“复数个人”的“共在”狂欢:社交媒介中的共情及其暴力

追求情绪一体性和情感祛魅的共情,体现了虚拟空间中个体主义的群体生活,是“复数个人”的“共在”狂欢,其中隐含着看不见的暴力。这种共情不以人的共在为基础领会他人,不因悲悯他人进而对人生、对命运有所畏惧,不能将情感和偏好控制在理性范围之内。重提启蒙,以启蒙的态度和精神关注现实,让人成为独立运用自己理智的个体,习得内在的自由和理性的德性,对我们的所说、所做、所思进行批判性思考,是社交媒介时代摆脱过度共情,让共情恢复其本真性的可能途径。

深度复数轴向自注意力卷积循环网络的语音增强

单通道语音增强任务中相位估计不准确会导致增强语音的质量较差,针对这一问题,提出了一种基于深度复数轴向自注意力卷积循环网络(deep complex axial self-attention convolutional recurrent network,DCACRN)的语音增强方法,在复数域同时实现了语音幅度信息和相位信息的增强.首先使用基于复数卷积网络的编码器从输入语音信号中提取复数表示的特征,并引入卷积跳连模块用以将特征映射到高维空间进行特征融合,加强信息间的交互和梯度的流动.然后设计了基于轴向自注意力机制的编码器-解码器结构,利用轴向自注意力机制来增强模型的时序建模能力和特征提取能力.最后通过解码器实现对语音信号的重构,同时利用混合损失函数优化网络模型,提升增强语音信号的质量.实验在公开数据集Valentini和DNS Challenge上进行,结果表明所提方法相对于其他模型在客观语音质量评估(perceptual evaluation of speech quality,PESQ)和短时客观可懂度(short-time objective intelligibility,STOI)两项指标上均有提升,在非混响数据集中,PESQ比DCTCRN(deep cosine transform convolutional recurrent network)提高了12.8%,比DCCRN(deep complex convolutional recurrent network)提高了3.9%,验证了该网络模型在语音增强任务中的有效性.

基于等效复数磁导率的利兹线绕组损耗计算模型

绕组损耗是高频变压器总体损耗的重要组成部分,是影响磁性元件体积、效率和温升的关键性参数。由于利兹线的高频损耗小而广泛应用于高频变压器绕组,但其复杂的三维扭转结构导致准确、快速地计算绕组损耗十分困难。解析方法需要进行简化和近似处理,难以准确地表征绕组的高频涡流特性,有限元数值方法需要对每匝绕组精细化建模,导致计算资源耗费严重。采用具有等效复值材料特性的区域替代绕组区域的均匀化技术,能够实现二维磁场对涡流效应的表征,降低了精细化建模的计算成本。但等效区域的材料特性需要利用数值方法获得,增加了计算的复杂性。因此该文通过分析利兹线损耗机理,考虑利兹线截面形状对等效区域材料特性的影响,实现了圆形利兹线绕组等效复数磁导率的明确解析描述。建立了圆形利兹线绕组损耗计算模型,验证了等效复数磁导率计算邻近效应的准确性,实现了较宽频率范围内绕组损耗的准确预测。

立足课堂教学 聚焦“四能”培育——以“复数的几何意义”的教学设计为例

文章以“复数的几何意义”的教学设计为例,探讨了如何立足课堂教学培育学生的“四能”,并给出了几点思考:把握学情,找准学生发现与提出问题的最近发展区;创设情境,营造学生发现与提出问题的适切场域;设计关联,提供学生发现与提出问题的时空机会;评价跟进,激发学生发现与提出问题的积极动机。

基于多维度注意力机制和复数Conformer的单通道语音增强方法

为提高被噪声干扰的语音的可理解性和语音质量,针对用于语音增强的深度复数网络对语音复数谱中关键声学特征提取不充分、关联信息建模不合理的问题,提出了基于多维度注意力机制和复数Conformer的单通道语音增强方法(SE-MDACC)。在复数U-Net架构下引入复数Conformer,对语音幅度和相位的相关性进行建模;利用多维度注意力机制,构造更加丰富的特征来增强卷积层的表示能力;在残差连接中加入注意力门控机制强化重构语音的细节信息。实验结果显示,相比于深度复数卷积递归网络,SE-MDACC的客观评价指标语音质量感知评估和短时客观可懂度分别提升15.299%、1.462%,表明SE-MDACC可充分提取语音声学特征并对幅度和相位相关性进行合理建模,有效提升语音质量和可理解性。

于都客家话复数标记的叠加

于都桥头话人称代词有三个复数标记“人”“各罗”“各”“人”置于第一人称代词单数“我”后构成包括式复数形式“我人”。“各罗/各”可置于“我人”后,构成复数标记叠加形式“我人各罗/各”,其为包括式的,产生机制主要是感染错合,类推也可能有影响。复数标记叠加现象主要报告于山西诸方言,也见于一些客家方言,桥头话复数标记叠加现象是包括式和排除式复数标记的叠加,因而具有独特性。桥头话复数标记“人”可能由近代汉语中“吾人”的“人”重新分析而来,“各罗”“各”则可能分别由处所指示代词“该啦”“该”演变而来。

