活的知识-论大众文化研究

公司绩效和现今社会大众文化 今天想说说关于公司绩效和现今社会大众文化; 原来svn的提交不符合规范是会被扣绩效的,这没有人告诉你是应该的 ,只有这样才能起到调节作用。 因为没有失去你就不会珍惜,我们职工可能不会知道,但是绩效失去的时候我们才会知道,并且深刻,但是公司领导早就知道并且让你深深地明白你努力工作只能换来1.0,你是中流砥柱才是1.1;这种企业不知道能不能待。 关于大众文化 现今的社会在不断的变化;文化也在不... 阅读详情

主持人:追求进步、学术倾听,世纪大讲堂问候您。在20世纪初年的时候,一些先进的中国人就发现,中国文化越 来越散发出腐朽的味道,换句话说就是它越来越脱离大众,越来越失去了活性,那今天这个问题得没得到解决,现在我给大家请来了北大中文系有名的教授戴锦华, 好,有请戴教授上场。好,请坐。我刚才跟戴教授握手的一刹那,发现她的个子不矮,我的个子是1米83,她仅比我矮一点,所以我估计您的个子也在1米74以 上。

戴锦华:1米75。

主持人:1米75比我估计的还高一厘米,对于一个1米75的女孩子,小的时候她有两条特别好的道路可以选择,第一是做模特,第二是做篮球运动员,最不好的选择就是读书去。

戴锦华:你的意思是说我做了最不好的选择。

主持人:是不是这样?

戴锦华:当然不是,我认为做了最好的选择。

主持人:那有没有人企图在你做最好的这种选择之前,诱引你去做模特或者做篮球运动员。

戴锦华:在我可能当模特的时候还没有这个职业,那么所以经常去诱惑我的是去打篮球、打排球,最后他们发现我不堪造就。

主持人:为什么?

戴锦华:因为我没有任何的体育素质,我大概受过三个月的专业训练,之后就被赶回来了。

主持人:正经的原因是什么?是因为跑得慢还是反应慢、身体不协调。

戴锦华:身体也不协调,反应也慢,也没有任何的激情和热爱。

主持人:给我们大致介绍一下您,好吗?

戴锦华:我有什么可谈的,我就是那种很典型的从学校到学校到学校的那种人

主持人:我们都认为身高很高的女孩子都是诞生在中国最北的地方。

戴锦华:我是山东人,有一句说法叫做“自古山东出大汉”。

主持人:后来从山东考到北京来。

戴锦华:其实不是,我是生在北京,长在北京的。

主持人:好象我对您的了解是78考进北大的,然后82年从北大毕业了。

戴锦华:对。

主持人:在我83年考进北大的时候,你已经离开我们一年了。

戴锦华:样子像我已经死了一年了。

主持人:后来在电影学院教书是不是觉得非常没有意思,才又调回北大来了。

戴锦华:不能这么说,我想可是我觉得北大有更广阔的天地和更新的挑战。

主持人:你平常研究的、非常愿意研究的一些领域是什么?

戴锦华:我所研究的领域都是我愿意研究的领域,首先有中国电影史论、大众文化研究和女性文化与女性文学。

主持人:女性研究的那些文章,我们都是非常愿意看的,尤其是我们这些男人。

戴锦华:真的?

主持人:还有没有?

戴锦华:没有了,这已经够多了吧。

主持人:三大领域,对。

好,咱们言归正传,下面就请戴老师给我们带来一场精彩的学术报告,题目叫作“活的知识-谈大众文化研究”。

戴 锦华:其实是想做一个关于什么是大众文化研究或者大众文化研究想干什么这样一个非常粗浅的描述和勾勒,所以带了一些书来,不是为了装点门面,而是为了让大 家看一下,其实大众文化在中国已经开始越来越热,在英国、在美国、在澳大利亚,在亚洲的很多国家和地区它已经成为了一门显学,就成为所谓前沿学科,或者说 成为一个很时髦的学术领域。那么严格地说,文化研究是一个非常广阔的光谱,我们很难真正地去定义何为文化研究,所以我主要想告诉大家的是,文化研究做什 么,那么我用了一个题目叫“活着的知识”,那么如果用一句话来概括,文化研究做什么,文化研究想寻找、创造、生产活着的知识,那么文化研究它所要做的事 情,我说它是想寻找和创造有用的知识,那么它采取的方式是批判。那么一说批判,也许你们这代人没有这样的联想,我们这代人马上联想到革命大批判,革命大批 判就是一种非常暴力的、非常强悍的踏上千万人的脚,让他永世不得翻身,那么我们所说的批判不是这个意义上的批判,可能更接近于康德意义上的批判,它不是一 般意义的批评,不是一般意义的否定,也不是一般意义上的论战,那么它是一种省思、一种反省、一种分辨、一种深入的具体的考察。

