8、可视化:作为历史体验的新视角

可视化:作为历史体验的新视角

一、数字化时代的视觉转向

在数字化时代,从互联网于20世纪90年代开始普及,到2007年智能手机问世,视觉元素在内容表达和接收中扮演着越来越重要的角色。传统基于文本的历史研究方法正逐渐拓展,将视觉历史记录作为一种新的可获取资源和替代的证据形式。数字化以前所未有的方式整合视觉资源,模糊了数据与叙事之间的界限。

(一)Visualizing Cultures项目简介

2002年,麻省理工学院(MIT)的著名日本历史学家John W. Dower和语言学家Shigeru Miyagawa创立了Visualizing Cultures(VC)项目。截至目前,该项目已有28位历史学家、策展人和艺术史学家贡献了超过55个内容单元,是研究现代日本、中国和菲律宾的图像和研究的广泛使用资源。这个基于网络的平台向全球免费提供内容,并且具有可扩展性和可持续性,据网站主机MIT OpenCourseWare统计,每年有超过一百万的访问量。17年后的今天,VC仍在不断制作新的内容单元,是历史呈现的试验场。

(二)不同时期的视觉转向

视觉转向在不同时期以不同形式出现。例如,英国历史学家和理论家Raphael Samuel观察到,20世纪60年代媒体引发的视觉转向具有广泛的体现:“电视取代广播,在十年内使英国从一个‘听众之国’转变为一个视觉化的政治体,落地窗、平板玻璃门和开放式布局让办公室和商店看起来通透可见。”作者对中国义和团运动视觉文化的研究也揭示了20世纪初全球在一系列复杂媒体上的回应。目前约2000张数字化图像显示了丰富的视觉历史,可与许多已发表的义和团运动研究相媲美,但这些资源缺乏有效的出版机制。作者为VC撰写的文章,包括

六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,详细介绍了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程的理论与Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在微分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程与科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真与优化中的综合性价值。; 适合人群:具备一定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学与动力学建模方法;②学习人工神经网络在复杂非线性系统控制中的应用;③借助Matlab实现动力学方程推导与仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究与复现。; 阅读建议:建议按目录顺序系统学习,重点关注机械臂建模与神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法与仿真方法拓展自身研究思路。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值