5分钟教会五笔!

只需记住下面3点:
1:知道五笔是什么:一丨丿丶乙 (横竖撇捺折)
2:知道这五个笔划在键盘上的分布特点:认出字根的第一、二笔划就定出位置
(如图红色笔画示区:中行左边5个键是"一"区,右边5个键是"丨"区
上行左边5个键是"丿"区,右边5个键是"丶"区,第5个键在下行最右边
下行左边5个健是"乙"区)
(如图示位:11-15(横)区;21-25(竖)区;31-35(撇)区;41-45(捺)区;51-55(折)区;


3:字根的分布原则:(发明人就是按这个思路来安置那么多的字根的)
a:每个字根的第一笔定区,第二笔定位(70%的字根符合这个原则,所以看第一笔就知道在哪个区的5个键之中,看第二笔就定位在这5个键中的哪个了!不信?可以将上面字根分布图中的所有字根按这个原则试一遍,把特殊的圈出来看看,不多吧,只有下面的25%+5%,再去掉有特殊记忆方法的,仅需记忆的只有寥寥几个而已!)
b:有特殊记忆方法的字根(25%的字根):如"口"因为发音为"K"所以在"K"
c:只能强记的字根(仅5%):如"木丁西"在"S"

好!实战一下:
1:“王”这个字根的第一笔是“一”,第二笔是“一”,所以“横中横”,在中行左边横区5个键中的从中间往外数的横位上(第1个键,G键)
2:“土”这个字根的第一笔是“一”,第二笔是“丨”,所以“横中竖”,在中行左边横区5个键中的从中间往外数的竖位上(第2个键,F键)
3:“大”这个字根的第一笔是“一”,第二笔是“丿”,所以“横中撇”,在中行左边横区5个键中的从中间往外数的撇位上(第3个键,D键,而且还有发音为"D"这个特殊记忆方式)
......
符合这种原则的70%的字根就不用记它了,其余的想些法子也很容易就记住了!

所以根本不用背那痛苦的口决,跳过它,直接进入拆字阶段吧,如果一定要口中念念有词,不妨将“横中横”“横中竖”“横中撇”等当作三字决来用吧!

不用背口决,只要多拆几遍,马上就学会了传说中难学的五笔了!而且不用先学英文键!

(发明了五笔,了不起!果然是重码最少,速度最快的输入法!
加了背口诀这道难关,则是发明者最败的一笔!把形象的东西抽象得如此复杂难记!唉!可惜)

现在的学习环节精简成:5分钟理论->练拆字->拆出字根->第一笔定区->第二笔定位->OK!(根本无需强记,一生难忘,又快又准!)

背口决学打五笔的痛苦:学理论->背口决->练拆字->拆出字根->背口决->哪

句口决->对应哪个英文键->OK!(随时因痛苦而中断)

很简单的,按我说的做,你可以在几个小时内入门,当然,你不要指望一天就能打得比拼音快,要想快起来,还得多练习。

五笔入门关键是这一条,现在拿一张字根分布图来,再看下去,字根的分布不要去背,要记住这一条:T开始的都跟撇有关,T跟一撇的有关,R跟两撇的有关,E跟三撇的有关,W跟复杂的撇有关,Q跟特殊的撇有关。以此类推。G开始的与横有关,关系同上。H开始的跟竖有关,关系同上。Y开始的与捺有关,关系同上。N开始的与折有关,关系同上。

记住这一点以后,再记一些每个键上的特殊字根,就可以了。比如“手”这个字根,第一笔是撇,那肯定在T以后的那排键上,五笔发明者把它放在R键上了,这是没有规律的,那么你就记住,那提手旁在哪呢,也在R上,虽然它没有撇,但因为“手”在这里,提手旁也跟过来了。再比如宝盖头,它是点开头,点也可以算作捺,那肯定在Y后的那一排键上,在哪里呢,你查一下,在P,记住它,再一想,宝盖头为什么在P上呢,因为它的形状比较特殊呀。

