扫描或点击关注中金在线客服
使用财视扫码登陆
下次自动登录
其它账号登录：
||||||||||||||||||||||||
&&&&>> &正文
《关于电力交易机构组建和规范运行的实施意见》全文
来源：发改委网站&&&
作者：佚名&&&
中金在线微博微信
扫描二维码
中金在线微信
　　《关于电力交易机构组建和规范运行的实施意见》
　　为贯彻落实《中共中央国务院关于进一步深化电力体制改革的若干意见》(中发〔2015〕9 号)有关要求，推进构建有效竞争的市场结构和市场体系，建立相对独立、规范运行的电力交易机构(以下简称交易机构)，现就电力交易机构组建和规范运行提出以下意见。
　　一、总体要求
　　(一)指导思想。
　　坚持市朝改革方向，适应电力工业发展客观要求，以构建统一开放、竞争有序的电力市场体系为目标，组建相对独立的电力交易机构，搭建公开透明、功能完善的电力交易平台，依法依规提供规范、可靠、高效、优质的电力交易服务，形成公平公正、有效竞争的市场格局，促进市场在能源资源优化配置中发挥决定性作用和更好发挥政府作用。
　　(二)基本原则。
　　平稳起步，有序推进。根据目前及今后一段时期我国电力市场建设目标、进程及重点任务，立足于我国现有网架结构、电源和负荷分布及其未来发展，着眼于更大范围内资源优化配置，统筹规划、有序推进交易机构组建工作，建立规范运行的全国电力交易机构体系。
　　相对独立，依规运行。将原来由电网企业承担的交易业务与其他业务分开，实现交易机构管理运营与各类市场主体相对独立。依托电网企业现有基础条件，发挥各类市场主体积极性，鼓励具有相应技术与业务专长的第三方参与，建立健全科学的治理结构。各交易机构依规自主运行。
　　依法监管，保障公平。交易机构按照政府批准的章程和规则，构建保障交易公平的机制，为各类市场主体提供公平优质的交易服务，确保信息公开透明，促进交易规则完善和市场公平。政府有关部门依法对交易机构实施监管。
　　二、组建相对独立的交易机构
　　(一)职能定位。
　　交易机构不以营利为目的，在政府监管下为市场主体提供规范公开透明的电力交易服务。交易机构主要负责市场交易平台的建设、运营和管理；负责市场交易组织，提供结算依据和相关服务，汇总电力用户与发电企业自主签订的双边合同；负责市场主体注册和相应管理，披露和发布市场信息等。
　　(二)组织形式。
　　将原来由电网企业承担的交易业务与其他业务分开，按照政府批准的章程和规则组建交易机构。交易机构可以采取电网企业相对控股的公司制、电网企业子公司制、会员制等组织形式。其中，电网企业相对控股的公司制交易机构，由电网企业相对控股，第三方机构及发电企业、售电企业、电力用户等市场主体参股。会员制交易机构由市场主体按照相关规则组建。
　　(三)市场管理委员会。
　　为维护市场的公平、公正、公开，保障市场主体的合法权益，充分体现各方意愿，可建立由电网企业、发电企业、售电企业、电力用户等组成的市场管理委员会。按类别选派代表组成，负责研究讨论交易机构章程、交易和运营规则，协调电力市场相关事项等。市场管理委员会实行按市场主体类别投票表决等合理议事机制，国家能源局及其派出机构和政府有关部门可以派员参加市场管理委员会有关会议。市场管理委员会审议结果经审定后执行，国家能源局及其派出机构和政府有关部门可以行使否决权。
　　(四)体系框架。
　　有序组建相对独立的区域和省(区、市)交易机构。区域交易机构包括北京电力交易中心(依托国家电网公司组建)、广州电力交易中心(依托南方电网公司组建)和其它服务于有关区域电力市场的交易机构。鼓励交易机构不断扩大交易服务范围，推动市场间相互融合。
　　(五)人员和收入来源。
　　交易机构应具有与履行交易职责相适应的人、财、物，日常管理运营不受市场主体干预，接受政府监管。交易机构人员可以电网企业现有人员为基础，根据业务发展需要，公开选聘，择优选取，不断充实；高级管理人员由市场管理委员会推荐，依法按组织程序聘任。交易机构可向市场主体合理收费，主要包括注册费、年费、交易手续费。
　　(六)与调度机构的关系。
　　交易机构主要负责市场交易组织，调度机构主要负责实时平衡和系统安全。日以内即时交易和实时平衡由调度机构负责。日前交易要区别不同情形，根据实践运行的情况和经验，逐步明确、规范交易机构和调度机构的职能边界。
　　交易机构按照市场规则，基于安全约束，编制交易计划，用于结算并提供调度机构。调度机构向交易机构提供安全约束条件和基础数据，进行安全校核，形成调度计划并执行，公布实际执行结果，并向市场主体说明实际执行与交易计划产生偏差的原因。交易机构根据市场规则确定的激励约束机制要求，通过事后结算实现经济责任分担。
　　三、形成规范运行的交易平台
　　(一)拟定交易规则。
　　根据市场建设目标和市场发展情况，设计市场交易品种。编制市场准入、市场注册、市场交易、交易合同、交易结算、信息披露等规则。
　　(二)交易平台建设与运维。
　　逐步提高交易平台自动化、信息化水平，根据市场交易实际需要，规划、建设功能健全、运行可靠的电力交易技术支持系统。加强技术支持系统的运维，支撑市场主体接入和各类交易开展。
　　(三)市场成员注册管理。
　　省级政府或由省级政府授权的部门，按年度公布当地符合标准的发电企业和售电主体，对用户目录实施动态监管。进入目录的发电企业、售电主体和用户可自愿到交易机构注册成为市场交易主体。交易机构按照电力市场准入规定，受理市场成员递交的入市申请，与市场成员签订入市协议和交易平台使用协议，办理交易平台使用账号和数字证书，管理市场成员注册信息和档案资
　　料。注册的市场成员可通过交易平台在线参与各类电力交易，签订电子合同，查阅交易信息等。
　　(四)交易组织。
　　发布交易信息，提供平台供市场成员开展双边、集中等交易。按照交易规则，完成交易组织准备，发布电力交易公告，通过交易平台组织市场交易，发布交易结果。
　　(五)交易计划编制与跟踪。
　　根据各类交易合同编制日交易等交易计划，告知市场成员，并提交调度机构执行，跟踪交易计划执行情况，确保交易合同和优先发用电合同得到有效执行。
　　(六)交易结算。
　　根据市场交易发展情况及市场主体意愿，逐步细化完善交易结算相关办法，规范交易结算职能。交易机构根据交易结果和执行结果，出具电量电费、辅助服
　　务费及输电服务费等结算凭证。交易机构组建初期，可在交易机构出具结算凭证的基础上，保持电网企业提供电费结算服务的方式不变。
　　(七)信息发布。
　　按照信息披露规则，及时汇总、整理、分析和发布电力交易相关数据及信息。
　　(八)风险防控。
　　采取有效风险防控措施，加强对市场运营情况的监控分析，当市场出现重大异常时，按规则采取相应的市场干预措施，并及时报告。
　　四、加强对交易机构的监管
　　(一)市场监管。
　　切实加强电力行业及相关领域科学监管，完善电力监管组织体系，创新监管措施和手段。充分发挥和加强国家能源局及其派出机构在电力市场监管方面的作用。国家能源局依法组织制定电力市场规划、市场规则、市场监管办法，会同地方政府对区域电力市场及区域电力交易机构实施监管；国家能源局派出机构和地方政府电力管理部门根据职能依法履行省(区、市)电力监管职责，对市场主体有关市场操纵力、公平竞争、电网公平开放、交易行为等情况实施监管，对电力交易机构和电力调度机构执行市场规则的情况实施监管。
　　(二)外部审计。
　　试点交易机构应依法依规建立完善的财务管理制度，按年度经具有证券、期货相关业务资格的会计师事务所进行外部财务审计，财务审计报告应向社会发布。
　　(三)业务稽核。
　　可根据实际需要，聘请第三方机构对交易开展情况进行业务稽核，并提出完善规则等相关建议。
　　五、组织实施
　　(一)加强领导。
　　为促进不同电力市场的有机融合，逐步形成全国电力市场体系，在电力体制改革工作小组的领导下，国家发展改革委、工业和信息化部、财政部、国务院国资委、国家能源局等有关部门和企业，发挥好部门联合工作机制作用，切实做好交易机构组建试点工作。
　　(二)试点先行。
　　在试点地区，结合试点工作，组建相对独立的交易机构，明确试点交易机构发起人及筹备组班子人眩筹备组参与拟定交易机构组建方案，试点方案经国家发展改革委、国家能源局组织论证后组织实施。
　　(三)组织推广。
　　总结交易机构组建试点经验，根据各地市场建设实际进展，有序推动其它交易机构相对独立、规范运行相关工作。
责任编辑：cnfol001
好消息！还在为选择留学院校而苦恼吗？还在为复杂的移民申请流程而心烦吗？818出国网微信号汇聚最新的出国资讯，提供便捷的移民留学项目查询和免费权威的专家评估，为你的出国之路添能加油！
微信关注方法：1、扫描左侧二维码：2、搜索“818出国网”（chuguo818）关注818出国网微信。
我来说两句
24小时热门文章
栏目最新文章探讨电力市场下电网规划思路_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
探讨电力市场下电网规划思路
中国规模最大的中文学术期刊荐稿网络|
总评分0.0|
试读已结束，如果需要继续阅读或下载，敬请购买
定制HR最喜欢的简历
你可能喜欢
您可以上传图片描述问题
联系电话：
