国学,作为一种非物质文化遗产,它所蕴藏的智慧、经验和启示,有着不能替代的时代意义。日前,一位业内专家直言:在新修订的初中语文教材中,国学篇目所占比重约增至 35%。 有关国学的问题,近几年一直很热。有媒体针对“小时候背诵古诗文的经历”做了一项社会调查,结果显示超七成受访者觉得背诵古诗受用,六成受访者认为从小就背古诗文很重要。由此可见,，“读书使人明智,读国学使人明理”的道理还是受到了广泛的支持。而学校发展国学教育,将国学精髓充实到中小学的课本里,这些举措对学生自身了解民族历史、感受文化传统提高国学修养、增强民族自豪感都有着十分重要的意义。 但如何学国学近年来却颇受争议。比如,国学教育是否意味着就要在中小学全部要穿汉服、行“开笔礼”、摇头晃脑读《三字经》呢?笔者认为:国学不能只练几手“花拳绣腿”,而要真枪实干,引导学生领悟国学文化中的思想精髓,将厚德载物、和而不同、尊师重教等理念融入日常生活,内化于心。切莫一味追求国学的大而全,走进快餐化、功利化的死胡同里。 国学教育要内化于心,仅仅从数量上有所提升是不行的,还要注重文章的质量。面对浩如烟海的先秦诸子、唐诗宋词、戏曲小说等古典文化,要实行严格把关,注重所选篇目的时效性和实效性,将符合时代精神的文化精髓吸纳进来。在增加国学比重的同时,还要切实落实减负， 而非令课本越来越厚。在把关文章质量的同时,还要注重国学传播的形式。近年来,不少机构打着“弘扬国学文化”的旗号,兴起名目繁多的“国学班”“淑女班”,将国学随意切割、肆意解读,风水之流、三从四德也成为个中热门。把无比厚重的国学经典进行曲解或稀释,完全背离了国学的基本精神其形式也愈发娱乐化。而发展国学,必然要在寻觅活泼、积极、创新的教学形式上下足功夫。国学与现代教育的关系也是一个绕不过去的话题。实际上,两者并非对立。如能促进国学与现代教育相互融合,便可以实现传统文化与现代教育稳定、良性的发展。国学不能只练几手“花拳绣腿”,而要真枪实干,引导学生领悟国学文化中的思想精髓。下列哪项陈述属于作者认为的“花拳绣腿”?
6月,食品烟酒类价格同比上涨2.5%,影响 CPI(居民消费价格指数)上涨约 0.70个百分点。食品中,鲜果价格上涨 19.0%,影响 CPI上涨约0.34个百分点;蛋类价格上涨6.5%,影响CPI上涨约0.04个百分点;鲜菜价格上涨3.7%,影响 CPI上涨约0.07个百分点;粮食价格上涨 3.2%,影响 CPI 上涨约0.06 个百分点;畜肉类价格下降 4.7%,影响 CPI 下降约 0.16 个百分点,其中猪肉价格下降 6.0%,影响 CPI 下降约 0.08 个百分点;水产品价格下降3.3%,影响CPI下降约 0.07 个百分点。 其他七大类价格同比均上涨。其中,交通通信、教育文化娱乐、其他用品及服务价格分别上涨 8.5%、2.1%和 1.7%,生活用品及服务、居住价格分别上涨1.5%和0.8%,医疗保健、衣着价格分别上涨 0.7%和 0.6%。6月,食品烟酒类价格环比下降 1.0%,影响 CPI下降约0.28 个百分点。食品中,鲜菜价格下降9.2%,影响 CPI 下降约 0.19 个百分点;鲜果价格下降 4.5%,影响 CPI下降约 0.10 个百分点;蛋类价格下降4.3%,影响 CPI 下降约 0.03 个百分点;水产品价格下降 1.6%,影响 CPI下降约0.03个百分点;畜肉类价格上涨 1.0%,影响 CPI上涨约0.03 个百分点,其中猪肉价格上涨2.9%,影响 CPI上涨约 0.04 个百分点。 其他七大类价格环比三涨两平两降。其中,交通通信、教育文化娱乐、其他用品及服务价格分别上涨 2.2%、0.1%和 0.1%;居住、医疗保健价格均持平;生活用品及服务、衣着价格分别下降 0.2%和 0.1%。 就 CPI 同比数据看,2022 年1~6月,城市地区和农村地区相比的情况是()
