从神话诗歌到奇幻科学的人类探索史·《月亮》·总篇(有配图)

今天看完了一本书,书名是《月亮·从神话诗歌到奇幻科学的人类探索史》,颇有感触,因此按照章节目录写出自己的观后感,以便有兴趣的人可以作为导读,决定是否进行这本书的阅读。

这本书虽然属于科普性质,但是里面涉及到各种文化、习俗、神话、科学,几乎有点像是月亮的大百科全书。其中重点是无数人对月亮的感受、评价、研究等等。具体如何,且听我一一道来。

前言

综述月亮对人们的影响和启示,对人们的宗教、时间、农事安排产生的长久而剧烈的影响。我们认为太阳给我们提供了阳光和能量而不可或缺,而月亮对人们的意义也许像太阳一样重要,随后展开了十三章的论述。

1、举头望月

从古以来,人们对月亮都有不同的感受,如中国人认为八月十五的月亮代表着团员,少量西方人认为月亮会带来恐惧,如狼人、鬼怪一般在夜间出没,也有人认为月光能帮人治疗疾病,甚至产生了月亮医生,不过后来被认为是伪科学,已经遭到相应的惩处。

从神话诗歌到奇幻科学的人类探索史·《月亮》·总篇(有配图)

月下之狼

月亮还是那个月亮,变化的只是月亮下面的人。

2、对月遐思

先民们对月亮有各种各样的想象,诞生了丰富多彩的神话。如中国人有嫦娥奔月的故事,埃及人的月亮与女神塞勒涅(Selene)有关。苏美人的月神及圣城乌尔的守护神西恩(Sin),则是子宫和公牛的合体。

月亮不仅产生了各种各样的神话,也对世界范围内的宗教以及时间建构产生了深远的影响。例如罗马天主教会教义中,依照《创世纪》和亚里士多德的学说,宇宙分成天地两个球,在记载中,月亮出现于上帝创世纪的第四天,属于天的领域,因此是神圣的,由第五种元素“以太”构成。而在中国的文化中,月亮与月老神有着非常大的关系,月老掌管着世界上有情人的婚姻归属,因此受到全年龄段的追捧。

从神话诗歌到奇幻科学的人类探索史·《月亮》·总篇(有配图)

嫦娥奔月

3、描绘月面图

描绘月面图充分体现了人们的好奇心,对这个我们从古到今一直面对的天体的强烈的好奇心,虽然那么遥远的地方的月面与我们几乎没有什么关系,但是人们对月球的野心却是由来已久。而描绘月面图时候的命名方法更是体现了人们的野心:想要将自己的名字给月亮上所有的山脉和陨石坑命名。

所以描绘月面图不仅是科学上的要求,也成为了人们争夺名利的角斗场。神圣而优雅的月亮也因此变得“乌烟瘴气”。

从神话诗歌到奇幻科学的人类探索史·《月亮》·总篇(有配图)

月如钩,寂寞梧桐深院锁清秋

4、月光如水

人们对月亮如何会发光做了长期的探索,直到人们的航天技术有了进步,登月成功后才有了解答:月亮反射太阳光,本身并不发光。

但是本来就流照千古的月光突然变成了小偷,这份科研带给人的是淡淡的失落吧。小时候,月华如水,如梦。长大后,月华就成了小偷,这种反差实在是令人有点倒胃口了。不过科学一直在进步,人的思维意识也不可只停留在过去。

从神话诗歌到奇幻科学的人类探索史·《月亮》·总篇(有配图)

月光如水

5、月球生物

好奇心以及不想让自己是宇宙中孤单一员的人类总是渴望有外星人,而月亮这个离我们最近的天体似乎有更多的理由去猜测会不会有外星人的足记。很多时候,人们都说自己看到了外星人,但是无法证实也无法证伪,因此,外星人的谜团越来越多。而无数的科幻以及幻想小说更是为外星人增添了不少的可供茶余饭后消遣的谈资。

从神话诗歌到奇幻科学的人类探索史·《月亮》·总篇(有配图)

月面图

6、神往月之旅

儒勒凡尔纳是我们小时候最有名的科幻作家吧,他的从地球到月球给了我们无限的想象,而作者对科学的关注以及将相应的科学原理融合在小说里,使得他的小说不仅有趣,而且在某些方面成为了预言。而载人航天飞船以及推进火箭也有儒勒凡尔纳的几分贡献吧,谁又说得准呢?

