摘要：艺术感悟:艺术是从人性通往灵性至神性的通道与阶梯——皇甫建良人生从投胎来世,就如重洗后的一盘棋,从头开始,把真、善、美,假、恶、丑一同带来世间,让你一生在红尘中重新修炼。孔子曰:“人之初性本善。”人在婴幼儿期,各自因果尚无能力充分表现。人从小在各自不同因缘的条件与环境和学习教育的熏陶下成长,以各人的天性根基为原作用力,让各自的心性产生不同的变化与果业。

摘要：现尚存于黄河、长江以南大部分省区的傩戏、目连戏,以其渊源流长的历史和原始古朴的艺术风采,被人们誉为中国戏剧的两个“活化石”。傩戏,源于中国古代的傩——一种驱鬼逐疫的祭祀活动,《周礼》有“方相氏当蒙熊皮,黄金四目,执戈扬盾,率百隶而时傩”的记载。在漫长的历史岁月中,傩逐渐由祭祀酬神向娱人方向蜕变发展,成为一种民间戏剧,从现有史料推算,大约成形于唐宋之季。以佛教“盂兰盆经”为发端。

摘要：1989年冬,台湾有两个青年人到单位找我了解贵州傩戏,递上名片——是台北优剧场的。当时我很纳闷,优剧场是个什么团体,是我们概念里的演出场所还是剧团?是什么剧种?尽管他们将优剧场向我作了些介绍,由于40年的隔离所造成的辞汇、概念的差异,除知道优剧场是个戏剧艺术团体外,其他仍就云里雾里,连个大概的轮廓都没。去年底赴台探亲,走亲访友之余,职业的好奇心促使我想到优剧场去看看,见识见识台湾戏剧界。我是学戏剧的,又在剧团混过20多年,对剧团算得上了解,可是,一到优剧场我确傻了眼——

摘要：为研究车-车碰撞事故中驾驶人风格与避撞参数、避撞率间的关系以提高行车安全性,本文通过车-车碰撞数据库(vehicle-vehicle traffic accident database with video,VV-TRAVi)中610例真实事故视频聚类分析出5种典型场景,其中十字路口处占比最大,主要分为有、无视觉障碍2种典型碰撞场景,基于6自由度驾驶模拟器动态搭建上述2种十字路口处典型碰撞场景。通过问卷调查、主成分分析和K均值聚类将驾驶风格分为激进型、普通型和谨慎型,并招募60名3种驾驶风格志愿者在所搭建的2种典型碰撞场景下进行实验数据采集,并在92组有效数据样本中提取3种风格下的避撞参数:TTC(time-to-collision)、BRT(braking reaction time)、速度和纵向减速度,采用单因素方差分析和独立样本T检验分析3种驾驶风格对上述避撞参数的影响。结果表明:在有、无视觉障碍的2种典型碰撞场景下,3种驾驶风格的TTC、BRT、速度和纵向减速度均呈现显著差异;其中,激进型、普通型以及谨慎型的TTC均值(s)分别为0.54和1.21、0.59和1.33以及1.01和2.58,BRT均值(s)分别为1.12和0.9、1.32和1.3以及1.6和1.56,两者均呈现依次增大趋势;速度均值(km/h)分别为37.53和45.03、30.37和34.93以及27.62和30.37,纵向减速度均值(m/s~2)分别为9.38和9.13、6.2和5.6以及3.92和3.66,两者均呈现依次减小趋势;3种驾驶风格避撞率呈现“谨慎型>普通型>激进型”。研究结果为制定考虑驾驶风格的车辆避撞策略提供参考。

摘要：简述了原水煤浆锅炉配套的空气预热器换热效率低，烟气余热回收不充分问题。根据改造后天然气锅炉的烟气特性，在充分利用原有空气预热器现场基础和管口尺寸的前提下，设计出全新的空气预热器。新空气预热器投运后，年产生经济效益约54.8万元/台。

摘要：人工智能所催生的程序化创意颠覆了传统广告创意的核心逻辑,对广告创意生态产生了深远影响。从广告形态与媒介技术的关系演变历史来看,广告形态的每一次变革都离不开广告创意人与媒介技术的共生作用,但作为广告创意主体的广告创意人对媒介技术的态度却在不同阶段有不同表现,从质疑、排斥甚至拒绝再到接受共生。新技术的发展及其将在未来广告创意领域发挥的重要作用,促使广告创意人重新思考和适应其自身在未来智能广告创意生态中的位置,着力推动人类智慧在其中扮演不可或缺的角色,发挥广告创意价值理性和工具理性的双重优势,实现新技术背景下的智能创意升级及价值理性回归。

摘要：数码媒体艺术对当今社会的交通、文化、娱乐等生活方面都产生了不可抗拒的影响和渗透。庞大的数字创意产业需要大量数字人才，然而我们数码人才的培养却相对滞后。

摘要：数字科技及人工智能在广告创意中的应用,使传统广告业面临着巨大的转型压力。一方面,新的媒介技术给广告公司带来明显的经济效益,促进了广告创意形态的多样化;另一方面,技术深度介入创意给传统广告创意人带来了主体性消解、话语权消失的危机。在被动接纳新媒介技术的过程中,传统广告创意人充满着抗拒。从广告创意与媒介技术抗拒—突破—共生的关系转向看,理性看待媒介技术,准确而恰当地处理好广告创意与媒介技术之间的互动关系,实现良好的共生性互动,应该成为今后广告创意人的重要思维和行为方式。

摘要：半监督多标记学习利用有标记数据和无标记数据进行模型的训练,降低了多标记数据的标记成本并取得了不错的结果,吸引了很多研究者不断进行研究.然而,在半监督标注过程中,由于标记的数量较多,往往会出现某些标记缺失标注样本的情况,这些标记被称为开放词汇.开放词汇会导致模型无法学习到该类别的标记信息,使得模型性能下降. 针对上述问题,提出了基于图提示的半监督开放词汇多标记 学习方法. 具体地,该方法利用基于提示的图神经网络对预训练大模型进行微调,挖掘和探索开放词汇与 监督样本之间的关系. 通过使用包含图像与文本的多模态数据构造图神经网络作为预训练大模型的文本 输入进行学习. 其次利用预训练大模型在开放词汇上的泛化能力,对无监督样本生成伪标记,实现对输出 分类层的微调,使模型在对开放词汇进行分类时能获得更加理想的效果. 多个基准数据集上的实验结果 均显示,基于图提示的半监督开放词汇多标记学习方法优于目前的主流方法,在 VOC,COCO,CUB,NUS 等基准数据集上均取得了最优的效果.