蒙古语复数词缀-nar、-ner的词源

蒙古语复数词缀-nar、-ner为专门表达指人名词的复数,语义上与-uul、-l,-ud、-d相同。-nar、-ner为复合词缀,是由早期集合数词缀*-tan、*-ten加-la、-le演变而来。*-tan、*-ten+-la、-le演变为*-tala、*-tele后经过进一步语音变化演变为-nar、-ner。因此,-nar、-ner在来源上与-uul、-l(<*-tun、*-tn+-la、-le)一样,只是有了不同的语音演变。

基于PCA-NAR神经网络的风电机组健康趋势评估

为了提高风电机组的实时可靠性,避免维修不足及维修过剩问题,降低风场运维成本,基于监控与数据采集(supervisory control and data acquisition,SCADA)系统得出的监测数据,应用主元评价和非线性自回归(non-linear auto-regressive,NAR)时间序列神经网络,通过建立评价及预测模型。通过实际数据验证模型有效性。结果表明:采用PCA-NAR的方法对风电机组的健康状况进行评估及预测有较好的效果,有助于帮助风场运营人员提前识别故障趋势并作出具体决策,以免机组遭受更为严重的故障。

基于EEMD-NAR的突发传染病舆情热度预测研究

为了准确地预测舆情发展趋势,选取百度指数作为热度值构成原始时间序列,采用集成经验模态分解(EEMD)对原始时间序列进行离散分解,运用NAR神经网络对各部分进行预测建模并合成,得到热度预测结果。最后,通过对比分析组合模型和单一模型预测结果的精度,说明组合模型热度预测的准确性、有效性。试验结果表明,EEMD-NAR神经网络组合模型可以较好地解决非线性单一序列的预测问题,提高了NAR神经网络模型舆情热度预测的精度,能够为相关部门预测舆情热度的发展趋势提供参考。

基于EMD-NAR神经网络的大坝变形预测

为了使大坝变形的预测精度更高,针对大坝形变量的时间序列中存在着非平稳和非线性等曲线特性,使用一种经验模态分解(EMD)和非线性自回归动态神经网络(NAR)相结合的EMD-NAR模型对大坝形变时间序列进行预测。以某大坝实测的时间序列数据为算例,分别使用BP模型、NAR模型和EMD-NAR模型进行实验对比,结果表明,BP、NAR、EMD-NAR模型预测的均方根误差(RMSE)分别为0.9449,0.6993,0.4678;模型预测的平均相对误差(MRE)分别为0.1492,0.1065和0.0688,从三种模型预测结果对比可知,组合的EMD-NAR模型预测精度最高且稳定性最好,为时间序列的大坝形变预测提供一种新的参考思路。

基于FA-NAR神经网络预测人体运动意图

以准确预测人体运动意图为目标,本文基于足底压力数据,设计NAR动态神经网络和萤火虫算法相结合的FA-NAR动态神经网络,利用萤火虫算法的优点,对NAR动态神经网络里面的参数进行优化。仿真实验结果表明:FA-NAR动态神经网络能够有效预测人体的运动步态,实现人机柔顺协同。

基于小波-NAR神经网络的气象要素时间序列预测与天气指数彩虹期权估值

本文基于小波-NAR神经网络技术,提出气象要素时间序列预测与天气指数彩虹期权估值的原理与方法,同时采用2000-2014年悉尼日均气温和日降雨量数据,进行气象预测与天气期权估值.结果显示:小波-NAR神经网络因灵活的非线性动态结构较好地反映了气象变化特征,其预测与估值效果优于其他模型;该天气期权价值形成中的非线性特征取决于五种经济效应.科学预测天气和估计天气期权价值,开发天气衍生品,可挖掘天气不确定性的经济价值,弱化其对天气敏感产业的影响.

从编码角度看连动结构“单一事件”特征

一般认为连动结构表达一个“单一事件”,但也常因“单一事件”语义模糊、不可验证而遭受质疑。通过对20个《梨子的故事》汉语自然口语叙事体语篇讲述者对同一情景使用连动结构进行编码的过程中表现出来的倾向性进行观察,发现连动结构关注事件的过程层面,编码了事件的动作过程及性质属性、样貌特征、起点或终点等概念内容,将事件概念化为一个相对完整的过程,因而具有单一性。连动结构所表达的单一事件在汉语中表现为关系事件、伴随事件、包含事件、位移事件四种基本类型。

基于NAR-ARIMA组合模型的高速公路沥青路面破损状况预测

基于NAR神经网络模型和ARIMA传统时间序列预测模型,对高速公路沥青路面的破损状况进行预测,再分别通过最优加权法和残差优化法对两种预测模型进行组合,得到两种组合模型.对各单一模型和组合模型的精度和稳定性进行了比较分析.实例分析表明,组合模型相较于单一模型的精度和稳定性均有所提升,NAR-ARIMA最优加权组合模型预测效果最佳.该组合模型所需样本量较小,且基于时间序列.由于采用历史数据作为影响因素代替指标,该组合模型计算速度快、精度高,适用于日常的预测工作,为后续合理的道路养护决策提供了重要的理论依据.

