【摘 要】
：
琵琶曲《弦子韵》是一首具有浓厚曲艺艺术元素的琵琶独奏曲。是由台南艺术大学的汤良兴先生于1990年着手创作的,因其长期着迷于京韵大鼓的唱腔与弦子交融之韵,又有年少时受到江南弹词的影响而创作此曲。此曲既包含了北方曲艺代表流行于京津冀一带的京韵大鼓,又包含了南方曲艺代表流行于江南一带的苏州评弹。乐曲充分的表现了伴奏乐器三弦、唱腔、大鼓的刚柔并济之美,乐曲体现了鲜明的曲艺特征,独特的韵味和演奏手法在琵琶曲
论文部分内容阅读
琵琶曲《弦子韵》是一首具有浓厚曲艺艺术元素的琵琶独奏曲。是由台南艺术大学的汤良兴先生于1990年着手创作的,因其长期着迷于京韵大鼓的唱腔与弦子交融之韵,又有年少时受到江南弹词的影响而创作此曲。此曲既包含了北方曲艺代表流行于京津冀一带的京韵大鼓,又包含了南方曲艺代表流行于江南一带的苏州评弹。乐曲充分的表现了伴奏乐器三弦、唱腔、大鼓的刚柔并济之美,乐曲体现了鲜明的曲艺特征,独特的韵味和演奏手法在琵琶曲中运用,因此受到了众多演奏家的关注和喜爱。本文探析《弦子韵》一曲中京韵大鼓与江南评弹的韵味表现及演奏特点。
其他文献
随着科技的快速发展,遥操作机械臂系统已经广泛应用于各种环境中,例如太空探索,考古探索,深矿挖掘,核工厂检测和远程手术等。对于遥操作控制系统,其最重要的性能要求是稳定性和透明性,但由于机械臂关节内部结构的复杂性及工作环境的不确定性,导致机械臂是一个典型的非线性、强耦合、时变不确定的系统,同时在快速操作机械臂时会导致执行器发生饱和,这些问题严重影响了遥操作系统的稳定性和透明性,为了达到良好的性能指标要
近年来,迁移学习在各个领域均取得了长足的发展和进步,基于深度学习的域自适应算法也日益受到人们的关注。迁移学习旨在将从一个任务中学习到的知识迁移到另一个相似的新任务中,有效地缓解了深度学习中的数据标注问题。目前,很多域自适应算法的优化目标着眼于在特征空间对齐源域和目标域的条件概率分布,因此,类别不平衡性对于此类迁移学习算法性能的影响十分明显。本文立足于类别不平衡性对于迁移学习的影响研究,主要工作如下
随着以5G为代表的新一代信息技术的蓬勃发展,快速增长的网络流量对光传输网络提出了更高的要求。传统的波分复用光网络资源利用率偏低,已无法适应当前及未来的网络环境。基于正交频分复用的弹性光网络因其较高的灵活性以及资源利用率,被公认为是具有极大潜力的下一代光网络解决方案。在弹性光网络中,如何合理地对到达业务进行路由和分配频谱资源一直是学术界关注的重点。论文结合机器学习技术及其在网络流量预测中的应用,通过
行政裁决制度是解决纠纷的方式之一,构建多元化纠纷解决机制需要完善的行政裁决制度作保障。在解决特定种类的纠纷时,行政机关因其所处的特殊地位,具有相较于法院来说更为熟悉相关专业问题的优势。在解决相关专业问题时具有天然的地位优势。现实中,虽然相关的部门法对行政裁决做出了相应的规定,但是因为种种原因,该制度的使用率一直很低,当事人不会在遇到纠纷时把进行行政裁决的方式当做解决途径。以内蒙古自治区锡林郭勒盟为
弗朗茨·舒伯特,1797年生于“世界音乐之都”维也纳,是横跨古典主义时期与浪漫主义时期的音乐天才,被誉为“浪漫主义的奠基人”。舒伯特为世人留下了许多脍炙人口的歌曲、一系列广阔的交响曲和旋律悠扬的器乐曲等。这位“为创作而生”的作曲家,不仅在短暂的岁月里绽放出最璀璨的光芒,也为浪漫主义的发展点燃了音乐生机。1817年,舒伯特创作出《A大调小提琴奏鸣曲》,为第四首小提琴奏鸣曲。此曲较前三首相比,音乐价值
蜂窝车联网（Cellular-Vehicle to Everything,C-V2X）通过蜂窝网络承载智能网联汽车服务,实现车内通信、车对车（Vehicle to Vehicle,V2V）、车对人（Vehicle to Pedestrian,V2P）、车对路（Vehicle to Road,V2R）、车对基础设施（Vehicle to Infrastructure,V2I）以及车对云（Vehicl
《猜调》是一首典型的云南汉族民歌,也是具有代表性的中国民歌之一。它源于大人们为了考验孩子的生活常识而产生的儿歌,后作为孩童之间玩猜谜游戏时的对歌,老百姓对于云南民歌《猜调》几乎是家喻户晓的,因其内容生动、欢快,曲调独特而诙谐,深受老百姓的喜爱。歌曲经林之音记谱、金重编词、黄虹整理而得以保护和流传。~1这首歌曲最早也是由著名歌唱家黄虹老师在1953年的全国民间歌舞会中的生动演唱,而闻名于世,从而引起
随着信息技术和互联网技术的高速发展,各种各样的数据信息急剧增加、不平衡数据问题广泛存在,使得不平衡数据分类问题成为数据挖掘领域的研究热点之一。目前,专家学者们提出的不平衡数据分类方法主要有数据采样方法、集成学习方法和代价敏感学习法,其中的数据采样技术运用过采样和欠采样方法使不平衡数据达到平衡。过采样方法可能会存在分类模型过拟合和增加训练时间等问题,并且可能会产生同类样本间的噪声问题。而欠采样方法则
随着信息技术和互联网行业的发展,各种各样的网络应用积累了海量的数据信息,这些海量的数据信息为用户提供了丰富的信息内容,同时也带来了“信息过载”问题,为人们带来了巨大的信息负担。推荐系统的诞生可以极大地缓解信息过载问题,它们通过分析用户过去的活动来推断用户的潜在偏好,并为他们提供个性化的推荐服务。协同过滤算法是推荐系统中应用最为广泛的方法。它利用用户的行为信息进行推荐,并且独立于特定的应用领域。但是
随着万物互联时代的到来,物联网边缘设备数量的迅速增加,使得该类设备所产生的数据急速增加。为了使物联网能够更加智能地为用户提供信息服务和可靠的决策,可以从这些海量数据中充分挖掘出有价值的知识。目前利用云计算模型进行集中式处理物联网产生的大数据已开始显示诸多缺点。边缘计算将数据计算或存储迁移到靠近用户的网络“边缘”,减少网络传输带来的时延,此外边缘计算模式能较好地保护用户的隐私数据,降低敏感数据隐私泄