短期大学

摘要： 这篇译文是已故日本著名科学史家佐佐木力教授(1947—2020)名著《近代学问理念的诞生》(以下简称“此著”)提纲挈领的序章。此著1992年10月初版由日本著名书肆老铺岩波书店发行,翌年便获得在日本学界极负盛誉的1993年度三得利文化财团历史、思想部门颁发的“三得利学艺奖”。正如此奖选评人代表中埜肇教授(时为冈崎学园国际短期大学学长,京都大学名誉教授,黑格尔专家)在获奖推荐辞中所言“此一力作,在科学(特别是数学和力学)以及学问论的领域上,乃研究极为精深,水平极高的成果”。他在此书中,依据丰富的文献资料而展开的博雅探讨,并未停留于单纯的历史性叙述,同时在鲜明的现代性文明论问题意识引导下,批判性地审视存在于近代科学根底的志向性,并通过此一途经,尝试理性地重新评价近代性其本身(无论是肯定抑或否定)。而且,他摆脱了科学史家身上常有的单面性,依据复眼式思考而深入展开讨论。在佐佐木氏复眼性视角下,科学与历史这一乍见对立的概念得以融为一体,从而开启了探讨近代性的途径。这恐怕就是所谓“自然科学理论的妥当性常常是地平线似的”这一定说之意味,这种观点也与库恩的理论重叠,佐佐木氏依据文献资料,精致而又有说服力地阐释这一观点。李梁译。

摘要： 2021年9月27日上午,武北交通职业技术学院与中日本自动车短期大学中日合作办学签约仪式在该院二号会议室隆重举行。仪式采用线上线下相结合的方式进行,中日本自动车短期大学校长山田弘幸、上海事务所所长郭妍希、中留双创理事长李桐,湖北交通职业技术学院党委书记戴光驰及相关部门负责人参加了签约仪式。

摘要： 原文出处为:谷口明夫:『資治通鑑証補』考,『鹿児島女子短期大学紀要』1991年第26号,第49—66页。作者谷口明夫,志学馆大学人间关系学部教授,主要从事东洋史、中国文学研究。译者胡孝忠在香港大学饶宗颐学术馆任博士后研究员时,负责饶宗颐先生领衔的大项目“《四库全书》补《资治通鉴》”的周秦部分,注意到陈淑荣教授在1989年《复旦学报》发文介绍日本德川幕府时期成书的《资治通鉴证补》,指出这部书的学术价值,但可惜国内关注的人很少。此后,谷口明夫教授发表《〈资治通鉴证补〉考》一文,为全面研究该书的成果。《资治通鉴证补》是日本藩儒石川安贞、石川嘉贞父子花费30年之功完成的极具学术价值的巨著,也是中日文化交流的杰作,至今尚未发行,译者翻译此文,期望能对正在进行中的该书文献校注与中古史研究有所助益。译文得到日本岩手大学刘海宇教授和山东大学外国语学院赴日交换生陈雪莲的帮助,谨致谢忱!

摘要： 我就读的上海市交通学校与中日本自动车短期大学是跨国“姊妹校”,每年都会选拔优秀学生去日本游学。前年,我作为汽车运用与维修技术专业一年级学生报名参加选拔,原以为人选希望不大,没想到竟成功了,感到幸运之余,也对这个世界闻名的汽车大国产生了很多遐想。行销世界的汽车品牌,规模巨大的产业链条,全球领先的科技水平,一丝不苟的技术工……这些脑海中的日本汽车印象,其实不只是一堆漂亮的数据和图表,它们实实在在地体现在每一个细节中,包括汽修行业。

摘要： 二十岁的生日到了。我今年二十八岁,所以那是八年前的事情。我曾思考过应当如何度过二十岁的第一天。那时候,我还是短期大学的学生,住在清水市,在邻近的静冈市健康食品卖场打工,过着地地道道的学生生活。我决定独自一人迎接二十岁生日。今后就是一个人做决定、一个人开创自己人生的时代了,所以,不该再一大群人热热闹闹地开生日派对、大口啃着炸鸡过了。