请填写真实有效的信息，以便工作人员联系您，我们为您严格保密。&p&大家好，我叫张拳石，UCLA博士后。目前在朱松纯老师的实验室，带领一个团队，做explainable AI方向。本文的题目有些大，这篇短文中，我只简单谈谈个人对deep learning发展状况的感受，和我最近的explanatory graph for CNNs和interpretable CNN两个研究课题。希望大家批评指正。&/p&&p&&br&&/p&&p&当deep learning刚刚在CV圈子里面兴起的时候，我并没有第一时间给予足够的关注，直到几个月后，变革的巨浪拍下，旧方向消亡的速度和新技术诞生的节奏都大大超过我的预期。相信很多人都有类似的感觉。一方面，deep learning超强的performance终结了一批旧的算法。另一方面，相比于传统graph-based methods，deep learning大大降低了算法多样性，简化了算法设计的复杂度。一时间，做CV研究的思路变得非常清晰：设计一个新的loss，提出一个新的网络结构，把传统的heuristic方法hard encoded到网络结构中去实现端对端学习。一两项技术能够把CV领域改造到这种地步，deep learning为AI带来巨大的改变。&/p&&p&&br&&/p&&p&然而当端对端学习神经网络犹如烈火烹油迅速发展的时候，我和周围的很多学者不时的会感觉到一丝的隐忧：端对端的训练一个black-box model会一直平稳的向下发展吗？随着网络结构和loss function的设计越来越复杂，神经网络真的会按照设计老老实实的去表达人们希望它表达的知识吗？抱着这样的焦虑，很多学者致力于visualization of CNN knowledge，让CNN中每个unit的知识清晰的展现在人们的面前。更进一步，@周博磊定义出一系列标准去评测CNN知识的interpretability。&/p&&p&&br&&/p&&p&但是归根结底，在端对端学习之外，我觉得还需要找到一套新的神经网络操作工具，即让神经网络具有清晰的符号化的内部知识表达，去匹配人类自身的知识框架，从而人们可以在语义层面对神经网络进行诊断和修改。从logic-based专家系统，到graphical model，再到深度神经网络，模型的flexibility和performance逐渐提高。但是，从相反的方向，把一个神经网络的内部逻辑转化成graphical representations，或者logic-based rules，从而提高知识表达的interpretability。有了清晰的内部表达，那么对神经网络的训练是不是不但可以end-to-end，而且可以end-to-middle，middle-to-middle？当网络内部一些单元具有了某种语义，那么transfer learning是不是直接在语义层面指派就好了，不需要大数据去训练了？当网络训练可以深入到网络的内部语义，或许deep learning未来的发展会有更多的可能性。&/p&&p&&br&&/p&&p&我希望一个CNN不仅仅告诉我它在某张图像上检测到一只小鸟，我还要CNN明确的告诉我，它用第一个filter去监测鸟头，第二个filter去检测鸟尾巴。因为这两个filter被这张图像触发，所以判断出图像中有一只小鸟。进一步，当我知道鸟的分类得分是0.7，我还希望CNN给出鸟头部分贡献了0.3的分数，鸟尾贡献了0.2。当CNN内部逻辑足够条理清晰，我们是否还需要通过大数据进行端对端的训练？我们能否在语义层面直接debug CNN呢？&/p&&img src=&/50/v2-cec76b3e73d86d4f943d1c6c_b.jpg& data-caption=&& data-rawwidth=&600& data-rawheight=&296& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&/50/v2-cec76b3e73d86d4f943d1c6c_r.jpg&&&p&沿着这条思路，在“Interpreting CNN knowledge via an Explanatory Graph”一文中，我主要介绍了如何把一个CNN（pre-trained for object classification）的conv-layer内部知识转化成一个graphical model。算法自动学习出一个explanatory graph with tens of thousands of nodes去解释CNN内部的hierarchical知识结构。Explanatory graph中每一个node，严格表示在CNN中某个conv-layer的某个object part pattern。这样我就可以把混乱的CNN的知识拆分成几十万个object parts的子patterns。每个子pattern有很强的可迁移性(transferability)，比如在multi-shot part localization的上可以降低1/3—2/3的误差。&/p&&p&&br&&/p&&p&进一步，基于explanatory graph语义化的表达，我们能否把传统的graph-based technologies自然的融入CNN的学习之中呢？我不知道。&/p&&img src=&/50/v2-a820c7f1f411db314bc512_b.jpg& data-caption=&& data-rawwidth=&1196& data-rawheight=&625& class=&origin_image zh-lightbox-thumb& width=&1196& data-original=&/50/v2-a820c7f1f411db314bc512_r.jpg&&&p&在另一篇文章&Interpretable Convolutional Neural Networks&中，我介绍了如何端对端的学习一个CNN，使得其内部高层conv-layer的每个filter自动的表示某个object part。算法并不需要人为的标注object parts或texture作为额外的supervision，而是为这些filters添加一个prior constraint，使得在训练过程中自动回归的某种object part。&/p&&p&&br&&/p&&p&我还会写两篇短文分别专门介绍这两篇文章的技术细节。&/p&&p&&br&&/p&&p&在时代的巨浪下，deep learning未来将向哪里发展？我不知道。我只能带着一颗敬畏的心，摸着石头过河，边走边瞧吧。&/p&&p&&/p&
大家好，我叫张拳石，UCLA博士后。目前在朱松纯老师的实验室，带领一个团队，做explainable AI方向。本文的题目有些大，这篇短文中，我只简单谈谈个人对deep learning发展状况的感受，和我最近的explanatory graph for CNNs和interpretable CNN两个研究课题…
&p&推荐几个我办公常用的工具，对提高效率很有帮助，尤其是Excel和PPT使用频繁的童鞋，有免费有付费有商业。&/p&&p&&b&1、&/b& &b&Power Map&/b&&/p&&p&这个在知乎上已经安利很多次了，微软官方出版的一个3D数据地图插件，包含在线地图+在线演示+制作视频等各项功能。可以基于Bing地图绘制可视化三维列，包括气泡、饼图，热图和地区的数据，之前的一次回答中已经演示过了。&/p&&p&&a href=&/question//answer/& class=&internal&&李启方：怎么在 Excel 上做数据地图？&/a&&/p&&img src=&/v2-eb6f0c6e45b4e_b.jpg& data-rawwidth=&1000& data-rawheight=&493& class=&origin_image zh-lightbox-thumb& width=&1000& data-original=&/v2-eb6f0c6e45b4e_r.jpg&&&p&&b&2、&/b& &b&方方格子Excel插件&/b&&/p&&p&这就是一个Excel偷懒的工具，将一些常用的需要写函数或写宏的功能给封装成现成的按钮。比如：过滤文本、删除文本、汇总拆分、重复值工具、数据对比、高级排序、颜色排序、合并单元格排序等等。提供了大量常用宏及函数。&/p&&p&日常的表制作，配上这个插件可以大大提高工作效率。&/p&&img src=&/v2-cd8f6ca54cfbb3_b.jpg& data-rawwidth=&2190& data-rawheight=&488& class=&origin_image zh-lightbox-thumb& width=&2190& data-original=&/v2-cd8f6ca54cfbb3_r.jpg&&&p&① 一键删除空格&/p&&img src=&/v2-dbf06c6fd6ad_b.jpg& data-rawwidth=&1776& data-rawheight=&986& class=&origin_image zh-lightbox-thumb& width=&1776& data-original=&/v2-dbf06c6fd6ad_r.jpg&&&p&② 提取数字文字英文&/p&&img src=&/v2-9b0a9b802f5_b.jpg& data-rawwidth=&1770& data-rawheight=&964& class=&origin_image zh-lightbox-thumb& width=&1770& data-original=&/v2-9b0a9b802f5_r.jpg&&&p&&b&3、&/b& &b&Excel图表插件-EasyChart&/b&&/p&&p&EasyCharts是Excel的图表插件，能一键生成Excel未提供的图表，修改成R 、Python、Matlab的风格图表，像下图就有一种R既视感。&/p&&img src=&/v2-1e0c3a19ec126cc_b.jpg& data-rawwidth=&1366& data-rawheight=&724& class=&origin_image zh-lightbox-thumb& width=&1366& data-original=&/v2-1e0c3a19ec126cc_r.jpg&&&p&（图片源自网络）&/p&&img src=&/v2-4ca721cf11f2f21a16d0b4_b.jpg& data-rawwidth=&605& data-rawheight=&1193& class=&origin_image zh-lightbox-thumb& width=&605& data-original=&/v2-4ca721cf11f2f21a16d0b4_r.jpg&&&p&（图片源自网络）&/p&&p&&b&4、&/b& &b&FineReport&/b&&/p&&p&这是一个商用报表软件，主要应用于企业级的办公上。