itstime后面跟什么_及物动词和不及物动词是什么?

472b713e727eaa4c0c86f644cd3cb894.gif

英文知识小课堂   相关文章  76e95310da5cffb4751306d3896873e5.png Edutop 6c46f9bd469f80208a769da79e060ce4.png 不要错过 6c46f9bd469f80208a769da79e060ce4.png

Edutop精心整理的干货内容都在这里哦~

【点击】即可阅读

☑《家长答疑解惑》之澳洲小学生字典挑选攻略

☑不容错过!那些英文表达中的 ”非正经“笑容~

☑你知道吗,笑容可不止有smile和laugh这两种英文表达方式...

转眼又到了我们的英语知识小课堂的时间啦!

今天让我们一起来研究一下及物动词不及物动词哦~

1d85ec630b95a6953552e380dadc512a.png

8d584f9b44c973027bd035c2adc3ba6d.gif

及物动词

及物动词的“及物”,可以不严谨地理解为后面要带个“东西”。

在查字典时,我们经常能看到【vt.】。

这就是及物动词的标志。

757f89230bd018da17cdbf6bb12368b5.png

那么这个“东西”是什么呢?是宾语。

那么问题来了,宾语又是什么东西?我们接着看 ⬇️⬇️⬇️

举个栗子:

Mr. Zhang teaches English.

张老师教英语。

分析:

这是个典型的主谓宾结构的句子。

“张老师”是主语,即动作的主动发起者;

及物动词“教 teach”是谓语,即动作本身。

而“English”就是宾语,即动作的被动承受者。

换句话说就是:英语要承受张老师“教”的这个动作,它要张老师教出去。

7e90fdbd993f56011f5802b3c22b89fe.gif

因此,我们可以得出:

及物动词扮演的就是谓语的角色

又因为它必须后面加宾语,所以它只出现在带宾语的句子结构中。

如:主谓宾,主谓宾宾,主谓宾补等。

但是,

如果及物动词后面丢失了宾语,句子就会变得不知所云。

ceae04063935ade69a3b5dd7860c9d96.gif

试比较:

Mr. Zhang teaches. 张老师教。✅

Mr Zhang teaches English. 张老师教英语。❎

很明显了吧,第一句话没说清楚,张老师到底教啥?

a13abce17a52699e8e1717d35af06487.png

b4a52ce2a36d5117b745bbc293a57ca9.png

再来看几个及物动词的例子:

1. make 做,制造

✅My mother makes breakfast for me.

我妈妈给我做早餐。

❎My mother makes.

我妈妈做。

所以我妈妈做了啥???

7b1755f8a612370c933cb160d71d37f9.png

2. Speak 说,讲

✅I speak English and Chinese .

我(会)讲英文和中文。

❎I speak.

我讲。

所以我讲啥???

a1528cbd73d62a23c47c20e007055b2b.png

f6ea1d8050c9b1975419e2dcad38f48c.png dd67d2cba6cdba238477a630c06e02c8.gif 不及物动词

不及物动词,顾名思义就是后面不跟“东西”,也就是不直接跟宾语的动词。

不及物动词一般用【vi.】来表示。

a08f4e0e3ddc5a8fa98df3bfbae67288.png

那么又为什么不及物动词后面不用跟“宾语”呢?

这和不及物动词的本质有关。

比如:不及物动词:cry 哭

这和之前的及物动词teach不同,是不需要有动作的承受者就可以使句子完整的。

例句:My sister cries.  我姐姐哭了。

7e90fdbd993f56011f5802b3c22b89fe.gif

及物动词和不及物动词另一个区别是:不及物动词没有被动语态

比如,

我们可以说姐姐哭了,但是不能说姐姐被哭了 (My sister is cried.)。

4b33d899c6c57a167cfa0d01ae570f86.png

58d9dc4b53136afca6948d255f45c4ab.png

之前说到不及物动词不能直接跟宾语,那它可以间接地跟宾语吗?

可以,只要借助介词

比如:不及物动词 【wait 等待】

如果不跟宾语,也没毛病:I’ll wait. 我会等。

如果要跟宾语,需要在中间加个介词。

就变成:主谓+介+宾:I’ll wait for you. 我会等你。

b4a52ce2a36d5117b745bbc293a57ca9.png

?更多例子

✅They arrived. 他们到了。

✅They arrived at the airport. 他们到机场了。

✅She didn’t reply. 她没回复。

✅She didn’t reply to my message. 她没回复我的消息。

f6ea1d8050c9b1975419e2dcad38f48c.png 58d9dc4b53136afca6948d255f45c4ab.png

在平时的学习中,我们经常能见到一个动词,

既是及物动词又不及物动词。

先看例句:

✅I got a ticket for you.

我给你弄了张票。

get:获得 (及物)

✅He got to the train station on time.

他准时到达了火车站。

get:到达 (不及物)

?一些动词如get,既可以是及物动词又可以是不及物动词,但是意思可能有区别。

?而动词,比如read, write, change等等,是意思没有区别的。

总结

及物动词要和宾语直接“接触”。

后面必须直接跟宾语,因为不跟宾语句子含义会不完整。

不及物动词不能和宾语直接“接触”。

要么不跟宾语,要么用介词在不及物动词和宾语中间进行搭桥。

有些动词可以是及物动词也可以是不及物动词。

好啦,今天的及物和不及物动词的讲解就到这里啦~

如果还有什么不明白的地方,欢迎扫码添加我们的学习顾问,随时跟我们沟通!

9924970722657cbae41b673f13e61172.png

aff4f88810d9837f78854fc3f8c50c54.gif

3bb2860368c39a9d261ea084a9db420c.png

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,非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非线性,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