那么文化研 究,我后面会讲到,我所关注的文化研究更多的是大众文化研究,但是大众文化研究不等于文化研究,这个新兴的研究领域,就是所谓的 Culturat studies(文化研究),写成中文文化研究就好象是关于文化的研究,事实上Culturat studies是一个比文化,关于文 化的研究更广阔的概念,那么所以我说文化研究它创造有用的知识,它采取批判的观点,它用一种反思性的方式去深入自己的研究对象自身,比如说包括,当我们说 中国文化的时候,一个文化研究的学者要问,你说的是哪个中国文化,你说的是中国文化的哪一部分,你说的是中国漫长的文明史当中的哪个时段,你说的是这个时 段当中的文化的哪个层次,那么同时,文化研究所关注的就是以这样的一个批判的思路,我说不是大批判的批判,而是康德式的批判,去进入传统的学科自身、进入 传统的知识自身,从中发掘出它仍然有生机的、有活力的知识,所以我说有一种说法就是带一点讽刺性,说文化研究是知识的“炼金术”或叫知识的“淘金术”,它 就是在原有的、传统的、可能在学科的建制当中,在历史的脉络当中,开始僵死甚至有些开始腐烂的,但是还有沙里藏金的这样的大量的知识和文明的历史当中去淘 取那些仍然有生机的、有活力的知识。

那么这是文化研究的一个很重要的基本要点,我所关注的文化研究的一个基本要点,那么有一个说法,说现 代科学创造了人类历史的空前的变化速度,现代科学也造成人类这种空前虚怀若谷面对知识的心态,不知道大家是否熟悉,我们读大学的时候有一个加拿大作家非常 流行,他本身也是个通俗作家叫阿瑟黑利,阿瑟黑利他的小说是通俗小说,所以他有一种模式不断地重复,他每一本小说在告诉我们一件事,说当你抬头在天空上看 见一驾飞机飞过的时候,不论这架飞机的型号是多么新,都意味着当你看见它那个时刻它已经过时了,那么这句话讲的是现代科学的发展速度,同时也讲的是知识的 更新程度。

那么有另外一个说法想必大家也听到过就是说电脑、计算机和网络在很大程度上改变了人类生活的面貌,它对于一个热爱着知识,夸张 一点说热爱着真理、热爱着文化工作或者是文化事业的人们,它其实是提出了更高的要求,而决不是一个更简单的选择或者说一个更轻松的道路。那么文化研究就是 在这样一个被更新了的,被改变了的社会格局和知识面目之后,试图使知识成为有效的、有用的、活着的知识的尝试之一,不是全部而是一种努力。那么文化研究的 另外一个重要的特征,就是文化研究和传统学科有一个很大的不同,而且在某种程度上跟传统学科构成某种冲突,或者说传统学科会对文化研究或者热爱文化研究的 人或从事文化研究的学者构成某种压力甚至是压迫,原因就在于,文化研究突出它的当代性或者叫当下性。

但是我们会注意到就人文和社会科学而 言,它学科的庄严性、严正性和它的神圣性是建筑在一个不言自明的前提之下,就是厚古薄今。那么文化研究的当下性和当代性决定它有三个基本的研究课题,一个 就是,很好玩儿的是文化研究的学者,至少在这个学科的起点处最早都是一批研究文学的学者,一些原来是受文学训练的,受文学批评训练的学者,他们成为第一批 文化研究学者,而今天当文化研究已经变得如此广阔、而且如此深入、如此时尚的时候,它终于实践了它原来预想的就是它是一个跨学科的研究,所以各个行当中的 社会科学、人文科学,包括一部分自然科学的学者都介入到了文化研究这个学科之内,最早是一些文学研究学者,这些学者他们进入文化研究的突出特征是他们研究 对象的转移,他们从文学作品、文学文本转移成了对日常生活的关照,对我们身边的日常生活的关照对日常生活的发掘,通常人们认为这种研究应该属于社会学家。

