君子不器:当代大学育人目标探析

“君子不器”即君子不像器物，只有一种用途，而要学道得道，因道乃诸器之本。当今社会需要的是体无不备、用无不周的得道君子，即能够以不变的道应对万变的器的通才，而当今大学的育人目标与课程设置大都是为培养成器的专才而设立的，因此，应该调整大学的育人目标，变培养实用型人才为培养通用型人才。通过弘扬我国传统文化的精华，把传统与文艺鉴赏、现代科技知识结合起来，增设新课程，把学生培养成为能终生适应社会发展的有用人才。     

“巴不得”和“恨不得”

当前学术界对“巴不得”和“恨不得”有一定的研究。从语法、语义、语用三个方面，通过收集大量的例句，分析这对同义词的不同．并从语义和语用的角度对两语法上的差异进行了说明。     

一类超几何函数比的几个不等式

获得了由(4)式定义的出现于数论Ramanujan广义模方程中的这类超几何函数比所满足的一些不等式,改进了广义Grotzsch环函数原有的一些界,所得结果可应用于Ramanujan广义模方程的研究.     

沉积盆地多次拉张模拟中拉张系数的计算

沉积盆地模拟中拉张系数是反映其构造热演化的重要参数.拉张系数β=初始地壳厚度/拉张后地壳厚度.对于只经历一次拉张的盆地而言,拉张后的地壳厚度即现今地壳厚度,很容易求得β.而沉积盆地往往经历不只一次而是多次非均匀拉张,那么各次拉张系数的计算就很难用简单的公式来计算.另外,沉积盆地由于拉张,引起岩石圈减薄和初始沉降,同时引起温度场的变化.随着时间的推移,温度场的变化又引起热沉降.构造沉降和温度场是     

关于Meyer—Konig—Zeller算子

本文给出了Ｍｅｙｅｒ－Ｋｏｎｉｇ－Ｚｅｌｌｅｒ算子的一个新的逼近阶估计，推广了文〔１〕中的结果。     

C─余模和有理C~＊─模

众所周知，余模和有理模在Ｈｏｐｆ代数理论的研究中发挥着重要的作用。本文将给出余模与有理模之间的关系，论证在特殊条件下Ｍ＊的最大有理Ｃ＊─子模的刻划问题。     

条件不完全确定的发散思维型数学问题

“在条件A之下,会产生哪些、什么样的结果B”的问题,就是发散思维型的问题。若其中的条件A带有某种不确定成份,这就构成一种“条件不完全确定的发散思维型数学问题”。这种问题求解过程中的思维活动,有许多特点,对于培养学生的创造性思维有相当高的教育价值。本文以实例为基础对此做了讨论。     

有穷长半模偏序集上的一个定理

本文是对参考文献[1]第二章定理14证明的补充和改进。该定理乃指: 定理14.在任何上(或下)半模的有穷长的偏序集内,Jordan-Dedekind链条件成立。 文献[1]中,考虑上半模情形,谈到已知一个连接链:γ∶a=x_0相似文献   

“一带一路”倡议下区域碳不平等量化及政策启示

在全球贸易背景下量化分析“一带一路”区域的碳不平等,厘清“一带一路”区域隐含碳排放和经济收益不均衡分配的内在机制,是践行绿色“一带一路”倡议的科学前提及基础.本研究基于全球贸易分析项目（GTAP）数据库,构建环境拓展的多区域投入产出（MRIO）模型,涵盖102个“一带一路”沿线国家和地区,且依沿线区位合并为9大研究区域,核算生产和消费视角下“一带一路”区域碳排放、增加值,追溯隐含碳排放、增加值在研究区域间的空间转移格局,通过构建双边贸易中碳不平等指标及全球贸易网络中碳不平等综合指标,全面地量化分析了“一带一路”区域的碳不平等现象.研究表明：1)2014年“一带一路”区域生产和消费视角下的碳排放分别占全球碳排放总量（25 966.23 Mt）的65.29%和60.54%;“一带一路”区域生产和消费视角下的增加值分别占全球增加值总额（669 714.27亿美元）的40.87%和40.10%. 2）在全球贸易中,“一带一路”区域承担来自非“一带一路”区域的净碳排放转移（即“一带一路”区域向非“一带一路”区域净出口隐含碳排放量）1 234.25 Mt,同时从非“一带一路”区域获得了5 154....     

基于特征类内紧凑性的不平衡医学图像分类方法

近些年,基于深度学习的算法和模型在各种图像分析任务中都取得了显著的成功,与常见的自然图像相比,医学图像数据集依然面临高度不平衡的问题,不平衡数据会导致特征空间里的决策边缘倾向样本多的类别,导致分类效果的下降.为了解决该问题,提出一种基于卷积神经网络考虑特征类内紧凑性的不平衡医学图像分类方法（Z-Score Compactness-based Convolutional Neural Network,ZC3NC）.首先,从一个卷积神经网络的最后一层卷积层提取训练集样本与测试集样本的特征图,随后引入一个新的Z分数来度量测试集数据的特征图相对训练集每个类在特征空间上的偏离度,偏离度的度量基于类内的紧凑度,其主要关注样本的分布特性,对各类样本数量的不平衡性不敏感.最终,根据计算的偏离度,对测试集的数据进行分类.在DermaMNIST数据集上的实验表明,在不对数据和神经网络模型做任何额外增强的情况下,该方法的平衡准确率比原卷积神经网络模型平均提高11.15%,最多提高14.08%,证明提出的分类方法能有效地提高多种卷积神经网络对不平衡医学图像数据的分类性能.此外,和最先进的不平衡分类方法 Und...