宋人书画的妙理与意韵:AI时代的同构比较与观想

在诸多宋人书画的概述和专论中,如何提出一般性问题,是阐发其人类文明经典性的奥秘所在。在AI时代,“机器学习”的“深度思维”,正在以指数级增长的函数无限延拓,为探究艺术认知与技术生成的原理这个考察宋人书画的一般性问题,提供了全新的工具。这一工具究竟以怎样的同构形式,显示宋人书画的妙理与意韵,启迪世人深化这项研究,是本文所要展开的比较与观想。

生物复杂网络motif发现的并行算法

生物复杂网络motif发现是一种研究生物网络的重要方法,它基于复杂网络的理论研究,以新的视角来研究生命现象和生命机制,但是在处理较大的网络规模或者需挖掘较大的motif时计算效率低。针对这个问题,在现有串行网络motif发现算法ESU的基础上,提出一种基于消息传递接口(MPI)的并行化ESU算法。该方法在ESU计算过程中优化了节点值以解决节点值依赖问题,并以ESU算法的子图发现策略统计各节点子图数,利用动态规划策略寻找最佳节点分配策略以解决负载不均衡问题。模拟网络数据和真实生物网络数据的实验结果表明,并行化ESU算法优化了节点值依赖问题,实现了基于动态规划的负载均衡策略,其运行时间比串行算法缩短了90%,并且该并行算法对不同类型不同规模的网络都具有较强的适用性,有效地提高了网络motif发现问题的计算效率。