稳,既有东方绘画的抒情又有西方的理性,赋予了中国传统艺术新的生命。构图是绘画创作中非常重要的语言要素,也是绘画作品形式美的重要因素。好的构图往往能够把主题思想表达得更明确,增强画面的艺术感染力。林风眠不断突破传统,在绘画的构图中融合了中西方的艺术思想,使画面既有中国传统绘画的神韵,又有西方绘画的概括与理性。

抗战时期延安木刻版画构图的开放性与封闭性分析

抗战时期,延安木刻家们运用不同的形式法则,增强画面的渲染力,形成了群众喜闻乐见的艺术风格。文章受沃尔夫林的艺术风格学理论与阿恩海姆心理学理论启发,对延安木刻场景中的开放与封闭形式进行分析。封闭的构图形式,展现出对称、稳定的视觉效果,让人感受到抗战时期延安地区人民生活的安逸。开放的形式则更具动感,让人感受到战争的残酷和人民在战争中的艰辛。

中国传统人物画“密集式”构图研究

“经营位置,画之总要”,构图是所有绘画艺术的伊始,于中国传统绘画而言更是重要的一部分,具有极高的艺术价值。从古至今,针对“构图”的研究画论不胜枚举。本文以中国传统人物画为研究对象,着重探讨其中一种构图方式,即“密集式”构图。“密集式”构图由于有别于传统古代中国美学思路,不在艺术史的主流被讨论。本文主要是对“密集式”构图的界定、概念明确,以及其发展历程和具体表现的梳理,第一部分明确“密集式”构图的定义,详细探讨其概念,以及分析其在人物画发展中的演变和具体表现;第二部分对“密集式”构图在人物画中的艺术美感进行深入分析,并将其与中国古典艺术中极为重要的“留白”意境进行对比。

基于异构图和关键词的抽取式文本摘要模型

抽取式文本摘要使用一定的策略从冗长的文本中选择一些句子组成摘要,其关键在于要尽可能多地利用文本的语义信息和结构信息。为了更好地挖掘这些信息,进而利用它们指导摘要的抽取,提出了一种基于异构图和关键词的抽取式文本摘要模型(HGKSum)。该模型首先将文本建模为由句子节点和词语节点构成的异构图,在异构图上使用图注意力网络学习节点的特征,之后将关键词抽取任务作为文本摘要任务的辅助任务,使用多任务学习的方式进行训练,得到候选摘要,最后对候选摘要进行精炼以降低冗余度,得到最终摘要。在基准数据集上的对比实验表明,该模型性能优于基准模型,此外,消融实验也证明了引入异构节点和关键词的必要性。

异构图像融合算法及其在电力设施检测中的应用研究

【目的】电力设施的及时、准确检测对保障能源供应的可靠性至关重要,而单一传感器在电力设施检测中存在一定的局限性,为此,提出了一种基于显著性检测的多尺度特征异构图像融合算法。【方法】采用边缘制导网络从红外图像中提取显著目标,生成显著目标掩模;在每个区域建立特定的损失函数,结合显著目标掩模引导网络进行特征提取;基于特征层次的定向异构融合方法,将不同尺度的深度特征进行定向结合,最大限度地减少信息丢失。【结果】在TNO数据集上进行的主观与客观实验表明,该算法在大多数评估指标上优于其他方法,验证了其在电力设施检测领域应用的有效性。【结论】该算法有效解决了检测率较低和信息丢失的问题,使电力设施的检测更全面准确,对提高电力设备故障检测的准确度和诊断效率具有重要意义。

基于子句单元的异构图网络抽取式文本摘要

的目标是将长文本进行压缩、归纳和总结,从而形成具有概括性含义的短文本,其能帮助人们快速获取文档的主要信息。当前大多数的抽取式文本摘要的研究都是以整句作为抽取单元,而整句作为抽取单元会引入冗余信息,因此该文考虑使用粒度更细的抽取单元。已有研究表明,细粒度的子句单元比整句单元在抽取式摘要上更具有优势。结合当下热门的图神经网络,该文提出了一种基于子句单元异构图网络的抽取式摘要模型,有效融合了词、实体和子句单元等不同层次的语言信息,能够实现更细粒度的抽取式摘要。在大规模基准语料库(CNN/DM和NYT)上的实验结果表明,该模型产生了突破性的性能并优于以前的抽取式摘要模型。

