关于意志动词和非意志动词的区分

本文介绍了日语中意志动词和非意志动词的区别,包括自控动作、心理活动及自发性动作、生理心理现象等多种类型,并举例说明了一些动词在不同语境下可能兼具两种性质。

一、意志动词,反映按人或有情物的意志去完成的动作行为。主要分为以下两种情况。

 

 

 

1、自控动作(指大脑能够控制的动作),如:行く、買う、作る。

 

 

 

2、自控心理活动(指大脑能够控制的心理活动)。如:思う、考える、信じる。

 

 

 

二、非意志动词,反映人的自发性动作、生理心理现象、能力、以及非情物的运动。以下情况都属于非意志动词。

 

 

 

1、自发心理现象。如:飽きる、慌てる、はにかむ(腼腆、羞涩)等。

 

 

 

2、生理现象。如:疲れる、しびれる、老いる等。

 

 

 

3、心理性生理现象。如:うなだれる、震え上がる等。

 

 

 

4、能力。如:できる、聞こえる、話せる、分かる等。

 

 

 

5、偶发****。如:出会う、失う、忘れる、しくじる(失败)等。

 

 

 

6、动植物的运动状态。如:育つ、枯れる、咲く等。

 

 

 

7、自然现象。如:光る、霞む、降る等。

 

 

 

8、物理运动。如:流れる、増える、溜まる等。

 

 

 

9、抽象现象。如:ある、あまる、終わる等。

 

 

 

具体分类就以上这些。不过有些动词因动作主体不同而兼有意志和非意志两种性质。例如:

 

 

 

1)、二階へ上がれ。/上二楼去。(意志动词)。

 

 

 

2)、物価が上がる。/物价上涨。(非意志动词)。

 

 

 

另外有些动词因多义而兼有两种性质。比如:

 

 

 

3)、電車で財布を落とした。/在电车上把钱包丢了。(非意志)

 

 

 

4)、井戸の中に石を落とした。/往井里扔了石头。(意志) 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

【无人机】基于改进粒子群算法的无人机路径规划研究[遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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