谁决定了大国崛起?

Fenng最近书写了一篇blog《大国崛起》,说道“我在看的过程中,发现几个比较有意思的问题:那些曾经的大国在崛起的过程中不可避免的会出现一个或几个决定历史命运的英雄人物。比如法国路易十四,德意志的俾斯麦、俄国的彼得大帝。在我们受到的传统教育中,我们总被教导说"人民群众创造历史",有的时候,在历史的十字路口,英雄人物的作用还是不可抹杀啊。

之所以“在我们受到的传统教育中,我们总被教导说"人民群众创造历史"”,这个你要明白,是有前因后果的。而不是说我们的教育系统无缘无故地这么做的。
如果你通读近代历史,尤其了解马克思之后的各国思辨,就会知道:
1:
正是因为19世纪到二十世纪上半叶,众多其他信仰的哲学家/社会学家/文学家对领袖人物之于历史的作用过于强调,尤其是社会主义阵营中也有这样的思维方式,所以,马克思们强调人民群众才是真正的决定力量,之后的教育系统确定了必须强调这一点。
2:
好好读读黄仁宇的大历史观一系列书,你就会知道,即使是大国的崛起,根据黄的《资本主义与二十一世纪》,也必定是基层的经济力量决定了国家往哪个方向走!换句话说,你以为是希特勒领导德国人民怎么走吗?错,德国人自己的膨胀以及经济力量的迅猛发展才是希特勒能够指挥全国人民向外求发展的根本力量!希特勒只不过是顺应并利用德国人民的民心。

如果你以前上马原或者社建用心听了的话,也会知道:
1:
马克思主义认为,历史是由人民群众创造的,人民群众不仅是物质财和精神财富的创造者,而且是社会变革的决定性力量。
请注意,是说的“社会变革的决定性力量”!但并没有任何证据表明马克思否定了领袖人物的推动作用。
2:
马克思主义在肯定人民群众创造历史的同时,充分肯定了杰出人物对于历史发展的重要作用。杰出与一般相对而言,古今中外历史事实表明:人群中杰出的是少数,一般的是多数。每个时代,国家、民族都有自己的杰出人物。正如马克思引用爱尔维修的话说:“每个社会时代都需要自己的伟大人物,如果没有这样的人物,它就创造出这样的人物来。”其实,从个人的角度说,杰出人物是一定社会环境的产物,是由一定的先天素质和后天教育、训练、实践活动等综合作用造就而成的。

看来很多人显然在上马原课的时候睡觉了。这个问题属于马原考试的基本题目之一啊。
不要把我国教育系统长期以来上的马克思主义原理或者社会主义建设这两门课当作是考试前突击的课。请记住,两代伟人建立的思想体系,不管你是什么信仰,都会对你的思辨能力有莫大的好处! 

Fenng还说道“崛起的大国几乎都是经济在背后驱动的,整个记录片如果说成是一部经济发展史也不为过。为经济作保驾护航的,是一个合理的制度,合理的制度! 这可能也是该片创作班子企图表达的主题吧。

其实一方面也论证了“基层的经济力量是推动社会发展的基本动力”,这还是老调重弹。另一方面,黄仁宇老先生在生前一直都是这么认为的:

这不是说整个一个世纪所有的人物,毫无贤愚得失,只是他们的贤愚得失不足以更改上述历史发展的程序。大历史的着眼注重群众运动对社会上的长期贡献。要不是有这些积极的因素,中国1980年间也仍会和1910年间一样,不可能生存至今。”(出自于他的《《万历十五年》和我的“大”历史观》)

    黄仁宇总在说明一个现代经济学的“熊彼得--希克斯--诺斯命题”:财政压力决定改革的起因与路径,只有从财政角度着眼,才能更好地理解中国改革的深层逻辑。社会的转折总是包含着原有的财政政策的危机,财政问题往往是引发改革的根本原因,财政改革对整个改革和经济发展都有着深远的影响。

    不可否认的是,这套节目推出,正值中国变革的关键时刻,利益集团与中央的对决,股改的成功,中央大规模集权、地方不得不低头,肯定是说明了中央想通过这套节目说点什么。

    但是是说什么呢?我认为是在强调:中国经济的内在力量之强大,是一定会驱动中国崛起的,也就是说,无论你想不想低调,想不想称霸,中国都会崛起。

    也就是说,能不能像九个大国一样崛起?敢不敢崛起?

     回答就是,经济力量决定了一切。我们不再欲说还“羞”,中央已经和全国人民一起确立了信心,我们有充分的自信来公开讨论这个问题了。

    在确立了这个论调之后,那么中央就告诉你了,我们如何未雨绸缪,透过近500年来九个大国的兴衰史,思考、关注和策划自己的战略产业呢?

