排序方式: 共有78条查询结果,搜索用时 0 毫秒
1.
从认知语言学角度出发,隐喻不仅是一种修辞方法,更是一种认知方式.以总结隐喻的认知机制为基础,综合探讨了隐喻的翻译方法并将其运用到《红高粱家族》葛氏译本的分析中.研究发现葛氏译本在一定程度上再现了原作中的隐喻,有利于英语读者了解其中蕴含的文化意象、缩小不同民族间的认知差异;同时,这也为分析和判断莫言英译作品的隐喻译介效果提供了新视角. 相似文献
2.
3.
目的 本研究探讨了人工智能与数字孪生技术在青少年美育中的应用,旨在提供沉浸式、互动式、个性化的学习体验。研究结合了认知发展理论、社会文化理论等以优化美育教育效果。方法 首先,运用文献研究法梳理人工智能和数字孪生技术的理论内涵及其与美育的理论联系;其次,通过案例分析法总结数字孪生等技术在美育设计领域的典型应用实例与应用场景;最后,利用模型构建法探索了数字孪生技术赋能下的青少年美育系统,着重研究了技术与教育的互动和技术应用于实际教育环境中的挑战。结果 人工智能与数字孪生技术的融合提升了青少年的美育体验,增强了学习的沉浸性和互动性,并通过提供个性化学习路径促进了青少年的认知、情感,以及社会的发展。同时,这些技术与教育理论相协调,为美育教育带来了新的范式。结论 人工智能与数字孪生技术在青少年美育设计中的应用具有的重要时代意义。它们不仅突破了时间和空间的限制,实现了全方位的美育设计,而且有效地促进了美育的数字化升级。此外,这些技术为青少年提供了全新的美育体验,有助于其在数字和文化素养交织的世界中全面发展。 相似文献
4.
5.
为探究环境因素、交通水平等外部条件对沥青混合料玻璃态转变温度的影响,研究选取升温速率、荷载频率、应变水平3个试验因素,采用DMA方法在不同试验水平下对沥青混合料试件进行温度扫描试验.利用Boltzmann模型拟合得到材料的玻璃态转变温度,通过对试验结果的统计分析,确定影响玻璃态转变温度的主要因素,并建立了多因素影响下的玻璃态转变温度预测模型.结果表明:采用Boltzmann模型能够准确有效地确定材料玻璃态转变温度;升温速率、荷载频率对沥青混合料的玻璃态转变温度有显著影响,玻璃态转变温度随着升温速率、荷载频率的增大而升高,玻璃态转变温度与升温速率、荷载频率的对数值存在良好的线性关系;处于弯拉受力模式下的沥青混合料,其玻璃态转变温度在线粘弹性区域内并无明显的应变依赖性. 相似文献
6.
以葡萄糖、三聚氰胺和甲醛为主要原料,在碱性条件下合成了葡萄糖-三聚氰胺-甲醛(GMF)树脂,研究了葡萄糖与三聚氰胺的摩尔比(Mg∶Mm)对GMF树脂固化性能与热稳定性的影响。结果表明:GMF树脂固化后羟甲基等活性官能团含量减少,形成了稳定的三维网络结构;随着Mg∶Mm 的增加,GMF树脂的热稳定性总体变差;GMF树脂的固化过程为放热反应,随着Mg∶Mm 的增加,活化能Ea随之增大,固化反应更难发生,需要更高的温度使其充分固化;GMF(Mg∶Mm =0.1)与GMF(Mg∶Mm =0.5)树脂的固化反应n级动力学模型分别为dα/dt=1.36×108e-80890/RT(1-α)0.9278、dα/dt=1.55×1010e-96480/RT(1-α)0.9367。该结果可为GMF及其他糖类物质改性MF树脂的热性能与人造板热压工艺的研究提供参考。 相似文献
7.
人工湿地(CW)和微生物燃料电池技术(MFC)是两种具有潜力的环境技术,用于水污染治理和可再生能源生产。目前大部分研究主要针对上流式人工湿地-微生物燃料电池进行探索,很难用到实际的人工湿地上。主要以垂直流人工湿地为研究对象,研究复合垂直流人工湿地-微生物燃料电池耦合系统的产电性能和水质净化作用。结果表明,在相同的垂直流CW-MFC系统中,产电性能和水体污染物的含量有一定的关系;在模拟自然的水流情况下,CW-MFC1阳极生物氧化产生的质子和电子迁移至CW-MFC2的阴极也能同其电子受体发生氧化还原反应,从而产生电压电流,且其电压高于单一垂直流CW-MFC系统;模拟自然情况下的CW-MFC系统对各项水质指标的去除都有不错的去除效果,其中磷酸盐和总磷的去除率为97.5%和97.9%,氨氮和总氮的去除率为86.4%和66%,COD去除率最低为36.5%,表明复合垂直流CW-MFC系统对水体污染物的去除起明显的效果。 相似文献
8.
9.
针对单一算法优化空调冷负荷模型参数存在的局限性及对预测精度的需求,本文提出了基于遗传算法(genetic algorithm, GA)进化、莱维飞行(Levy)及粒子群(particle swarm optimization, PSO)优化算法的协同并行混合算法Levy-CPSO-GA。将初始种群初始化为2个同规模种群,分别按照合作机制和竞争机制并行更新,种群1采用Levy飞行产生随机新巢方式自适应初始化PSO,同时引入迭代极值,记录粒子群的信息交换;种群2按照GA更新,种群间通过适应度交流,以最优适应度更新群体,将混合算法应用于优化长短期预测模型(long short-term memory, LSTM),并将结果与各预测算法进行比较。研究结果表明,优化后的预测模型,预测精度大幅提高,与ELM相比,RMSE降低了81.1%;与LSTM模型相比,误差显著降低,RMSE降低了26.4%,在第105个预测点处,该预测模型的绝对误差为-0.682 9,相比于ELM的绝对误差值-7.313 5,其精度提高了90.66%,预测性能优于其他算法。该研究对准确预测冷负荷具有重要意义。 相似文献
10.