文章探索了意大利通奏低音传统,特别是帕蒂门托(partimento)教学传统中所呈现的对调性及尤其是对和弦概念的理解。长期以来,由于新拉莫主义和声学(neo-Ramellian Harmonielehre)的统治地位,这个传统被彻底地忽视了。通过对比拉莫的“基...文章探索了意大利通奏低音传统,特别是帕蒂门托(partimento)教学传统中所呈现的对调性及尤其是对和弦概念的理解。长期以来,由于新拉莫主义和声学(neo-Ramellian Harmonielehre)的统治地位,这个传统被彻底地忽视了。通过对比拉莫的“基础低音”(basse fondamentale)与海尼兴(Heinichen)对调性的多变的理解,可以看到其间的区别。海尼兴在18世纪初,尝试将意大利音乐理论全面地概念化。就像拉莫一样,他也开发了一套包罗万象的阐释性和声模型,其中包含了条理清晰的和声功能概念与和弦形态学。然而,海尼兴和拉莫的“系统”建立在完全相反的构想之上。虽然海尼兴的音乐理论也包含了很多思辨性的方面,但它仍然直接来源于音乐实践,并始终拒绝拉莫的理论中最有特色的“系统性精神”(esprit du système,译注:指一种规律性、不变性的具有科学精神的系统)。拉莫在早期启蒙运动的现代化、科学性精神的指导之下,尝试从少数几项基础原则中推导出他的理论的方方面面,与此同时,海尼兴深入研究了在八度法则(the Rule of the Octave)中定型的和弦音响(Klang)进行与传统对位教学的旧遗产之间的诸多紧张和矛盾之处。展开更多
胸部疾病高发,且有些疾病种类的癌症转变率很高,因此基于卷积神经网络的胸部X光图像疾病自动检测分类方法是计算机辅助诊断的研究热点之一.然而,目前的自动分类方法仍面临胸部病灶的X光图像特异性特征表达不充分、不同胸部疾病发病率不...胸部疾病高发,且有些疾病种类的癌症转变率很高,因此基于卷积神经网络的胸部X光图像疾病自动检测分类方法是计算机辅助诊断的研究热点之一.然而,目前的自动分类方法仍面临胸部病灶的X光图像特异性特征表达不充分、不同胸部疾病发病率不平衡、卷积神经网络参数量过大等问题.针对上述问题,提出了一种端到端的基于八度卷积的ResNet(octave convolution based residual network,OC-ResNet)结构.首先,利用八度卷积改进ResNet中的普通卷积,将高低频特征分离,增强对高频信息的提取,以更好地表达胸部病灶的特异性特征,降低模型计算复杂度.其次,利用渐进式迁移学习,将OC-ResNet在ImageNet数据集进行预训练,获得网络的初始参数,然后固定网络浅层参数,在ChestX-Ray14数据集上微调网络深层参数.最后,为改善样本不平衡问题,网络训练时,采用了焦点损失函数,增加样本数较少类别的权重.在ChestX-Ray14数据集上的实验结果表明,OC-ResNet对14种胸部疾病分类的平均AUC值达到0.856,与目前先进的深度学习方法相比,其中13种疾病分类的AUC值达到最优,同时,计算复杂度相比基础网络降低了44.77%.展开更多
文章探索了意大利通奏低音传统,特别是帕蒂门托(partimento)教学传统中所呈现的对调性及尤其是对和弦概念的理解。长期以来,由于新拉莫主义和声学(neo-Ramellian Harmonielehre)的统治地位,这个传统被彻底地忽视了。通过对比拉莫的“基...文章探索了意大利通奏低音传统,特别是帕蒂门托(partimento)教学传统中所呈现的对调性及尤其是对和弦概念的理解。长期以来,由于新拉莫主义和声学(neo-Ramellian Harmonielehre)的统治地位,这个传统被彻底地忽视了。通过对比拉莫的“基础低音”(basse fondamentale)与海尼兴(Heinichen)对调性的多变的理解,可以看到其间的区别。海尼兴在18世纪初,尝试将意大利音乐理论全面地概念化。就像拉莫一样,他也开发了一套包罗万象的阐释性和声模型,其中包含了条理清晰的和声功能概念与和弦形态学。然而,海尼兴和拉莫的“系统”建立在完全相反的构想之上。虽然海尼兴的音乐理论也包含了很多思辨性的方面,但它仍然直接来源于音乐实践,并始终拒绝拉莫的理论中最有特色的“系统性精神”(espritdu système,译注:指一种规律性、不变性的具有科学精神的系统)。拉莫在早期启蒙运动的现代化、科学性精神的指导之下,尝试从少数几项基础原则中推导出他的理论的方方面面,与此同时,海尼兴深入研究了在八度法则(the Rule of the Octave)中定型的和弦音响(Klang)进行与传统对位教学的旧遗产之间的诸多紧张和矛盾之处。展开更多
