耿涛教授赴丹麦举办竹笛独奏专场音乐会

丹麦当地时间2月8日晚,我校音乐学院硕士生导师、国际合作办学部主任耿涛教授,应丹麦阿纳斯室内管弦乐团(Randers Chamber Orchestra)艺术总监、指挥家大卫.瑞德尔(David.Riddell)的邀请,在丹麦阿纳斯市音乐厅与阿纳斯室内管弦乐团合作举办了“奥胡斯—2017欧洲文化之都”中国竹笛独奏专场音乐会。                     

 

2017年丹麦第二大城市奥胡斯市被欧盟评选为"2017年欧洲文化之都"。耿涛教授此次出访丹麦在阿纳斯市音乐厅举办中国竹笛专场音乐会,是由欧盟提供资金举办的系列文化活动之一(阿纳斯分会场)。此次音乐会命名为Made in China,彰显出中国文化的艺术特色,是中西音乐文化交融的结晶。

 

阿纳斯室内管弦乐团(Randers Chamber Orchestra)建立与1945年,1986年被纳入丹麦国家资金支持的框架内,该乐团先后历任三位艺术总监、首席指挥(丹麦、捷克、苏格兰),现任艺术总监、首席指挥大卫.瑞德尔(David.Riddell)带领乐团开辟各种音乐艺术形式的活动(扩展式管弦音乐会、室内乐音乐会、歌剧、古堡夏季音乐会与电台广播等形式),使乐团赢得了美誉,并成为丹麦最优秀的室内乐团之一,已在丹麦文化领域占据了独特的位置。乐团先后出访挪威、苏格兰、爱沙尼亚、瑞典、俄罗斯、意大利、叙利亚、中国等国家,在国际上已享有声誉。

 

音乐会上耿涛教授在阿纳斯室内管弦乐团的协奏下演奏了他本人创作的竹笛独奏作品《关公庙》、《珠江畅想》、《沂蒙山抒怀》,以及萨拉萨蒂的小提琴作品《吉普赛之歌》等乐曲;阿纳斯室内管弦乐团演奏了舒伯特的第五交响曲。音乐会演出的节目顺序在乐团艺术总监、指挥大卫.瑞德尔(David.Riddell)的精心、巧妙编排下,中西音乐作品交替出现,展现了中西音乐文化相互交融的艺术色彩,受到阿纳斯市民的热烈欢迎与赞赏。

 

耿涛教授多年来专注于中国竹笛作品的艺术创作,在国家核心期刊《音乐创作》发表多部竹笛作品,此次音乐会上演奏的三首作品及乐队编配都是他本人的艺术创作;音乐会既是他向欧洲民众展示中国民族器乐艺术的魅力,也是他在竹笛艺术作品创作理论与实践相结合的重要尝试。近年来,耿涛教授多次赴欧美等诸多国家展示中国竹笛艺术,为弘扬中国民族音乐做出了贡献,并产生了积极的影响。

 

作者/通讯员:张阳 | 来源:音乐学院 | 编辑:杨柳青

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,能够捕捉数据中的时间依赖性。 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,它们在神经网络中用于添加非线性,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
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