【摘 要】
:
2021年1月9日,中国乐调理论之\"同均三宫\"专题研讨会在中央音乐学院召开,来自全国各地高校和研究单位的专家、学者在线上、线下同时参会,与会者围绕黄翔鹏先生提出的\"同均三宫\"理论和中国传统乐律学的诸多问题展开讨论。文章按照学者们的学术态度分为正方、反方、修正发展方和实践方对会议发言进行综述。
【机 构】
:
山东师范大学音乐学院,中央音乐学院
论文部分内容阅读
2021年1月9日,中国乐调理论之\"同均三宫\"专题研讨会在中央音乐学院召开,来自全国各地高校和研究单位的专家、学者在线上、线下同时参会,与会者围绕黄翔鹏先生提出的\"同均三宫\"理论和中国传统乐律学的诸多问题展开讨论。文章按照学者们的学术态度分为正方、反方、修正发展方和实践方对会议发言进行综述。
其他文献
党的十九大提出“担当民族复兴大任的时代新人”重要命题,反映了新时代中国在实现中华民族伟大复兴进程中人的发展与时代相契合的历史规律。文章从中国历史发展变迁的脉络中厘清不同时代社会“新人”的基本内涵特质,以探究担当民族复兴大任的时代新人在溯源中传继、在扬弃中发展、在守正中创新、在变局中复兴的历史生成逻辑。以历史为维度对时代新人演进进行价值反思,担当民族复兴大任的时代新人的生成契合了历史发展规律,其政治信仰是历史的必然选择,其视野具备世界大格局。
模仿是学前儿童重要的学习方式,学前儿童\"我也\"行为作为模仿的一种特殊表现形式,值得进一步关注。通过对我国学前儿童\"我也\"行为相关文献的梳理发现,已有文献主要从学前儿童模仿行为的分类和特征、价值及其不良后果等方面进行研究。当前,我国学前儿童\"我也\"行为的研究成果日益丰富,内容不断推陈出新。未来相关研究需要进一步丰富,尤其是学前儿童\"我也\"行为研究的相关内容、场域、领域以及跨学科研究等方面值得进一步重视。
善用“大思政课”是提升思政课铸魂育人实效性的必然要求和重要举措。在新时代善用“大思政课”,应当深刻把握“大思政课”蕴含的核心要素,持续推进思政课改革创新。在施教理念、课程内容、教学方法、保障机制等方面协同发力,不断增强“大思政”的铸魂育人效能。
刚地弓形虫(简称弓形虫)呈世界性分布,是重要的专性细胞内致病原虫,可引起人兽共患的弓形虫病,给人群健康和畜牧业生产造成严重的危害。研究发现,Ⅰ型弓形虫株能够逃避宿主细胞自噬的杀伤作用,其机制可能是通过改变宿主自噬相关蛋白的表达水平;而Ⅱ型和Ⅲ型弓形虫株均能被宿主细胞的自噬系统有效地清除或抑制。本文综述了弓形虫感染与宿主细胞自噬相互作用的研究进展及其相关分子机制。
《就学权研究》从理论上原创性提出“就学权”观点井加以解析,契合当下我国社会转型的大背景,并从教育学与法学的交叉视野重点关注义务教育等阶段流动人员子女就学权问题。该书提出的“就学权”理念在理论上具有原创性与开创性,同时运用市民社会理论、内生和谐发展等法学及教育学理论,重点研究流动人员子女就学权利,彰显了研究的理论意义。
目的利用生物信息学方法分析刚地弓形虫(Toxoplasma gondii)棒状体蛋白16Ⅲ(ROP16Ⅲ)重组表达载体转染人肺腺癌A549细胞后的基因表达谱,筛选致病候选基因。方法构建真核表达载体pEGFP-N1-ROP16Ⅲ。将A549细胞分为未转染组、pEGFP-N1组、pEGFP-N1-ROP16Ⅲ组,后两组分别用pEGFP-N1、pEGFP-N1-ROP16Ⅲ质粒进行瞬时转染,48 h后收集各组细胞,提取总RNA,纯化后进行芯片杂交分析,筛选差异表达基因(DEG)。将DEG进行基因本体(GO)功能
了解2016—2020年北京市土源性线虫病和华支睾吸虫病人群感染状况,为制定防控措施提供科学依据。2016—2020年,北京市每年设立3个监测点,包括土源性线虫病固定监测点和流动监测点各1个,华支睾吸虫病流动监测点1个,开展人群土源性线虫和华支睾吸虫感染状况监测,各监测点按照地理方位划分为东、西、南、北、中5个片区,每片区抽取1个乡(镇)的1个行政村,每个行政村整群抽取3周岁以上常住居民200人,采用改良加藤厚涂片法(一粪两检)检测虫卵,土源性线虫病监测点对3~9岁儿童加做透明胶纸肛拭法检测蛲虫卵。计算感
时间尺度理论将微分方程理论和差分方程理论融合于一体,而分数阶微积分可以为实际问题提供更为切合的模型.分数阶时间尺度微积分因能统一研究连续分数阶系统和离散分数阶系统而备受关注.结合时间尺度和分数阶微积分,研究含CaputoΔ导数的分数阶时间尺度Noether定理,为研究复杂系统动力学行为提供了一个新的视角.首先,回顾了分数阶时间尺度积分和导数的定义.其次,根据所提出的CaputoΔ型分数阶时间尺度Hamilton原理,导出了分数阶时间尺度Lagrange方程.在特定条件下,此方程可退化为时间尺度Lagran
近年来,人工神经网络(artificial neural networks,ANN),尤其是深度神经网络(deep neural networks,DNN)由于其在异构平台上的高计算效率与对高维复杂系统的拟合能力而成为一种在数值计算领域具有广阔前景的新方法.在偏微分方程数值求解中,大规模线性方程组的求解通常是耗时最长的步骤之一,因此,采用神经网络方法求解线性方程组成为了一种值得期待的新思路.但是,深度神经网络的直接预测仍在数值精度方面仍有明显的不足,成为其在数值计算领域广泛应用的瓶颈之一.为打破这一限制,