叙事治疗视角下双核系统概念的构建

双核系统是叙事治疗在中国运用发展中一个创新概念,即来访者同时拥有原始模式与发展模式的内在状态。本文构建了双核系统的概念,双核系统重新定位了问题与资源的关系,强调重视问题经验,协助咨询师定位来访者的“最近发展区”。它使来访者的问题与疗愈既对立又统一,形成动态的、二元的自我认同体系,最终为来访者生命赋能。

大规模三模网络自回归模型

在双模网络自回归(NAR)模型的基础上给出了三模NAR模型.该模型考虑了大规模社交网络中三种类型的节点,且边只允许出现在不同类型的节点之间.首先介绍了模型的定义以及模型的可逆性与参数可识别性,考虑了拟极大似然和条件最小二乘估计方法及相应估计量的大样本性质.其次,在多种设定下进行了数值模拟,对估计方法的准确性与计算效率进行了对比,最后分析了一个实际例子.

面向载人月球探测的航天员-多机异构群联合探测方案

针对载人月球探测的特殊性,对未来载人月球探测的任务需求和功能需求进行了分析。根据人机特点对人机功能分配进行论证,优化月面活动系统配置,提出了“双人一车多机”异构群联合探测的人机系统方案;针对环境巡视探测、月面资源利用、基础设施建设三类任务需求,建立了多模式人机联合探测流程规划,充分发挥人和机器人的优势,可满足全地形多功能探测作业的应用需求;最后,提出了月球车和机器人的需求及方案设想。研究成果可为后续载人月球探测提供参考依据及技术基础。

地铁车站客流预测方法比较研究

为了更加合理地进行地铁车辆调度和制定人员配置方案,并在满足人们出行需求的基础上实现资源利用最大化,对地铁客流量进行准确地短时预测是非常必要的,同时客流预测对地铁站厅空调系统的运行调节也具有重要作用。文章通过对郑州某地铁车站2014年6—7月的进站小时客流量数据进行统计分析,构建季节性差分自回归滑动平均(SARIMA)模型、非线性自回归神经网络(NAR)模型和长短期记忆网络(LSTM)模型,用统计数据进行模型训练并实施预测。通过在工作日客流预测中,发现LSTM模型在MAE、RMSE和R2上均优于其他模型,拟合系数R2达到0.9814,MAE为55.84,均方根误差为88.56;在非工作日客流预测中,LSTM模型同样表现出最好的效果,R2达到0.9817;SARIMA模型精度接近LSTM模型。这说明在对具有明显周期性数据预测时,无论是经典的时间序列方法还是先进的深度学习方法预测结果都很好,传统的神经网络因为无法捕捉周期性所以预测效果较差,预测精度相对较低。

叙事研究方法的实践策略与转向

叙事转向的兴起,促使叙事研究跳出语言学、文学等特定学科的局限,使之向更为广泛的学科延伸。叙事研究方法作为一类通用性方法,逐步被各类社科类研究所采纳。在实践过程中,叙事研究方法的概念,常常与叙事分析、叙事探究相混淆,或被误用,这造成了研究规范上的不足。与此同时,在叙事分析、叙事探究的方法实施策略与技术方面,各类文献有着不同的表述,存在一定的误区。本研究就相关问题开展了讨论与辨析,梳理了该方法的实施策略与技术。同时,面向未来的实践,本研究提出了叙事研究方法的新转向与创新,以及面临的挑战及解决之道。

2024年神经语言学前沿技术培训预通知

为加快语言学新兴学科和交叉学科的建设,培养中国神经语言学人才,切实提升脑成像技术在神经语言学中的应用能力,江苏师范大学语言科学与艺术学院将于2024年7月上旬在江苏省徐州市举办“神经语言学前沿技术培训”。本次培训面向国内神经语言学相关专业的研究生及相关科研人员,拟邀请神经语言学、脑电技术、磁共振技术、颅内电记录、大模型技术应用等领域的权威专家进行授课,内容涵盖相关技术原理、基础数据分析、高级数据分析等。