    所以,我用这句话结尾:

    由此,我们可以说:《大国崛起》包含着中国下一步发展思路的重要信息:不再“犹抱琵琶半遮面”的中国式崛起将更加坚定信心地走着自己的道路。



Trackback: http://tb.blog.csdn.net/TrackBack.aspx?PostId=1442698


内容概要:本文提出了一种考虑不同充电需求的电动汽车有序充电调度方法,并提供了基于Matlab的完整代码实现。该方法通过构建精细化的数学模型,综合考量电动汽车用户的多样化充电需求,如充电起止时间、目标电量、充电偏好及用户满意度等因素,结合智能优化算法进行求解,实现对大规模电动汽车充电行为的协调控制。研究旨在通过有序调度策略有效平抑电网负荷波动,实现削峰填谷,降低配电网运行压力,提升电力系统运行的经济性与稳定性,尤其适用于未来高渗透率电动汽车接入场景下的充电管理与需求响应应用。; 适合人群:电气工程、自动化、能源系统及相关领域的科研人员、高校研究生,以及从事智能电网、电动汽车充电管理、能源优化调度等方向的技术人员,需具备一定的Matlab编程能力与优化理论基础。; 使用场景及目标:①应用于智能电网中规模化电动汽车集群的有序充电调度与能量管理;②支撑科研工作中关于需求响应、负荷调控、分布式资源优化调度等课题的模型构建与仿真验证;③为充电运营商或电力公司提供兼顾用户需求与电网安全的个性化、智能化充电服务解决方案。; 阅读建议:建议读者结合Matlab代码深入理解算法的具体实现流程,重点分析目标函数的设计思路、多类型约束条件的建模方式以及优化求解器的配置过程,可在此基础上拓展至多目标优化、实时滚动调度或考虑可再生能源不确定性的联合优化研究。
内容概要:本文研究了基于Benders分解的输配电网双层优化模型,旨在解决风电出力等不确定性因素对电网运行带来的挑战。模型采用TSO-DSO协调机制,其中输电网运营商(TSO)作为上层决策者负责全局优化与协调,配电网运营商(DSO)作为下层响应者进行本地优化。通过Benders分解算法将原问题分解为主问题与子问题,实现双层耦合系统的高效迭代求解,确保计算可行性与收敛性。研究涵盖了不确定性建模、双层博弈结构设计、协调变量传递机制及Benders割平面生成逻辑,并提供了完整的Matlab代码实现,具备良好的可复现性与工程应用价值。; 适合人群:具备电力系统优化、运筹学理论基础,熟悉Matlab编程语言,从事电力系统规划、调度、可再生能源集成及相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:① 掌握含不确定性因素的输配电网协同优化建模范式;② 深入理解Benders分解在多主体、多层次电力系统优化中的应用原理与实现路径;③ 开展高比例可再生能源接入背景下的电网调度仿真、鲁棒/分布鲁棒优化扩展研究及实际工程项目的技术验证; 阅读建议:建议结合Matlab代码逐模块剖析模型构建流程,重点关注主从问题间的变量耦合关系与Benders割的构造机制,进一步可引入多场景分析、分布鲁棒优化等高级不确定性处理方法进行模型拓展与深化研究。
源码链接: https://pan.quark.cn/s/a4b39357ea24 在深度学习领域,卷积神经网络(Convolutional Neural Network, CNN)是处理序列数据和图像数据的重要工具。 Keras 是一个高级神经网络API,它提供了便捷的方式来构建和训练CNN模型。 本文将深入探讨Keras中的`Conv1D`和`Conv2D`层的区别,帮助读者更好地理解和应用这两个关键组件。 `Conv1D`和`Conv2D`的主要区别在于它们处理的数据维度。 `Conv1D`主要用于一维数据,如时间序列分析、文本分类等,而`Conv2D`则用于二维数据,如图像处理。 1. 数据维度: - `Conv1D`:该层接受一维输入,形状通常是 `(batch_size, time_steps, features)`。 在这里,`time_steps`表示序列的长度,`features`是每个时间步的特征数量。 - `Conv2D`:该层处理二维输入,例如图像,其形状为 `(batch_size, height, width, channels)`。 `height`和`width`代表图像的高度和宽度,`channels`通常对应RGB图像的三个颜色通道或单通道灰度图像。 2. 卷积核(Kernel): - `Conv1D`的卷积核也是一维的,沿着输入的时间轴进行滑动,对每个时间步的特征进行卷积操作。 - `Conv2D`的卷积核是二维的,它同时在图像的高度和宽度方向上滑动,可以捕获空间上的局部特征。 3. 参数设置: - `kernel_size`:对于`Conv1D`,它是一个整数,表示卷积核在时间轴上的跨度。 对于`Conv2D`,它是一个包含两个整数...
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