大学英语词汇习得浅谈

笔者简述了英语词汇习得的规律和大学英语阶段词汇学习的特点,论述了高效率完成各阶段词汇习得需要的条件,也找寻了一些规律,只有遵循英语词汇习得的客观规律,才能收获理想的效果.     

镇远县老年大学爱心捐款助战疫

"国家危难之时,我们老年学员也要积极行动,疫情抗战我们不能冲在一线,但是可以尽一点绵薄之力,我提议组织一个爱心捐款活动,给抗疫一线捐款……""我捐200元,我捐100元,我也捐200袍班的微信群里,学员们自发组织为前线捐款。     

安徽在服务群众中展现皖风徽韵

安徽加强公共文化服务体系建设,建设文化惠民基地,提升管理服务水平;不断创新投融资机制,推动文化创意产业面向市场、面向群众生产文化产品,用改革激发活力,文化产业连续5年保持30%以上的增幅,走出一条具有皖风徽韵的文化强省建设之路。公益性文化设施逐步对城乡百姓敞开大门。据统计,71家博物馆、     

20世纪末湖南诗歌创作态势

自20世纪80年代以来,独立不倚的湖南诗人们坚守创作,涌现出一批批甘于与寂寞为伴的人们。尤为突出的当属湖南诗坛的常青树彭燕郊,其以深刻的现代性和民间性,不断实现自我突破,被誉为文学上的“彭燕郊现象”;其次,站在城市与农村边缘线上的“新乡土”诗群以田园牧歌式的抒写传达对乡土、家园的诗性,以及“6＋0”诗歌从“知识分子”的写作立场表达对现实的思考与探索;“新湘语”诗群立意在日常生活的地方性写作之上。湖南诗人们于不事声张的耕耘中实现着低调的华丽。     

梁启超群治文学观初探

梁启超是中国近代文化转型过程中最具代表性的人物。20世纪初期,梁启超引进西方文化观念,首倡近代多种文体的革新,提出了著名的"群治社会构想",反映在文学思想上主要包括四个方面,即聚合现代民族精神,展示历史进化趋势,"言文一致"语体风格和构建市民文化空间。梁启超"群治"文学观的提出及其有益实践对启蒙国人思想、推进中国文学发展和社会进步,都具有重要意义。     

机械设计制造及其自动化专业人才培养模式的创新实践

在新的历史条件下,深化高等教育改革、提高专业人才培养质量,关键是必须改革和创新专业人才培养模式。围绕专业人才培养目标和基本要求,从制订专业人才培养方案、建立基于课程群的完整的人才培养课程体系、创新人才培养模式等方面,阐述了我校机械设计制造及其自动化专业进行综合改革的具体做法,这对其他高校相关专业的教学改革及人才培养,具有一定的启发。     

艺术公赏力的动力

艺术公赏力作为问题,在中国是与现代大众传媒时代的到来和随后的电子媒介时代及全媒体时代等时代称谓相伴随的。艺术公赏力的动力是推动艺术公赏力问题发生、发展或变化的力量及其来源。由于内部多重问题链在特定社会语境中相互作用,艺术公赏力问题的深层,存在多重相互交叉和扭结的动力因子,于是有三种主要的动力模式:公而高式与艺高于人说、公而低式与艺低于人说、公而平式与艺平于人说。这三者分别是现代中国自我的高于社会、低于社会或平于社会的一种富有想象力和感染力量的符号性面具。现代中国自我渴望确立自身在社会中的地位和作用,但时常遭遇不确定的困扰,恰好借助艺术而幻化出另一自我去代替。于是,艺术公赏力问题的深层动力源集中体现为新兴的现代中国自我与其社会语境之间的矛盾或个群矛盾急需调节。     

儒学的“社会”观念——荀子“群学”的解读

21世纪儒学界开始注意"社会"概念的儒学解读。"社会"虽是近代日本人对"society"的汉字对译,却体现了一般"社会"概念与汉语传统的"社""会"观念之间的对应关系。严复将"society"译为"群",源自荀子。确实,荀子的"群"概念即是一般"社会"概念。为此,有必要明确提出荀子的"群学",但不是严复那样的社会学的理解,而是生活儒学的理解,即理解为基于生活方式转换的社会哲学或一般社会理论。对于今天来说,最重要的是理解历时性的"社会形态"概念和共时性的"公民社会"概念。社会形态的历史转换,可由荀子的群学原理"仁→义→礼→群"的理论结构加以阐明。     

基于广义区间值模糊软集的群决策方法

文章给出了广义区间值模糊软集的矩阵形式,基于区间值模糊数的算术加权平均算子,研究了广义区间值模糊软矩阵序列的算术加权平均算子.然后,给出了区间值模糊数的得分函数表达式,进而定义了广义区间值模糊软矩阵的得分矩阵.利用广义区间值模糊软集的标准化得分矩阵定义了它的加权比较矩阵.最后,基于以上几种矩阵,给出了具体的广义区间值模糊软集环境下的群决策算法,并且通过实例验证了算法的可行性.     

改进粒子群算法优化灰色神经网络预测模型及其应用

文章针对神经网络存在局部最优、收敛速度慢以及大样本等缺点,将改进的粒子群算法、灰色模型和神经网络模型有机结合,构建了改进粒子群优化灰色神经网络预测模型(IPSO-GMNN).并与其他预测模型进行比较,实证结果表明:IPSO-GMNN预测模型能够克服神经网络预测模型的不足,更好地识别时间序列的非线性和突变性特征.在对我国专利授权数量的预测应用中,新模型对非线性时间数据预测表现出更好的预测精度和稳定性.