摘要： 根据日本文部科学省2019年发布的统计数据,日本目前一共有786所大学,其中国立大学86所,公立大学(地方政府所属)93所,私立大学607所。在校生有2,918,708人,其中男生1,625,717人,女生1,292,991人,硕士及硕士以上课程在学生254.643人。此外.日本还有326所短期大学(相当于我国的大专)、在校生113,008人,57所高等专门学校(类似于我国的职业技术学院)、在校生57,121人。大学升学率从1984年的25%左右上升到2018年的53.3%。

摘要： 我就读的上海市交通学校与中日本自动车短期大学是跨国''姊妹校'',每年都选拔优秀学生去日本游学。去年,我作为汽车运用与维修技术专业一年级学生报名参加选拔,原以为入选希望不大,没想到竟成功了,真是非常幸运。这次日本之行给我带来了很大的改变,让我更加喜爱汽修专业了。

摘要： 日前,日本被命名为“专业大学”或“专业短期大学”的实践型高等职业教育新机构正式开学,这是基于日本2017 年3 月修订的《学校教育法》相关规定实施的一项改革。此举成为日本在高等教育机构中纳入短期大学以来、时隔55年的又一次大学制度的划时代变革,标志着日本现代职业教育体系朝着以高等教育阶段实践型职业教育为核心的方向迈进。

摘要： 随着二十世纪八十年代中国的改革开放,中国掀起了向发达国家学习的热潮。由于地理位置的关系,中国早期很多人把留学目的地毫不犹豫地选定了日本。日本教育推崇＂追求至善,精益求精＂的理念,同时强调教育与学术研究机构的充分配合。日本的教育体制极为完善,学制为小学6年,初中3年,高中3年，大学4年，硕士2年和博士3年。日本的义务教育是小学到高中12年。日本除了设有专门学校外，还有短期大学，类似中国的继续教育学院和夜大学。

摘要： 本发明公开了一种改进双向长短期记忆网络的风电功率超短期预测方法，包括如下步骤：对训练样本进行数据预处理；采集风电场的历史风功率数据向量，选取数值天气预报中与风电功率数据相关性最大的数据，并进行归一化处理；在双向长短期记忆网络和全连接层之间融入注意力机制模型，利用训练集对改进双向长短期记忆网络算法模型进行训练和参数优化；将测试集输入改进双向长短期记忆网络模型建立风电功率超短期预测模型，计算风电功率一小时后输出值Ppre。本发明利用双向长短期记忆网络对历史功率数据以及数字天气预报的双向记忆性能，融入注意力机制，对双向长短期记忆网络的隐藏层输出进行加权，有效的提高了预测精度。

摘要： 本发明公开了一种基于长短期记忆网络的风电功率短期预测方法，包括长短期记忆神经网络训练算法、短期风电预测误差分布算法和风电机组发电功率短期预测模型设计。本发明从深度学习网络出发，建立基于长短期记忆网络算法(LSTM)风电功率预测模型，以高斯混合模型(GMM)分析短期风电功率预测的误差分布特点。本发明通过GMM模型可以得到二台机组不同的置信区间。证明了LSTM方法具有更高的精确度和更快的收敛速度，GMM方法对于风电调度具有实际应用价值。

摘要： 本发明公开了一种基于小波长短期记忆网络的超短期风电功率预测方法，根据历史数据生成输入变量，以所对应的风功率历史数据作为输出，得到训练样本；采用小波分析方法对训练样本进行三级小波分解，得到四个小波样本，利用长短期记忆网络模型对四个小波样本分别进行训练，得到训练后的小波长短期记忆网络预测模型；根据四个小波样本的待预测时刻的实际数据生成测试输入数据，并输入到预测模型，其输出即为待预测的时刻的超短期风电功率预测值。本发明将小波分析方法与长短期记忆深度网络结合，可以同时实现数据的平稳化处理与深度学习，提高了预测的精度，增强了模型的泛化能力。

摘要： 本发明提供一种基于长短期记忆神经网络(Long Short‑TermMemory，LSTM)的规模风电超短期功率预测误差修正方法，包括：首先利用改进的核密度估计得出误差的概率密度曲线；其次，采用LSTM对预测误差数据进行深度学习，以风电的预测误差为输入，以下一时刻的误差为输出，得到误差的预测值；最后，根据粒子群算法得到合适的置信区间对误差进行合理分层，根据分层区间和误差预测值，结合风电预测误差的时序特征，制订预测误差的分层补偿策略，得到一种具有较强泛化性的预测误差补偿模型。

