趣说三星堆 下载 pdf 电子版 epub 免费 txt 2025

英国著名学者戴维·基斯在《独立报》报上撰文：“广汉的发现可能是一次出土金属文物最多的发现，它们的发现可能会使人们对东方艺术重新评价。中国的青铜制造长期就被认为是古代最杰出的，而这次发现无论在质量上还是数量上都使人们对中国金属制造的认识上升到了一个新的高度。”

　　1986年12月21日《文汇报》（香港）评述说：“过去，在世界青铜器时代考古史中，只有埃及、希腊才有出土的真人大小的黄金面罩，如今中国也发现了这些文物，其中不少都是全国首次发现。……这次发掘是四川考古取得的突破性进展，是全国商周考古的重大成果。……比湖南马王堆的文物时间早、数量多，其历史价值和艺术价值更高，可以和西安的半坡遗址媲美。”

暂无相关目录，正在全力查找中！

暂无相关内容，正在全力查找中

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：趣说三星堆在线阅读

在线听书地址：趣说三星堆在线收听

在线购买地址：趣说三星堆在线购买

暂无原文赏析，正在全力查找中！

书籍介绍

英国著名学者戴维·基斯在《独立报》报上撰文：“广汉的发现可能是一次出土金属文物最多的发现，它们的发现可能会使人们对东方艺术重新评价。中国的青铜制造长期就被认为是古代最杰出的，而这次发现无论在质量上还是数量上都使人们对中国金属制造的认识上升到了一个新的高度。”

　　1986年12月21日《文汇报》（香港）评述说：“过去，在世界青铜器时代考古史中，只有埃及、希腊才有出土的真人大小的黄金面罩，如今中国也发现了这些文物，其中不少都是全国首次发现。……这次发掘是四川考古取得的突破性进展，是全国商周考古的重大成果。……比湖南马王堆的文物时间早、数量多，其历史价值和艺术价值更高，可以和西安的半坡遗址媲美。”

• 作者：坐觀千江月 发布时间：2015-12-09 09:47:00

  抱的期望很高，但看完感觉只能勉强给三星。关于苏轼履历的描写，并没有什么出彩之处；内容里面也有几点值得商榷或认真研究一下：1.关于王安石变法。只要涉及到，作者的基本观点就是反对王安石变法的都是错误的，都是保守势力，王安石的改革是进步的，先进的；对于王安石变法不论是之前还是现在都有许多研究，远胜于本书简单粗暴的观点；2.书中总是出现苏轼诗词反应了阶级矛盾之类莫名其妙、不顾时代的陈旧说法；3.关于宋代向少数民族政权支付的岁币对本朝经济的影响问题，可以查一查研究一下；4.有一些引文的注释存在明显错误，如关于苏轼称呼司马光为“司马牛！”的说法，记载于《铁围山丛谈》第三卷，而不是书中标注的第四卷。

• 作者：木南 发布时间：2013-02-16 14:06:10

  没有钱穆写的好玩。不过，领略下胡适为师的神采。

• 作者：shallowgoose 发布时间：2011-08-24 09:32:16

  从三星堆遗迹的方方面面深度挖掘古代巴蜀文化，使蚕丛及鱼凫，开国不茫然。

• 作者：不定期熬夜 发布时间：2023-06-14 23:45:58

  五月重点阅读对象

• 作者：张小唯 发布时间：2022-03-30 14:42:53

  《巨大的拥抱》是纯治愈系，这本后半本可以看到异界阴冷暗黑风。可见作者心境转变，27岁的作者离开了。再读作品会有惋惜，也尊重选择吧。愿另一个世界，有巨大的拥抱，温暖的怪兽，治愈灵魂。R.I.P。

• 作者：动物江湖骗子 发布时间：2017-02-25 19:09:16

  想找钱穆的书没找着，于是在随手抓起一本《山海经全解》看了一下午给看完了，佩服古人的脑洞

• 雅各比行列式和矩阵的秩

  作者：TZX 发布时间：2017-01-06 19:46:30

  这是笔记。

  http://blog.tangzhixiong.com/post-0015-jacobian-and-determinant.html

  > NOTICE:

  > determinant 应该翻译为行列式而不是秩（rank）。文章就不改了。

  ---

  最近看了一些数学书，才发现一些之前没有理解的东西（深深觉得被大学教育坑了）。

  一本 英文书，讲到 Determinant（矩阵的秩），画了个图

  

  > The determinant of the matrix A is the signed volume of the image of the unit cube.

  哎，早怎么没人告诉我？！这样理解了，你大概也明白了为什么：

  det(AB) = det(A) × det(B) = det(B) × det(A)

  这个直觉很有用，因为它说明了秩的大小的意义。外，秩等于各个特征值的乘积，且看这句话：

  > If the weights in this matrix are small (or, more formally, if the leading eigenvalue of the weight matrix is smaller than 1.0), it can lead to a situation called vanishing gradients where the gradient signal gets so small that learning either becomes very slow or stops working altogether.

  这句话其实是说矩阵的秩小于 1，多次用乘这个矩阵（对应一个操作）结果就是，向量趋向 0，坍缩了！这说的是深度学习里，由于网络层数加多（或别的原因），梯度衰减无法继续“学习”的情况。当然也不是说秩大于 1 就好，因为大于 1 说明了不收敛。

• 二十四史启动修订的一些建议

  作者：疯清扬 发布时间：2008-04-22 04:06:43