比如业务系统报表，数据分析报表。可集成在OA，ERP，CRM内。主要两大核心是填报和数据展示。懂点java的话可以做开发，比如我同事用这个开发了一个公司内部的考试系统。&/p&&p&主要用途还是做报表，大数据量的报表和可视化。&/p&&p&1、 类似excel制作报表，不用数据透视表，也不要写VBA，功能都是封装好的&/p&&p&2、 填报功能，收集数据审核入（数据）库简直无压力&/p&&p&3、 Dashboard(决策报表)，表格立马变高大上的“驾驶舱”&/p&&p&4、 移动端报表随时随地看&/p&&p&制作界面大概长这样，类似excel.&/p&&img src=&/v2-e94c8394eb4ecdc25702fba_b.jpg& data-rawwidth=&2536& data-rawheight=&1262& class=&origin_image zh-lightbox-thumb& width=&2536& data-original=&/v2-e94c8394eb4ecdc25702fba_r.jpg&&&p&&b&5、 Nordri Tools&/b&&/p&&p&一款非常火的PPT插件，可以用来拓展PowerPoint软件自身难以实现的功能，可能经常做PPT的人都知道。对于很多新用户或者小白用户，会有相见恨晚的感觉。如一键统一字体、段落；批量删减文本；图文一键对齐；PPT配色自动载入；PPT长途。&/p&&img src=&/v2-0fa140ee57_b.jpg& data-rawwidth=&1695& data-rawheight=&439& class=&origin_image zh-lightbox-thumb& width=&1695& data-original=&/v2-0fa140ee57_r.jpg&&&p&&b&一键统一PPT中的字体和段落：&/b&能全文档统一中/英文字体；全文档统一行距/段前/段后距(不用再一篇一篇改字体了:）&/p&&img src=&/v2-f1afce7bf00b7_b.jpg& data-rawwidth=&737& data-rawheight=&439& class=&origin_image zh-lightbox-thumb& width=&737& data-original=&/v2-f1afce7bf00b7_r.jpg&&&p&（图片源自网络）&/p&&p&&b&矩阵复制：&/b&通过一系列参数化设置，帮助实现一个元素在ppt中的快速阵列复制&/p&&img src=&/v2-a0c48ab3ea84c4196ca0_b.jpg& data-rawwidth=&737& data-rawheight=&415& class=&origin_image zh-lightbox-thumb& width=&737& data-original=&/v2-a0c48ab3ea84c4196ca0_r.jpg&&&p&（图片源自网络）&/p&&p&&b&6、&/b& &b&阿里巴巴矢量图icon&/b&&/p&&p&这个我做PPT的时候常用，一些icon的素材，上面提的很多了，不过貌似这个网站美工用的会多一些。&/p&&img src=&/v2-b_b.jpg& data-rawwidth=&2340& data-rawheight=&1099& class=&origin_image zh-lightbox-thumb& width=&2340& data-original=&/v2-b_r.jpg&&&p&下载时可选择颜色、大小和文件格式&/p&&img src=&/v2-a908f7f33a68fb89b5a3089d_b.jpg& data-rawwidth=&1236& data-rawheight=&753& class=&origin_image zh-lightbox-thumb& width=&1236& data-original=&/v2-a908f7f33a68fb89b5a3089d_r.jpg&&&p&&b&7、 Process on&/b&&/p&&p&ProcessOn是一个在线制作流程图的软件，包括思维导图等。风格很适合用在PPT中，勾画复杂的模型，基本上是0难度上手。&/p&&img src=&/v2-81c2e8467_b.jpg& data-rawwidth=&1528& data-rawheight=&763& class=&origin_image zh-lightbox-thumb& width=&1528& data-original=&/v2-81c2e8467_r.jpg&&&p&（图片源自网络）&/p&&p&&b&8、&/b& &b&gif录制/剪辑工具Screen to GIF&/b&&/p&&p&这个工具小而美，一共2M，点击开始-点击结束-保存文件，可以很快速的录制动图并调整文件大小。&/p&&img src=&/v2-6b6ceeb0f7a23b355a5451_b.jpg& data-rawwidth=&978& data-rawheight=&429& class=&origin_image zh-lightbox-thumb& width=&978& data-original=&/v2-6b6ceeb0f7a23b355a5451_r.jpg&&&p&&/p&
推荐几个我办公常用的工具，对提高效率很有帮助，尤其是Excel和PPT使用频繁的童鞋，有免费有付费有商业。1、 Power Map这个在知乎上已经安利很多次了，微软官方出版的一个3D数据地图插件，包含在线地图+在线演示+制作视频等各项功能。可以基于Bing地图绘制…
&p&预览视频：&/p&&p&&a href=&/?target=https%3A///video/av/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&【人工智能】新一代线稿上色AI来袭_数码_科技_bilibili_哔哩哔哩&i class=&icon-external&&&/i&&/a&&/p&&p&项目主页：&/p&&p&&a href=&/?target=https%3A///lllyasviel/style2paints& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&lllyasviel/style2paints&i class=&icon-external&&&/i&&/a&&/p&&p&&br&&/p&&p&这里做一个简单的示范，为了防止线稿的主观挑选，我先贴一下现在的时间：&/p&&img src=&/v2-abee4afc18eb77d6fe3b18_b.jpg& data-rawwidth=&129& data-rawheight=&45& class=&content_image& width=&129&&&p&然后就在这个时间，我上谷歌图片搜索关键词“Anime Sketch”（动漫线稿），结果在这里：&/p&&img src=&/v2-853c5c7cce_b.jpg& data-rawwidth=&847& data-rawheight=&406& class=&origin_image zh-lightbox-thumb& width=&847& data-original=&/v2-853c5c7cce_r.jpg&&&p&然后我直接下载第一个结果，不含挑选的成分，这个图片下载下来是这样的：&/p&&img src=&/v2-d91be3f6bc88f307a283bcde_b.jpg& data-rawwidth=&723& data-rawheight=&1000& class=&origin_image zh-lightbox-thumb& width=&723& data-original=&/v2-d91be3f6bc88f307a283bcde_r.jpg&&&p&然后我们的AI需要用户输入一些风格图片，不限制内容，只要颜色比较好看，色域比较宽泛即可。我在桌面上新建了一个文件夹，里面从我的个人收藏中随便选了9张色彩各不相同的图片给AI参考，截个图：&/p&&img src=&/v2-4ca4a5ce81f9bdee911ed_b.jpg& data-rawwidth=&844& data-rawheight=&683& class=&origin_image zh-lightbox-thumb& width=&844& data-original=&/v2-4ca4a5ce81f9bdee911ed_r.jpg&&&p&然后我直接把这九个图片和上面那个线稿丢到AI里面，一共点击9次上传按钮，9次上色按钮，大约10分钟后，我有了9张线稿的不同色彩构图。