第 二个领域大家可能会比较关注或者比较熟悉的东西就是大众文化或者叫流行文化或者叫通俗文化,这个字Mass culture(大众文化)、 Populac culture(流行文化)我老觉得很难在中文里找到一个很准确的对应词,因为在中文当中,比如说大众文化、比如说通俗文化,比如说流行 文化它都歧义丛生,但是大家大概知道我指的是什么,我指的是电视剧、广告、流行歌、电影、畅销书这一系列的东西,大众文化研究,关注流行文化或者叫大众文 化,同时大众文化关注种种被主流文化所遮蔽了的边缘文化,比如说青少年文化,比如说某一种小的族群的文化,比如说某一种另类的少数人的文化,那么大众文化 研究关注的是这个“原意”上的,另类文化和边缘人的文化。同时大众文化关注的对象很有意思,使大众文化变得非常尖锐它在更多的层面上受到质疑,就是大众文 化关注种种与社会运动的形式或者以政治的形式出现的民众运动,在这个意义上,这是它更为具体地呈现了大众文化,它想创造并且寻找一种活的文化,一种活的知 识这样一个基本特征。

那么我觉得对于我来说,大众文化对于我的吸引来自于中国的现实,也是来自我们身边的现实,来自当下的变化,而不是来 自于一种学科的魅力或者学科的挑战,而且我反复地说过,有人好像在网上有这种很尖锐的、很刻薄的批评,就是说戴锦华是一个很矛盾,甚至很伪善的一个人,为 什么?因为我对大众文化本身没有任何热爱,比如说畅销书,比如说------我不能说所有的流行歌曲我一律讨厌,但是我能喜欢的歌手也屈指可数,那么比如 说,那些非常畅销的电影或者电视连续剧或者什么,那些东西在我看来我仍然用“恶俗”来形容,大部分用“恶俗”来形容,可是那么说你觉得它这么恶俗,你还要 把它作为你的研究对象,那么你是不是很矛盾很伪善呢?我想肯定有矛盾之处,但我想没有伪善之处,原因是在于我关注它并不是因为它娱乐了我,它让我觉得它美 丽,让我觉得它高尚,让我觉得它有价值,而是在于我必须目睹着八、九十年代之交,伴随着中国社会的剧变,大众文化它全方位地放逐并且取代了八十年代的相对 准“精英”文化,而成为这个社会当中最主流的、最强有力的文化建构力量,大众文化在我们当代生活当中无所不在,它深刻地影响着我们的生活,建构着我们的文 化,它喂养着一代又一代的人,这一代又一代的人已经开始登临舞台,登临中国社会的舞台,成为中国社会的真正的主体,可是喂养他们长大的这些文化却处在一个 匿名的、无名的、不可见的状态当中,所以很好玩儿,就是无处不在的是这样的文化,但它似乎在严肃的学术、学科、文化思考的意义上,它又是完全缺席的,而我 认为在这两个原因当中,它都蕴含着一种使我们的知识变成一种死去的知识,变成一种无效的知识,变成一种断裂的知识。

因为它无力去应对,在 当代生活当中无处不在的影响着年轻一代,喂养着年轻一代而且满足着绝大多数普通民众的文化需求,并且真的给他们制造着快乐,给他们提供着快乐的这样一种文 化,我们完全束手无措,完全无力去面对,所以我说很好玩儿,就是你觉得,在严肃的学术场合我们坐下来,我们讲课,我们拿出一摞书,我们只能去谈唐诗、宋 词、元曲、明清小说、现代文学到当代文学的精英脉络,其实你回到家里你去看《大话西游》、你去看日(本)剧,你去听罗大佑,乃至更年轻的…对不起我不知道 了。你是在消费着这样的文化,好像你觉得它不过是给你提供快乐,不过是一种乐子,而真正严肃的是你去读那些厚重的、那些已经在历史当中具有经典位置的著 作,但是你在不知不觉当中,构造了你的情感方式,构造了你的价值观念、构造了你的生活方式,构造了你的向往、你的恐惧和你的需求的,正是那些你轻松地去消 遣的东西,而同时正是这些轻松消遣的东西,它悄然地改变着整个中国视界,中国的社会,改变着这个社会的结构、改变着人与人之间关系,改变着人们对于生命、 对于爱、对于恨、对于死亡等等最基本的观念,而我们却好象在知识上无力去面对它,它甚至完全是一个我们的文化地平线之下的潜藏的文化,潜在的文化。