基于NAR神经网络和R/S分析法的隧道围岩变形预测分析

为研究隧道围岩变形非线性特点,采用NAR神经网络和R/S分析法,对隧道围岩变形量和变形趋势进行分析。通过NAR神经网络对变形监测样本进行误差分析,认为NAR神经网络对围岩变形短期预测时的误差小精度高。运用R/S分析法对各变形时间序列进行重标极差分析,获得各时序的Hurst指数,分析其与围岩变形趋势的关系,并通过Hurst指数对隧道围岩变形趋势进行判定。结果表明:算例中的断面围岩变形仍然会呈增长趋势,但增长幅度在减小,且水平收敛的趋势性强于拱顶沉降,说明前者受随机扰动影响较小,后期稳定性相对更高。通过运用R/S分析法进行时间序列分析,不仅为围岩变形趋势预判提供了Hurst指数判据,同时也为围岩稳定性分析及治理提供了一种依据。

基于FA-NAR动态神经网络的隧洞围岩变形时序预测研究

针对隧洞围岩变形动态性、对时间和空间的敏感性、非线性、高度复杂性等特征,为提高围岩变形预测精度,采用萤火虫算法(FA)搜索确定延时阶数和隐含层单元个数,并利用非线性自回归(NAR)动态神经网络进行预测,提出基于FA-NAR动态神经网络的隧洞围岩变形预测模型,结合北山坑探设施围岩变形监测数据进行预测,并将其与BP神经网络算法预测结果对比分析。结果表明:(1)FA-NAR动态神经网络的预测值与实测值基本吻合,其产生的平均绝对误差和平均相对误差分别约为BP神经网络的1/5和1/4,表明FA-NAR动态神经网络算法模型比BP神经网络算法模型预测精度高;(2)采用FA-NAR动态神经网络算法模型能够很好地解决围岩变形预测问题,既减少了人为输入网络参数的盲目性,又提高了网络的学习能力和预测精度。

基于EORM模型的图书馆青少年阅读推广研究

文章基于EORM模型,分析青少年阅读在心理需求、环境需求、能力需求方面的叙事转向,围绕“参与”“说服”“吸收”三环节,构建基于EORM模型的图书馆青少年阅读推广内容体系,并从“积极参与-有效说服-持续吸收”3个层面提出图书馆青少年阅读推广优化策略。

从背景山水到叙事山水:新时代中国电影山水意象的美学转换

山水意象是百年中国电影中的重要审美元素,也是其中的一处独特风景,它在经历了从背景山水到象征山水再到景观山水的两次重要审美嬗变之后,迎来了以绿水青山叙事为美学特征的新时代。讲述新时代绿水青山故事、诠释“绿水青山就是金山银山”理念、传达家国情怀、传承以“天人合一”思想为核心的古老中国哲思和以“气韵生动”为核心的中国山水艺术精神等成为新时代中国电影山水叙事的核心主题。美丽山水的守望者、建设者和开拓者是这类电影着力刻画的三大类山水人物形象。树立中国山水电影主体意识、构建中国山水电影类型、拓宽山水表现与再现范畴、创新绿水青山叙事话语体系、开掘与丰富山水对象,是提升新时代中国电影山水叙事创作水平的必由之路。

东南亚声索国在南海问题上的“灰色地带”策略——对越南与菲律宾的比较分析

海洋争端特别是小国与邻近崛起国的海洋争端,为行为体实施“灰色地带”策略提供了天然场域,并且小国奉行“灰色地带”策略的战略倾向尤为强烈。南海问题则是其中的典型案例。自2009年以来,围绕南海问题的四大议题,以越南、菲律宾为代表的东南亚南海主权声索国,通过实施叙事战争、释放威慑信号、民事介入、构筑“捍卫和平、法治”的国际统一战线、底线试探等多种“灰色地带”制华策略,得以实现不少图谋,加剧了中国的“南海困局”。同时,越菲两国的“灰色地带”策略也存在差异,越南的外宣体系更为精细,更重视不对称军事制衡和海警、海上民兵的作用,而菲律宾则更倚重美国,且其对抗强度起伏更大。避免政策摇摆、进一步强化自身权利主张的合法性叙事,是中国更有针对性地反制越南、菲律宾南海“灰色地带”策略的关键。

一种基于开关控制的小型化频率可重构倒F天线

本文提出了一种基于开关控制的小型化频率可重构IFA,能够利用布置在天线和共面波导(CPW)馈电的折叠槽内的多处开关实现IFA在不同频段上的谐振。本文所设计的IFA适用于2.5GHz和3.5GHz两个频段,利用开关选择不同的IFA分支来实现对应两个频段的切换。该设计通过改变CPW馈电结构上折叠槽的相对位置和长度能够改变天线的谐振频率,利用开关进行多条折叠槽的选择以及折叠槽长度的选择来实现频率可重构的目的。仿真结果表明,该设计可以实现在2.57GHz至3.58GHz频段内的频率可重构。