摘要： 本发明公开了一种基于长短期记忆网络的短期负荷预测方法，采集短期负荷数据，将所采集的短期负荷数据作为训练样本进行VMD分解，得到n个随机分量IMF；对于分解出的n个分量，每个分量构建对应的WOA‑LSTM模型，利用WOA对模型中的LSTM参数寻优，找出最合适的参数；采用最优参数的LSTM分别对分量数据IMF进行训练，得到各个分量的预测结果；基于分别寻优后构建的LSTM模型，分别利用LSTM模型对短期负荷数据进行测，每个LSTM模型输出相应的预测结果；通过将所有预测结果进行相加得到最终的负荷预测结果。

摘要： 本发明公开了一种基于改进长短期记忆神经网络的短期光伏发电预测方法，该方法对短期光伏发电预测需要数据进行数据分析得到训练数据集；构建长短期记忆神经网络，并将训练数据集输入长短期记忆神经网络进行训练；采用麻雀算法优化长短期记忆神经网络参数，得到优化后的长短期记忆神经网络，优化后的长短期记忆神经网络输出短期光伏发电功率预测值。即通过历史多维度、多时间尺度、高关联的数据进行短期光伏发电功率预测，从而缓解配电网中光伏发电的不确定性；采用麻雀算法优化长短期记忆神经网络参数，进一步提高预测效果。通过本发明的实施，能够较好的利用气象数据并提高短期光伏功率的预测精度，实现电网的经济和稳定运行。

摘要： 本发明专利公开一种基于长短期记忆神经网络的燃气短期负荷预测方法，该方法运用主成分相关分析(PCCA)算法、小波阈值去噪(LMD)算法及局部均值分解优化(WTD)算法优化长短期记忆神经(LSTM)网络模型，并运用该种新的燃气负荷组合预测方法，对城市燃气负荷量进行预测分析，PCCA‑LMD‑WT D‑LSTM预测模型在城市燃气负荷预测中，采用该种模型获得的最终MAPE精度均属于高精度水平，该模型预测结果优于单一的LSTM模型、BPNN模型和GRU模型。本发明解决了传统循环神经网络中的长时期依赖问题，适用于数据长度大的时间序列预测，且稳定性更高，可靠性更强。

摘要： 本发明公开了一种改进双向长短期记忆网络的风电功率超短期预测方法，包括如下步骤：对训练样本进行数据预处理；采集风电场的历史风功率数据向量，选取数值天气预报中与风电功率数据相关性最大的数据，并进行归一化处理；在双向长短期记忆网络和全连接层之间融入注意力机制模型，利用训练集对改进双向长短期记忆网络算法模型进行训练和参数优化；将测试集输入改进双向长短期记忆网络模型建立风电功率超短期预测模型，计算风电功率一小时后输出值Ppre。本发明利用双向长短期记忆网络对历史功率数据以及数字天气预报的双向记忆性能，融入注意力机制，对双向长短期记忆网络的隐藏层输出进行加权，有效的提高了预测精度。

摘要： 本发明公开了一种基于深度长短期记忆网络的短期负荷预测方法，解决了现有技术的不足，该方法包括以下步骤：步骤10)，获取样本特征变量历史数据，建立历史样本数据集；步骤20)，建立预测模型嵌入维输入数据集；步骤30)，建立深度长短期记忆神经网络预测模型并初始化网络权重；步骤40)，更新训练步骤30)建立的深度长短期记忆神经网络预测模型内部状态参数；步骤50)，计算输出本轮负荷预测值；步骤60)，引入本轮负荷真实值，计算损失函数；步骤70)，更新深度长短期记忆神经网络网络权重；步骤80)，根据判别函数判别迭代是否结束；步骤90)，迭代结束，输出深度长短期记忆神经网络预测模型。

摘要： 本发明涉及一种基于长短期记忆网络的光伏发电功率短期预测方法，包括:使用Pearson相关系数确定与发电功率高度相关的天气数据特征，使用LSTM网络模型建立了输入天气数据特征与输出发电功率之间的非线性关系，并捕捉了时间序列的相关性，针对季节和天气类型划分原始输入数据集，提高模型预测精度，对基于季节和天气类型的LSTM模型预测结果进行线性拟合处理，进一步提高模型预测的准确度。