25、艺术先锋:后人类时代的乌托邦与算法永生探索

后人类艺术探索:乌托邦与算法永生

艺术先锋:后人类时代的乌托邦与算法永生探索

1. Goodiepal的后人类反自主抗争与乌托邦实践

Goodiepal的后人类反自主抗争在很大程度上体现为对占有物的放弃,这也是乌托邦的典型元素。他在创作过程中对创作权的分配与经济共享理念紧密相连,重现了20世纪60年代艺术中明确的社会主义倾向,从激浪派(Fluxus)到博伊斯(Beuys)再到丹麦的Eks - Skolen。

  • 音乐创作与共享 :用户可以自由上传甚至重新发布他的音乐。例如,只要给Goodiepal和他的母亲一杯茶,或者如果意外盈利则提供一份拷贝即可。像“Mort Aux Vaches Ekstra Extra”这个名字,源于一次他的音乐会被荷兰Staalplat唱片公司非法录制和发行的事件,但他通过添加第二个“extra”,强调自己的作品也可被免费重新利用和传播。
  • 作品价格差异 :在Krabbesholm Højskole获取他的音乐作品几乎免费,但从出版商Pork Salad Press购买则价格高昂。此外,在“Mort Aux Vaches Ekstra Extra – Route 66 Eksperimentet”(2011)的黑胶唱片封套里,还放有500丹麦克朗(约70欧元)的钞票、罗姆人的货币和空白支票,曾有用户填写了一张8000英镑的支票,让Goodiepal负债。

Goodiepal最能体现非占有理念的作品是“Kommunal Klon Komputer 02”。这是他与工程师Karl Georg Rasmussen根据后者20世纪70年代的原型建造的封闭式三轮车,是一种奇特的

【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,具有较强的实用价值。; 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;具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