【摘 要】
：
“在加剧的割裂与不均中,人类如何实现真正的其居?”rn第17届威尼斯国际建筑双年展总策展人哈希姆·萨基斯提出的总主题“我们如何共同生活?”(How will we live together?)旨在探讨建筑如何促进人与人的平等、沟通与融合.它自然地让我们联想起一个最熟悉的原型:“院儿”——多个家庭同时居住的院落.在中文的语境里,“院儿”有着特殊的意义:它既指这种院落的空间形态,又指在这种院落中居住的人的共同体——院落社区.rn院落是一种充满活力的共同生活原型,它跨越不同的地域文化和历史时代,长盛不衰.“院
论文部分内容阅读
“在加剧的割裂与不均中,人类如何实现真正的其居?”rn第17届威尼斯国际建筑双年展总策展人哈希姆·萨基斯提出的总主题“我们如何共同生活?”(How will we live together?)旨在探讨建筑如何促进人与人的平等、沟通与融合.它自然地让我们联想起一个最熟悉的原型:“院儿”——多个家庭同时居住的院落.在中文的语境里,“院儿”有着特殊的意义:它既指这种院落的空间形态,又指在这种院落中居住的人的共同体——院落社区.rn院落是一种充满活力的共同生活原型,它跨越不同的地域文化和历史时代,长盛不衰.“院儿”还一直是中国所有传统城市肌理和社会结构的基本组成单元,遍布于从最大到最小的各种城市建筑案例中,从气势磅礴的紫禁城到平凡日常的胡同邻里.
其他文献
近年来,随着全球疫情局势的蔓延以及信息技术的革新发展,网上教学模式蓬勃兴起,使得在线教学平台得到了大力地推广应用。随之而来的是教学资源的内容安全性越来越受到重视。教学平台需要对用户上传的教学资源进行内容审核,以确保教学资源符合相关国家法律法规。当前,教学云平台主要依赖人工来完成平台上教学资源的内容审核。受制于人工审核的成本较大、效率低下、缺少统一审核标准的问题,教学云平台迫切地需要一个能够针对多种
移动靶标位姿测控是部队训练中着靶判别、毁伤评估的重要监测部分,为了靶标测控数据的安全可靠传输,本文设计了基于LoRa技术的网关系统,设计了嵌入式网关系统将测控信息重新封装并应用WiFi技术使用TCP/UDP协议传输至应用网关中,在网络服务端设计应用网关软件实现对测控信息的接收、解析与存储.具有部署简单、高可靠性、高安全性的特点,达到了远程位姿信息测控的目标,能够在移动靶标测控系统中良好应用.
针对5G蜂窝系统网络中,基站根据用户状态信息和反馈为用户分配资源时存在吞吐量低、时延大的问题,提出一种基于设备的D2D通信资源分配方案.首先,D2D设备通过交换邻近的信息来维持其资源占用矩阵;其次,D2D对根据资源分配场景选择资源块;最后,根据BS端的优先级,为D2D设备分配资源块.仿真结果表明,该方案减少了资源分配过程中的时间消耗,并提高了网络的整体吞吐量.
以上海市为例,为有效防止燃气管道第三方施工破坏,从规章制度的建设、完善管道基础数据、提高员工能力、第三方施工分级监控和文化宣传发挥群众力量等5个方面进行了阐述.提出加强燃气经营企业内部的各项安全管理措施.
为满足ToB业务给5G行业专网带来的安全性、可靠性、稳定性、及时性等运维保障需求,需推动现有面向ToC市场的传统运维模式转型,构建新型5G行业专网端到端运维服务体系,需要研究探讨出一套提供强有力的运维方案,进行保障支撑.
人眼视网膜血管的自动分割对多种疾病的诊断和预防具有重要作用,由于视网膜图像中的血管结构复杂,因此高效准确分割出血管是一个巨大挑战.本文提出了一种改进的U-net算法用于视网膜图像中血管的分割提取,首先提取眼底图像的绿色通道图,接着采用随机角度旋转、镜像翻转等数据增强方法来扩充训练集;然后引入多尺度卷积,更好地提取各层的特征,提升细小血管的分割结果;最后引入resnet残差网络进一步提取深层图像的特征,同时改善网络层数加深造成梯度爆炸和梯度消失的问题.本文算法在DRIVE数据库的准确率达到97.04％,灵敏
现有通信运营商企业中,能力开放平台基本实现了大部分的能力汇集与对外开放,但存在架构不统一、数据一致性弱等问题.随着智慧中台在企业中的建设,对能力开放又提出了新的挑战.建设业务能力运营中心,融合能力开放平台,拉通智慧中台的业务能力、数据分析能力、AI能力,提供跨中台的编排服务,支撑业务场景运营和生命周期管理,通过商业能力场景化运营框架,为前端应用提供场景化的敏捷支撑能力.全力支撑智慧中台能力建设,提升公司级业务能力运营手段,满足企业长远发展.
本文在介绍高速公路机电通信系统结构由系统硬件、软件和数据传输系统组成的基础上,分析了数据传输、数据分析等系统功能,随后对当前现存的问题进行了剖析.最后,以采用先进技术为思路,提出了提高网络建设技术水平、做好系统维保工作、采用集中管理模式等三项完善对策,为加快高速公路机电工程通信系统的信息化建设提供借鉴.
机器视觉等相关的应用因为其优异的性能被广泛使用,但由于客户数据隐私问题而不能获得优质的数据进行训练得到更好的模型.联邦学习在保护数据隐私的前提下,使用协同训练的方式获取共享模型,但将损耗巨量通信资源.本文提出了一个基于类平衡损失的联邦学习框架,通过对数据类的重加权达到加速模型收敛的目的 .在Fashion-MNIST仅需2个通信回合即可达到89％的目标精度,相应于基线算法降低了114个通信回合,而收敛时模型精度达到99.19％.本文最后讨论了客户资源和并行性对算法性能的影响.
我们需要一份新的空间契约.在激化的政治割裂与日增的经济不平等背景下,我们呼吁建筑师想象这样一种空间,让我们在普遍意义上“共同”生活.rn“共同”,作为人类,尽管个人主义不断增强,还是渴望通过数码或现实世界与彼此乃至其他物种连接;rn“共同”,作为新的家庭,寻求更加多元化、有尊严的居住空间;rn“共同”,作为新兴的社群,要求平等、包容和空间身份;rn“共同”,跨越政治边界,想象新的地理联结;rn“共同”,随着我们的星球面临危机,需要全球行动方能继续生活.