人工智能,英文缩写为 AI(Arifcial Inteligence),指的是由人类发明设计的智能系统,能够模仿人类的思考方式,实现人脑的部分功能,替代人脑解决特定问题。 人工智能的概念最早在 20世纪50年代提出,1956年的达特茅斯暑期会议上正式提出了人工智能的概念。其间经历了三次发展浪潮,当前处于第三次大发展期。第一次浪潮发生在 1956~1976年,主导理论是逻辑主义,主要成果是完成了一些定理证明以及一些逻辑程序语言。 第二次浪潮发生在1976-2006年,主导理论是连接主义,主要成果是神经网络理论的提以及应用。但是在实践中发现可以解决一些简单单一的问题,对于复杂问题的处理效果不尽理想。 第三次浪潮发生在2006年到现在,可以称之为基于互联网大数据的深度学习,将大数据、神经元网络和数学统计的方法结合在一起。第三次浪潮的理论基础和第二次浪潮类似。主的差别在于基于神经网络的深度学习算法取得了巨大的成功。这里的主要推动因素包括硬任的进步、卷积神经网格模型优化、参数训练技巧的发展等。 前两次浪潮解决了人工智能的一些基础理论问题,第三次浪潮的发展已经使得人工智能技术的发展程度(识别率、准确率等)可以实际解决很多传统需要人类大脑才能解决的问题,具备了很强的实用性,获得生产力。 人工智能根据从底层到应用的技术逻辑可以分成基础层、技术层、应用层。 基础层从硬件和理论层面,为人工智能的实现提供了根本保障,主要包括 AI 芯片和深度学习算法，AI芯片的发展进步,提供了越来越强的计算能力;深度学习算法的建立,提供了AI解决问题的计算方法。 技术层是基于基础层的支撑,设计出的解决某一类过去需要人脑解决问题的通用方法,具体包括智能语音、计算机视觉、自然语言处理以及其他类这四大人脑功能的处理方法。这些方法基于深度学习算法,根据具体的数据以及处理场景,形成了专门的成套技术处理方法和最佳实践,通过技术层的实现,我们可以将基础层提供的计算能力以及计算方法运用到具体领域去真实对应到大脑的某一类功能以及实践能力。 应用层是指基于技术层的能力,去解决具体现实生活中的问题。比如利用计算机视觉技术,实现金融、安防等多个领域的人脸识别,利用智能语音技术,实现智能音箱、录音笔等的语音识别;利用自然语言处理技术,用于智能客服的问答。在实际的应用中,技术层和应用层的关系是相互交叉的,某个领域的应用可能用到多个维度的技术层的能力,比如金融行业的应用对于智能语音、计算机视觉、自然语言处理技术都会有需求;同样某个技术层的能力也可以门泛应用到多个不同的应用领域,比如计算机视觉技术可以广泛应用到金融、安防、医疗、交通教育等多个维度。 当前的人工智能应用的核心,是基于神经网络的深度学习,该方法的特点是需要根据特定应用目的,利用大量且优质的数据,对学习网络进行反复训练,通过传播算法,不断自动变换各层以及各节点的参数,以最终得到符合实际应用要求的训练结果。从文中可以知道,AI芯片的作用是()
下面代码执行后的输出结果为（ ） #include <iostream> #include <stdarg.h> using namespace std; int SqSum1(int n1, …){ va_list arg_ptr; int nSqSum=0,n=n1; va_start(arg_ptr, n1); while (n > 0){ nSqSum += (n * n); n = va_arg(arg_ptr, int); } va_end(arg_ptr); return nSqSum; } int SqSum2(int n1, …){ va_list arg_ptr; int nSqSum=0,n; va_start(arg_ptr,n1); while (n1 > 0){ n = va_arg(arg_ptr, int); nSqSum += (n * n); n1–; } va_end(arg_ptr); return nSqSum; } int main(){ int nSqSum = SqSum1(0, 1, 1, 1, 0); cout << nSqSum << endl; nSqSum = SqSum2(4, 0, 1, 1, 1); cout << nSqSum << endl; return 0; }