&/p&&img src=&/v2-acf366de30bbeaff675f1_b.jpg& data-rawwidth=&512& data-rawheight=&704& class=&origin_image zh-lightbox-thumb& width=&512& data-original=&/v2-acf366de30bbeaff675f1_r.jpg&&&img src=&/v2-46bebd8ffda_b.jpg& data-rawwidth=&512& data-rawheight=&704& class=&origin_image zh-lightbox-thumb& width=&512& data-original=&/v2-46bebd8ffda_r.jpg&&&img src=&/v2-dd42ea722a9f92eab4480906bcd53cbe_b.jpg& data-rawwidth=&512& data-rawheight=&704& class=&origin_image zh-lightbox-thumb& width=&512& data-original=&/v2-dd42ea722a9f92eab4480906bcd53cbe_r.jpg&&&img src=&/v2-ca830d5ed51_b.jpg& data-rawwidth=&512& data-rawheight=&704& class=&origin_image zh-lightbox-thumb& width=&512& data-original=&/v2-ca830d5ed51_r.jpg&&&img src=&/v2-2edeb391eee185df0bb3dfb1bc2c7cce_b.jpg& data-rawwidth=&512& data-rawheight=&704& class=&origin_image zh-lightbox-thumb& width=&512& data-original=&/v2-2edeb391eee185df0bb3dfb1bc2c7cce_r.jpg&&&img src=&/v2-286b3dbb82a66f89bd46_b.jpg& data-rawwidth=&512& data-rawheight=&704& class=&origin_image zh-lightbox-thumb& width=&512& data-original=&/v2-286b3dbb82a66f89bd46_r.jpg&&&img src=&/v2-eb742ee67aa2eb49e813c_b.jpg& data-rawwidth=&512& data-rawheight=&704& class=&origin_image zh-lightbox-thumb& width=&512& data-original=&/v2-eb742ee67aa2eb49e813c_r.jpg&&&img src=&/v2-6a099cbdcb55_b.jpg& data-rawwidth=&512& data-rawheight=&704& class=&origin_image zh-lightbox-thumb& width=&512& data-original=&/v2-6a099cbdcb55_r.jpg&&&img src=&/v2-868912deea33eb0ef03b999_b.jpg& data-rawwidth=&512& data-rawheight=&704& class=&origin_image zh-lightbox-thumb& width=&512& data-original=&/v2-868912deea33eb0ef03b999_r.jpg&&&p&&b&这九个结果和我上面那个文件夹里面的九个参照图片一一对应，有兴趣可以来回翻看。看看AI迁移了哪些信息。&/b&&/p&&p&因为是在知乎上面发帖子，所以这里多说一些学术上的突破，具体效果在上面那个视频里面，&b&请一定要看视频，看视频，看视频&/b&。（毕竟为了做那个视屏我还特地学了视屏剪辑，虽然剪的挺烂的）&/p&&p&1. 我们成功实现了&b&基于语义信息迁移的颜色提示&/b&，这个技术使得上色的色彩变得很和谐。这个技术最早是2017年1月左右早稻田和UCB都有相关研究的一个应用于黑白照片上色的trick。但是anime线稿上色是非常非常严酷的挑战，很多机构都有所尝试，包括今年六月的DWANGO（niconico的母公司）,东大在内的一些机构都尝试了迁移式上色，但是都停留在了从结果里面精挑细选的程度，并不能直接运用起来。我们实验室研究了很久尝试了几乎全部生成模型，最后终于组织了一种可以驾驭这个训练的对抗游戏，具体的内容会在后续的论文里面详细说明。&/p&&p&2. 基于语义信息迁移的颜色提示对于anime线稿上色有很重要的意义。&b&一方面解决了“用户的提示越多，结果越难看”以及“我调了半天结果还没有一开始的结果好看”的问题，另一方面大大提高了产率。&/b&目前我们可以做到在短时间内针对同一个线稿生成大量各不相同的，合理的色彩构图，这将有利于那些把神经网络作为一个构图工具或者颜色草稿的画师。详情可以看上面那个视频。&/p&&p&3. 我们的正式APP会在一段时间后（由于我们比较穷租不起超级贵超级贵的GPU服务器，可能是一段很长的时间后）上线，但是如果你是reseacher，你可以直接在我们的项目主页里面获取代码来一睹为快。另外我们还有扩大数据集的计划，所以商业APP可能需要等待了。&b&但是这仅仅是财政问题，我们的学术代码，模型等资料完全公开，如果你有兴趣赞助或者你有GPU服务器空闲准备低价外租，请务必联系我们，加视屏最后的那个群就好了。&/b&&/p&&p&4. 如果您在看完视屏或者了解了我们的项目之后立刻就想要获得paper，有一篇paper介绍了我们在今年6月份之前的所有技术，收录在ACPR2017，详情可以到github上面找到。但我们更希望向外界介绍一些近期的新研究发现，新的论文成文后会发到github上面。&/p&&p&5. 我们有自信认为我们是目前是所有开源的anime上色模型里面的非常优异的（paintschainer已经闭源了模型数据；传统方案不在我们的比较范围内）。并且我们认为我们最新的模型对于paintschainer的最新模型也是可以一比的，尤其是我们在迁移顺利的时候效果是比以前的模型有很大提升的。&/p&&p&&br&&/p&&p&-------------------第二天来更新-------------------&/p&&p&赞超过两百了，谢谢大家的赞，我再发一点我今天的画作吧。&/p&&p&首先这是找到的线稿：&/p&&img src=&/v2-26f29ba82aec13d4b1cf_b.jpg& data-rawwidth=&600& data-rawheight=&945& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&/v2-26f29ba82aec13d4b1cf_r.jpg&&&img src=&/v2-1df6e9997cafbd878f03_b.jpg& data-rawwidth=&540& data-rawheight=&960& class=&origin_image zh-lightbox-thumb& width=&540& data-original=&/v2-1df6e9997cafbd878f03_r.jpg&&&img src=&/v2-a728abcd7a76fea28b8e563_b.jpg& data-rawwidth=&900& data-rawheight=&1150& class=&origin_image zh-lightbox-thumb& width=&900& data-original=&/v2-a728abcd7a76fea28b8e563_r.jpg&&&p&这是我用到的风格图：&/p&&img src=&/v2-15b406f409c27ac1c809_b.jpg& data-rawwidth=&462& data-rawheight=&118& class=&origin_image zh-lightbox-thumb& width=&462& data-original=&/v2-15b406f409c27ac1c809_r.jpg&&&p&这是结果：&/p&&img src=&/v2-6c9f20ba0c1364f20fca0468364aebce_b.jpg& data-rawwidth=&512& data-rawheight=&832& class=&origin_image zh-lightbox-thumb& width=&512& data-original=&/v2-6c9f20ba0c1364f20fca0468364aebce_r.jpg&&&img src=&/v2-3e4fcfac64bf9ed03b9b05c66ed8c07c_b.jpg& data-rawwidth=&512& data-rawheight=&832& class=&origin_image zh-lightbox-thumb& width=&512& data-original=&/v2-3e4fcfac64bf9ed03b9b05c66ed8c07c_r.jpg&&&img src=&/v2-e2e02147ee61eda7aa04b9dfd953c290_b.jpg& data-rawwidth=&512& data-rawheight=&896& class=&origin_image zh-lightbox-thumb& width=&512& data-original=&/v2-e2e02147ee61eda7aa04b9dfd953c290_r.jpg&&&img src=&/v2-b545df35d35f82ba65d0_b.jpg& data-rawwidth=&512& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&512& data-original=&/v2-b545df35d35f82ba65d0_r.jpg&&&img src=&/v2-d1c9fddc677e0f5eb47256_b.jpg& data-rawwidth=&512& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&512& data-original=&/v2-d1c9fddc677e0f5eb47256_r.jpg&&&p&评论里面有问起当输入或者输出非常复杂的情况会怎么样，情况是这样的，随着线稿和风格图变得复杂，成功上色的概率会逐渐降低，如果线稿或者风格图片复杂到人眼都看不清那里是脸哪里是手，就会非常难以上色，我们的github里面有一个issue就是专门针对上色失败问题的，等程序上线之后，您也可以帮助我们收集，来改善我们的模型。&/p&&p&&br&&/p&&p&-------------------第三天来更新-------------------&/p&&p&说一点技术上的事情：&/p&&p&不知道是什么时候开始的，关于图像处理出现了一个套路，就是用ResNet堆砌网络深度，然后就可以量产出论文，最近有很多类似的文章。我们的模型里面&b&没有ResBlock&/b&。我们使用的是特别适合线稿上色的，一种&b&变种Inception。&/b&&/p&&p&&br&&/p&&p&预览视频：&/p&&p&&a href=&/?target=https%3A///video/av/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&【人工智能】新一代线稿上色AI来袭_数码_科技_bilibili_哔哩哔哩&i class=&icon-external&&&/i&&/a&&/p&