基于关键词异构图的生成式摘要研究

生成式摘要是自然语言处理中的重要任务,它帮助人们从海量文本中提取简洁而重要的信息.目前主流的生成式摘要模型是基于深度学习的序列到序列模型,这类模型生成的摘要质量更高.但由于缺乏对原文中关键词和句子之间的依赖关系的关注,现有模型生成的摘要仍然存在语义不明、重要信息含量低等问题.针对这个问题,提出了一种基于关键词异构图的生成式摘要模型.该模型通过从原始文本中提取关键词,将其与句子共同作为输入构建异构图,进而学习关键词和句子之间的依赖关系.文档编码器和图编码器分别用于学习文本知识和异构图中的依赖关系.此外,在解码器中采用分层图注意力机制来提高模型在生成摘要时对显著信息的关注.在CNN/Daily Mail和XSum数据集上进行了充分的实验,实验结果表明,所提模型在ROUGE评价指标上有了显著的提升.进一步的人类评估结果显示,所提模型所生成的摘要比基线模型包含更多的关键信息,并具有更高的可读性.

基于异构图神经网络的半监督网站主题分类

互联网网站数量快速增长使现有方法难以准确分类特定网站主题,如基于URL的方法无法处理未反映在URL中的主题信息,基于网页内容的方法受到数据稀疏性和语义关系捕捉的限制。为此,提出一种基于异构图神经网络的半监督网站主题分类方法HGNN-SWT。该方法不仅利用网站文本特征来弥补仅使用URL特征的不足,还利用异构图对网站文本和词语的稀疏关系进行建模,通过处理图中的节点和边关系来提高分类性能。同时引入基于随机游走的邻居节点采样方法,考虑节点的局部特征和全局图结构,并提出特征融合策略,捕捉网站文本数据的上下文关系和特征交互。通过在自制的Chinaz Website数据集上的实验,证明了HGNN-SWT方法在网站主题分类任务中相较于现有方法具有更高的准确率。

基于异构图表示的中医电子病历分类方法

中医(TCM)电子病历由于结构复杂多样与诊疗术语不规范的特点导致数据挖掘难度大、利用率低、难以抽取到有效信息。针对上述问题,提出基于LERT(Linguistically-motivated bidirectional Encoder Representation from Transformer)预训练模型与图卷积网络(GCN)并用异构图表示的中医电子病历分类模型TCM-GCN,用于改善中医电子病历特征有效表征的提取与分类。首先,利用LERT层词嵌入的方式将病历转换为句向量融入异构图中,以补全图结构缺失的病历整体语义特征;随后,为了缓解中医电子病历结构特点对特征提取产生的负面影响,异构图将关键词加入节点,使用BM25与点间互信息(PMI)算法构建图中“病历-关键词”“关键词-关键词”的边以表达病历的特征;最后,TCM-GCN依靠LERT-BM25-PMI构建的异构图对病历之间的特征关系进行聚合与抽取,完成病历分类的任务。在中医电子病历数据集上的实验结果表明,相较于次优的LERT,TCM-GCN加权平均后的准确率、召回率、F1值分别提升了2.24%、2.38%、2.32%,验证了算法在捕捉病历间隐含特征与中医电子病历分类工作上的有效性。

面向异构图像压缩感知的阶数自适应多假设重构

大数据时代到来,使得图像传感应用面临大维度处理与大容量传输的挑战,压缩感知技术及相关算法在一定程度上解决了该问题。然而,现有压缩感知算法存在对异构图像集泛化性不足的问题,需要为此类图像集设计高泛化性的压缩感知重构算法。因此,基于泛化性较高的多假设预测机制,提出一种阶数自适应多假设重构算法。首先通过窗口自适应线性预测器对各块进行预处理,根据预处理获得的相关性指标,改变多假设搜索窗口的大小,并依据相似度对搜索窗口内的预测块进行排序,结合自适应的搜索窗口挑选不同数量的高相似预测块,生成多假设预测的重构图像。选取自然图像集以及X光胸片和脑磁两个异构图像集进行实验,在不同采样率下对比所提算法与传统的多假设压缩感知重构算法以及两种新近提出的基于多假设预测的算法性能。实验结果表明,所提算法具有良好的性能提升。在自然图像集下,相比两种新近提出的基于多假设预测的重构算法,所提算法保持了一定的恢复质量,且运行时间分别减少了17.5%,28.7%。此外,相比两种新近提出的算法,在胸片图像集下,所提算法分别获得了1.16 dB,1.43 dB的平均PSNR提升,以及36.1%,21.5%的平均运行时间减少;在脑磁图像集下,所提算法分别获得了1.64 dB,1.97 dB的平均PSNR提升,以及平均28.6%,26.1%的运行时间减少。整体而言,所提算法具有较低的时间复杂度、较高的恢复质量,综合性能更佳。