我 自己曾经,也是以这种很有距离的感觉,觉得那无所谓吧,大家有权利去快乐一会儿。那么直到比如说去年的罗大佑演唱会,北京发出的专列,北京飞往上海的航班 上拥挤的人群,然后演唱会上那种空前盛况,你看到那些25岁到35岁的年轻的白领们、年轻的总裁们、年轻的经理们、年轻的学者们,他们已然成为中国社会舞 台上的绝对力量的主体,而他们是出现在那样的一个具有大众文化狂欢、又具有文化怀旧的典仪的这样的一个空间当中,你才意识到,当然罗大佑,我也喜欢罗大 佑,罗大佑是一个大众文化当中相对特殊的现象,但是它仍然告诉我们这些,并不被严肃的学者和严肃的文化所处理的东西,已然成为我们生活当中如此重要的建构 性力量。

但是当我说,我把我的注意力从严肃的文学作品,经典的文学作品、艺术电影转移到大众文化的时候,这个转移绝不仅仅是一个对象的转 移,它同时是整个的一套研究方法和思路的转移。因为我自己非常地恐惧或者坦率地说,我非常厌恶一种文化研究,那么这种文化研究是什么?就是它不过是把研究 《红楼梦》的方法搬过来研究比如说《铁嘴铜牙纪晓岚》,它认为可以用同样的方法叙事研究、审美研究、文本分析来处理大众文化文本,它认为这样它就获得一个 更进步的立场,你看,我一点都不篾视通俗文化,我给通俗文化以这么好的象研究《红楼梦》一样的研究,我说我非常厌恶这种做法,我认为这种做法它是双重的失 效,它是双重地把活着的知识变为死去知识的途径,因为《红楼梦》对我来说是活着的文化,并将继续活下去的文化,而《红楼梦》提供给我们的可能是非常丰富 的,其中包括审美、原创性、语言的魅力、人物性格等等东西,包括它的那个奇妙的结构,尽管它是半部红楼,但它奇妙的结构永远激发着《红楼梦》研究者的兴趣 和热爱,所以我说我转移的对象绝不意味着我要拔高大众文化的对象,而意味着我应该以一种不同的思路去思考这样的对象,比如说对我来说最重要的就是,不是故 事所讲述的年代,而是讲述故事的年代,那么什么时候《宰相刘罗锅》开始流行,什么时候清宫戏一场接着一场,成为这个普通市民最热爱的这些戏剧,它在向我们 传达着文化信息,那么“清廷”的故事,“皇帝与臣子”的故事,“贪官与清官”的故事它以什么样的方式被讲述,它以什么样的方式被改写,它以什么样的方式一 次再一次地被复制,它在告诉着我们是,它在告诉我的不是一个关于艺术的信息,而是一个关于当下中国的信息。