预览视频：项目主页： 这里做一个简单的示范，为了防止线稿的主观挑选，我先贴一下现在的时间：然后就在这个时间，我上谷歌图片搜索关键词“Anime Sketch”（动漫线稿…
&p&对AI来说，数据和经验是其最终的发展瓶颈。有数据的地方AI才能有过人的水准。无人车是个典型的例子，一开始数据很多进展很快，但随着系统的改进，从每公里出现一次问题到每一百公里出现一次问题，有价值的数据越来越少，进展也就越来越慢。将来AI的技术突破会让它在同等数据条件下有更强的泛化能力，但不变的底线是仍然要依靠数据去寻找模式。&/p&&p&人作为一种智能体，在AI出现之后其社会发展恐怕也会遵循相似的路线。每个人生活轨迹都不同，一生都会产生大量独一无二的数据，在这样一个高维空间中，AI和人一样，其踏过的轨迹都是茫茫宇宙中的微弱烛火，只是百步和五十步的区别。于是勇于探索并拥有独特的经验就变得极有价值，能成为别的智能体模仿的目标。比如说拍一张没人见过的照片，去一个人迹罕至的地方并记录下来，写一篇文章传播新观点，等等。目前这样的倾向已经出现了。各种朋友圈及直播的火爆，网络小说的流行，大家愿意去花时间和精力去体验别人的生活，特别是不一样的生活，可以说是将来这样的社会形态的先驱和萌芽。当重复性的物质生产完全自动化了之后，这些可分享的独一无二的经验，就成了真正的稀缺资源和全人类的宝贵财富。在商业上来说，大量相对平凡的经验争着去给别人消费，而独一无二的稀缺经验则需要消费者以某种代价去获取。从个人角度来看，前人的多样性给后人带来了无尽的生活可能；在全人类的角度上看，获得更多未知的经验，能够提高人类整体的生存可能。&/p&&p&以现在看来，经验世界是看不到尽头的。举围棋这个例子，非常简单的几条规则可以创造一个上下几千年的人们探索一生还远远无法穷尽的世界。对于更复杂的规则，即便有了AI的帮助，又要花多少时间去研究和探索？更何况AI也可以用来帮助创造新的世界，比如说游戏内容生成。《未来简史》中认为将来大部分人会成为无用阶级，这个是狭隘地理解了“有用性”，也低估了一个人所能做的。&/p&&p&当重复性的物质生产完全自动化了之后，在理论上来说，一个人有了从头到尾完全生存于一个虚拟世界，并在里面体验及探索一生的可能。目前这种体验还无法和现实世界相比，这一方面是因为大量工作仍需人力，虚拟世界也还太过粗糙；另一方面因为人们还没有意识到体验本身的重要性，还没有把它当成新的社会财富的觉悟。但以后借助AI的力量，在社会资源极大丰富之后，可以并且应该探索截然不同的世界，并将这个世界的体验保存下来，不管这个世界是现实的还是虚拟的，是不是制造出来的概念或是所谓“真实“存在的事物。毕竟，谁能保证现实世界不是一个巨大无比的虚拟器呢？到这个时候，真实和虚拟也不再有高下之别。&/p&&p&有人可能会担心人类在现实世界的发展问题，大家都去虚拟世界里玩了，现实问题会有人管么，宇宙还会有人愿意去探索么？其实我觉得现实生活作为一种高难度的体验过程，总会有少数人愿意去挑战的，而且市场规律会给这些勇者们应得的高回报。因为能获取这类经验的人相对稀缺，另一个附加分是获取现实世界的物理资源，可以将之转化为计算资源，从而拓宽人类及AI经验的边界。&/p&&p&以后在AI能做大部分的技术性工作之后，能否使用手头一切可用的资源去完成一件别人无法完成的事情，能否在大家公认的信念中找到问题所在，能否通过自己的努力为整个世界提供独特的视角和感受，这些可能会成为人才的标准。往更大的方向去说，就是“立德，立功，立言”。而“德、功、言“其影响力的大小，则会决定人才的层次。将来高度发达的网络和交流环境将在很大程度上让学生自动学会各项专业技能，而教育的重心就会放在大方向上指导和启发，决定在高维的经验空间中，人生这条旅途的选择，走向和境界。&/p&&p&===============&/p&&p&评论区有人说到了能源才是文明发展的指向。我觉得像核聚变这样的技术为什么原理早已知晓，却一直没成功，根本原因还是在于目前在高维参数空间中的人力搜索效率太低，不然的话不会那么多年都盯在托克马克方案上做不出来。那么多材料那么多组合，我相信总有一两个是可行的。而要高效地找到复杂问题的解决方案，还是要靠AI。以后搞星际航行乃至戴森球也是一样的。&/p&
对AI来说，数据和经验是其最终的发展瓶颈。有数据的地方AI才能有过人的水准。无人车是个典型的例子，一开始数据很多进展很快，但随着系统的改进，从每公里出现一次问题到每一百公里出现一次问题，有价值的数据越来越少，进展也就越来越慢。将来AI的技术突破…
&img src=&/50/v2-f8b16fafb_b.jpg& data-rawwidth=&1107& data-rawheight=&391& class=&origin_image zh-lightbox-thumb& width=&1107& data-original=&/50/v2-f8b16fafb_r.jpg&&&p&事先声明，这篇文章的标题绝不是在耸人听闻。事情的起因是今天早上在朋友圈看到同学在转发一篇论文，名字叫《Create Anime Characters with A.I. !》（论文地址：&a href=&/?target=https%3A//makegirlsmoe.github.io/assets/pdf/technical_report.pdf& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&makegirlsmoe.github.io/&/span&&span class=&invisible&&assets/pdf/technical_report.pdf&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&），打开一看，&b&论文主要是通过各式属性生成二次元人物的头像，使用的方法是cGAN，效果非常impressive。&/b&&/p&&p&下图左侧为通过属性blonde hair, twin tails, blush, smile, ribbon, red eyes生成的人物，右侧是通过属性silver hair, long hair, blush, smile, open mouth, blue eyes生成的人物，都表现得非常自然，完全看不出是机器自动生成的：&/p&&img src=&/v2-f1d8fb62eff5be2f2cf0e508a0c12c15_b.jpg& data-rawwidth=&1070& data-rawheight=&375& class=&origin_image zh-lightbox-thumb& width=&1070& data-original=&/v2-f1d8fb62eff5be2f2cf0e508a0c12c15_r.jpg&&&p&模型生成的随机样本：&/p&&img src=&/v2-acaa3d127be051eea04157c_b.jpg& data-rawwidth=&730& data-rawheight=&760& class=&origin_image zh-lightbox-thumb& width=&730& data-original=&/v2-acaa3d127be051eea04157c_r.jpg&&&p&固定cGAN噪声部分生成的样本，此时人物具有不同的属性，但是面部细节和面朝的角度基本一致：&/p&&img src=&/v2-1c1ece80b50e671d00939_b.jpg& data-rawwidth=&739& data-rawheight=&757& class=&origin_image zh-lightbox-thumb& width=&739& data-original=&/v2-1c1ece80b50e671d00939_r.jpg&&&p&&b&更加令人兴奋的是，作者搭建了一个网站，任何人都能随时利用训练好的模型生成图像，进行实验！网站的地址为：&a href=&/?target=http%3A//make.girls.moe/%23/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&MakeGirls.moe&i class=&icon-external&&&/i&&/a&。