龙门金庸之王重阳

龙门金庸之王重阳

      原创(Original): 曦笑大海(BGSea )

 

个人论记:

抗金惨败归古墓,

朝英之赌近道宫。

论剑华山平江湖,

临逝棺椁破毒功。

道家薰然离爱远,

全真古墓近相依。

人物简介:

       王重阳,全真派创派祖师,天下五绝之首的“中神通” ,是“老顽童”周伯通的师兄、“全真七子”的师父。王重阳也是一个独步武林的奇才,具绝代天资,武功造诣深不可测,已经达到出神入化的地步,世称“天下第一”。

       早年是位抗金英雄,他组义师、抗金兵,不遗余力,甚至在抗金之前,动用数千人力,历时数年建成活死人墓,在其中暗藏器甲粮草,作为起事之根本,虽然义举失败,却仍能激荡人心,由于将士伤亡殆尽,王重阳愤而出家,自称‘活死人’,接连几年,住在本山的一个古墓之中,不肯出墓门一步,意思是虽生犹死,不愿与金贼共居于青天之下。

       事隔多年,王重阳生平劲敌林朝英用计激他出墓,二人经此一场变故,化敌为友,携手同闯江湖。林朝英对王重阳甚有情意,欲待委身相事,与王重阳结为夫妇。当年二人不断的争闹相斗,也是林朝英故意要和王重阳亲近,只不过她心高气傲,始终不愿先行吐露情意。后来王重阳自然也明白了,但他于邦国之仇总是难以忘怀,常说:“匈奴未灭,何以为家?”对林朝英的深情厚意,装痴乔呆,只作不知。林朝英只道王重阳瞧她不起,怨愤无已。两人本已化敌为友,后来却又因爱成仇,约在终南山上比武决胜。二人斗了几千招,始终难分胜败。

       最终林朝英和王重阳打赌,在石头上刻几个字,如若胜过王重阳,则逼使他在出家与跟她一起在古墓中长相厮守之间作一选择。即使这样,林朝英也无法如愿以偿,王重阳宁愿把自己所建的古墓让给她居住,自己另在古墓不远处盖了全真观,出家为道士,那就是重阳宫的前身,其时黄药师上终南来访,王重阳知他极富智计便说起此事,黄药师点破此事,原来林朝英的左手掌心中藏着一大块化石丹,将石面化得软了,在一柱香的时刻之内,石面不致变硬。

 

王重阳初为道士,心中甚是不忿,道书读得多了,终于大彻大悟,知道一切全是缘法,又参透了清净虚无的妙诣,乃苦心潜修,光大全真派。华山论剑,王重阳凭道家绝顶神功“先天功”技压丐帮帮主九指神丐洪七公、桃花岛主黄药师、白驼山庄主欧阳锋和大理宣宗功极帝段智兴,夺得“天下第一”的称号,抢到武林奇书《九阴真经》。后来经过他的仔细研究和修炼他已经将九阴真经中的武功融会贯通,九阴真经的修炼也为王重阳在武学上增添了实力,本来王重阳的武功就是天下第一,再加上《九阴真经》中的高深武功王重阳逐渐成为了独步武林的绝顶高手。他是一个智义双绝的英雄,他取得《九阴真经》,不是为了称霸武林,而是为了解救普天下的豪杰,让江湖远离腥风血雨,他智慧超群,即便是不久于人世,也能安排一场假死伤人的戏,使出“一阳指”,重创欧阳锋并破去其蛤蟆功,最后油尽灯枯,溘然长逝。
 


生怀武学:

先天功:道家呼吸炼气之法,修炼至极处可返后天为先天,无为而作,夺天地之精华,能吸取天地自然的力量,聚先天三宝元气、元神、元精合于一身,炼虚合道,无穷无尽,激发出无穷无尽的潜能。

一阳指:大理段氏的绝学,续力于指,瞬间爆发威力奇大。

金雁功:全真派轻功,可靠少许落点借力,凌空直上三丈,任凭空中转折自如;可谓惊世骇俗、无与伦比。

全真剑法:七剑七式,共七七四十九式,变化精微,穏重端严。

一剑化三清:全真派上乘剑术,连刺二九一十八剑,每一剑都是一分为三,刺出时只有一招,手腕抖处,剑招却分而为三。

同归剑法:这剑法取的是“同归于尽”之意,要是敌人厉害,自己性命危殆,无可奈何之际,只得使这路剑法拼命,每一招都是猛攻敌人要害,招招狠,剑剑辣,威力不可轻视,纯是把性命豁出去了的打法,虽是上乘剑术,倒与流氓泼皮耍无赖的手段同出一理,丘处机曾用此剑法攻击江南七怪。

三花聚顶掌:全真派最厉害的掌法,精妙凌厉。(后改称履霜破冰掌法)

天罡北斗阵:全真教中最上乘的玄门武功,由《九阴真经》中部分精要创出。全真七子按北斗星座的方位,集体御敌的阵法迎敌时只出一掌,另一掌却搭在身旁之人身上,敌人来攻时,正面首当其冲者不用出力招架,却由身旁道侣侧击反攻,犹如一人身兼数人功力,威力势不可当。

 

人物出现:

 

《神雕侠侣》

    陈妍希&陈    晓2014版:严屹宽

    刘亦菲&黄晓明2003版:张纪中

    李若彤&古天乐1997版:李耀景

《射雕英雄传》

    杨旭文&李一桐2016版:韩栋

    胡   歌&林依晨2008版:姬麒麟

   李亚鹏&周   迅1997版:张纪中

    黄日华&翁美玲1983版:李兼川

 

 

 

 

 

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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加非线性,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