用这个方法,你可以在两个小时内记住普通的字根,然后你就可以脱离字根表,慢慢打起来了。坚持一星期,你每分钟就可以打20个字了,一个月后,每分钟40-50个字就不成问题了。如果还要再提高,就必须慢慢习惯打词组,习惯打词组以后,每分钟70-80就不成问题了。习惯打词组以后,再习惯盲打,那么到了这个时候,再让你用拼音,你就会比死都难受的,呵呵。初学者请一定相信我,因为我用这个方法教会好几个人了。如果你觉得这个方法有用,那么一星期或一个月后,你来顶顶这个帖子吧。
TREWQ这组键我叫它撇系列,都是关于撇的。YUIOP叫它点捺系列,都与捺和点有关。GFDSA这组叫它横系列,都与横有关。HJKLM叫它竖系列,都与竖有关。NBVCX叫它折系列,都与折有关。这里所说的有关,是指一个字根的第一笔是什么,那么这个字根就在什么系列键里面。

好了,接着往下说,每个系列都有五个键,比如捺系列,Y是第一键,U是第二键,I是第三键,O是第四键,P是第五键。

先说第一个规律,其实刚才说了,一点的你要到第一键找,两点的到第二键找,三点的到第三键找,四点的到第四键找。同样,一竖的到竖系列第一键去找,两竖的到竖系列第二键去找,三竖四竖都同样道理。这是一个规律。

还有第二个规律:一个字根一般不止一笔,比如说“人”字,第一笔是撇,第二笔是捺,现在要说的这个规律就跟第二笔有关。听好了,凡是第二笔是横的,一般都在第一键,第二笔是竖的,一般在第二键,第二笔是撇的,一般在第三键,第二笔是点捺的,一般在第四键,第二笔是折的,一般在第五键。“横竖撇捺折”,“一二三四五”,是不是很好记?快对一下字根表,是不是大多数都是这样?记住它。那么有人要问,单人旁,第一笔是撇,第二笔是竖,按这个规律,它应该在R上,为什么是在W上呢?其实刚才也说了,因为“人”在W上,所以单人旁也跟到W上去了,谁让它叫单人旁呢,毕竟它也是“人”变化过来的。

再举个例子,比如,反犬旁,第一笔是撇,那么它一定在T系列,第二笔是弯的,是一个折,所以在Q上。同样,下框在M上,因为第一笔是竖,第二笔是折,那么“几”为什么也在M是呢,因为它跟下框很像啊。同样,右框在A上,因为第一笔是横,第二笔是折。同样,“匕”和绞丝旁在X上,因为第一笔是折,第二笔是折。
11 G 王旁青头戋(兼)五一(“兼”与“戋”同音)
12 F 土士二干十寸雨。 
13 D 大犬三羊古石厂,(“羊”指羊字底“ ”)
14 S 木丁西,
15 A 工戈草头右框七。(“右框”即“匚”)
21 H 目具上止卜虎皮,
22 H 日早两竖与虫依。
23 K 口与川,码元稀,
24 L田甲方框四车力。 (“方框”即“囗”)
25 M 山由贝,下框几。
31 T 禾竹一撇双人立, (“双人立”即“彳”) 反文条头共三一。 (“条头”即“夂”)
32 R 白手看头三二斤,
33 E 月彡(衫)乃用家衣底。
34 W 人和八,三四里, (“人”和“八”在34里边)
35 Q 金勺缺点无尾鱼, (指“勹) 犬旁留叉儿一点夕氏无七(妻)。
41 Y 言文方广在四一,高头一捺谁人去。
42 U 立辛两点六门疒,
43 I 水旁兴头小倒立。 (指“氵”)
44 O 火业头,四点米,
45 P 之字军盖建道底, (即“之、宀、冖、廴、辶”) 摘礻(示)衤(衣)。
51 N 已半巳满不出己,左框折尸心和羽。
52 B 子耳了也框向上。 (“框向上”即“凵”)
53 V 女刀九臼山朝西。 (“山朝西”即“彐”)
54 C 又巴马,丢矢矣, (“矣”去“矢”为“厶”)
55 X 慈母无心弓和匕,幼无力。 (“幼”去“力”为“幺”