&/b&&/p&&p&打开网站后需要等待进度条加载完毕，这个时候是在下载模型：&/p&&img src=&/v2-f10dda41285aaf9f244cb634cf1dc2fa_b.jpg& data-rawwidth=&858& data-rawheight=&140& class=&origin_image zh-lightbox-thumb& width=&858& data-original=&/v2-f10dda41285aaf9f244cb634cf1dc2fa_r.jpg&&&p&这里的按钮的含义都比较简单，总的来说我们要先选定一些属性（完全随机也是可以的），然后点击左侧的generate按钮生成：&/p&&img src=&/v2-a0aa8ca11ef85adce97d8e52_b.jpg& data-rawwidth=&868& data-rawheight=&483& class=&origin_image zh-lightbox-thumb& width=&868& data-original=&/v2-a0aa8ca11ef85adce97d8e52_r.jpg&&&p&完全随机生成的结果，看起来非常好：&/p&&img src=&/v2-dc09ab9bedfa_b.jpg& data-rawwidth=&832& data-rawheight=&411& class=&origin_image zh-lightbox-thumb& width=&832& data-original=&/v2-dc09ab9bedfa_r.jpg&&&p&选择发色（Hair Color）为金色（Blonde），发型（Hair Style）为双马尾（Twin Tail），点击生成，效果同样很赞！如下图：&/p&&img src=&/v2-7ffe892d4e961902defe9bdcfdcc8005_b.jpg& data-rawwidth=&858& data-rawheight=&421& class=&origin_image zh-lightbox-thumb& width=&858& data-original=&/v2-7ffe892d4e961902defe9bdcfdcc8005_r.jpg&&&p&&br&&/p&&h2&&b&技术细节&/b&&/h2&&p&我之前也写过两篇文章，一篇介绍了GAN的原理（&a href=&/p/& class=&internal&&GAN学习指南：从原理入门到制作生成Demo&/a&），一篇介绍了cGAN的原理（&a href=&/p/& class=&internal&&通过文字描述来生成二次元妹子！聊聊conditional GAN与txt2img模型&/a&），这两篇文章都是以生成二次元人物来举例，但是生成的结果都比较差，只能看出大概的雏形。今天的这篇论文大的技术框架还是cGAN，只是对原来的生成过程做了两方面的改进&b&，一是使用更加干净、质量更高的数据库，二是GAN结构的改进，&/b&下面就分别进行说明。&/p&&h2&&b&改进一：更高质量的图像库&/b&&/h2&&p&之前使用的训练数据集大多数是使用爬虫从Danbooru或Safebooru这类网站爬下来的，这类网站的图片大多由用户自行上传，因此质量、画风参差不齐，同时还有不同的背景。这篇文章的数据来源于getchu，这本身是一个游戏网站，但是在网站上有大量的人物立绘，&b&图像质量高，基本出于专业画师之手，同时背景统一：&/b&&/p&&img src=&/v2-ee5f7e6cbacc8_b.jpg& data-rawwidth=&1033& data-rawheight=&334& class=&origin_image zh-lightbox-thumb& width=&1033& data-original=&/v2-ee5f7e6cbacc8_r.jpg&&&p&&br&&/p&&p&除了图像外，为了训练cGAN，还需要图像的属性，如头发颜色、眼睛的颜色等。作者使用Illustration2Vec，一个预训练的CNN模型来产生这些标签。&/p&&h2&&b&改进二：GAN结构&/b&&/h2&&p&此外，作者采取了和原始的GAN不同的结构和训练方法。总的训练框架来自于DRAGAN（arxiv：&a href=&/?target=https%3A//arxiv.org/pdf/.pdf& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&arxiv.org/pdf/&/span&&span class=&invisible&&5.pdf&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&），经过实验发现这种训练方法收敛更快并且能产生更稳定的结果。&/p&&p&生成器G的结构类似于SRResNet（arxiv：&a href=&/?target=https%3A//arxiv.org/pdf/.pdf& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&arxiv.org/pdf/&/span&&span class=&invisible&&2.pdf&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&）：&/p&&img src=&/v2-d7cff6491942_b.jpg& data-rawwidth=&1158& data-rawheight=&444& class=&origin_image zh-lightbox-thumb& width=&1158& data-original=&/v2-d7cff6491942_r.jpg&&&p&判别器也要做一点改动，因为人物的属性相当于是一种多分类问题，所以要把最后的Softmax改成多个Sigmoid：&/p&&img src=&/v2-016af5c2d55d4c63ad2a17fbf1d638c5_b.jpg& data-rawwidth=&1161& data-rawheight=&400& class=&origin_image zh-lightbox-thumb& width=&1161& data-original=&/v2-016af5c2d55d4c63ad2a17fbf1d638c5_r.jpg&&&p&详细的训练和参数设定可以参照原论文。&/p&&h2&&b&一些问题&/b&&/h2&&p&虽然大多数的图像样本都比较好，但作者也提出了该模型的一些缺点。&b&由于训练数据中各个属性的分布不均匀，通过某些罕见的属性组合生成出的图片会发生模式崩坏。&/b&比如属性帽子(hat)、眼镜(glasses)，不仅比较复杂，而且在训练样本中比较少见，如果把这些属性组合到一起，生成的图片的质量就比较差。&/p&&p&如下图，左侧为aqua hair, long hair, drill hair, open mouth, glasses, aqua eyes对应的样本，右侧为orange hair, ponytail, hat, glasses, red eyes, orange eyes对应的样本，相比使用常见属性生成的图片，这些图片的质量略差：&/p&&img src=&/v2-75068bd7edc7f7d9cbd9_b.jpg& data-rawwidth=&1082& data-rawheight=&385& class=&origin_image zh-lightbox-thumb& width=&1082& data-original=&/v2-75068bd7edc7f7d9cbd9_r.jpg&&&p&&br&&/p&&h2&&b&总结&/b&&/h2&&p&这项工作确实令人印象深刻，生成的图片质量非常之高，个人认为如果加以完善，完全可以在某种程度上替代掉插画师的一部分工作。最后附上文中提到的一些资源：&/p&&ul&&li&网站：&a href=&/?target=http%3A//make.girls.moe/%23/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&MakeGirls.moe&i class=&icon-external&&&/i&&/a&（已有训练好的模型，打开就可以尝试生成）&/li&&li&论文：&a href=&/?target=https%3A//makegirlsmoe.github.io/assets/pdf/technical_report.pdf& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&makegirlsmoe.github.io/&/span&&span class=&invisible&&assets/pdf/technical_report.pdf&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&/li&&li&Github：&a href=&/?target=https%3A///makegirlsmoe& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&make.girls.moe&i class=&icon-external&&&/i&&/a&（目前只有网站的js源码，看介绍训练模型的代码会在近期放出）&/li&&/ul&
事先声明，这篇文章的标题绝不是在耸人听闻。事情的起因是今天早上在朋友圈看到同学在转发一篇论文，名字叫《Create Anime Characters with A.I. !》（论文地址：），打开一看，论文主要是通过各式属性生成二次元人物的头像，使用的方…
&p&你玩过“扫雷”么？&/p&&p&对我而言，扫雷最爽的一刻，不是成功标记出了99颗雷，而是突然点开了一大片空地。&/p&&p&那感觉，wow！&/p&&p&那么在点开空地之前，我在做什么？&/p&&p&老老实实一颗一颗的标记雷。我不想胡乱点，寄希望于自己运气够好命够硬，能在某一次就点开一大片。&/p&&p&我不想死。&/p&&p&在点开空地之后呢？&/p&&p&还是在老老实实标记一颗一颗的雷。&/p&&p&只不过心里稍微有点兴奋，眼睛里闪烁着光。&/p&
你玩过“扫雷”么？对我而言，扫雷最爽的一刻，不是成功标记出了99颗雷，而是突然点开了一大片空地。那感觉，wow！那么在点开空地之前，我在做什么？老老实实一颗一颗的标记雷。我不想胡乱点，寄希望于自己运气够好命够硬，能在某一次就点开一大片。我不想…
