【摘 要】
：
“刻地”是古籍版本著录的重要内容。文章从历史源流、中外学者论述、古籍编目标准化、学科发展等角度论述了著录“刻地”的必要性，参考四川省11家收藏单位的古籍普查数据和《中国古籍总目》的抽样数据，统计了其中的“刻地”著录比例，了解了当前古籍编目中“刻地”著录的实际状况。文章以清代四川刻本为实例，提出鉴定与考证“刻地”的具体方法，并对考证过程中容易出现的错误因素进行了举例说明。
论文部分内容阅读
“刻地”是古籍版本著录的重要内容。文章从历史源流、中外学者论述、古籍编目标准化、学科发展等角度论述了著录“刻地”的必要性，参考四川省11家收藏单位的古籍普查数据和《中国古籍总目》的抽样数据，统计了其中的“刻地”著录比例，了解了当前古籍编目中“刻地”著录的实际状况。文章以清代四川刻本为实例，提出鉴定与考证“刻地”的具体方法，并对考证过程中容易出现的错误因素进行了举例说明。
其他文献
庙学是封建时代官办育才场所，科举是封建时代选才方式，两种不同的制度结缘于隋唐，基于价值导向的趋同性而得以融合促动。其融合促动是全方位的，在建筑空间上，庙学常被用作科举童试的场所，科举除拥有号房、执事楼、文昌宫等相对独立的空间外，庙学的祭祀、教学空间也带有明显的科举痕迹，隐藏着丰富的科举意蕴；在教育教学活动上，科举元素渗透到庙学的学官管理、生员管理、教学内容和教学方法之中；在常规仪式方面，在庙学内举
随着电子设备在人们生活中的普及,唇语识别技术在辅助听力残障人士生活、身份验证、视听语音识别等领域具有广阔的应用前景。唇语识别旨在将从说话视频中裁剪得到的唇部图片序列映射为与说话内容相对应的文字表述。唇语识别的难点一方面在于如何充分提取和利用唇部运动中包含的语义信息;另一方面,由于视觉模态固有的语义模糊性及外部因素的影响,视觉模态中包含的语义信息是有限的。针对视觉模态中语义信息难以充分提取和有效利用
癫痫发作具有难治性、突发性和反复性的特点,对癫痫患者的日常生活和生命安全存在极大威胁。因此,及时对癫痫发作进行预警并采取干预,可以有效避免患者受到意外伤害。现有的癫痫发作预测方法存在两方面问题,一是特征提取方法对癫痫脑电信号的表征能力不足,提取的信号特征不够全面;二是特征分类方法普遍存在复杂度较高的问题,导致预测方法时延误差较大。为解决上述问题,设计了基于多视图特征的轻量级癫痫发作预测方法。针对现
在数字技术加速与供应链融合的背景下，厘清数字技术赋能供应链的机制及效果是深入推进现代供应链体系建设的前提，对促进供给侧结构性改革和加快构建双循环新发展格局具有重要意义。借助供应链创新与应用试点工作构建的外生冲击环境，本文基于2013—2020年A股上市公司数据，系统考察了供应链数字化对企业绩效的影响。研究发现：供应链数字化显著提升了企业绩效，管理赋能和创新赋能是供应链数字化驱动企业绩效提升的具体路
三维点云分类算法能够有效提取三维数据的语义信息,在三维场景的语义理解方面发挥着重要作用,广泛应用于自动驾驶、机器人、虚拟现实等领域。目前基于原始点云的分类方法取得了不错的成绩,但现有方法在提取局部邻域信息时,未能充分利用邻域几何信息,并且在对局部邻域内各特征进行聚合时,存在特征信息丢失的问题。同时,现有方法在提取全局形状特征时,未充分挖掘点特征在语义层面的相关性,导致形状信息提取不充分。针对上述问
以联邦学习为代表的协作学习框架,能在保护数据隐私的同时,深度挖掘多方医疗机构数据所蕴含的知识。在各方医疗数据质量良莠不齐的情况下,如何为协作学习选择可靠的参与方,提升深度学习模型性能,是多方医疗数据协作面临的重要挑战。现有方案主要通过计算参与方的数据贡献来反映数据质量,并进一步根据贡献阈值选择可靠参与方,存在两个问题:一是数据贡献计算指标单一,不能全面满足医疗领域模型性能评价的需求,二是难以制定统
视觉问答是一个涉及图像和文本两种模态的任务,需要模型对图像和问题内容都有细粒度的理解能力,十分具有挑战性。视觉问答不仅在工业界有广泛应用场景,在拓展人工智能的边界上也具有重要意义。现有视觉问答算法普遍依赖于注意力机制,其中基于视觉-语言预训练模型的视觉问答算法是目前准确率最高的算法。然而,视觉问答任务和预训练模型中的预训练任务输入形式差异较大,同时视觉问答任务本身与预训练任务差异也较大,这限制了预
数控机床加工过程的监测对保证工件质量和机床安全有着很高的现实意义。传统的基于力信号和振动信号监测方法有其局限性,近年来基于驱动电机电流信号的间接监测方法受到关注并取得了一定成效。但在机床切削负载较小条件下,传统的特征提取等处理方法无法很好地区分机床电流信号中噪音波动和加工状态变化带来的波动,并且切削负载较小时,仅选择主轴电流也不足以表征机床加工状态变化。如何选择合适的驱动电机电流也成为一大难题,不
广域测量系统（Wide-Area Measurement System,WAMS）中提供的数据在如今的电力系统中已经有了诸多的应用,具有实时采集和上传等优良特征。然而,部分从相量测量单元（Phasor Measurement Unit,PMU）中采样得到的数据与WAMS数据中心汇总后得到的数据存在差异,实际获得的数据存在数据丢失、采样值偏差和跳变等的数据质量问题,形成不良数据,这些数据质量问题会使
在图像合成或电影制作中,经常会有对目标物体的背景进行替换的需求。人像抠图是自然图像抠图领域中的子任务,该任务除了需要预测复杂图片中人物前景的不透明度外,还需要让预测达到发丝级的精度。在现有的大多数人像抠图算法中,遮罩的预测需要额外的三元图作为输入,并且具有较慢的推理速度,这使得算法难以在实时性应用中得到使用。目前,MODNet是一种无需额外输入,并兼具快速推理和精确预测能力的深度学习人像抠图模型。