中非经贸合作下非洲基础设施建设的现状与挑战——以亚吉铁路建设为例

在分析非洲基础设施建设现状和特点的基础上,通过亚吉铁路建设的案例研究,探讨了中非经贸合作下非洲基础设施建设的成功效应和存在的主要问题,得出中国标准缺乏国际认可、中非双方存在文化冲突、对非“全产业链”与投融资需要强化和产业结构相似的结论。同时,对未来中非经贸合作下非洲基础设施建设的发展从消除文化差异、提高合作层次、加强投融资、改进中国标准、明确合作区发展定位、后疫情时代加快构建更紧密的中非命运共同体和加强产能合作并发挥产能优势等角度提出可行性建议。     

由"二维码"英译引发的对术语翻译的思考

首先搜集“二维码”的多种英文表达,从而引出该概念的乱象,接着采用定性的分析方法,从该概念的内涵和外延、属和种差等多角度进行深度解剖,发现日常生活中接触得最多的英文表达“QR code”只是“二维码”的一种,并非其准确译法,据此总结“二维码”术语英译的困难以及从中发现术语标准存在的问题,并讨论术语翻译在生活中的应用特点。     

张家界大鲵产业集群竞争力测度的AHP-GEMS模型

构建了大鲵产业集群竞争力测度的AHP-GEMS模型，该模型包括四因素对，涵盖八要素.设计了大鲵资源量等34项评价指标，通过层次分析法确定指标权重，并运用GEMS模型对大鲵产业集群竞争力进行定量化测度与评价.以张家界市大鲵产业为例展开分析，结果表明，张家界市大鲵产业集群的竞争力评分为582.55，处于国家一般水平，具有本国范围内较强的集群竞争优势；但张家界市大鲵产业发展存在国内外市场不足、精深加工产业链不完善、从业人员素质与教育水平偏低、产业所在地交通与通讯设施不完善等问题.针对这些问题，提出了加强国内与国际市场融合、基础设施建设与可持续发展融合、产业与全域旅游建设融合、产业发展改革与创新融合等建议.     

基于深度学习的多STBC盲识别算法

针对空时分组码(space-time block code, STBC)识别中多种编码类型难区分的问题, 提出了一种基于卷积神经网络的STBC盲识别算法。该算法首先将接收信号采用自相关函数的频域预处理, 输入到卷积神经网络中对信号特征进行提取, 全连接层对特征进行映射, 实现对6种STBC类型的识别。仿真实验结果表明, 在无信道和噪声等先验信息的条件下, 所提算法能够有效区分3种相似度高的STBC3码, 且将STBC可识别的编码类型由目前的4种扩充到6种, 识别准确率能达到96%。该方法的复杂度较低, 不需要利用大量样本数据, 实时性高, 具有较好的工程应用价值。     

浅析嵇康“越名教而任自然”的道德意蕴

嵇康是魏晋时期著名的思想家之一。在司马氏利用名教控制天下的情况下，嵇康提出“越名教而任自然”的主张来反对虚伪名教的束缚，提倡个性解放，主张万物要遵循自然规律与法则，顺应其自然本性发展。实际上嵇康并不是反对一切道德和名教，而是通过“任自然”来回归到原初时代。顺应自然和人之性情的名教，是要超越现在而回归过去无欲、无贪的状态。     

汇聚传统教材精华 吸纳新近科研成果——冯力斌、白萌主编《声乐教程》评析

《声乐教程》是旨为促进学生全面发展的音乐教育针对性的声乐教材,强化了"全能"教育理念,培养了艺术综合能力,探索了根据教学需要的音乐教育课程结构,采用实用性强的进阶技术训练途径,在置换或更新教材教法中为学界提供了很多有益经验。在对其评析基础上,针对近年来声乐教材编写现状提出发展建议。     

品格伦理视域下社会主义核心价值观培育

品格伦理以人的忠诚、仁慈、宽厚、勇气、自由、正义、平等和自律等为结构特点。讲道德、尊道德、守道德,追求高尚的道德理想是品格伦理的内在价值要求。在当今中国社会文化多元的空间里,旗帜鲜明地倡导以品格伦理为视角的社会主义核心价值观培育,能够更深层次地影响人的思想认识与行为方式,提高思想认同和培育的实效性。     

欧洲近代史学与傅斯年的学术思想

欧洲近代史学作为一种舶来品,对于中国史学从传统走向现代,起到了至为重要的推动作用。在欧洲近代史学东传的过程中,傅斯年穿针引线,对欧洲近代史学的引介不遗余力,贡献尤著。尤其是,他对巴克尔史学的借鉴、兰克治史理念的宣扬,以及德国"种族-文化"观念的运用,不仅成为其取得重要史学成就的学术渊源,而且为转型期的中国史学创辟了一条新路径。同时,欧洲近代史学经由傅斯年输入国内,开阔了中国学者的国际视野,为中国史学走向世界,取得国际学术话语权奠定了基础。     

冥卫一首批12个地貌特征名称的中文译名

简述了冥卫一首批12个地貌特征英文名称的产生、确立,中文译名的翻译、调研、讨论、论证、公布几个阶段的工作,并针对科技译名的原则提出了一些问题。     

基于SAMME+ResNet的多相码信号识别方法

针对传统多相码信号识别方法在低信噪比情况下分类精度不高、类识别率不均衡和识别方法不具有通用性的特点,提出了一种利用集成学习中的多类指数损失函数逐步添加模型(stagewise additive modeling using a multi-class exponential loss function, SAMME)算法和残差神经网络(residual neural network, ResNet)的多相码信号识别方法。通过仿真实验对5类多相码信号进行了分类识别,验证了模型的有效性,分析了不同数量基学习器对模型的影响,最后与传统分类方法进行了对比。仿真结果表明,在信噪比低于6 dB的情况下,所提方法相对于单个残差网络提高了约10%的分类精度,同时缩小了类之间识别率的差距,相对于常用的分类方法也有很大的优势。