&p&电力市场方面机构：清华大学、华北电力大学（公众号 EMRI_WeCanFly：电力市场研究）、华南理工大学(公众号 UPThinkTank：博慎能源智库、公众号：走进电力市场）、东南大学、西安交通大学、电力规划总院、电科院自动化研究所。另外，推荐关注公众号：能见Eknower、无所不能、壹条能。&/p&&p&国内电力市场相关专家：清华大学夏清，康重庆，陈启鑫教授团队、华北电力大学张粒子、王鹏、曾鸣教授、华南理工大学陈皓勇、荆朝霞、杨苹教授、西安交通大学王锡凡、王秀丽、别朝红、东南大学李扬、王蓓蓓、高赐威教授，电科院自动化研究所杨争林，中电国际政策研究主任王冬容、长沙理工大学叶泽教授等等。&/p&&p&国外电力市场相关专家：美国电力市场专家李化、德国廖宇、澳洲电力市场刘东胜、剑桥大学Michael Pollitt。&/p&
电力市场方面机构：清华大学、华北电力大学（公众号 EMRI_WeCanFly：电力市场研究）、华南理工大学(公众号 UPThinkTank：博慎能源智库、公众号：走进电力市场）、东南大学、西安交通大学、电力规划总院、电科院自动化研究所。另外，推荐关注公众号：能见Ekn…
&p&本届格莱美获奖者Jacob Collier在一次与爵士大师Herbie Hancock聊天时聊到了Ernst Levy的旧书《A Theory of Harmony》中提到的Negative Harmony。这个概念NiceChord解释的已经很清楚了。Jacob自己举的例子是：&/p&&br&&p&比如C大调中的1和5分别是C和G。假定C和G互为对方的镜像，那么我们就可以把所有的音符以C和G的中点Ed (半降E) 为对称轴镜像翻转。&/p&&p&G7构成音G B D F，翻转之后就成了C Ab F D，即D的半减七和弦。&/p&&br&&img src=&/v2-bdd8f876aa413e_b.png& data-rawwidth=&1257& data-rawheight=&713& class=&origin_image zh-lightbox-thumb& width=&1257& data-original=&/v2-bdd8f876aa413e_r.png&&&br&&br&&p&音级与和弦的镜像关系：&/p&&img src=&/v2-864f3ccebcc61c2cf3902_b.png& data-rawwidth=&1052& data-rawheight=&721& class=&origin_image zh-lightbox-thumb& width=&1052& data-original=&/v2-864f3ccebcc61c2cf3902_r.png&&&br&&p&顺阶和弦的负面和弦镜像：&/p&&img src=&/v2-6c4c686ac56ef4c350da77edcf460db6_b.jpg& data-rawwidth=&1629& data-rawheight=&677& class=&origin_image zh-lightbox-thumb& width=&1629& data-original=&/v2-6c4c686ac56ef4c350da77edcf460db6_r.jpg&&&br&&p&感谢子青的补充，现发现以下规律：&/p&&p&1. 大调的负面镜像为同主音小调，1 2 3 4 5 6 7可以映射成5 4 b3 2 1 b7 b6&/p&&p&2. 大调音阶上行的负面镜像是小调音阶下行&/p&&p&3. 向上三度叠置的和弦在负面镜像中以下行三度叠置。&/p&&p&4. 负面和弦与正面和弦构成音数量相同，三和弦的负面和弦还是三和弦，七和弦的负面和弦还是七和弦。&/p&&p&5. 负面和弦的根音是正面和弦最上层音的负面镜像，比如：负面七和弦的根音是正面七和弦的七音的镜像，负面九和弦的根音是正面九和弦的九音的镜像。&/p&&br&&p&另外，子青道：&/p&&blockquote&Jacob是在rehamonization的基础上提及negative hamony的，所以我们在运用它的时候多考虑线性手段。
另外我们之前讨论negative harmony的时候，普遍认为翻译成“镜像和声”可能更形象一点。 &/blockquote&
本届格莱美获奖者Jacob Collier在一次与爵士大师Herbie Hancock聊天时聊到了Ernst Levy的旧书《A Theory of Harmony》中提到的Negative Harmony。这个概念NiceChord解释的已经很清楚了。Jacob自己举的例子是： 比如C大调中的1和5分别是C和G。假定C和G互为对…
&p&有一个流传甚广的说法，浪潮君也曾深信不疑：&b&自己家乡的方言，曾经差一票就成为普通话了。&/b&&/p&&p&不少学者也对这个说法信以为真。厦门大学中文系易中天教授在其专门讲述方言的《大话方言》一书中，也认为当年中华民国国会曾靠投票定国语，而粤语因为粤籍议员多，差点被选中，幸有孙中山先生大局为重，对粤籍议员逐个关说，才让位于北京话。&/p&&p&为此，西南官话（四川话）甚至搞出了各个方言的完整得票数；湖北话则更犀利，说投票时有位仁兄上茅房，导致差了一票，真是一失“禁”成千古恨，再回首已百年身。&/p&&p&&b&遗憾的是，我们都错了！&/b&&/p&&p&&b&竞选国语，北方方言碾压粤语&/b&&/p&&p&确定标准国语是非常专业的过程，&b&说国语要靠议员选，就好比让政客投票支持牛顿或莱布尼茨一样荒唐。&/b&实际上，从民国以来，在国家层面确立标准国语的会议一共有三次，分别是1913年的“读音统一会”、1923年的“国语统一筹备会（第五次会议）”、1955年的“全国文字改革会议”，这其中勉强能贴合谣传内容的，只有第一次会议。&/p&&p&当时，民国初立，社会呼吁教育改革，确立国语成为当务之事，在时任教育部长蔡元培等人的倡议组织下，召开了民国“读音统一会”，会上也由各省搞了投票。&/p&&p&但首先，与会代表不是各省的议员，而是业内专家，要求以下四条至少居其一：“1.精通音韵；2.深通小学；3.通一种或二种以上外国文字；4.深谙多种方言”，最后确定下来的与会专家一共80人，大部分是教育部选派，其中广东只有4人，而江苏17人，浙江9人，直隶7人，&b&都远超广东，根本不存在广东人多的问题。&/b&&/p&&img src=&/v2-4f9dbd9b3c91bd0cdb27_b.jpg& data-rawwidth=&2048& data-rawheight=&1365& class=&origin_image zh-lightbox-thumb& width=&2048& data-original=&/v2-4f9dbd9b3c91bd0cdb27_r.jpg&&&ul&&li&&i&日，广州。“讲古佬”在用粤语讲演《笑傲江湖》。/视觉中国&/i&&/li&&/ul&&p&其次，即使在当时的国会内部，广东籍的议员也并无多数优势。当时的民国参、众两院仿照美国设立，参议员除少数民族地区除外，各省均10人名额，以求对各省公平；众议员则按人口多少分配，每满80万选民增选1名，以求彰显民意。最后广东省在众议院分得30个名额，仅与浙江并列第七。可见，&b&即使在国会按人头投票，粤语也没戏。&/b&&/p&&p&关于投票的内容，也不是选择哪种方言做国语。&b&对语言学家来说，国语须以北方方言为基础，这是常识，不存在异议。&/b&&/p&&p&专家的分歧仅仅在于，有的人提议完全以北京话为准，被称为“京音派”，而有的人则提出，北京话已经没有了入声和尖团，在韵律和准确性上有损失，而古音和南京话等方言则仍然保留这两个特色，因此建议以北京话为基础，进行人为修正，形成真正的“国语”，被称为“国音派”。&/p&&p&会议当时选择了第二套方案，以京音为基础，进行人为修正。修正的方式，则是对六七千个常用字，由各省进行投票，逐字确定读音，这就是所谓各省投票的由来。可见，各省投票的内容根本不是选择哪种方言，而是在北京话的基础上，如何进行逐字略微的修正，最后修正的结果，仍然是“什九（90%）以上与北京音不期而暗合”。这次确立的读音标准，被称为老国音。&/p&&img src=&/v2-8ca786ce4d29cb38d641_b.png& data-rawwidth=&569& data-rawheight=&406& class=&origin_image zh-lightbox-thumb& width=&569& data-original=&/v2-8ca786ce4d29cb38d641_r.png&&&ul&&li&&i&老国音区分尖团音表意更准，如“箭”与“剑”，入声字则便于学习诗词音韵。&/i&&/li&&/ul&&p&而后面的两次会议，干脆压根没有按省投票。&/p&&p&1923年的“国语统一筹备会（第五次会议）”是为了扭转前面“读音统一会”的错误。因为老国音只是看上去美好，从1918年刚刚开始推广就出现了问题，其修正的部分是根据古音、南音（南京话，仍属于北方方言）等人为选择的，&b&没有任何使用基础，没有活的参照，甚至有人讽刺说全国恐怕只有赵元任一人会讲。&/b&&/p&&p&因此，当时负责推广国语的机构“国语统一筹备会”在1923年的第五次会议上，又改弦更张，决定国语发音彻底以北京话语音为准，废除了引入入声和尖团的“老国音”。而此时“国语统一筹备会”已经成为教育部下属的机构，不再向各省负责，自然不会再按省进行投票。自此，民国确立了通行至今的“国语”（书面基于现代北方官话的白话文语法，口语基于北京话语音）。&/p&&img src=&/v2-b37e688cfd24a8a9d4b6bb_b.jpg& data-rawwidth=&1500& data-rawheight=&1001& class=&origin_image zh-lightbox-thumb& width=&1500& data-original=&/v2-b37e688cfd24a8a9d4b6bb_r.jpg&&&ul&&li&&i&李宗盛等老一辈台湾艺人的国语水平秒杀无数大陆艺人。