俄罗斯音乐的“域外”风味

紧随着广东美术馆的俄罗斯美术作品展，星海音乐厅于10月14日晚又推出了一个俄罗斯音乐专场。而其中两首作品，又涉及俄罗斯境外的同一题材——莎土比亚的罗密欧与朱丽叶的故事。在德国指挥家弗洛的棒下，柴可夫斯基《罗密欧与朱丽叶幻想序曲》和普罗科菲耶夫《罗密欧与朱丽叶》组曲，在俄罗斯人的性格基调上，又飘散出南欧的风味。《幻想序曲》通常充满了浓重的悲剧气氛，仿佛笼罩在古堡上的阴霾，而在这次演出中，浓雾偶有消散，不时透出隐约亮色，突出了爱情的美好一面，似有一股南欧的浪漫气息灌注其中。这其实也是符合老柴原意的一种解释。     

人间世事似戏剧 爱恨情仇集胸怀——听托维、宋思衡演绎普罗科菲耶夫作品

广州星海音乐厅1月23日晚的音乐会，是以普罗科菲耶夫舞剧《罗密欧与朱丽叶》中的“朱丽叶的葬礼”和“朱丽叶殉情”两段开始的。这两个乐章片段虽短，但那悲伤的情感在指挥家托维和广交的演绎中．发挥出了动人的效果。     

触目伤情花间月 悲愁忽入乐兴时—听殷承宗“维也纳古典作品专场”

中国著名钢琴家殷承宗钢琴艺术六十年系列音乐会，于11月2日在星海音乐厅上演了第一场。第一首作品是海顿f小调变奏曲。以往听海顿作品时，会感到贝多芬早期作品对其的师承，这次听赏，更觉得这首变奏曲那种激动的情绪、豪壮的气魄，与贝多芬成熟期作品的风格，也有某种一脉相承的关系。从这，也可以看到殷承宗演奏的大气。     

拍摄的好助手——三脚架——利用三角架拍摄的实例

很多初学摄影甚至有一些摄影基础的朋友，往往不太重视三脚架在摄影中的作用，或者在外出时嫌三脚架的累赘而不愿意携带。也有些朋友认为，在有高速快门拍摄条件的情况下（光线好和用高ISO等），不需要三脚架。其实，在摄影中三脚架不仅能给我们稳定的拍摄，获得清晰的照片，还能帮助我们创造出非常有意思的作品，以下从风光，微距，夜景和特殊效果几个方面，用拍摄实例说明三脚架在拍摄中的应用。     

感受岛国女儿的乐韵——听竹泽恭子在广州的演出

印象中日本及邻近的韩国的女小提琴家都很擅长演奏柴可夫斯基协奏曲，笔者自然对竹泽恭子6月16日在广州星海音乐厅的演出抱有期待。当晚竹泽一出场，壮实的外形就给人充满活力的感觉，与诹访内晶子的文秀不一样。在第一乐章中庸的快板开首处，她便显示出女子少有的大气，比郑京和、张莎拉要更豪放一些。第一主题上行后婉转流动的曲调，     

一种简单高效的制备硅纳米孔阵结构的方法

本文介绍了一种简单高效的制备硅纳米孔阵结构的方法. 利用激光干涉光刻技术, 结合干法和湿法刻蚀工艺, 直接将光刻胶点阵刻蚀为硅纳米孔阵结构, 省去了图形反转工艺中的金属蒸镀和光刻胶剥离等必要步骤, 在2英寸的硅 (001) 衬底上制备了高度有序的二维纳米孔阵结构. 利用干法刻蚀产生的氟碳有机聚合物作为湿法刻蚀的掩膜, 以及在干法刻蚀时对样品进行轻微的过刻蚀, 使SiO₂点阵图形下形成一层很薄的硅台面, 是本方法的两个关键工艺步骤. 扫描电子显微镜图片结果表明制备的孔阵图形大小均匀, 尺寸可控, 孔阵周期为450 nm, 方孔大小为200–280 nm. 关键词： 激光干涉光刻 纳米阵列 刻蚀 氟碳有机聚合物     

岁月流逝温爱在 愁苦难抑火样情——听米兰诺夫、谢楠演绎柴可夫斯基作品

备受国际乐评界关注的费城交响乐团副指挥罗森·米兰诺夫．3月27日晚在广州甚海音乐厅献演了柴可夫斯基两首作品。上半场是由广州女演奏家谢楠担任独奏的小提琴协奏曲,这位维尼亚夫斯基小提琴比赛获奖者．热情而又严谨．第一乐章的引子通常允许较灵活地发挥．     

电磁波CT技术探测溶洞的模拟分析与应用研究

城市地下空间开发与轨道交通的快速发展对低阻地层岩溶发育区、断裂带的孔间电磁波CT探测需求越来越大。由于低阻地层对电磁波吸收大,为保证探测距离,必须降低频率。而现有的孔间电磁波CT正反演方法基于高频射线理论对幅度测量信息进行计算,用于低阻地层的低频电磁波CT正反演计算误差会增大,影响反演分辨率。为此,提出了适用于低阻地层条件低频电磁波CT的幅度相位联合正反演方法。推导了二维分层介质中一维 Sommerfeld 积分形式的张量格林函数,将其应用于低频频段散射场正演计算,计算地表面波效应的影响,提取了地表面波影响的包络特征;利用基于Laplace算子约束的迭代反演方法提高了低频信号反演分辨率。将所提方法应用于杭州三江汇地区70 m距离与武汉龙泉山某地铁线岩溶发育区27 m距离反演,杭州反演结果与地层分层相符,在龙泉山成功探测到高度为1.1 m的溶洞,验证了该方法的正确性。     

基于帧间组稀疏的两阶段递归增强视频压缩感知重构网络

基于迭代优化的传统视频压缩感知重构算法运行时间长,参数的自适应性较低,限制了其实用性和泛化能力.利用神经网络强大的计算能力和运行速度快、参数可学习的优点,本文首先提出了帧间组稀疏网络(VGSR-Net),用神经网络将图像块组映射到更高维的稀疏表示域中,并利用可学习的阈值提取帧间相关特征.在此基础上,提出了两阶段混合递归增强重构网络(2sRER-VGSR-Net).首先,利用VGSR-Net对初始重构结果进行初步增强;然后,引入STMC-Net实现运动估计,并利用残差重构网络进一步重构当前帧丢失的信息,得到更高质量的重构结果.在第二阶段重构过程中采用混合递归结构,充分利用已有的高质量重构帧信息.仿真结果表明,所提算法与现有最优迭代优化重构算法SSIM-InterF-GSR相比重构性能提升了1.99dB;和基于深度学习的重构网络CSVideoNet相比,性能提升了4.60dB.