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.

基于全局图注意力元路径异构网络的药物-疾病关联预测

提出了一个基于全局图注意力元路径异构网络模型(MHNGA)来进行药物-疾病关联预测。首先,收集整理药物和疾病数据,将已知的药物-疾病关联、药物相似性、疾病相似性构建为一个异构网络;其次,引入多个基于元路径的子图,使用图注意力神经网络提取这些子图的邻居节点的特征,并且通过通道注意力和空间注意力机制来增强特征;最后,通过十折交叉验证的评估,MHNGA取得了93.5%的精确召回曲线下的面积和99.4%的准确率。

基于多元语义特征和图卷积神经网络的短文本分类模型

在互联网和社交媒体迅猛发展的背景下,网络中出现了大量的短文本数据,这些数据在舆情监控、情感分析和新闻分类等自然语言处理领域展现出了非常高的经济和学术价值.但短文本数据固有的特征给短文本分类带来了不小的挑战,如文本稀疏和缺乏丰富的上下文语义等.针对这些问题,提出了一种结合多元语义特征和图卷积神经网络(GCN)的短文本分类模型,该模型通过哈尔滨工业大学的语言技术平台获取短文本的多种语义特征,并将这些语义特征同短文本一起构建一个多元异构图,然后将其作为GCN的输入,利用GCN学习短文本更深层特征,最后通过Softmax函数获取每个类别的概率分布,进而实现短文本分类.试验结果表明,本模型在短文本分类的F1评分上比传统单一模型提高了4%.

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。

生成式标签对抗的文本分类模型

文本分类是自然语言处理(NLP)中的一项基础任务,目的是将文本数据分配至预先定义的类别。图卷积神经网络(GCN)与大规模的预训练模型BERT(Bidirectional Encoder Representations from Transformer)的结合在文本分类任务中取得了良好的效果。大规模异构图中GCN的无向的信息传递产生信息噪声影响模型的判断,造成模型分类能力下降,针对这一问题,提出一种生成式标签对抗模型,即类对抗图卷积网络(CAGCN)模型,以降低分类时无关信息的干扰,提升模型的分类性能。首先,采用TextGCN(Text Graph Convolutional Network)中的构图法构建邻接矩阵,结合GCN和BERT模型作为类生成器(CG);其次,在模型训练时采用伪标签特征训练法,并构建聚类器与类生成器联合训练;最后,在多个广泛使用的数据集上进行实验。实验结果表明,在泛用的分类数据集20NG、R8、R52、Ohsumed和MR上,CAGCN模型的分类准确率比RoBERTaGCN模型分别提高了1.2、0.1、0.5、1.7和0.5个百分点。

缂丝火镰的艺术特征及其在箱包产品中的应用

以故宫博物院的180余件馆藏清代缂丝火镰为研究对象,采用文献研究法、统计分析法等研究方法,对缂丝火镰的艺术风格、缂丝火镰织物缂织技法进行解读。研究表明,缂丝火镰织物以适合纹样为主要构图方式,采用对称或均衡的形式美法则,纹样题材常用吉祥寓意的动植物纹、文字符号纹和自然物象纹等,色彩鲜艳;技法上应用勾缂、戗缂等典型技法和三蓝缂法等清代特殊技法;展示了清代缂丝火镰独特的艺术内涵,凸显清代的审美特征;同时将缂丝火镰艺术应用于现代缂丝箱包中,使得火镰艺术得到新的发展和创新。

风电和光伏发电功率联合预测与预调度框架

随着多区域互联电力系统的发展,风电、光伏等新能源发电大规模并网,风电-光伏功率的联合预测和协调调度是必然趋势和迫切需求。为此,从风电-光伏发电的时空相关性分析出发,对风电-光伏功率时空耦合、风电光伏联合预测建模、风电光伏联合预测模型参数优化、考虑风电-光伏联合预测的电力系统预调度等方面进行了分析讨论。首先,研究揭示风电-光伏功率在时间-空间上的交互影响机理,提出面向多时间尺度的风电-光伏功率时间互补性分析方法,建立风电-光伏发电空间相关性量化模型,构建基于多阶图卷积神经网络风电-光伏发电时空耦合模型;基于此,研究提出了融合异构图神经网络的风电-光伏联合预测方法,建立了风电-光伏联合预测模型参数优化模型,构建了新能源有功功率预测误差矢量评价体系,为风电-光伏联合发电系统的协调调度和控制提供决策支撑;在风电-光伏联合发电预测的基础上,采用风电、光伏发电时间互补、空间互济的思路探讨了风电-光伏联合的电力系统预调度策略和方法,对不同时间尺度风电-光伏的协调调度策略进行了剖析,建立了电网-区域-集群-场站空间递阶的风电-光伏联合发电系统分层调度框架。最后,展望了未来风电-光伏联合预测与预调度方面应研究的方向。

