生命伦理学研究的当代视阈与方法

生命伦理学的当代研究,应该在原有成就基础上,突破唯人本中心论的生物医学伦理学模式,追求对包括生物医学伦理学在内的世界生命伦理学、地球生命伦理学的构建,使生命伦理学成为引导当代人类走向未来、健康生存的真正桥梁.因而,生命伦理学的当代研究,首先须重新认识生命,理解生命,打通人类生命与世界生命、个体生命与整体生命之间的血缘通道,弘扬生命的亲生命本性.唯有如此,才能真正打开以自然宇宙、历史演化、人类存在为三维向度的生命伦理认知视阈,探索构建生态化综合的生命伦理研究方法.     

人类增强的哲学和伦理学问题

我们每一个人都有改进自我、增强自我的愿望,而且都在设法以种种方式成为一个"更佳的"人:体格更强壮,长得更高、更美、更帅,跑得更快,记忆更好,更聪明,活得更久,等等.我们读书学习、锻炼身体、注意营养、服用补药、美容,都是为了满足这一愿望,而且这种愿望往往延伸到我们的孩子.     

中风病简化辨证的哲学思考

中风病分阴证和阳证为纲辨治,不但有是充分的实践依据和理论基础,而且符合哲学的否定之否定定律.从中风病简化辨证的必要性,中风病阴阳辨证的发展,中风病的病因病机、证候属性可从阴阳两方面认识,中风病阴阳为纲辨证方法符合哲学否定之否定定律4方面进行了论述.     

刚开始吃素，总觉得很容易饿，怎么办？

由于肉类较不容易消化,滞留于胃肠道时间较长,因此较有饱足感,因此荤食者改吃素后,肚子可能很容易就饿了。此感觉可能需要一段时间,让胃肠道适应。此外,许多改吃素的荤食者,刚开始可能只是将肉类删除,主食方面还是选择精致的五谷根茎类,如白米饭,面包,这些精致糖类的升糖指数较高,因此血糖容易上升较快,此时,胰岛素也会跟着快速上升。     

类皮亚杰数量守恒任务中的负启动效应

采用负启动研究范式,考察九岁儿童在类皮亚杰数量守恒任务中的负启动效应。实验一重复了Houdé等人的实验过程,发现我国儿童在解决类皮亚杰数量守恒任务中也存在负启动效应,负启动量为310.9ms;实验二改进了Houdé等人研究的实验材料,排除实验材料形状的干扰,发现依然存在负启动效应,负启动量为200.04ms。实验结果表明,成功完成类皮亚杰数量守恒任务需要认知抑制过程的参与。     

类同一性与群体差异性:道德产生的可能性与必然性——兼与易小明商榷

人类最初的生存状态是群聚,群聚是人的类属性的自发聚集,它使人类本能地意识到人类的同一性;群聚之后人类走向群居,群居是人的群体属性的自觉结合,它体现了人类的同一性之外的群体差异性.类同一性使人类能够彼此交往,是道德产生的可能性主体基础;群体差异性使人类必须交往,是道德产生的必然性主体基础,二者都是道德产生的主体基础.     

类别不确定下的特征推理是基于类别还是基于特征联结

共有3个实验探讨归类不确定情况下的特征推理是基于类别进行还是基于特征联结进行。实验1在中文条件下重复了Verde等人2005的实验,得出了与之相符的结果,这个结果用基于类别的理性模型的设想或者是用基于特征联结的设想都可以解释。实验2考察被试在靶类别的类别特征频次并且特征结合出现频次高低不同的条件下特征推理的情况,实验2的结果表明,高集中与低集中两种条件下特征推理没有显著差异,不符合特征推理是基于类别进行的设想,而与特征推理是基于特征联结进行的设想吻合。实验3进一步考察被试在特征结合出现的总频次并且靶类别中特征结合出现的总频次高低不同的条件下特征推理的情况,结果表明,在高结合条件下进行特征推理要优于在低结合条件,支持了在归类不确定情况下的特征推理是基于特征联结进行的设想。据此可以认为,人们的特征推理是基于特征之间联结的频次进行,而不是基于类别进行     

他汀类降低心血管危险作用模式的探讨

大量临床实验结果及流行病学资料已证实3-羟基3-甲基戊二酰辅酶A（HMG-CoA）还原酶抑制剂（简称他汀类）,在冠心病防治中能显著降低心血管危险。但他汀类是通过何种模式产生这一作用,至今仍未得出定论。四种模式可用来描述他汀类降低心血管危险可能的作用机制。通过对这四种模式的探讨,能使我们对他汀类的作用机理有更为全面的认识,也为临床工作者进一步研究及确定他汀类降低心血管危险的作用模式奠定基础。     

试论《周易》象思维对石涛山水画的影响

象思维是中华民族的传统思维.深深影响着中国文化.<周易>蕴含着丰富的象思维,可以分为观物取象、立象尽意、得意忘象三个层面.中国画作为中华传统文化的典型代表,深受中国哲学的影响.石涛是清初著名画家,以擅长山水画闻名于世.他的画论<苦瓜和尚画语录>和其题画诗清晰地展现了其山水画深受<周易>象思维的影响,认为"画者形天地万物"、"画者从于心者也"、"不似似之当下拜".石涛山水画创作的这个过程与<周易>象思维的三个层面是一致的.     

RBF神经网络在股价预测中的应用

提出了一种基于RBF神经网络的股票价格预测模型。该模型通过对历史股价数据的分析,采用K-均值聚类算法动态确定RBF网络中心,根据梯度下降法进行自适应权值调整。并且根据股价的差异大,时变性强和高度非线性的特点,对RBF网络的学习算法进行了改进,进一步提高了RBF网络的非线性映射能力和自适应能力,最后运用该模型对股票走势进行了预测。