37、拓展的具身意识:后人类时代的学习与意义构建

拓展的具身意识:后人类时代的学习与意义构建

1. 具身与后人类科技形态

在探讨身体与具身在后人类科技形态中的呈现方式时,有观点借助西蒙·彭尼的艺术作品《痕迹》展开论述。在这件作品里,人类通过自身的移动与自己实时创造的虚拟空间进行互动。这一互动揭示了三种身体与具身的呈现方式:
- 关系即践行 :人类作为身心一体的存在与技术相互依存、共同产生。
- 关系即感知 :技术与世界在虚拟及其他现实空间中,以积极动态的构建方式(巴拉德称之为“内互动”),唤起身心的感知,而非仅仅感知“外在”的现实。
- 关系即文化嵌入 :身体与具身的二分法使身体成为文化铭刻的场所,具身也能被文化所塑造。例如多琳·近藤,她的身体被他人视为日本身体,她的行走和身体姿态也随之改变。而且,随着文化的变化,我们对具身的体验也会改变。

相较于“身心一体”,“具身意识”这一表述更能体现集体、有意义且习惯性的边界构建过程。文化、身体和具身是一个学习的过程,学习并非将意义填充到作为具身容器的身体中,而是人类与非人类之间通过协商不断创造边界的有意义的往复过程。所有关系都包含物质 - 概念的意义构建过程。同时,相关理论受到克拉克提出的扩展心智模型的启发,该模型认为技术与大脑、认知、感知共同发展,但即便环境以相关的系统和有组织的方式变化,这些变化在身心层面的体现也需要时间、思考和经验。

2. 具身意识面临的挑战

新文化物质主义者和进行实地研究的人类学家常常忽视物质词汇如何通过文化学习内化为有意义的内容这一时间维度。不过,人类学家往往最先提及他们在当地物质文化中,对他人轻

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练分类,实现对不同类型扰动的自动识别准确区分。该方法充分发挥DWT在信号去噪特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度鲁棒性,有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测分析的工程技术人员;备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性效率,为后续的电能治理设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
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