“滚雪球”与“抖包袱”——试论微篇小说的情节变化与审美兴奋点的形成

微篇小说的情节变化主要通过两种基本模式来形成审美兴奋点,实现创作意图:一是“顺向变化———滚雪球”的模式;二是“意外突转———抖包袱”的模式,具体又可分为渐进式突转和抖然式突转。     

蒸汽在水下有限空间内喷注时喷注噪声的声源分析

在实验研究的基础上，用计算流体力学软件(CFD)对与喷注噪声密切相关的压力场与温度场进行数值计算，定量分析了在不同温度时所对应的压力场与喷注噪声的关系。     

论二十世纪六、七十年代"三线"建设与陕西工业

陕西工业的发展、变化与二十世纪六、七十年代国家"三线"建设紧密相关.在"三线"建设期间,国家强力度的直接投资,进行了大规模的工业建设扩张,使陕西工业"跳跃"式地进入现代工业化的行列.与此同时,以现代国防工业为主体的陕西工业经济结构日益完善.但是,陕西工业是计划经济的产物,因此,存在许多制约经济发展的问题,需要我们进一步正视.改革开放后,随着社会主义市场经济的日益确立,陕西工业经济的发展迎来了又一次新的历史机遇.     

论大学英语写作教学原则

本文着重探讨写作与批评性阅读之间的关系 ,认为在写作教学中通过批评性阅读培养学生的批评性语言意识是提高他们写作能力的一条重要原则。     

对上海街头艺人管理法规制订的思考

上海制订街头艺人管理法规应注重:对街头艺人的管理方法体现社会对文化艺术的态度、对弱势群体的关注以及对公众利益的维护;对不同类型的街头艺人实施分类管理;通过教育和宣传,为艺术型街头艺人创造良好的社会氛围;应制订政府管理部门的服务规范;制订艺术型街头艺人认证标准应体现上海文化特色。     

读莫斯《献祭的性质与功能》

<献祭的性质与功能>①由马塞尔·莫斯(Marcel Mauss,1872-1950)和亨利·于贝尔(Henri Hubert,1872～1927)合作完成于1899年.莫斯是法国社会学年鉴学派的第二代领导人,于贝尔是该学派的中坚之一.无论是对<献祭>的评介,还是对作者特别是莫斯的学术生涯的考量,都应该放在以爱弥尔·涂尔干(EmileDurkheim,1858～1917)为核心的法国社会学年鉴学派的学术生命中去思考.     

分析电磁散射问题的MGFFT方法

采用多重网格法（ＭＧ）分析电大尺寸物体的电磁散射，这种ＭＧ方法与已有的几种多重矩量法有本质的不同，与其他多层方法相比，它是一种高效率的迭代方法。再利用积分方程的卷积特性引入ＦＦＴ方法快速计算迭代过程中矩阵与矢量的乘积，从而构成ＭＧＦＦＴ新算法，数值结果表明ＭＧＦＦＴ方法具有很高的计算效率，适用于电大尺寸问题的分析。     

唐代三教融合思潮对白居易思想的影响

儒、释、道三教融合,构成了唐代三教关系的最重要特点.在中唐诗人中,自居易的行为方式和生存智慧,真正体现了三教融合这一时代精神.在唐宋文化转型之际,自居易更以其独特的诗歌风格和人生思考,开种种风气之先.     

A tutorial on rank-based coefficient estimation for censored data in small- and large-scale problems

The analysis of survival endpoints subject to right-censoring is an important research area in statistics, particularly among econometricians and biostatisticians. The two most popular semiparametric models are the proportional hazards model and the accelerated failure time (AFT) model. Rank-based estimation in the AFT model is computationally challenging due to optimization of a non-smooth loss function. Previous work has shown that rank-based estimators may be written as solutions to linear programming (LP) problems. However, the size of the LP problem is O(n ²+p) subject to n ² linear constraints, where n denotes sample size and p denotes the dimension of parameters. As n and/or p increases, the feasibility of such solution in practice becomes questionable. Among data mining and statistical learning enthusiasts, there is interest in extending ordinary regression coefficient estimators for low-dimensions into high-dimensional data mining tools through regularization. Applying this recipe to rank-based coefficient estimators leads to formidable optimization problems which may be avoided through smooth approximations to non-smooth functions. We review smooth approximations and quasi-Newton methods for rank-based estimation in AFT models. The computational cost of our method is substantially smaller than the corresponding LP problem and can be applied to small- or large-scale problems similarly. The algorithm described here allows one to couple rank-based estimation for censored data with virtually any regularization and is exemplified through four case studies.