注意力去噪与复数LSTM的时变信道预测算法

随着无线通信技术的发展,高速场景下通信技术的研究也越来越广泛,其中获取到准确的信道状态信息对提升无线通信系统的性能具有重要的意义。针对正交频分复用系统在高速场景下,现有信道预测算法未考虑噪声影响及预测精度低的问题,提出了一种注意力去噪与复数卷积LSTM的时变信道预测算法。首先,设计了一种通道注意力信道去噪网络对信道状态信息进行去噪处理,降低了噪声对信道状态信息的影响。然后,提出了基于复数卷积层和长短期记忆网络的信道预测模型,对去噪后历史时刻的信道状态信息进行特征提取,并且对未来时刻的信道状态信息进行预测;改进后的LSTM预测模型增强了对信道时序特征的提取能力,提高了信道预测的精度。最后,结合Adam优化器对未来时刻信道状态信息进行预测输出。仿真结果表明:与对比算法相比,所提基于注意力去噪与复数卷积LSTM的时变信道预测算法对信道状态信息的预测精度更高,能够适用于高速移动场景下的时变信道预测。

HPM视角下构建符合学生认知规律的概念教学——以“数系的扩充和复数的概念”为例

在HPM视角下的教学中,教师应基于“大观念、大主题、大单元”的教学理念,准确把握数学史料的“深度”,构建符合学生认知规律、适合学生认知结构的教学活动,让学生体会和感悟数系扩充的原则,实现数集的再一次扩充.同时,设置合适的问题串,使学生在新概念生成的过程中,提高自己的理性思维能力,实现对概念的自主探究.

高中复数课程的内容体系分析与建议

课程内容是课程目标实现的重要支撑,课程内容的选择与组织应着眼于促进学生知识学习和素养发展等方面的教育目标来综合确定.在2003年版和2017年版的高中数学课程标准修订过程中,复数部分因课程内容的调整而存在明显争议,一方面强调复数在体现数系扩充方面的重要性,另一方面却大量删减复数内容.在对高中复数课程内容系统整理的基础上,以复数作为根概念,按照高中阶段的知识体系对主要内容进行初步归纳和知识之间的逻辑关系分析,构建高中复数知识之间的层级关系,进一步讨论高中复数的核心概念及其教学特征,并绘制高中复数知识结构图,为高中复数课程内容的优化提出建议.

基于SVD的复数UKF及电力系统对称分量估计

电力系统对称分量的检测对于电力系统安全稳定的运行具有很重要的意义。利用复数域无迹卡尔曼滤波算法,对三相电压系统的正负序分量及频率进行了估计。为了提高复数无迹卡尔曼滤波的参数估计精度及算法稳定性,引入最优自适应因子并对预测协方差矩阵进行SVD分解,提出了基于SVD的自适应CUKF算法。为消除零序分量,对三相电压分量进行αβ变换,定义了复数形式的状态变量,建立了非线性状态方程及观测方程,实现了正序、负序对称分量估计。通过与普通复数域无迹卡尔曼滤波算法对比,所提研究方法在估计精度及收敛速度等方面优于传统无迹卡尔曼滤波方法。

基于射线追踪对矢量分析与复数运算的讨论

“场论与复变函数”可为学生提供矢量分析和复分析两种数学工具,但教师授课时往往发现学生难以融会贯通。通过引入圆柱形腔体的射线追踪问题,将场论中的矢量分析与复变函数中的复分析结合在一起,提出圆柱形腔体射线追踪的解析公式,使学生通过可视化的方式加深理解矢量分析与复分析,提高解决复杂工程问题的能力。

基于复数神经网络的双视角视觉转角测量方法

为改善单视觉的转角测量方法容易受到环境或系统随机干扰的不稳定性,提出了一种基于复数神经网络的双视角视觉转角测量方法。人为进行特征提取,并评估其与角度的相关性和单调性来进行特征筛选。为解决0°和360°标签数值差距大对训练结果的影响,将角度用欧拉公式表示,并构建复数输入,复数输出的复数神经网络来进行转角计算。实验结果显示,这种测量方法在测量准度上有显著提升,相比基于深度神经网络的单视角方法,其平均误差降低0.322°,均方根误差降低0.64°,在不同环境测试集上保持高效性能。该模型在保持传统数学模型的约束和稳定性的前提下,充分利用了双视角对于环境干扰的鲁棒性,结合复数神经网络对于角度标签的强大拟合能力,提高了径向视觉角度测量的准确性和稳定性。

基于深度复数神经网络的雷达目标DOA估计算法

传统模型驱动的波达方向(direction of arrival, DOA)估计算法性能受限于有限的信号特征、快拍数、信噪比、信杂比等因素,在低信噪比、快拍数少的极端情况下,性能较差。为克服上述问题,提高在极端条件下的估计精度,文章提出基于深度复数神经网络(complex-valued neural networks, CVNN)的单快拍DOA估计算法,构建深度复数神经网络模型,学习原始带噪信号与理想无噪复信号之间的映射关系,进而实现噪声抑制和期望信号特征增强的目的,提高DOA估计精度。仿真实验结果表明,经CVNN增强后,数据的等效信噪比约提高了1 dB,等效快拍数提高了3,该文所提算法相较于已有的多种物理驱动算法而言,具有更高的估计精度和泛化性。