关于生产者的诉求,关于生产者 背后的机器的诉求,关于接受者、那些从中得到快乐的人们的接受心理、文化需求,以及他们的心理诉求。所以我觉得这是一个层面,我说大众文化研究它关注活的 文化,寻找活着的知识,那么是由于它首先关注在我们身边活动着的文化,当然前面我已经讲到过,它寻找活着的文化的一个重要途径就是从那些传统的经典当中, 以一个更为批判性的角度去发掘那些真正有活力的文化,同时我认为,我们在面对大众文化的时候,它存在着不同的层次,它不是一个简单的我们可以一言以蔽之, 说大众文化如何如何,通俗文化如何如何,文化研究最拒绝这样的立场,它必须面对每一个具体的文本,面对每一个文本所面临的产生的具体的语境及其不同文本之 间的复杂的层次,因为大众文化和所谓精英文化之间的距离,在某种意义上说,又不象我们想象的那么遥远,比如大家都会知道《红楼梦》在它写作的年代,或者大 家今天作为英国文学经典的勃朗特姐妹的《简爱》和《呼啸山庄》,比如说今天也是在现代文学当中具有越来越重要地位的张爱玲,他们都属于通俗文化,大家会知 道在中国传统文化当中小说之所以叫小说,它不同于大说“不登大雅之堂,雕虫小技,是堕落的文人,才会去做的事情”,那么《红楼梦》就是这样的“堕落的文 人”所做的“堕落的事情”之一,那么《呼啸山庄》和《简爱》有着最典型的那个时代的通俗小说的形式:哥特式小说、神秘小说、神秘故事,阁楼上的风雨人、柜 橱里的骷颅,一个隐秘的家族秘密将带来一系列的故事,大家都知道张爱玲小说是在最典型的鸳蝴派小说杂志上发表的,而她自己最早把自己也是放在那样的一个位 置上来追求,所以大众文化总的来说在我看来它是恶俗的文化,可是并不是说在我们分辨当中不可能发掘出一些美丽的富于原创的东西,但是总的说来,我认为这不 是文化研究的方法。

我们到那里去筛选,文化研究所关注的就是作为大众文化主体的文化,我们想从中发现的不是审美的、不是文化和艺术的信 息,而更多的是关于中国社会变迁的信息,我们发现这样的信息它本身是一种创造活着的知识,同时它是一种介入和参与社会生活的方式,它是一个不甘心成为专家 式的知识分子在学院之内,在学院之外向这个变迁中的社会发出自己声音的途径。至少对我来说文化研究是这样的一个对象,是这样的一个东西,它因此而吸引了 我,它吸引我是因为它如此深刻地改变了中国社会,它吸引我也是因为我认为如果我不能正面地处理它,就不能有效地处理当代文化的问题,同时我认为我去关注大 众文化,处理大众文化是为了能够使自己的声音进入到社会,能够以某种或许是不同的姿态加入到这个社会文化建构过程当中,因为任何一个时代如果它不能提供一 个多元的文化,那么整个的文化就将是一个死去的文化,当一个社会的文化在死去的时候,这个社会的危机就不远了。好,我就讲到这儿。

主持 人:咱们看看来自凤凰网站网友的提问,第一个网友叫“阿诺舒华辛力加”,这是通俗文化,因为在香港“施瓦辛格”不叫施瓦辛格,叫“阿诺舒华辛力加”,这位 叫做“阿诺舒华辛力加”的网友说,好像您在一篇文章里比较了王朔和王小波的不同,并从大众性的角度把他们俩完全分开了,但您不认为王小波确实也有大众性, 王朔也有文化性吗?不然为什么那么多没上过大学的人也读《我的精神家园》,同时几乎所有学者都读过王朔。

戴锦华:我觉得存在着这样的两种 东西,一种东西就是说,精英文化可能有某种对于大众文化的妥协,这是一种原因使所谓的精英文化可能具有大众性,而另一种情况就是大众文化,非常有意思,中 国在渐渐地脱离,但是今天仍然是当代文化的一个重要的特征,我认为我们经常讨论“媚俗”,从米兰昆达拉的《生命中不能承受之轻》,翻译过来以后我们就特别 喜欢用这个字“媚俗”,某某某“媚俗”,但是我不知道大家是否注意到了,其实当下中国文化当中有一个很重要的因素叫“媚雅”,就是大众文化很希望获得一个 更为高雅的包装,那么在我看起来,我认为王朔和王小波最大的不同,好象在那篇文章里是这么写的,我认为他们最大的区别是在于,王朔的小说是为了流行而生产 的,而王小波的小说是他写出来之后而流行的,我认为这是一个很不同的区别,所以没有读过书的人也读过王小波,知识分子也读过王朔,这个不说明问题,人们读 王小波因为它流行,因为它好看,或者说人们可以从中找到他所需要的某种大众性,或者他们媚雅,人们读王朔是因为王朔是一种流行,并不是所有的学者都拒绝流 行,不同的是,大部分学者不象我似的在这儿大声地喊,说我在研究流行文化,他们其实在日常生活当中,很多严肃的精英的学者他们肯定在家里也看电视剧,可能 也听流行歌,肯定也要受到广告文化的渗透,尤其是广告电视文化的渗透和影响,那么他们在网络上肯定也受到各种各样的流行文化的影响。所以我觉得这不奇怪。