文摘文章探索了意大利通奏低音传统,特别是帕蒂门托(partimento)教学传统中所呈现的对调性及尤其是对和弦概念的理解。长期以来,由于新拉莫主义和声学(neo-Ramellian Harmonielehre)的统治地位,这个传统被彻底地忽视了。通过对比拉莫的“基础低音”(basse fondamentale)与海尼兴(Heinichen)对调性的多变的理解,可以看到其间的区别。海尼兴在18世纪初,尝试将意大利音乐理论全面地概念化。就像拉莫一样,他也开发了一套包罗万象的阐释性和声模型,其中包含了条理清晰的和声功能概念与和弦形态学。然而,海尼兴和拉莫的“系统”建立在完全相反的构想之上。虽然海尼兴的音乐理论也包含了很多思辨性的方面,但它仍然直接来源于音乐实践,并始终拒绝拉莫的理论中最有特色的“系统性精神”(esprit du système,译注:指一种规律性、不变性的具有科学精神的系统)。拉莫在早期启蒙运动的现代化、科学性精神的指导之下,尝试从少数几项基础原则中推导出他的理论的方方面面,与此同时,海尼兴深入研究了在八度法则(the Rule of the Octave)中定型的和弦音响(Klang)进行与传统对位教学的旧遗产之间的诸多紧张和矛盾之处。
文摘胸部疾病高发,且有些疾病种类的癌症转变率很高,因此基于卷积神经网络的胸部X光图像疾病自动检测分类方法是计算机辅助诊断的研究热点之一.然而,目前的自动分类方法仍面临胸部病灶的X光图像特异性特征表达不充分、不同胸部疾病发病率不平衡、卷积神经网络参数量过大等问题.针对上述问题,提出了一种端到端的基于八度卷积的ResNet(octave convolution based residual network,OC-ResNet)结构.首先,利用八度卷积改进ResNet中的普通卷积,将高低频特征分离,增强对高频信息的提取,以更好地表达胸部病灶的特异性特征,降低模型计算复杂度.其次,利用渐进式迁移学习,将OC-ResNet在ImageNet数据集进行预训练,获得网络的初始参数,然后固定网络浅层参数,在ChestX-Ray14数据集上微调网络深层参数.最后,为改善样本不平衡问题,网络训练时,采用了焦点损失函数,增加样本数较少类别的权重.在ChestX-Ray14数据集上的实验结果表明,OC-ResNet对14种胸部疾病分类的平均AUC值达到0.856,与目前先进的深度学习方法相比,其中13种疾病分类的AUC值达到最优,同时,计算复杂度相比基础网络降低了44.77%.
文摘文章探索了意大利通奏低音传统,特别是帕蒂门托(partimento)教学传统中所呈现的对调性及尤其是对和弦概念的理解。长期以来,由于新拉莫主义和声学(neo-Ramellian Harmonielehre)的统治地位,这个传统被彻底地忽视了。通过对比拉莫的“基础低音”(basse fondamentale)与海尼兴(Heinichen)对调性的多变的理解,可以看到其间的区别。海尼兴在18世纪初,尝试将意大利音乐理论全面地概念化。就像拉莫一样,他也开发了一套包罗万象的阐释性和声模型,其中包含了条理清晰的和声功能概念与和弦形态学。然而,海尼兴和拉莫的“系统”建立在完全相反的构想之上。虽然海尼兴的音乐理论也包含了很多思辨性的方面,但它仍然直接来源于音乐实践,并始终拒绝拉莫的理论中最有特色的“系统性精神”(espritdu système,译注:指一种规律性、不变性的具有科学精神的系统)。拉莫在早期启蒙运动的现代化、科学性精神的指导之下,尝试从少数几项基础原则中推导出他的理论的方方面面,与此同时,海尼兴深入研究了在八度法则(the Rule of the Octave)中定型的和弦音响(Klang)进行与传统对位教学的旧遗产之间的诸多紧张和矛盾之处。