/视觉中国&/i&&/li&&/ul&&p&共和国成立之后，1955年“全国文字改革会议”召开时，&b&“国语”以北京话为基础已经推广了30多年，&/b&教育未曾中断，而且事实证明推行效果良好，如果再次改弦更张，很明显会造成混乱。&/p&&p&这次会议的更重要的议题是研究汉字简化和异体字整理，对国语的讨论则非常简单顺利。会议决定将“国语”一词改为“普通话”，避免显得汉语凌驾于少数民族语言之上。&/p&&p&至于普通话以什么为标准，根本不存在争议，而是直接由当时的教育部长张奚若做了题为《大力推广以北京音为标准音的普通话》的报告，经会议代表通过，没有对各方言投票的环节。会议也给出了“普通话“的定义：&b&以北京语音为标准音、以北方话为基础方言、以典范的现代白话文著作为语法规范。&/b&1982年，推广普通话被写入宪法。&/p&&img src=&/v2-e54c05efb432ee5c75b1b04_b.jpg& data-rawwidth=&2048& data-rawheight=&1358& class=&origin_image zh-lightbox-thumb& width=&2048& data-original=&/v2-e54c05efb432ee5c75b1b04_r.jpg&&&ul&&li&&i&日，南京。推广普通话活动在中国城市随处可见。/视觉中国&/i&&/li&&/ul&&p&由此可见，从民国以来，历次全国性的会议当中，&b&以北京话作为国语，是不断加强的共识。&/b&从一开始的以北京话为基础进行逐字修正，到第二次第三次则完全确定以北京话为标准，直至写入宪法。&b&根本不存在什么议员按省投票，更没有长者关键时候表态。&/b&&/p&&p&所以，&b&就算是你的方言再有特点，面对巨大的人口数量和普及优势，也只能是浮云了。&/b&&/p&&p&&b&本文首发于【浪潮工作室】（微信ID：WelleStudio163），欢迎搜索关注，带你了解更多方言背后有趣的新鲜知识！&/b&&/p&
有一个流传甚广的说法，浪潮君也曾深信不疑：自己家乡的方言，曾经差一票就成为普通话了。不少学者也对这个说法信以为真。厦门大学中文系易中天教授在其专门讲述方言的《大话方言》一书中，也认为当年中华民国国会曾靠投票定国语，而粤语因为粤籍议员多，差…
更新&br&反对@Shawn分不清名姓 的“卧箜篌与竖琴的某种形态(貌似也是叫卧式吧)几乎一样。”&br&让我们看看卧箜篌是什么样子的&img src=&/13fad5f5703ddfaf0a608_b.png& data-rawheight=&313& data-rawwidth=&361& class=&content_image& width=&361&&&br&&img src=&/867c7d4ee1b97bdf423aed_b.png& data-rawheight=&337& data-rawwidth=&600& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&/867c7d4ee1b97bdf423aed_r.png&&&br&&br&上图分别是卧箜篌的壁画和复原件，其他的不用我多说了吧。&br&&br&&br&…………………………………………&br&&br&&br&反对 @随街景斑驳 的回答：“竖琴一排弦箜篌双排弦。现代箜篌与古代凤首箜篌大致相同”&br&&br&首先，竖琴不止只有一排弦制，双排弦制一直都有只是不如单排弦的使用广泛，但是古箜篌一直都是单排弦制，直到20世纪70年代我国张琨/韩其华发明出一种双排弦【现代箜篌】。&br&&br&【现代箜篌】全称叫双排弦雁柱转调箜篌，是张琨/韩其华于20世纪70年代，根据竖琴，琵琶，古筝【创造】出来的新乐器，只是借“箜篌”这个名字，与古箜篌没有多大关系。（他俩现在都还在为是谁先发明在扯皮……）&br&&br&&br&下面让我们看看【古箜篌】是什么样子：&br&&img src=&/3bc7dfe7b321e45270d2_b.jpg& data-rawheight=&779& data-rawwidth=&524& class=&origin_image zh-lightbox-thumb& width=&524& data-original=&/3bc7dfe7b321e45270d2_r.jpg&&&br&&img src=&/8a79deacfbc0_b.jpg& data-rawheight=&218& data-rawwidth=&461& class=&origin_image zh-lightbox-thumb& width=&461& data-original=&/8a79deacfbc0_r.jpg&&&br&&img src=&/d23def6cbaae81a38d0e54b9_b.jpg& data-rawheight=&542& data-rawwidth=&357& class=&content_image& width=&357&&&br&&img src=&/30ad1dc630a6ff74cd3443_b.jpg& data-rawheight=&753& data-rawwidth=&500& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&/30ad1dc630a6ff74cd3443_r.jpg&&&br&&br&上面这几张照片分别是正仓院藏唐箜篌残件，残件复原图，敦煌壁画里的古箜篌及古箜篌复原件。&br&&br&&br&下面让我们看看【现代箜篌】&br&&img src=&/77d75f96a50ee7b6a42ffd18dab82b22_b.jpg& data-rawheight=&1066& data-rawwidth=&800& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&/77d75f96a50ee7b6a42ffd18dab82b22_r.jpg&&&br&&img src=&/949b539a62a8ea58e973_b.jpg& data-rawheight=&512& data-rawwidth=&300& class=&content_image& width=&300&&&br&&br&&br&&br&再让我们看看【竖琴】&br&&img src=&/6f81dbf2b253c78cc98ae13e79a0f6d6_b.jpg& data-rawheight=&1024& data-rawwidth=&744& class=&origin_image zh-lightbox-thumb& width=&744& data-original=&/6f81dbf2b253c78cc98ae13e79a0f6d6_r.jpg&&&br&&img src=&/e7ab09ffca1c2f3ed01d64bd4b4a6b4b_b.jpg& data-rawheight=&300& data-rawwidth=&375& class=&content_image& width=&375&&&br&发现什么没有？【现代箜篌】跟【竖琴】的框架一模一样啊！为什么？因为【现代箜篌】的创造者自己都撰文说了：现代箜篌是根据竖琴，琵琶，古筝创造出来的新乐器！&br&&br&&br&再看【凤首箜篌】 ：&br&&img src=&/34fe119d64fc9414d0ccd0b4df384060_b.jpg& data-rawheight=&1087& data-rawwidth=&800& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&/34fe119d64fc9414d0ccd0b4df384060_r.jpg&&&br&&img src=&/fc30bb146b75a122f29c9aee2d60d66c_b.jpg& data-rawheight=&1001& data-rawwidth=&800& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&/fc30bb146b75a122f29c9aee2d60d66c_r.jpg&&&br&&img src=&/6b3be2e3feafd9cc2891bf9_b.jpg& data-rawheight=&553& data-rawwidth=&534& class=&origin_image zh-lightbox-thumb& width=&534& data-original=&/6b3be2e3feafd9cc2891bf9_r.jpg&&&br&&img src=&/1d4ff_b.jpg& data-rawheight=&333& data-rawwidth=&500& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&/1d4ff_r.jpg&&&br&上图分别是：《清史稿》里记载的凤首箜篌总稿机（缅甸），敦煌壁画里的凤首箜篌，凤首箜篌总稿机和其演奏姿势。这跟现代箜篌 “大致相同”？&br&&br&&br&所以，综上所述，现代箜篌是根据竖琴琵琶古筝于20世纪70年代创作的新乐器，相对古箜篌来说，还原度极低，完全是两种乐器
更新 反对@Shawn分不清名姓 的“卧箜篌与竖琴的某种形态(貌似也是叫卧式吧)几乎一样。” 让我们看看卧箜篌是什么样子的 上图分别是卧箜篌的壁画和复原件，其他的不用我多说了吧。 ………………………………………… 反对 @随街景斑驳 的回答：“竖…
已有帐号？
无法登录？
社交帐号登录
2251 条内容
965 人关注
294 条内容
1132 人关注
797 条内容
437 人关注
119 条内容}