评判文章逻辑应基于语境的正确运用——也谈《拿来主义》中的逻辑问题

来源 :中学语文教学 | 被引量 : 0次 | 上传用户:kency2008
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
解决鲁迅《拿来主义》中的逻辑争鸣问题,关键在于如何运用语境.逻辑分析需要以正确运用语境为基础.根据《拿来主义》的创作语境,发现该文并未违反同一律和矛盾律.
其他文献
为了获得更高精度的速度场,根据卡尔曼平滑估计的原理,该文提出将卡尔曼平滑算法应用到速度场解算中的方法。该方法在卡尔曼滤波的基础上,根据已得滤波估计值进行反向卡尔曼滤波估计,将正向滤波解和反向滤波解进行加权平均,从而提高速度场解算的精度。利用SOPAC网站产出的2017—2019年共3 a的包含全球IGS站点的单日松弛解H文件,分别采用经典卡尔曼滤波和卡尔曼平滑两种方法进行速度场的解算。结果表明,采
针对天顶对流层延迟(ZTD)与大气可降水量(PWV)相关性特征及变化规律,该文提出基于无气象元素ZTD短时天气监测及预报的方法。该文以北京市2013—2015年BJFS站日均数据为例,采用GZTD和Saastamoinen+GPT2模型拟合,得到传统的无气象元素的PWV模型。并利用2016年BJFS站ZTD和气象数据,计算出PWV1(含气象元素)和PWV2(无气象元素)数据,通过定量数据分析得出:
为了减弱视觉同时定位与地图构建(SLAM)易受光照、纹理等条件的影响,在非线性化单目SLAM研究基础上,该文提出了一种加速度计bias估计优化初始化与点线特征结合的优化视觉里程计,使得在光线较弱的情况下也有较好的位姿估计效果,更优秀的初始化结果使得整个系统更加鲁棒、精度更高,且为了减少因为线特征的加入而增加的计算量,提出一种新的数据选择策略。通过和其他优秀算法(如PL-VIO、仅特征点方案)对比及
针对PM2.5浓度的预报问题,该文结合国家GNSS服务(IGS)分析中心获取的北京房山站的气象数据及同期的PM2.5实测数据,分析了气象因子和环境污染物因子对PM2.5浓度的影响,并提出了基于随机森林算法的PM2.5浓度预测方法,建立了融合GNSS气象参数的PM2.5随机森林预测模型。实验结果表明:该算法的时效性达6 h,在一定精度范围内能够取得较好的预测效果,同时能够有效地抑制过拟合的现象。
面向大规模全球卫星导航系统(GNSS)基准站网和差分定位用户同时接入GNSS差分服务系统的需求,为解决1 000个以上GNSS基准站实时数据流处理和5 000个以上差分用户实时服务问题,该文提出微服务调度和维护模式,合理设计了大众位置服务云平台的架构及功能,初步构建了位置私有云平台,开发提供了位置服务产品。并对云平台进行了大规模并发用户接入性能测试,测试表明大众位置服务云平台具备同时管理和并发接入
高考命题导向已由考点迈上学科素养的新台阶.试题中选项句即便有明确的对应文本句,但彼此之间的差异也很大.在这样的变化背景下,阅读观念需要转变,应由校对式、检视式的浅层
针对机载激光雷达(LiDAR)获取的高密度点云数据为森林冠层高度模型(CHM)构建提供了可能,但在应用中通常会出现局部无效值(凹坑)现象,影响森林高度等参数的提取精度的问题,该文提出基于距离加权和冠层控制的CHM凹坑去除方法。首先加权计算每个像素相似阈值判断可能凹坑,然后利用形态学运算控制冠层范围并确定最终凹坑,继而填入对应的CHM中值滤波后的值来去除CHM凹坑。通过与高斯滤波、均值滤波、中值滤波
为准确掌握隧道围岩变形的发展趋势,实现对隧道施工的准确指导,以及规避高斯过程回归(GPR)采用共轭梯度法求取超参数时存在的缺陷,该文提出利用一种改进果蝇优化算法(MFOA)优化GPR,构建MFOA-GPR预测模型。首先,对标准果蝇优化算法(FOA)的味道浓度函数进行修正,拓展求解的范围;同时引入了一个搜索半径动态调整参数,使得算法在迭代寻优过程中动态调节全局搜索能力和局部开发能力;再将改进的果蝇算
由于合成孔径雷达(SAR)影像与光学影像之间存在明显的辐射和几何差异,将两者配准仍是影像精确配准领域亟待解决的难题。针对配准时出现的精度差效率低、计算量较大且配准易陷入局部极值等问题,该文提出一种耦合梯度互信息和部分体积(PV)插值的SAR与光学影像配准算法。首先,将该文改进的梯度互信息方法(NGMI)作为配准的相似性测度;其次,利用改进PV插值法计算NGMI,采用余弦函数作为插值核函数,以扩大插
利用传统方法对遥感影像的目标检测,过程复杂并且耗时。随着深度学习的发展,用深度学习的方法进行目标检测,为遥感影像的检测开辟了新的思路。当前目标检测的方法主要包括以Faster R-CNN为代表的两阶段检测算法和以SSD为代表的单阶段算法,两阶段算法精度高速度慢,单阶段算法速度快精度低。针对两种算法的优势,该文将Faster R-CNN中的RPN与SSD算法相结合,融合单阶段和两阶段算法的优势,在提