-
题名浅析拉威尔的印象主义——以《水之嬉戏》为例
- 1
-
-
作者
宋丹洋
-
机构
意大利都灵威尔第音乐学院
-
出处
《黄河之声》
2024年第18期68-71,共4页
-
文摘
钢琴的整体发展历史,包括该乐器外形等的演变,钢琴曲的发展过程,通过深入探索了在悠悠历史中很多优秀的音乐家,作曲家,这对于钢琴专业的我们来说受益颇深,使我们在今后的钢琴演奏中,能够结合曲目的背景与风格,使演奏更加准确,拥有灵魂。在课上通过对作曲家们的生平,成就的学习,我们感受到了不同时期的不同风格的乐曲,他们每个人虽有着不同的家庭,性格,经历与机遇,也正是这些不同使得音乐家们的作品风格迥异,各有千秋,共同组成了伟大的钢琴史。在其中,印象主义在钢琴史甚至整个艺术史中都有着浓墨重彩的一笔,而讲到这一时期,我们就不得不提到拉威尔,他是印象主义的代表人物,本文将从拉威尔的钢琴作品之一《水之嬉戏》的分析来探究拉威尔的音乐特点,进而对印象主义的整体音乐风格进行浅析。
-
关键词
印象主义
拉威尔
水之嬉戏曲式分析
音乐风格分析
-
分类号
J624.1
[艺术—音乐]
-
-
题名基于多尺度残差收缩U-Net的胎儿心电信号提取
- 2
-
-
作者
王乾
张正旭
宋丹洋
王玉静
宋立新
-
机构
哈尔滨理工大学计算机科学与技术学院
哈尔滨理工大学测控技术与通信工程学院
黑龙江中医药大学附属第二医院
-
出处
《生物医学工程学杂志》
EI
CAS
北大核心
2024年第3期494-502,共9页
-
基金
国家自然科学基金(51805120)。
-
文摘
针对在胎儿心电信号提取中,U-Net同级卷积编码器尺度的单一性忽略了母亲和胎儿心电特征波的大小和形态差异,且当残差收缩模块作为编码器的阈值学习过程中缺少对心电信号时间信息利用的问题,本文提出一种基于多尺度残差收缩U-Net模型的胎儿心电信号提取方法。首先在残差收缩模块中引入Inception和时间域注意力,增强同级卷积编码器的胎儿心电信号多尺度特征提取能力和时间域信息的利用;为了保持更多的心电波形局部细节特征,将U-Net中的最大池化替换为Softpool;最后,由残差模块和上采样构成的解码器逐步生成胎儿心电信号。本文应用临床心电信号进行实验,最终结果表明:与其他胎儿心电提取算法相比,本文方法可以提取更为清晰的胎儿心电信号,在2013年竞赛数据集上灵敏度、阳性预测值和F1分数分别达到93.33%、99.36%、96.09%。因此本文方法可以有效提取胎儿心电信号,为围产期胎儿健康监护提供了一种具有应用价值的方法。
-
关键词
深度学习
胎儿心电信号提取
深度残差收缩网络
软池化
-
Keywords
Deep learning
Fetal electrocardiogram signal extraction
Deep residual shrinkage network
Soft pool
-
分类号
R714.5
[医药卫生—妇产科学]
TP18
[自动化与计算机技术—控制理论与控制工程]
TN911.7
[电子电信—通信与信息系统]
-