限制性与非限制性定语从句区别

转自:http://e.3edu.net/yf/E_75478.html

一、在句中作用不同

    限制性定语从句对被修饰的先行词有限定制约作用,使该词的含义更具体,更明确。限制性定语从句不能被省略,否则句意就不完整。
    非限制性定语从句与先行词关系不十分密切,只是对其作一些附加说明,不起限定制约作用。如果将非限制性定语从句省去,主句的意义仍然完整。
    二、外在表现形式不同
    限制性定语从句因与先行词关系密切,所以不可以用逗号将其与主句隔开;而非限制性定语从句与先行词关系不十分密切,所以可用逗号将其与主句隔开。
    例 1. Do you remember the girl who taught us English?
    你还记得教我们 英语 的那个女孩吗?
    例 2. Clock is a kind of instrument which can tell people time.
    钟是一种能够告诉人们时间的仪器。
    例 3. This is the place where he used to live.
    这就是他过去居住的地方。
    例 4. Mr. Zhang, who came to see me yesterday, is an old friend of mine.
    张先生昨天来看我,他是我的一位朋友。
    例 5. We walked down the village street, where they were having market day.
    我们沿着村里的大街向前走去,村民们正在那里赶集。
    析:在前三个例句中,定语从句与先行词关系密切,为限制性定语从句,不可用逗号将其与主句隔开。在后两个例句中,定语从句与先行词关系不密切,为非限制性定语从句,可用逗号将其与主句隔开。
    三、先行词内容有所不同
    大多数限制性和非限制性定语从句的先行词往往为某一个词或短语,而特殊情况下非限制性定语从句的先行词也可为整个主句,此时非限制性定语从句常由 which 引导。
    例 1. A middle-aged woman killed her husband, which frightened me very much.
    一个中年女子杀害了自己的丈夫,这令我十分恐惧。
    析:由语境可知,令“我”恐惧的内容应为“中年女子杀害了自己的丈夫”这整个一件事,因此先行词为整个主句,此时应由 which 引导定语从句。
    例 2. A five-year-old boy can speak two foreign languages, which surprises all the people present.
    一个五岁男孩会讲两门外语,这令所有在场的人感到非常惊讶。
    析:由语境可知,令所有在场的人感到惊讶的内容是“一个五岁男孩会讲两门 外语 ”这整个一件事,因此先行词为整个主句,此时应由 which 引导非限制性定语从句。
    四、关系词的使用情况有所不同
    (一) that 不可用于引导非限制性定语从句
    所有关系代词和关系副词均可引导限制性定语从句,大多数关系代词和关系副词可引导非限制性定语从句,但 that 不可。
    例 1. 他送给他母亲一台彩电作为生日礼物,这使她非常高兴。
    误: He gave his mother a color TV set for her birthday, that pleased her a lot.
    正: He gave  his  mother a color TV set for her birthday, which pleased her a lot.
    例 2. 他没通过这次考试,令我很失望。
    误: He didn't pass the exam, that disappointed me.
    正: He didn't pass the exam, which disappointed me.
    值得注意的是,不少 同学 误认为只有 which 才能引导非限制性定语从句,这个观点是不正确的。使用非限制性定语从句时,如果先行词指人,则用 who , which 或 whose 引导非限制性定语从句;先行词指物可用 which 引导非限制性定语从句;先行词表时间或地点且在从句中作时间状语或地点状语时,可用 when , where 引导非限制性定语从句。
    例 1. We'll graduate in July, when we will be free.
    我们将于七月份毕业,到那时我们就自由了。
    例 2. Last Sunday they reached Nanjing, where a conference was to be held.
    他们上周日到达南京,有个会议要在那里举行。
    (二)关系代词替代情况不同
    关系代词 whom 在限制性定语从句中作宾语时可用 who 代替 whom ,但 whom 在非限制性定语从句中作宾语时不可用 who 来代替。
    例 1. T his  is the girl whom I met in the street.
    这是我在街上遇到的那个女孩。
    析:先行词 the girl 在限制性定语从句中作宾语,可用 who 代替 whom .
    例 2. A young man had a new girl friend, whom he wanted to impress.
    一个年轻的小伙子新交了一个女朋友,他想给她留下深刻的印象。
    析:先行词 a new girl friend 在非限制性定语从句中作宾语,不可用 who 代替 whom .
    在限制性定语从句中,先行词指人时可用 that 代替 who/ whom ,但在非限制性定语从句中先行词指人时,不可用 that 代替 who/whom .
    例:她有一个姐姐,她是 教师
    误: She has a sister, that is a teacher.
    正: She has a sister, who is teacher.
    (三)关系代词省略情况不同
    关系代词在限制性定语从句中作宾语时可以省去,非限制性定语从句的所有关系词均不可省。
    例 1. This is the book (which/that) he lost yesterday.
    这就是他昨天丢的那本书。
    析:先行词 the book 在限制性定语从句中作宾语,关系代词 which 或 that 可以省略。
    例 2. The book, which he lost yesterday, has been found.
    他昨天丢了这本书,但现在已找到了。
    析:先行词 the  book  在非限制性定语从句中作宾语,关系代词 which 不可省。
    [实战演练]
    1. She heard a terrible noise, _________ brought her heart into her mouth.
    A. it B. which C. t his  D. that
    2. Have you ever been to Xi'an, _________ I left ten years ago.
    A. which B. whose C. that D. /
    3. The weather turned out to be very good, _________ was more than we could expect.
    A. what B. which C. that D. it
    4. His English, ________ used to be very poor is now excellent.
    A. which B. that C. it D . whom
    5. Some of the roads were flooded, __________ makes o 
    ur journey more difficult.
    A. that B. it C. which D. who
    6. I'll find a nice girl, _________ I want to marry.
    A. who B. whom C. that D. which
    7. I'll come at ten, ________ I'll be free.
    A. which B. that C. when D. what
    8. She has two brothers, _________ are teachers.
    A. who B. that C. whom D. /
    9. Which answer is NOT true?
    T his  is the factory ________ I visited yesterday.
    A. that B. which C. / D. where
    10. I still remember the days _________ I spent in Beijing.
    A. when B. what C. that D. during
    Key:
    1. B 2. A 3. B 4. A 5. C
    6. B 7. C 8. A 9. D 10. C
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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