从神话诗歌到奇幻科学的人类探索史·《月亮》·总篇(有配图)

登月成功

人们的不懈的探索精神,先是有苏联的斯普特尼克号在1957年10月升空,虽未达到月球,但是促进了美国执行阿波罗登月计划,1969年阿波罗登月成功。人们的梦想才从想象转变为现实。但是美国登月的迷雾重重,因为总有无数人质疑美国人的登月成功与否。很多人以为那时候美国的科技根本无法达到月球,而那张著名的月图是在地球某个位置拍摄的。因此这也是一个未解之谜吧!

7、月球创世纪

最神奇的说法是月亮是上帝创造的,当然这是西方创世纪里面说的。而中国说的则是盘古开天辟地,盘古倒下后双眼化为了日月。这就意味着月亮是盘古的眼睛,具体是左眼还是右眼不一定。这些可能不靠谱,下面看一看科学家用家庭关系比拟地月关系的脑洞。

第一种关系:月球是地球的妹妹,诞生在它附近,成分和地球类似(共同吸积理论);

第二种关系:月球是地球的女儿,直接诞生自地球(分裂理论);

第三种关系:月球是地球的妻子,诞生在太阳系中其它地方,后来被“抓”进地球的轨道(捕获理论)。

现在大多数认为是第二种,因为地球的裂缝以及地月的相似性等原因。

从神话诗歌到奇幻科学的人类探索史·《月亮》·总篇(有配图)

碰撞理论

8、月亮的脸

月球上的尘土,月球上的水,月球上的陨石坑,月球的阴暗面。

月球上的尘土终年堆积,无风,无空气,静寂的如坟墓;

月球上的水,以冰的形式储存在被太阳照射不到的阴暗低谷处;

月球上的陨石坑,遍布整个星球,就像是遍体鳞伤的伤痕;

月球的阴暗面,就是被太阳照耀不到的地方,一切的阴暗和幻想适合诞生的地方。

从神话诗歌到奇幻科学的人类探索史·《月亮》·总篇(有配图)

月球诞生

9、月共潮生

月球与地球关系最重要的一个方面就是,月球带来的潮汐作用。

月亮与植物,不管阳历如何推天下而广之,所有的文明的农业都是依据阴历安排农事,进行耕作。这恐怕是月球也想不到的吧。就凭借这一点,月球的地位都是无可替代的。

月亮与海洋生物,海洋生物的生殖季节受到月亮的影响,例如矶沙蚕一般在月圆后浮出水面,进行繁殖。有的鱼类利用海洋退潮时候将卵产在近海沙滩内,用沙子掩埋,然后等到下一次潮汐作用,用海浪把小鱼带回海中。

月亮与陆生动物,一般月圆的时候总能或者更容易听到狼叫,西方传说月夜是狼人变身的时刻,此处存疑,不做争论。

从神话诗歌到奇幻科学的人类探索史·《月亮》·总篇(有配图)

海上明月共潮生

10、月色撩人

讲了月色与医学的关系,但是有意思的是有的巫医能借助月亮的光芒给人治病,当然后来被人揭穿。不过中药的采集与月亮似乎有那么一些不明不白的关系,至今未被破解。采摘季节一定程度决定了药效,但这与药的是否成熟有关,是否与月亮有关,不得而知。

从神话诗歌到奇幻科学的人类探索史·《月亮》·总篇(有配图)

荷塘月色

11、月球效应之谜

月亮盈亏与睡眠与精神疾病有一定程度的关系,但是不知道其内部机理。至于睡眠有可能是人类生物钟有所作用,我倒觉得精神疾病更与人类自身有关,月亮没什么作用。而其他的穿凿附会就不再一一说明。

从神话诗歌到奇幻科学的人类探索史·《月亮》·总篇(有配图)

月桂树

12、登月与太空生活

科幻小说拍的电影有很多都展示了月亮和人类的关系,甚至涉及到月球上的外星人,月球殖民等等,除了真正的登月之外,其它的幻想都被事实一一击败。我们登月了之后,我们的梦想变得实际了。

于是我们只能把梦放在更遥远的星球上,等待未来的孩子们去采摘。

从神话诗歌到奇幻科学的人类探索史·《月亮》·总篇(有配图)

月面陨石坑

13、阿波罗计划改变了什么

阿波罗计划起源于美苏争霸的太空竞争计划,虽然是如此,美苏争霸带来的导弹、飞机、卫星、火箭技术上带来了极大的突破,从而在民用飞机和卫星上也产生了莫大的影响。

从神话诗歌到奇幻科学的人类探索史·《月亮》·总篇(有配图)

永远的梦幻

后记

我们对月球的研究仍在继续,我们对月球的幻想也不止于此。未来有很多路要走,我们要做的事情还很多。

【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
1、资源项目源码均已通过严格测试验证,保证能够正常运行;、 2项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

ACMSunny

赠人玫瑰,手有余香。

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值