从“被记忆权”到“记忆权”——迈向复调式的记忆权利观念和多元的公共讨论

从“被遗忘权”衍生出来的“被记忆权”概念,聚焦于网络用户围绕信息保存、迁移和继承的权利。这一阐发将记忆权利限定在个体的信息或数据权利主张上,也让其带有几分被动意味。本文从记忆权利的内涵(主动与被动)、权利主体(个体与群体)、时空语境(数字与前/非数字)和义务主体(平台与公共机构和国家)等四个角度审视“被记忆权”概念,试图将之拓展为复数乃至复调式的记忆权利观念,由此激发其丰富的实证潜力和多元的规范及伦理意涵。

为了不忘却的纪念——数字时代网络用户的“被记忆权”研究

理论界普遍认为,媒介技术的革新大幅扩展了个体的记忆边界。在“记忆成为常态、遗忘成为例外”的背景下,立法需要引入“被遗忘权”(删除权)来矫正这种失衡。不过,主流理论往往忽视了媒介技术变革所引发的“记忆失控”现象。数字时代的记忆存在“媒介依赖”的特点,以各式平台为代表的数字媒介很大程度上获得了控制用户信息的能力,进而导致个体对相关记录的掌控力度不断降低。面临平台方主导的删帖、终止服务等情形时,用户也时常无法决定何种信息可以被保留,其数字记忆显得非常脆弱。除了删除之外,用户与之对应的、被记忆的诉求也应受到重视。有必要在法律层面确立用户的“被记忆权”,这与“被遗忘权”所倡导的信息自决是一体两面的。

数字时代记忆与遗忘的权利悖论与应对策略

“记忆权”和“被遗忘权”蕴含着两种不同的信息价值取向。在社会治理转型和数字技术冲击下,它们逐渐纳入数字法治框架之中,但也会触发一系列关于权利运用的反思。文章基于法学和信息资源管理学科的双重视角,梳理记忆权和被遗忘权的法理依据和主体权责,识别数字时代记忆和遗忘的四重权利悖论,包括观念悖论、主体悖论、制度悖论、技术悖论。通过悖论讨论呈现出记忆和遗忘的结构化特征,借助司法案例和既有经验,提出应对策略:遵循数字正义要求,纳入数字法治框架,平衡公私权利关系,合理运用技术工具。

基于记忆图样权重的联想记忆神经网络学习算法

提出了记忆图样对神经突触联接强度的贡献权重概念．通过使原图样成为稳定态即稳定条件得到的方程求解该权重，得到了突触联结强度矩阵，实现了神经网络相关模式的联想记忆．将此算法和其它联想记忆算法进行了比较和讨论。

2023年中国新闻传播学研究的十个新鲜话题

本文意在追寻新闻传播学研究的“新鲜话题”,有一定难度,因为创新性的研究并不多。马克思主义新闻观有几篇深化研究的文章,尚有话可说,又确实重要,故列为第一个话题。“被记忆权”的文章是我国学界(不是本学科)今年这方面唯一的论文,先声夺人,故列为第二个话题。后面的话题,与以往的研究比对,有某方面的新意。这些话题各有自身“新”的理由,但作为本学科的新鲜话题,话题间的相关性较弱,明显缺少学科的总体规划。笔者建议本学科的学术机构把精力回归到学科规划上,并切实领导起来,少开一些形式主义的规模化学术研讨会。笔者声明,文中大多数引证不是原文,而是大大压缩了的,因为原文用大幅不同的词句表述,重复的是同一个意思。

基于不确定时间序列的来袭目标解算方法

传统水中来袭目标解算方法缺乏对多维度、不确定观测数据的时序特征的挖掘。针对此类数据复杂性高、存在缺失的时间序列预测问题,提出了一种基于自适应窗口插补和深度可变权重长短时记忆网络模型的预测方法,以适用于多采样频率的缺失时序观测数据,并在仿真数据和公测数据集上验证。针对多源观测信息采样频率不一致造成的随机缺失问题,引入自适应窗口插补方法;根据观测信息的缺失程度自适应调整插补窗口,降低传统插补方法的误差水平。针对时间序列数据引入可变权重的长短时记忆网络模型,在适用于多采样频率的缺失时序观测数据插补的同时,根据观测信息缺失率自适应调整反向传播的损失权重。实验表明:模型在具备处理不确定数据处理能力的同时,在区间预测中比传统方法准确率更高,可以为解算来袭目标提供更有效的决策参考。

误差反向传播神经网络模型的改进及其应用

针对误差反向传播神经网络模型(BP模型)学习收敛速度慢、容易陷入局部极小点等缺点,提出原始数据的非线性规格化函数、记忆式初始权值、阈值和参数自动优选等方法,对BP模型进行改进。结合陆浑水库大坝沉降实测资料的分析,编制了改进后的BP网络算法程序。分析结果表明,改进后的BP模型对于提高网络运行收敛速度、防止陷入局部极小点、克服手工调试参数的盲目性、提高模型精度等都有较大的改善作用。

面向控制的分数阶微分模型的快速数值计算

求解分数阶控制系统的关键在于如何快速精确地计算分数阶微分.针对短记忆法和变步长记忆法的计算精度和计算复杂性顾此失彼的矛盾,本文提出了一种恒权重记忆法,它不舍弃历史数据,而是采用常值权重后全部记忆.在每个后继的采样周期,只需把新的数据简单叠加到历史数据上来考虑,从而极大地提高了计算精度和降低了计算复杂性,且有效地化解了两者之间的矛盾.数值结果表明恒权重记忆法在分数阶控制系统设计中的可行性和优越性.

BP模型的改进及其应用

本文针对BP模型学习收敛速度慢、容易陷入局部极小点等缺点，提出原始数据的非线性规格化函数、记忆式初始权值、阈值和参数自动优选等方法，对BP模型进行改进，并结合某水库大坝沉降实测资料分析，编制了改进后的BP网络算法程序，计算结果表明，改进措施有较大的实用价值。