标题基于SpringBoot+Vue的学生交流互助平台研究AI更换标题第1章引言介绍学生交流互助平台的研究背景、意义、现状、方法与创新点。1.1研究背景与意义分析学生交流互助平台在当前教育环境下的需求及其重要性。1.2国内外研究现状综述国内外在学生交流互助平台方面的研究进展与实践应用。1.3研究方法与创新点概述本研究采用的方法论、技术路线及预期的创新成果。第2章相关理论阐述SpringBoot与Vue框架的理论基础及在学生交流互助平台中的应用。2.1SpringBoot框架概述介绍SpringBoot框架的核心思想、特点及优势。2.2Vue框架概述阐述Vue框架的基本原理、组件化开发思想及与前端的交互机制。2.3SpringBoot与Vue的整合应用探讨SpringBoot与Vue在学生交流互助平台中的整合方式及优势。第3章平台需求分析深入分析学生交流互助平台的功能需求、非功能需求及用户体验要求。3.1功能需求分析详细阐述平台的各项功能需求,如用户管理、信息交流、互助学习等。3.2非功能需求分析对平台的性能、安全性、可扩展性等非功能需求进行分析。3.3用户体验要求从用户角度出发,提出平台在易用性、美观性等方面的要求。第4章平台设计与实现具体描述学生交流互助平台的架构设计、功能实现及前后端交互细节。4.1平台架构设计给出平台的整体架构设计,包括前后端分离、微服务架构等思想的应用。4.2功能模块实现详细阐述各个功能模块的实现过程,如用户登录注册、信息发布与查看、在线交流等。4.3前后端交互细节介绍前后端数据交互的方式、接口设计及数据传输过程中的安全问题。第5章平台测试与优化对平台进行全面的测试,发现并解决潜在问题,同时进行优化以提高性能。5.1测试环境与方案介绍测试环境的搭建及所采用的测试方案,包括单元测试、集成测试等。5.2测试结果分析对测试结果进行详细分析,找出问题的根源并
内容概要:本文详细介绍了一个基于灰狼优化算法(GWO)优化的卷积双向长短期记忆神经网络(CNN-BiLSTM)融合注意力机制的多变量多步时间序列预测项目。该项目旨在解决传统时序预测方法难以捕捉非线性、复杂时序依赖关系的问题,通过融合CNN的空间特征提取、BiLSTM的时序建模能力及注意力机制的动态权重调节能力,实现对多变量多步时间序列的精准预测。项目不仅涵盖了数据预处理、模型构建与训练、性能评估,还包括了GUI界面的设计与实现。此外,文章还讨论了模型的部署、应用领域及其未来改进方向。 适合人群:具备一定编程基础,特别是对深度学习、时间序列预测及优化算法有一定了解的研发人员和数据科学家。 使用场景及目标:①用于智能电网负荷预测、金融市场多资产价格预测、环境气象多参数预报、智能制造设备状态监测与预测维护、交通流量预测与智慧交通管理、医疗健康多指标预测等领域;②提升多变量多步时间序列预测精度,优化资源调度和风险管控;③实现自动化超参数优化,降低人工调参成本,提高模型训练效率;④增强模型对复杂时序数据特征的学习能力,促进智能决策支持应用。 阅读建议:此资源不仅提供了详细的代码实现和模型架构解析,还深入探讨了模型优化和实际应用中的挑战与解决方案。因此,在学习过程中,建议结合理论与实践,逐步理解各个模块的功能和实现细节,并尝试在自己的项目中应用这些技术和方法。同时,注意数据预处理的重要性,合理设置模型参数与网络结构,控制多步预测误差传播,防范过拟合,规划计算资源与训练时间,关注模型的可解释性和透明度,以及持续更新与迭代模型,以适应数据分布的变化。
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