 
Midjourney生成波普艺术:大众文化的AI再现 本文旨在探索AI图像生成工具Midjourney在再现波普艺术风格方面的能力与应用。我们将分析波普艺术的核心特征,研究Midjourney如何理解和重现这些特征,并提供实用的创作指南和案例分析。文章首先介绍波普艺术的历史和特征,然后深入解析Midjourney的技术架构。核心部分将详细讲解波普艺术风格的提示词工程,包括风格元素分解和组合技巧。最后探讨AI生成艺术的文化意义和未来发展方向。波普艺术(Pop Art): 20世纪50年代中期起源于英国,后在美国发展壮大的艺术运动,以大众文化图像和物品为创作主题。 阅读详情

相关推荐

45、体育课程文化研究与算法构建

本文探讨了体育课程文化研究的理论与实践价值,构建了基于意见质量与响应质量正反馈关系的算法模型,用于挖掘知识社区中的权威论述。从宏观、中观和微观三个层面系统分析了体育课程的文化内涵与研究框架,并结合实际案例展示了文化研究在体育课程改革中的应用效果。研究表明,体育课程文化研究不仅丰富了课程理论体系,还推动了教学模式的创新与学生综合素养的提升,具有重要的现实意义和发展前景。

keras9composer的博客 38

大众文化与文化产业

 大众文化与文化产业主要参考书:王一川:《大众文化导论》                                          高等教育出版社 第一章 绪 论一、文化的概念《易经》:“观乎天下,以察时变,;观乎人文,以化成天下”。“天文”指自然规律,“人文”指人伦社会规范。所谓“人文化成天下”,含有文化出于自然而又能驾驭自然的意思。 英语:“cu

大师的资源 1万+

OPC DCOM详细配置方法 - 不关防火墙不换登陆用户

1. 前言   OPC DCOM的设置是实现跨网络OPC通信的基础,现有的一些OPC DCOM配置教程虽然讲解了如何配置DCOM,但没有讲清楚为什么要这么做,而且各个教程涉及的配置方法也不尽相同。   为了彻底搞清楚OPC DCOM的配置过程,我重新做了两台机器的系统,一台是Windows 7 32位,一台是Windows 10 64位,并且重零开始完整的测试了正常运行OPC DCOM所需的最少的...

steventian72的博客 3万+

世岩清上:大众文化视角下的城市展厅设计

最终,大众文化视角下的城市展厅设计,旨在为人们提供一个能够感知、体验和参与城市文化的空间。它要能够引发人们的思考和交流,促进文化的传承和创新,成为城市文化发展的重要推手。设计师需要深入理解和把握大众文化的精髓,用设计语言将其转化为实际的空间和体验,让城市展厅成为一个充满活力和魅力的文化场所。设计师需要预见到文化的变迁和发展,确保展厅能够适应未来的需求,成为一个持续发展的文化平台。展厅的空间布局、灯光音效和展品的选择,都需要与大众的文化口味相契合,从而引发他们的共鸣和参与。

世岩清上 424

告别Overleaf!本地LaTeX环境配置:VSCode+TeXLive完全指南(Windows/Mac双平台)

本文详细介绍了如何在Windows和Mac平台上配置本地LaTeX环境,使用VSCode和TeXLive打造高效的专业写作工作流。从TeXLive安装到VSCode插件配置,再到高级技巧与性能优化,帮助用户摆脱Overleaf限制,实现更快速、更私密的学术写作体验。

3c4x5z6v7b的博客 952

多标签图像分类:标签依赖关系建模的最新论文解读与实战应用

多标签图像分类:标签依赖关系建模的最新论文解读与实战应用 ,人工智能,计算机视觉,大模型,AI,本文解读了最新相关论文,包括基于图神经网络(GCN)的ML-GCN方法,通过构建标签相关矩阵建模依赖关系;区域潜在语义依赖的RLSD模型,定位关键区域并利用RNN建模语义依赖;以及语义图表示学习的SSGRL框架,结合语义解耦与交互模块。通过实战应用,展示了基于PyTorch的ML-GCN模型实现,包括图像特征提取、标签依赖建模及训练评估流程,为多标签图像分类提供了有效解决方案。

