在…视域下是什么意思_“视域”与“视阈”之辨

本文探讨了“视域”和“视阈”在表示“视野”语义上的异同,从“域”和“阈”的文字源流进行考察,分析其在区域、邦国、界限等意义的演变,并指出它们在使用上的规范建议。

当下很多论文题目都采用从“×ב视域’

/

‘视阈’下„„”的格式,多半是从某一理论视

域(视阈)下来分析现实问题。如靳涌韬《教育学视域下我国现代学校变革有效性研究》

,张

扬《网络舆论监督视阈下的廉政建设研究》„„二词在表示“视野”语义上使用无别,实际

上有同有异。本文就“视域”

“视阈”二词从语言文字的角度来分析其语义异同,以便对其

规范使用提出建议。

一、

“域”和“阈”的文字源流考察

分析“视域”和“视阈”二词,重点放在“域”和“阈”两字上。两字声符相同,■,

或又从土,阈,从门或声,都读作

y

ù,只是形符不同,

“域”从土,

“阈”从门。

(一)

“或”

“国”

“域”

《说文

?

戈部》

“■,邦也。从口,从戈以守一,一,地也。■,或又从土。

”段玉裁注:

“既从口从一矣,又从土,是后起之俗字。

”可见“域”是“或”的后起字。

“或”

(

y

ù)本是

个会意字,

“或”的甲骨文写法是■:左边是“戈”

,中间的“囗”表示城墙,并有武器守卫。

“或”

字的本义是

“区域”

吴大徵

《说文古籀补》

“或,

古国字,

以戈守囗,

象城有外垣”

后来由区域引申为“邦国”的“国”

。后世

“或”假借为无定代词,

邦国义分化出在“或”

之外再套上个“囗”的形声字“

??

(国)

??

(国)

《说文》

“国,邦也。从口,从或。

高鸿缙在《中国字例》说:

“国之初字,从囗,一为地区之通象,合之为有疆界之地区之意为

通象,

故为象形意而属指事符

;

益之以戈声,

故为指示符加声之形声字。

周时借用为或然之或,

乃加囗(即围字)为意符作国„„徐灏曰:

‘邦谓之国,封疆之界谓之域,古但以域字为之’

是也”

从中看出

“国”

的本义是

“区域”

更早以前写作

“或”

字。

“或”

是古字,

“国”

“域”

都是“或”的后起字。现示例如:

(

1

)以天下土地之图,周知九州地域广轮之数。

(

《周礼

?

地官

?

大司徒》

)

(

2

)古帝命武汤,正域彼四方。

(

《诗

?

商颂

?

玄鸟》

)

(

3

)葛生蒙棘,敛蔓于域。郑玄笺:

“域,茔域也”

(

《诗

?

唐风

?

葛生》

)

(

4

)和而不唱,知不出乎四域。

(

《庄子

?

德充符》

)

(

5

)人域是域,士君子也。

(

《史记

?

礼书》

)

第一例可看出域的本义是“区域”

,后引申为邦国、葬地、界限、居处义。再后来引申为

近代一个抽象数学概念,如“值域”

数学名词,函数经典定义中,因变量改变而改变的取

值范围叫做这个函数的值域。

(二)

“阈”

《说文》

“阈,门榍也。从门,或声。

《论语》曰:

‘行不履阈’

。■,古文从阈从洫。

可知,

“阈”的本义是门槛。

《尔雅

?

释宫》

?

晃街

?

阈。

”邢

?m

疏:

?

徽撸

?

孙炎云:

‘门限也。

’经传诸注皆以阈为

门限,谓门下横木为内外之限也。

”如:

(

6

)不践阈。

(

《礼记

?

曲礼》

)

随后过了这个门槛,到了门外,自然就可以看到整个“门楣”了,如(

7

)仰瞻城阈,俯

惟阙庭。

(三国魏

?

曹植《应诏》

)

后来由门限就引申出后来的

“界限”

之意。

(

8

)

宜其咽喉九州,

阃阈中夏。

(唐

?

贾至

《虎

牢关铭序》

)

所以“阈”字最初是指门槛,因为门槛之意分出门内门外,故而有门限之意。后来慢慢

引申出界限的意思。

王力指出“同源字,常常是以某一概念为中心,而以语音的细微差别(或同音)

,表示相

近或相关的几个概念。

[1]

他在

《同源字典》

中指出

“阈”

“限”

(亦作□)

?y

(亦作

“阃”

)

是一组同源字。

《说文》

“限,阻也,一曰门榍。从阜,艮声。

”又:

“榍,限也。

《广韵

?

产韵》

“□,

内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集个性化推荐展示,Java后端支撑高并发服务日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练全局聚合的协同逻辑,同时可基于项目架构进行算法替换功能扩展,适用于科研验证工业级系统原型开发。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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