如何做鲫鱼豆腐汤

作者:朱金灿

来源:http://blog.youkuaiyun.com/clever101

 

在一家桂林风味小食店品尝了一道了鲫鱼豆腐汤的菜,感觉不错,心想自己也能做。本来之前想在朋友面前露一手的,结果那家伙得知我是第一次做这道菜,说不要拿他们当我的试验品,我只好作罢。我想我就先拿自己做试验品吧。

 

今天恰好有空兼有心情,就决定中午做一道鲫鱼豆腐汤。到市场买了一条约一斤重的鲫鱼和一块盒装内酯豆腐。然后到网上搜索鲫鱼豆腐汤的做法(遵循凡事问google的原则):

网上这样说的(链接如下:http://ks.cn.yahoo.com/question/1306101721749.html):

一、做准备工作,俗话说的好巧妇难为无米之炊,先到市场逛一圈,买材料回来,今天的主要材料是鲫鱼,先买鱼吧(不要以为这是废话,我以前就做过这种比较经典的事,想要做鱼吃,转了一大圈,就是没买鱼,不过我想天下的糊涂虫毕竟还少,像我这样的更不多,)。鱼的大小多少随心情定。还要买豆腐,香菜,和其他一些炖菜用的作料,比如八角,花椒,葱姜等。再补充一下,在买鱼的时候最好买活鱼,一般的地方都是给杀的,还能帮简单的收拾一下。
  二、回到家里,先把鱼放的水里浸泡一会,不要用太热的水哦。然后呢,就开始洗鱼,鱼一定要洗的干净,把鱼的内脏都扔掉,鱼鳃也要扔掉,要不然会很难吃的,鱼鳞刮净,最重要的是把挂在鱼的胸腔内的血丝全都洗掉,要不会有很难吃的腥味。鱼洗干净以后,在两侧各划两个口。
  三、准备好炒勺,放入油适量,油烧热后,把鱼滑进锅里,开始煎鱼,两面稍煎下就可以,让两面都有点金黄色的那种就可以了。然后把锅的油倒出去,在锅里留不留游都可以。接下来就可以加水了(冷热都可以,我个人认为加冷水就可以了),多加水,尽量不要在炖的过程中再加冷水。
  四、现在把葱、姜、花椒、八角等各种作料放进去,当然豆腐、香菜除外。还是那句老话:大火烧开,小火慢炖。
  等大约炖到40分钟的时候就差不多了,我一般喜欢把汤多炖会,时间短了觉得味道不浓,不香。炖好的鱼汤都是奶白色的,比请水要稠一点。

五、依照个人感觉决定炖的时间长短,当觉得汤好的时候就可以放豆腐了。豆腐要切小块,切块后直接放到汤里,不用搅,等汤在炖开的时候才能搅,要不豆腐就都碎了。
  再等一下会,等豆腐下锅炖开后,再稍炖会就汤就好了。这时候就可以加盐了,至于味精,鸡精一类的东西少加或不加。
  然后把汤盛到大碗里,在上面撒上一些香菜末就可以上桌了,在喝汤的时候,别把火关掉,用问火炖着。

  ps:北京的豆腐分几种,建议买那种南豆腐,或者是盒装的豆腐

  1.准备材料
  
2.
稍为把鱼煎一下。其实不煎也行,只是最后做出来的汤有点发黑,不是煎过之后再炖的乳白色,

  
3.
小火慢炖;其实这一步是最重要的,决定着汤的口感。

 

   我感到稍微遗憾的是我没有买香菜,其实是我做菜顺序颠倒了,我应该先看菜谱再去买材料。上文说要慢火炖40分钟,我想看情况吧,我做时想:一是炖40分钟,鱼骨都估计炖化了;二是我的肚子早咕咕叫了,所以我投机地炖了20分钟。上文中说把鱼煎完之后把锅中的油倒掉,我想可能是怕油太多影响鱼汤的鲜美。做完之后自我感觉味道还不错。

【电力系统】单机无穷大电力系统短路故障暂态稳定Simulink仿真(带说明文档)内容概要:本文档围绕“单机无穷大电力系统短路故障暂态稳定Simulink仿真”展开,提供了完整的仿真模型与说明文档,重点研究电力系统在发生短路故障后的暂态稳定性问题。通过Simulink搭建单机无穷大系统模型,模拟不同类型的短路故障(如三相短路),分析系统在故障期间及切除后的动态响应,包括发电机转子角度、转速、电压和功率等关键参数的变化,进而评估系统的暂态稳定能力。该仿真有助于理解电力系统稳定性机理,掌握暂态过程分析方法。; 适合人群:电气工程及相关专业的本科生、研究生,以及从事电力系统分析、运行与控制工作的科研人员和工程师。; 使用场景及目标:①学习电力系统暂态稳定的基本概念与分析方法;②掌握利用Simulink进行电力系统建模与仿真的技能;③研究短路故障对系统稳定性的影响及提高稳定性的措施(如故障清除时间优化);④辅助课程设计、毕业设计或科研项目中的系统仿真验证。; 阅读建议:建议结合电力系统稳定性理论知识进行学习,先理解仿真模型各模块的功能与参数设置,再运行仿真并仔细分析输出结果,尝试改变故障类型或系统参数以观察其对稳定性的影响,从而深化对暂态稳定问题的理解。
本研究聚焦于运用MATLAB平台,将支持向量机(SVM)应用于数据预测任务,并引入粒子群优化(PSO)算法对模型的关键参数进行自动调优。该研究属于机器学习领域的典型实践,其核心在于利用SVM构建分类模型,同时借助PSO的全局搜索能力,高效确定SVM的最优超参数配置,从而显著增强模型的整体预测效能。 支持向量机作为一种经典的监督学习方法,其基本原理是通过在高维特征空间中构造一个具有最大间隔的决策边界,以实现对样本数据的分类或回归分析。该算法擅长处理小规模样本集、非线性关系以及高维度特征识别问题,其有效性源于通过核函数将原始数据映射至更高维的空间,使得原本复杂的分类问题变得线性可分。 粒子群优化算法是一种模拟鸟群社会行为的群体智能优化技术。在该算法框架下,每个潜在解被视作一个“粒子”,粒子群在解空间中协同搜索,通过不断迭代更新自身速度与位置,并参考个体历史最优解和群体全局最优解的信息,逐步逼近问题的最优解。在本应用中,PSO被专门用于搜寻SVM中影响模型性能的两个关键参数——正则化参数C与核函数参数γ的最优组合。 项目所提供的实现代码涵盖了从数据加载、预处理(如标准化处理)、基础SVM模型构建到PSO优化流程的完整步骤。优化过程会针对不同的核函数(例如线性核、多项式核及径向基函数核等)进行参数寻优,并系统评估优化前后模型性能的差异。性能对比通常基于准确率、精确率、召回率及F1分数等多项分类指标展开,从而定量验证PSO算法在提升SVM模型分类能力方面的实际效果。 本研究通过一个具体的MATLAB实现案例,旨在演示如何将全局优化算法与机器学习模型相结合,以解决模型参数选择这一关键问题。通过此实践,研究者不仅能够深入理解SVM的工作原理,还能掌握利用智能优化技术提升模型泛化性能的有效方法,这对于机器学习在实际问题中的应用具有重要的参考价值。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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

打赏作者

clever101

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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