不踩坑,不知道坑有多深;不总结,踩过的坑白踩。 18万+

大众文化课件

第五章 网络文化 电脑—人—网络 一、网络文化及其特色 n(一)网络的产生与发展 n1、计算机的发明和网络的产生 n1946年,世界上最早的计算机 n1972年,ARPA网亮相 n(军事和政治) n2、个人电脑与Internet n(Personal Computer) n20世纪70年代、80年代 n1972年,互联网协议和传输控制协议 n1983年,ARPA...

weixin_34236497的博客 2162

使用MATLAB的COMSOL LiveLink:实时连接和数据传输

COMSOL LiveLink是一种功能强大的MATLAB工具包,它允许用户在MATLAB环境中与COMSOL Multiphysics软件进行实时连接和数据传输。COMSOL LiveLink是一种功能强大的MATLAB工具包,它允许用户在MATLAB环境中与COMSOL Multiphysics软件进行实时连接和数据传输。使用COMSOL LiveLink,你可以进行更复杂的模型设置和数据传输使用MATLAB的COMSOL LiveLink:实时连接和数据传输。

PixelNinja的博客 2089

新时期文学专题研究【1】

1.一般认为,反思文学的肇端是1979年第2期发表的()。 A.卢新华的《伤痕》 B.王蒙的《布礼》 C.茹志鹃的《剪辑错了的故事》 D.高晓声的《李顺达造屋》 2.先锋文学通常是指在中国80年代中后期出现的,在创作思想和形式技巧都呈现出强烈的()气息的创作流派,主要表现在小说创作中。 A.浪漫主义 B.批判现实主义 C.后现代主义 D.西方现代主义文学 3.800年代初,较早介绍西方现代派小说理论的小册子是()。 A.徐迟《现代化与现代派》 B.高行健《现代小说技巧初探》 C.谢冕《在新的崛起面

robin9409的博客 7579

5、AIX系统硬件管理与故障诊断全解析

本文全面解析了AIX系统的硬件管理与故障诊断方法,涵盖系统管理服务(SMS)的使用、设备兼容性配置、设备配置数据库结构、常用命令如cfgmgr、lsattr、smitty devices的操作详解,并深入介绍了错误日志管理机制,包括errdemon、errpt、errlogger等命令的应用。通过实际案例分析和流程图展示,帮助系统管理员掌握从问题怀疑到诊断执行再到日志清理的完整流程,同时提供注意事项与最佳实践,助力AIX系统的稳定运行与高效维护。

y2z3a4b5c的博客 62

GStreamer 源代码入门

GStreamer 是一个高度模块化的多媒体框架,其源代码结构清晰,设计精良。

深之JohnChen的专栏 951

【渝粤题库】广东开放大学 文化传播学 形成性考核

选择题 题目:从人类生活(特别是人类精神生活)的内容与内涵的角度对“文化”界定为:从最为广泛的民族志的意义上看,文化或文明是一个综合性体系,它包括知识、信仰、艺术、道德、法、习俗及作为社会成员的人所学到的其他能力和习惯。这是下列哪位学者对“文化”所作的定义( ) 题目:文化传播学作为一门社会科学,它所研究与关注的是人类( )的活动。 题目:( )是文化的载体,文化的创造和传承是以其为媒介的。 题目:( )被定义为:在工业社会中产生,以都市大众为消费对象,通过大众传播媒介传播的无深度、模式化的、易复制的、按照