面向时变复数的模糊归零神经网络算法

【目的】为了求解时变复数西尔维斯特方程(Sylvester equation),提出两种全新的复值模糊归零神经网络(fuzzy logic system for zeroing neural network, FLSVZNN)模型。【方法】首先,在两种复数归零神经网络(complex-valued zeroing neural network, CVZNN)模型的基础上,引入模糊逻辑系统(fuzzy logic system, FLS)来控制信号的处理,从而提出两种FLSVZNN模型;然后,利用李亚普诺夫定理(Lyapunov's theorem)来分析模型的稳定性和收敛速度;最后,通过仿真试验来进一步验证FLSVZNN的优越性能。【结果】在求解时变复数西尔维斯特方程时,相比传统的神经网络模型,使用改进的符号双幂(sign-bi-power, SBP)函数来激活的FLSVZNN模型具有更好的收敛性和稳定性,可使误差函数在0.3 s左右收敛至0。【结论】本研究提出的两种FLSVZNN模型能快速求解时变复数西尔维斯特方程,这可为神经网络模型的建立及工程应用提供参考。

SAR-ATR系统复数对抗样本生成方法

针对现有对抗攻击方法只能用于攻击实数卷积神经网络这一限制,提出了一种基于生成对抗网络的复数对抗样本生成方法。首先,设计了一种产生有效对抗样本的复数模型,并引入了复数计算模块;其次,利用残差神经网络作为基本骨架,将预训练的复数网络作为判别器实现对抗训练,以增强对抗样本的攻击能力;最后,通过替代模型实现可迁移的对抗攻击,以此实现了更高的攻击成功率。实验结果表明,所提方法在有目标攻击和无目标攻击任务下的成功率分别达到了76.338%和87.841%,迁移的成功率更高且对抗样本与原始干净样本更为接近。所提方法将对抗攻击扩展到复数神经网络后,避免了合成孔径雷达目标信息和精度的丢失,为实际合成孔径雷达自动目标识别系统的安全性和鲁棒性提供了参考方案。

基于APOS理论的复数概念教学设计

复数的引入是高中数学学习阶段中数系的一次扩张,不仅推广了实数的四则运算,而且还遵循着实数的四则运算规律。对于高一的学生而言,面对复数这一抽象的概念,往往理解不透。APOS理论表明数学概念的学习是一种建构过程,理论包括活动、过程、对象、图式四个阶段。本文从APOS理论的视角出发,利用文献研究法、访谈研究法和APOS理论,对复数概念进行教学设计。

基于注意力机制和复数卷积循环网络的汽车雷达干扰抑制

随着自动驾驶技术的发展,越来越多的汽车装载车载雷达,不同车辆的车载雷达之间会产生相互干扰,导致虚假目标的出现或基底噪声的增加,降低检测性能。针对汽车雷达之间的相互干扰问题,提出了一种基于注意力机制的深度复数卷积循环网络(Deep Complex Convolution Recurrent Network with Attention,DCCRN-Attention),在频域实现干扰抑制。模型使用复数网络将信号的实部和虚部联合起来进行特征学习,能同时预测干扰抑制后目标的幅度和相位,并在跳跃连接中引入注意力机制聚焦于更重要的特征信息,抑制无关信息。实验结果表明,所提模型能有效抑制干扰、提高目标的信噪比(Signal to Noise Ratio,SNR),在评价指标上均优于基线方法。

优化运算巧应用,复数问题妙解答

复数是每年高考必考的基本知识之一,考查方式以复数的概念与复数的运算为主,考查内容离不开复数的四则运算与应用。解决复数问题,要挖掘题设条件及其内涵,抓住复数的基本概念与基本性质,利用复数的四则运算法则,优化相应的复数运算,可以使复数问题的解决更加简捷、有效。

2022年高考“集合、常用逻辑用语、复数”专题解题分析

对2022年高考数学试卷中的集合、常用逻辑用语、复数试题进行分析,发现其题型、分值、难度、考点都比较稳定,试题注重基础且比较常规,适度综合并创新.通过对试题的分析,优化解题策略,为今后的高考备考复习提供参考.

复数分裂与人称代词复数的类型

赣语宜春话中能用在人称代词后的复数标记有“俚”和“几个”两个,二者有一系列语义差异且共现时只有“代词+俚+几个”的语序。考察后发现,“俚”的语义是“最大化算子”,作用于语境中符合描述的最大个体,构成有定的复数个体。“几个”是“群体算子”,作用是将有定的复数个体再次“打包”成一个整体。在复数分裂理论下,“俚”和“几个”代表了复数标记两种新的不同类型,占据不同的句法位置。