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。

塞尚静物画中的艺术语言探析

目的:保罗·塞尚是后印象派时期最具代表性的画家之一,被誉为20世纪艺术变革的先驱。塞尚将人物、静物、风景等题材与自己独特的绘画语言相融合,创造了一种前所未有的艺术表达方式。其中,静物画作品无疑是其艺术成就不可忽视的部分。静物画作为西方绘画史上的重要题材,一直受到艺术家的青睐,而塞尚的静物画作品在其中占据重要地位,独特的创作风格彰显了塞尚作为艺术家的典型特征。在后印象主义盛行的时期,塞尚摒弃了单纯再现和技巧追求,注重创造具有意味的形式,以探寻事物本质为创作宗旨,激发观者的美感体验。文章研究塞尚静物画中的艺术语言,旨在深入理解塞尚艺术创作的内在逻辑和对绘画最朴素真挚的情感,拓宽人们对后印象派绘画的认知视野,为当代艺术创作提供新的启迪。方法:文章以塞尚的静物画为切入点,从构图、色彩、笔触、空间等方面,深入分析其独特的艺术语言,以展现这位画家突出的艺术成就。结果:塞尚对事物的观察并不浮于表面,他试图用自己的绘画语言展现事物的本质。结论:塞尚在静物画创作中所建构的独特艺术语言,不仅颠覆了传统静物画的表现模式,更为现代主义艺术的兴起奠定了坚实基础,在绘画艺术史上留下了浓墨重彩的一笔,成为20世纪及其后艺术创新的重要源泉。探析塞尚静物画中的艺术语言,对理解绘画艺术发展史具有重要意义。

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。

唐代墓志植物类纹样装饰艺术研究

唐代墓志的装饰纹样是中国古代艺术的重要组成部分,是记录当时社会生活、丧葬习俗、宗教信仰以及人们的思想观念的珍贵史料。风貌独特和样式丰富的植物类纹饰,具有极高的历史和艺术价值。通过对唐代墓志上常见的植物类纹样及其发展演变的过程进行梳理与归纳,阐述了墓志植物类纹样的艺术特点。

《秋日韶光》

评论牛富强善画风景,他的风景不是写生风景,而是主观创造的风景。他的作品虽然来自于写生观察,但他的构图方式和选取的视角非常独特,是超出自然视角的自由风景。牛富强的写生风景有多种表现形式,从雪景到城市屋舍再到心象的风景,这些烂漫的景象比自然状态的风景更加耐看.

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。

基于转折词的图卷积短语音-短文本模态转换的分类方法

提出了一种增加转折词后实体词注意力权重的短文本分类方法,旨在提高短文本分类的准确性和可靠性。所提出的方法结合了文本构图和图卷积网络技术,通过将文本数据转换为图形结构,利用图卷积神经网络对图形结构进行特征提取和模式识别,以捕捉文本数据的内在结构和语义关系。在训练过程中,使用转折词和置信度高的实体词作为关键信息,通过注意力机制强化这些信息在分类中的作用。通过多次循环训练,得到了一个高效的文本分类模型。实验结果表明,所提出的模型在短文本分类任务中具有较好的性能表现,能够有效提高分类的准确性和可靠性。为了验证模型的性能和泛化能力,选取了三个公开的短文本数据集Ohsumed、AGNews和MR数据集以及一个公开的短语音数据集MELD数据集。这些数据集具有不同的主题和领域,可以更好地评估模型的泛化能力。实验结果表明,所提出的模型在四个数据集上都取得了优于基线的分类效果,证明了模型的有效性和泛化能力。

几米绘画视觉分析与包装设计中的应用研究

绘本是一种集故事内容与画面表现于一体的特殊文学形式。几米是著名的绘本作家和插画家,他的绘本作品以独特的视觉语言表达而闻名。本文研究目的是探讨几米绘本中的视觉语言表达,及其与产品包装之间的关系及应用。几米绘本的视觉语言具有温暖、梦幻和富有哲理性的特点,能够有效地吸引消费者并传递商品的价值。在商品包装中运用几米绘本的视觉语言,不仅可以提升包装的审美价值,还可增强商品的品牌形象和市场竞争力。

基于标准的《义务教育信息科技教学指南》的内容分析与二次开发

《义务教育信息科技教学指南》是信息科技课程实施的基准性参考依据,为教师开展基于标准的信息科技教学提供了“抓手”。在教学实施中,教师要通过分析其中的单元主题与课标要求对应表来把握《教学指南》的核心要义,利用单元内容结构图正确理解《教学指南》的模块结构与组织方式,结合本地教学环境和学生学习基础对《教学指南》进行二次开发,细化教学设计,设置评价方案,确定具体实施环节,促进课标的有效落实。

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。