-
题名粤西地区传统音乐文化如何实现产业化发展
- 1
-
-
作者
吕春媚
-
机构
广东石油化工学院
马尼拉圣保罗大学
-
出处
《文化产业》
2023年第16期48-50,共3页
-
基金
2020年广东省哲学社会科学规划项目“基于SWOT分析的传统音乐文化及其产业化研究——以粤西地区音乐类非遗为例”,项目编号:GD20YDXZYS23。
-
文摘
作为民族音乐文化的瑰宝,粤西地区传统音乐文化展现了粤西地区生活风俗,极具浪漫主义色彩,蕴含深厚的历史文化底蕴。目前,当地对粤西音乐的保护力度不足,相关的研究成果较少,运用数字技术创作的粤西音乐作品不多,急需探寻粤西地区传统音乐文化的产业化发展路径,以便更好地传承粤西传统音乐文化,打造具有粤西特色的传统音乐品牌,助力地区文化、经济和社会协调发展。
-
关键词
浪漫主义色彩
传统音乐文化
粤西地区
民族音乐文化
历史文化底蕴
产业化发展路径
社会协调发展
研究成果
-
分类号
G63
[文化科学—教育学]
-
-
题名基于人工智能的图卷积神经网络故障诊断方法研究
- 2
-
-
作者
喻皓
-
机构
浙江建设职业技术学院
马尼拉圣保罗大学
-
出处
《自动化与仪器仪表》
2024年第3期72-76,共5页
-
文摘
随着移动互联网的快速发展,网络故障诊断技术已成为一个重要的研究方向。在移动网络故障诊断中,由于故障样本数量有限,传统方法难以准确诊断出故障类型。因此,研究提出了一种融合朴素贝叶斯模型(Naive Bayesian Model,NBM)和图卷积神经网络(Graph Convolutional Networks,GCN)的移动网络故障诊断方法。通过GCN与NBM的融合,故障诊断方法能够提取到更多故障数据,用于对故障的识别和诊断。结果表明,模型方法的故障诊断准确率平均值和故障误检平均值分别为92.18%、9.13%;同时模型方法在网络故障分类识别效率为75.00%,且在故障识别开始时的平均时间开销为11 s。所有结果均优于对比算法,这说明所提出的方法能够有效地识别出移动网络故障类型,并具有较高的准确率和鲁棒性。
-
关键词
人工智能
朴素贝叶斯模型
图卷积神经网络
网络故障
检测效率
-
Keywords
artificial intelligence
plain bayesian model
graph convolutional neural network
network failure
detection efficiency
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于卷积神经网络的地基云人工智能分类器研究
- 3
-
-
作者
喻皓
-
机构
浙江建设职业技术学院
马尼拉圣保罗大学
-
出处
《自动化与仪器仪表》
2024年第2期24-28,共5页
-
文摘
随着科学技术的发展,对地基云的研究也越来越深入,地基云的研究对天气预报、水资源管理、农业生产等领域具有重要的意义。传统地基云分类方法存在数据需求大、运行速率慢等问题。研究为了解决这些问题构建了一种融合双通道卷积神经网络(Convolutional Neural Networks,CNN)算法与压缩感知的地基云分类器。首先通过对CNN进行改进,得到双通道的CNN算法,然后将其与压缩感知进行融合,得到地基云人工智能分类器;最后通过不同方法进行对,以验证构建的地基云分类器对地基云的分类能力。结果表明在光线正常、光线较暗、水平角度、俯仰角度的观测前提下,地基云分类器的识别准确率平均值为73.95%、45.39%、92.61%和43.82%,均高于对照算法。这表明该地基云分类器具有较高的准确率和鲁棒性。
-
关键词
卷积神经网络
地基云
人工智能
分类器
压缩感知
-
Keywords
convolutional neural networks
foundation cloud
artificial intelligence
classifier
compression perception
-
分类号
TP317
[自动化与计算机技术—计算机软件与理论]
-