渝粤题库 613

YOLO格式数据集划分

YOLO格式的数据集划分 标题标签格式txt import os import cv2 import random from PIL import Image # os.makedirs('labels_train') # os.makedirs('labels_val') img_train_path ='./img_train/' #图片训练集保存路径 img_val_path = './img_val/' #图片验证集保存路径 labels_train_path = './labels_t

weixin_51154380的博客 3306

电竞,探寻新时代的电子竞技产业四大驱动力

伴随着电竞赛事的火热和资本的涌入越来越多的人开始关注到电竞产业化的推动力量带来的价值潜能和社会影响力其具体的推动力量主要表现在以下几个方面:首先是游戏平台的竞争日趋激烈促进了电竞行业的竞争性和活力;未来的电子竞技产业将如何发展需要我们共同去探寻和研究并为此付出更多的努力和实践去创造更多的价值和意义引领新时代电子竞技产业的蓬勃发展朝着更加广阔的未来迈进创造新的辉煌篇章共同书写电子竞技产业的壮丽画卷展现新时代的风采和魅力为电子竞技产业的可持续发展注入新的活力和动力推动整个行业的持续发展和进步。

JiYan_purple的博客 1193

Apifox接口测试+自动化测试

Apifox 接口测试+自动化测试快速入门!

程序员小杨哥的博客 1万+

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

知识付费社群:最好的知识传播方式

他们代表了大众,并拥有一定的反馈功能,能够为知识付费内容提供分类和定位,筛选出更有价值的信息,并积极参与内容的创造和分享......这种共同的努力最终将构建出全新的知识传播体系。知识付费的用户具备多重身份,既是知识付费平台的消费者,也是知识传播的受众,同时也是知识社群的粉丝。在移动互联时代,知识付费的传播模式不仅扩大了传统知识的传播者和受众面,而且还开拓了知识传播的内容、载体和渠道,取得了传统知识传播模式无法达到的社会效益和经济效益。然而,粉丝用户凭借自己的购买力和消费力,促进了知识付费的发展。

知识变现海哥 1237

SIMATIC S7-1200, S7-1500 PID 控制[手册]

SIMATIC S7-1200, S7-1500 PID 控制[手册]

从反知识分子到反知识本身:美国反智主义的四阶段深化史

启蒙许诺“知识带来解放”,但专家常服务于资本或官僚,加剧“知识=新特权护城河”的感知;民主承诺“人人平等”,但知识门槛制造新阶层,平等诉求异化为对智识阶层的敌意;技术宣称“连接世界”,却让人困于信息茧房,强化“我的认知即真理”的封闭性。当民众发现“知识未带来公平”,反智便成为最廉价的反抗;而霍夫施塔特的警告正在应验——一个拒绝智识的社会,终将失去自我修正能力,疫情失控、气候迟滞、政治暴力皆为此危机的现实注脚。

lpfasd123的博客 718

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

TikTok引领时尚浪潮:社交平台如何塑造大众文化?

TikTok 是一款社交媒体应用,以多种多样的时尚内容成为时尚潮流的重要引领者。用户可以通过 TikTok 发布自己的时尚见解、创意造型和搭配技巧,成为时尚领域的创作者和倡导者。

LokiSan的博客 261

【渝粤教育】国家开放大学2018年春季 4992T农村文化建设 参考试题

试卷代号:4992 (中央广播电视大学)2018年春季学期“开放专科”期末考试 农村文化建设 试题 2018年7月 一、单项选择题(每题3分,共30分) 1.“观乎天文,以察时变;观乎人文,以化成天下。”出自( )。 A.《易经》 B.《诗经》 C.《史记》 D.《孔子》 2.“文化或文明是一个复杂的总体,它包括知识、信仰、艺术、道德、法律、风俗以及作为一个社会成员的个人通过学习获得的任何其他的能力和习惯”这个文化定义的作者是( )。 A.泰勒 B.尹恩·罗伯逊 C.鲁迅 D.

渝粤题库 187

《王朔和海岩的文学选择》

(《王朔和海岩的文学选择》赖洪波/著 张颐武/序 兴安/策划 定价:22元 文化艺术出版社出版2009年2月出版) 赖洪波的这部著作是她的博士论文的修订和扩展的成果,是她在北京大学三年的博士生生活的一个总结。在博士答辩中,赖洪波的论文受到了答辩委员会的高度的评价,认为这是一部扎实和认真的成果。根据老师们提出的问题和修改意见,在本...

cpongo881 335
上一篇: "己所欲,勿施于人"
下一篇: FFMPEG 笔记
Jack Tan
博客等级 码龄22年 28粉丝 52原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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